Академический Документы
Профессиональный Документы
Культура Документы
Abstract
PDAM Kota Padang telah mengupayakan dan memberikan pelayanan yang terbaik untuk memenuhi kebutuhan
akan air bersih pada pelanggannya namun dalam perjalanannya sering mendapat kendala dan keluhan dari
pelanggan antara lain adalah kualitas air yang belum memenuhi target atau standar yang ada dan harga yang
diberikan oleh pihak PDAM kepada pelanggan belum sebanding dengan harapan pelanggan serta pelayanan
yang diberikan oleh pelanggan belum maksimal. Untuk mengatasi permasalahan di atas maka dilakukuan
penganalisaan tingkat kepuasan pelanggan terhadap harga pemakaian air pada konsumen dan metode yang
digunakan adalah Logika Fuzzy dengan metode Mamdani. Pada proses pengolahan datanya adalah dengan dua
input yaitu Golongan pelanggan dan volume pemakaian air dan satu output yaitu harga pemakaian air. Dengan
menggunakan logika Fuzzy dianggap mampu untuk mengatasi masalah dan memetakan suatu input ke dalam
suatu output tanpa mengabaikan faktor-faktor yang ada. Dari pengujian data output maka hasil perhitungan fuzzy
logic metode mamdani untuk harga pemakaian pada pelanggan menggunkan aplikasi FIS Editor Toolbox pada
perangkat lunak Matlab ini relevan dengan hasil perhitungannya mendekati sama dengan perhitungan secara
manual atau konvensional.
Kata Kunci : Analisa, Fuzzy Logic Mamdani, Matlab, Aplikasi FIS
1. PENDAHULUAN
Analisa tingkat kepuasan pemakaian air PDAM Kota Padang dengan menggunakan Logika fuzzy
pada metode Mamdani diyakini dapat menganalisa dan dapat mengevaluasi tingkat kepuasan
pelanggan yang ada PDAM cabang Padang terutama dari segi pelayanan dan harga dalam memenuhi
kebutuhan akan air bersih, dimana dalam perjalanannya sering mendapat keluhan dari masyarakat
atau pelanggan. Keluhan masyarakat tentang semakin sulitnya untuk mendapatkan air bersih
tampaknya masih menjadi kendala yang sepenuhnya belum dapat diatasi oleh pemerintah daerah Kota
Padang. Di satu pihak permintaan masyarakat akan air bersih semakin meningkat, namun kualitas
pelayanan dan harga pemakaian yang diberikan pada pelanggan belum sebanding dengan pemenuhan
permintaan masyarakat tersebut, di pihak lain pelayanan kepada pelanggan yang sudah terpasang
belum lagi optimal dan memadai.
Logika fuzzy merupakan suatu cara untuk memetakan permasalahan dari ruang input menuju ke
ruang output yang diharapkan. Logika fuzzy sudah banyak diterapkan di pelbagai bidang, baik di
dunia industri maupun bisnis. Berbagai teori di dalam perkembangan logika fuzzy dapat digunakan
memodelkan berbagai sistem. Bahkan sekarang ini aplikasi logika fuzzy semakin menjamur seiring
dengan pesatnya perkembangan teknologi komputasi. Penelitian aplikasi logika fuzzy telah banyak
dilakukan. Menurut penelitian Okeke dan Karnieli (2005) logika fuzzy dapat digunakan dalam
klasifikasi foto dan penelitian Gupta dan Raha (2008) yang mengembangkan teori logika fuzzy.
2. LANDASAN TEORI
A. Pengertian Fuzzy Logic dan Mamdani
Logika fuzzy (logika samar) itu sendiri merupakan logika yang berhadapan dengan konsep
kebenaran sebagian, di mana logika klasik menyatakan bahwa segala hal dapat di ekspresikan dalam
istilah binary (0 atau 1). Logika fuzzy memungkinkan menunjukkan bahwa pada dasarnya logika
fuzzy dapat digunakan untuk memodelkan berbagai sistem. Logika fuzzy dianggap mampu untuk
memetakan suatu input kedalam suatu output tanpa mengabaikan faktor–faktor yang ada.
78
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN : 2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang
output, mempunyai nilai kontinyu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan
derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah
pada waktu yang sama (Kusumadewi. 2004).
Metode logika fuzzy mamdani disebut juga dengan metode Max-Min dimana terdiri dari :
a. Basis aturan yang berisi sekumpulan aturan if-then
b. Basis data yang mendefinisikan fungsi keanggotaan himpunan fuzzy.
c. Mesin inferensi yang melakukan operasi inferensi.
d. Fuzzifikasi dan defuzzifikasi.
Jika kita menggunakan model , kita dapat menggunakan dua cara inferensi, yaitu clipping
(alpha cut) atau scaling. Diantara kedua model tersebut yang sering digunakan adalah metode
clipping karena mudah diimplementasikan dan bila di agregasikan dengan fungsi lain maka akan
menghasilkan bentuk yang mudah di defuzzification.
Metode mamdani sering juga disebut dengan nama metode max-min, di mana metode ini
diperkenalkan oleh Ebrahim Mamdani tahun 1975. Untuk memperoleh output diperlukan 4 tahapan
yaitu :
1. Pembentukan Himpunan Fuzzy
Dalam metode ini, baik variabel input maupun output dibagi menjadi satu atau lebih himpunan
fuzzy.
2. Aplikasi Fungsi Implikasi (Aturan)
Pada metode mamdani ini, sebagai fungsi implikasi digunakan adalah min.
3. Komponen Aturan
Pada tahapan ini sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumulan dan
korelasi antar aturan. Ada tiga metode yang digunakan dalam melakukan inferensi sistem fuzzy,
yaitu max, additive dan probabilitistik OR.
Pada metode max, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimal aturan,
kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke daerah
output dengan menggunakan operator OR (union) secara umum dapat ditulis sebagai berikut :
df(xi) max (df(xi) kf(xi)
4. Penegasan (Defuzzikasi)
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-
aturan fuzzy, sedangkan output yang dihasilkan berupa suatu bilangan pada domain himpunan fuzzy
tersebut. Jika diberikan suatu himpunan fuzzy dalam range tertentu maka harus dapat diambil dari
suatu nilai crisp tertentu sebagai output. Defuzzifikasi pada model mamdani untuk semesta diskrit
menggunakan persamaan :
Z = ∑ Zj (zj) / ∑ (zj)
Ada 4 parameter yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
1. Variabel Fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh:
Kualitas Air, Debit Air, Harga Air.
2. Himpunan Fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu
dalam suatu variabel fuzzy.
Contoh:
Variabel golongan pelanggan , terbagi menjadi 3 himpunan, yaitu: sosial, rumah tangga dan
bisnis
Himpunan fuzzy memiliki 2 atribut, yaitu:
1. Linguistik, yaitu penamaan grup yang mewakili suatu keadaan atau kondisi tertentu dengan
menggunakan bahasaalami, seperti: Bersih, Standar dan keruh
79
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN : 2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
2. Numeric, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 5,
20, 25, 40, dan sebagainya.
3. 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 berupa bilangan
positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya
Contoh:
Semesta pembicaraan untuk variabel golongan pelanggan: [750 9000].
Semesta pembicaraan untuk variabel volume pemakaian: [2 500 ].
Semesta pembicaraan untuk variabel Harga: [22000 500000].
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan
boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya dengan 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. Contoh domain himpunan
fuzzy untuk Volume pemakaian adalah
Kecil (0-50)
Normal (50 -100 )
Besar (100 - 500)
80
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN : 2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
Sedangkan pada linier turun, 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 dengan fungsi keanggotaan.
81
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN : 2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
Kota Padang yang berpenduduk ± 887991 jiwa telah terlayani PDAM sebesar 8,66% atau 76947
pelanggan yang aktif yang dapat dilihat pada tabel di bawah ini:
82
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
TOTAL
65,953 65,997 65,889 65,881 11,066 76,947
Pada tabel di atas dapat kita simpulkan bahwa PDAM Kota padang masih dapat
mengembangkan dan menambah jumlah pelanggannya dengan cara pelayanan pada
konsumen harus ditingkatkan, karena jumlah pelanggan sampai saat ini masih terbilang
sedikit dari jumlah penduduk kota padang.
3. METODOLOGI PENELITIAN
A. Tempat Penelitian
Peneltian dilakukan pada PDAM Kota Padang Provinsi Sumatera Barat yang terletak di
jalan Penjernihan Gunung Pangilun Kota Padang.
B. Metode Penelitian
1. Penelitian Lapangan (Field Research
Berguna untuk mendapatkan data yang akurat dan nyata di mana di sini penulis
langsung terjun kelapangan untuk melihat dari dekat cara dan proses pengolahan data
83
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
pada PDAM kota Padang dan juga melihat data pimpinan dan staff PDAM Kota
Padang yang berhubungan dengan pelayanan pelanggannya.
84
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
85
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
Bentuk representasinya terlihat pada Gambar 4.1. Fungsi derajat keanggotaan dari variabel
golongan pelanggan didefinisikan sebagai berikut :
0; x1 ≤ 2500
x1-2500 2500 ≤ x1 ≤ 6000
µ Bisnis (x1) = 3500
1; x1 ≥ 6000
86
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
Bentuk representasinya terlihat pada Gambar 7 Fungsi derajat keanggotaan dari variabel
volume pemakaian air didefinisikan sebagai berikut :
0; x2 ≤ 50 atau x2 ≥ 25
(x2-50) 50 ≤ x2 ≤ 75
µ Normal (x2) = 25
120-x2 75 ≤ x2 ≤ 120
45
1;
0; x2 ≤ 80
X2-80; 80 ≤ x2 ≤ 400
µ Besar (x2) = 320
1; x2 ≥ 400
Untuk mempresentasikan variabel harga pemakaian digunakan kurva berbentuk linear turun
untuk murah, untuk normal digunakan kurva segitiga. Sedangkan untuk mahal digunakan
kurva berbentuk linear naik. Adapun range dan parameter dari harga pemakaian dapat
dilihat sebagai berikut :
87
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
0; y ≤ 3000
y-3000 3000 ≤ y ≤ 6500
µ Mahal (y) = 3500
1; y ≥ 6500
Pada tabel dibawah ini merupakan kumpulan dari aturan (rule) dalam logika fuzzy (fuzzy
logic). Aturan rule didapat berdasarkan data yang ada. Semakin banyak jumlah data yang
didapat maka semakin banyak rule yang didapat. Semakin banyak rule yang didapat maka
semakin baik analisa yang kita dapatkan. Secara manual kita dapat membandingan ke
dua input dan menghasilkan output sesuai dengan data yang sebenarnya yang
menentukan hasilnya.
Tabel 6 : Aturan Rule
[R01] If (gol pelanggan is sosial) and (vol pemakaian is kecil) then (harga is
murah)
[R02] If (gol pelanggan is sosial) and (vol pemakaian is kecil) then (harga is
normal)
[R03] If (gol pelanggan is sosial) and (vol pemakaian is normal) then (harga is
murah)
[R04] If (gol pelanggan is sosial) and (vol pemakaian is normal) then (harga is
normal)
[R05] If (gol pelanggan is sosial) and (vol pemakaian is normal) then (harga is
mahal)
[R06] If (gol pelanggan is sosial) and (vol pemakaian is besarl) then (harga is
normal)
88
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
[R07] If (gol pelangganl is sosial) and (vol pemakaian is besar) then (harga is
mahal)
[R08] If (gol pelanggan is RT) and (vol pemakaian is kecil) then (harga is
murah)
[R09] If (gol pelanggan is RT) and (vol pemakaian is kecil) then (harga is
normal)
[R10] If (gol pelanggan is RT) and (vol pemakaian is normal) then (harga is
murah)
[R11] If (gol pelanggan is RT) and (vol pemakaian is normal) then (harga is
normal)
[R12] If (gol pelanggan is RT) and (vol pemakaian is normal) then (harga is
mahal)
[R13] If (gol pelanggan is RT) and (vol pemakaian is besar) then (harga is
normal)
[R14] If (gol pelanggan is RT) and (vol pemakaian is besar) then (harga is
mahal)
[R15] If (gol pelanggan is Bisnis) and (vol pemakaian is kecil) then (harga is
murah)
[R16] If (gol pelanggan is Bisnis) and (vol pemakaian is kecil) then (harga is
normal)
[R17] If (gol pelanggan is Bisnis) and (vol pemakaian is normal) then (harga
is murah)
[R18] If (gol pelanggan is Bisnis) and (vol pemakaian is normal) then (harga is
normal)
[R19] If (gol pelanggan is Bisnis) and (vol pemakaian is normal) then (harga is
mahal)
[R20] If (gol pelanggan is Bisnis) and (vol pemakaian is besar) then (harga is
normal)
[R21] If (gol pelanggan is Bisnis) and (vol pemakaian is besar) then (harga is
mahal)
89
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
Pada tahap Defuzzification ini merupakan himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu
bilangan pada domain himpunan fuzzy tersebut, sehingga apabila diberikan suatu
himpunan fuzzy dalam range tertentu maka harus diambil suatu nilai crisp tertentu
sebagai output seperti gambar berikut :
90
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
Gol Besar
No No Rek Nama
Pelanggan Tarif Volome
Pada tahap pengujian sistem ini akan diambil beberapa sampel secara acak yang terlihat
pada table di atas atau pada bab sebelumnya yang telah diuji secara manual dan selanjutnya
diuji ke dalam program matlab seperti terlihat pada ganbar berikut ini :
Sampel no.8 yaitu gol pelanggan sosial (960) dan volume pemakaian 96 adalah :
Sampel no. 20 yaitu gol pelanggan RT (3350) dan volume pemakaian air 36
Untuk Pengujian Sampel no.20 berdasarkan gambar di atas maka nilai output harga berada
pada range murah atau normal dengan nilai 151.
91
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
Sampel no. 21 yaitu gol pelanggan RT (3350) dan volume pemakaian air 41
Untuk Pengujian Sampel no. 21 berdasarkan gambar di atas maka nilai output harga
berada pada range murah atau normal dengan nilai 151
Sampel no. 32 yaitu gol pelanggan bisnis (8650) dan volume pemakaian air 51 adalah :
Untuk Pengujian Sampel no.32 berdasarkan gambar di atas maka nilai output harga
berada pada range normal atau mahal, dengan nilai 306.
Gol Besar
Selisih
No No Rek Nama Proses
18 02.058.180 Efi RT
3,350 36 212.73 151 61.73
Yendry
92
Jurnal Teknologi Vol. 7, No. 1, April 2017, Hal. 78- 93 E ISSN : 2541-1535 ISSN :
2301-4474
Copyright©2017 by LPPM UPI YPTK Padang
Dari hasil perbandingan antara perhitungan manual atau dengan menggunakan program
matlab ada sedikit perbedaan tapi dari hasil outputnya tentang harga pemakaian pelanggan
masih terletak pada masing-masing range yang sama antara manual dan program matlab.
5. KESIMPULAN
Berdasarkan data-data yang diperoleh pada Perusahaaan PDAM Kota Padang, yang
kemudian dilakukan pengolahan data dengan menggunakan software matlab dengan metode
Fuzzy mamdani maka dapat diambil beberapa kesimpulan antara lain :
1. Dalam mengukur tingkat kepuasan pelanggan terhadap harga air tergantung pada range
volume pemakaian air dan golongan pelanggan dimana semakin besar range pada
volume pemakaian dan harga air normal maka pelanggan merasa puas.
2. Beberapa faktor yang penting didapatkan dalam mengukur tingkat kepuasan pelanggan
dengan fuzzy logic adalah kualitas air yang baik, pelayanan yang diberikan pada
konsumen, golongan pelanggan dan volume pemakaian air serta harga rekening air yang
terjangkau oleh semua lapisan masyarakat.
3. Biaya rekening pada PDAM Kota Padang tergantung pada golongan pelanggan serta
besarnya volume pemakaian pelanggan di mana pada golongan pelanggan sosial diberi
fasilitas dan prioritas yang lebih dibandingkan dengan golongan lain.
4. Hasil perbandingan antara perhitungan manual atau dengan menggunakan rumus dengan
menggunakan program matlab ada sedikit perbedaan tapi dari hasil outputnya tentang
harga pemakaian pelanggan masih terletak pada masing-masing range yang sama antara
manual dan program matlab.
5. Proses pengolahan data dengan fuzzy mamdani disesuaikan dengan menentukan variabel
input dan menentukan membership function dan pembentukan dari rule yang dirancang.
6. DAFTAR PUSTAKA
[1]. Agus Naba, Eng Dr, 2009, Belajar Cepat Fuzzy Logic menggunakan Matlab, Andi
Yogyakarta.
[2]. Alex De Castro, Jason Spelman, John Dumas, "Fuzzy Designer Generator
(FUDGE)", Motorola Inc., 1994
[3]. Amir, M. Taufik. 2005. Edisi Pertama. Dinamika Pemasaran Jelajahi dan
Rasakan. Jakarta: PT RajaGrafindo Persada
[4]. Klir, George J, “Fuzzy Sets and Fuzzy Logics : Theory and Applications”, NJ :
Prentice Hall, 1995
[5]. Kusuma Dewi Sri dan Hari Purnomo, Aplikasi Logika Fuzzy Untuk Mendukung
Keputusan, Graha Ilmu, Yogyakarta, 2004,
[6]. Kusuma Dewi Sri Analisis dan Desain Sistem Fuzzy Menggunakan Tool Box Matlab,
Yogyakarta, Graha Ilmu, 2002
[7]. Lizda Iswari dan Fathul Wahid Alat Bantu Sistem Inferensi Fuzzy Metode Sugeno
Orde Satu, 2005
[8]. Roni Kastaman, dkk Penerapan Logika Fuzzy pada Penilaian Mutu Teh Hitam
Orthodox
93