Penerapan Logika RINGKASAN DA JURUSAN TEKNOLOG ...
Penerapan Logika RINGKASAN DA JURUSAN TEKNOLOG ...
Penerapan Logika RINGKASAN DA JURUSAN TEKNOLOG ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Penerapan</strong> <strong>Logika</strong> Fuzzy pada Penilaian Mutu Teh Hitam<br />
(Studi Kasus di di PTPN XII Kebun Teh Kertowono, Kertowono, Lumajang)<br />
Lumajang)<br />
<strong>RINGKASAN</strong> <strong>DA</strong>N JURNAL SKRIPSI<br />
Oleh:<br />
RACHMA RIVASTI<br />
NIM.0511030060-103<br />
<strong>JURUSAN</strong> <strong>TEKNOLOG</strong>I INDUSTRI PERTANIAN<br />
PERTANIAN<br />
FAKULTAS <strong>TEKNOLOG</strong>I PERTANIAN<br />
UNIVERSITAS BRAWIJAYA<br />
MALANG<br />
2009<br />
1
<strong>Penerapan</strong> <strong>Logika</strong> Fuzzy pada Penilaian Mutu Teh Hitam<br />
(Studi Kasus di PTPN PTPN XII XII Kebun Teh Kertowono, Lumajang)<br />
<strong>RINGKASAN</strong> SKRIPSI<br />
Oleh:<br />
RACHMA RIVASTI<br />
NIM.0511030060-103<br />
<strong>JURUSAN</strong> <strong>TEKNOLOG</strong>I INDUSTRI INDUSTRI PERTANIAN<br />
PERTANIAN<br />
FAKULTAS <strong>TEKNOLOG</strong>I PERTANIAN<br />
UNIVERSITAS BRAWIJAYA<br />
MALANG<br />
2009<br />
2
PENERAPAN LOGIKA FUZZY PA<strong>DA</strong> PENILAIAN MUTU TEH HITAM<br />
DI PTPN XII KEBUN TEH KERTOWONO<br />
Rachma Rivasti (1) , Imam Santoso (2) , Susinggih Wijana (2)<br />
(1) Alumni Jurusan Teknologi Industri Pertanian FTP-UB<br />
(2) Staff Pengajar Jurusan Teknologi Industri Pertanian FTP-UB<br />
Penilaian mutu produk teh di PTPN XII Kebun Teh Kertowono dilakukan secara<br />
organoleptik menggunakan indera manusia. Penilaian ini mencakup banyak variabel dimana<br />
parameter penilaiannya bersifat tidak pasti. Tujuan dari penelitian ini adalah menentukan<br />
parameter penilaian mutu dengan logika fuzzy untuk meminimalisir tingkat kesalahan penentuan<br />
mutu teh hitam. Metode analisa yang digunakan adalah Sistem Inferensi Fuzzy Mamdani dengan<br />
bantuan software Matlab. Tahapan yang dilakukan adalah penentuan variabel dan pembentukan<br />
himpunan fuzzy, penentuan fungsi keanggotaan, penentuan aturan fuzzy, serta tahap defuzzifikasi<br />
untuk memperoleh output berupa bilangan pada domain himpunan fuzzy. Pada penelitian ini<br />
terdapat 4 variabel mutu teh yang dinilai yaitu kenampakan, rasa, kenampakan ampas seduhan,<br />
dan mutu akhir. Metode defuzzyfikasi terbaik adalah metode SOM (Smallest of Maximum).<br />
Berdasarkan uji T dapat diketahui bahwa penilaian panelis pada kriteria rasa, kenampakan ampas<br />
seduhan, dan mutu akhir adalah berbeda nyata.<br />
Kata Kunci : <strong>Logika</strong> Fuzzy, Penilaian Mutu, Teh Hitam<br />
ABSTRACT<br />
Quality assessment of tea product in PTPN XII Kebun Teh Kertowono was carried out<br />
with organoleptic that use human senses. This assessment including some variable that its<br />
parameter considered uncertainly. The aim of this study is to decide quality parameter assessment<br />
using fuzzy logic to reduce error. Analysis method used Fuzzy Inference System Mamdani with<br />
Matlab programme. The stage was carried out are defining variable and forming of fuzzy set,<br />
determining membership function, building fuzzy rule, and defuzzyfication to get the output in the<br />
form of numeral of domain on fuzzy set. Pada penelitian ini terdapat 4 variabel mutu teh yang<br />
dinilai yaitu kenampakan, rasa, kenampakan ampas seduhan, dan mutu akhir. Metode<br />
defuzzyfikasi terbaik adalah metode SOM (Smallest of Maximum). In this case there are 4 variable<br />
to assessed consist of appearence, liquor, infused leaf, and the final quality. The best<br />
defuzzyfication method is SOM (Smallest of Maximum). Based on T testing, there are some value<br />
significant in liquor, infused leaf and final quality.<br />
Key Words: Fuzzy Logic, Quality Assesment, Black Tea<br />
3
1.1. Latar Belakang<br />
I. PEN<strong>DA</strong>HULUAN<br />
Perkembangan ekspor teh Indonesia terus menurun, di lain pihak, pangsa ekspor negara-<br />
negara produsen teh lainnya yaitu Sri Lanka dan Kenya cenderung meningkat. Pada periode yang sama<br />
pangsa ekspor teh Sri Lanka meningkat dari 18,2 persen menjadi 21,1 persen, sementara pangsa ekspor<br />
teh Kenya meningkat dari 16,4 persen menjadi 19,4 persen (International Tea Committee, 2004).<br />
Sedangkan penurunan ekspor mengakibatkan posisi Indonesia sebagai eksportir pada tahun 2007<br />
melorot dari posisi lima ke enam dan tahun 2008 posisi sebagai eksportir bakal turun ke posisi tujuh.<br />
Saat ini produsen teh terbesar dunia saat ini adalah India, Cina, Srilangka, Kenya dan Indonesia<br />
(Anonymous, 2007).<br />
Berdasarkan data asosiasi, pada 2006 produksi teh hitam sekitar 140 ribu ton dan pada tahun<br />
2005 sekitar 149 ribu ton. Tahun 2007 produksi teh diperkirakan sekitar 160 ribu ton. Sedangkan pada<br />
tahun 2008 produksi teh di Indonesia paling tinggi sekitar 145 ribu ton (Anonymous, 2007). Volume<br />
ekspor teh pada 2006 sekitar 95 ribu ton dan pada 2007 turun menjadi 83 ribu ton. Tahun 2008, ekspor<br />
teh diperkirakan hanya 95 ribu ton dari target 110 ribu ton. Harga teh Indonesia di pasar internasional<br />
saat ini sekitar US$ 1,4 per kilogram dari US$ 1,2 perkilogram pada 2007 (Anonymous, 2007).<br />
Di Jakarta Tea Auction (JTA) sebagai lembaga tunggal penyelenggara lelang teh di<br />
Indonesia, proporsi jumlah teh tidak terjual juga mengalami peningkatan. Pada tahun 1997, jumlah teh<br />
yang tidak terjual mencapai 15,4 persen dari jumlah yang ditawarkan, kemudian meningkat menjadi<br />
38,5 persen pada tahun 2003. Dari aspek perolehan harga, harga teh Indonesia di JTA sejak tahun 1991<br />
selalu lebih rendah dari harga teh Sri Lanka di Colombo Tea Auction (CTA). Harga rata-rata teh<br />
Indonesia di JTA hanya 64 persen dari harga teh Sri Lanka di CTA (Suprihatini, 2000)<br />
Penurunan pangsa pasar, meningkatnya jumlah teh yang tidak terjual, dan relatif rendahnya<br />
harga teh Indonesia dapat disebabkan, antara lain, oleh penawaran mutu produksi teh Indonesia yang<br />
belum sesuai dengan selera pasar. Ketidaksesuaian mutu teh tersebut terutama terjadi pada<br />
ketidaksesuaian grade dan mutu organoleptik (rasa, aroma, warna) teh yang ditawarkan dengan teh<br />
yang dibutuhkan para pembeli sehingga terjadi peningkatan teh yang tidak terjual di JTA.<br />
Setiap industri pengolahan pangan mempunyai standar mutu produk pangan yang dilekatkan<br />
pada produk yang dihasilkannya. Dalam usaha pengendalian mutu maka standar mutu produk itu harus<br />
diperhatikan. Pengendalian mutu dilakukan oleh perusahaan untuk mencapai tingkat dan konsistensi<br />
mutu sesuai dengan standar mutu yang ditetapkan (Soekanto, 1990).
Pada penilaian mutu produk teh sering kali terdapat kerancuan. Hal ini diungkapkan<br />
Kastaman (2005), ketika kita memberikan penilaian terhadap setiap kriteria warna. Apabila kriteria<br />
warna memiliki empat klasifikasi, dan warna yang biasanya terdapat pada produk teh yaitu sangat<br />
hitam, hitam, coklat, abu – abu, merah dengan kisaran nilai 10,1-12; 7,1-10; 5,1-7; 2,1-5; 0-2 Ketika<br />
dilakukan penilaian pada produk teh, dihasilkan nilai untuk warna yaitu 10, maka produk teh ini dapat<br />
di klasifikasikan ke dalam warna sangat hitam dan hitam. Tetapi dengan nilai tepat 10 ini maka tester<br />
akan memasukkan ke dalam kelas warna hitam.<br />
Pengklasifikasian teh berdasarkan klasifikasi dan warna yang biasanya terdapat pada produk<br />
teh ini sangat merugikan bagi produsen teh. Kastaman (2005) mengutarakan bahwa produk teh yang<br />
diteliti seharusnya dapat dimasukkan ke dalam kelas warna sangat hitam. Pengklasifikasian seperti ini<br />
dapat disebut sebagai klasifikasi crisp, dimana kisaran nilainya mutlak. Setiap klasifikasi di dalam<br />
setiap kriteria memiliki batas yang kurang jelas antara batas yang satu dengan yang lainnya. Maka<br />
untuk memperbaiki metode pengklasifikasian pada mutu teh, perlu dikembangkan metode baru yang<br />
lebih objektif dan dapat menangani permasalahan yang telah disebutkan sebelumnya.<br />
<strong>Logika</strong> fuzzy merupakan teori himpunan yang dapat membantu dalam menyelesaikan<br />
ketidakpastian batas antara satu kriteria dengan kriteria lainnya yang dihasilkan oleh adanya penilaian<br />
manusia terhadap sesuatu hal secara kumulatif. Teori ini dapat digunakan untuk membantu<br />
menyelesaikan permasalahan penilian mutu, seperti yang ada pada penilaian mutu teh.<br />
Salah satu solusi yang dapat dilakukan untuk mengatasi ketergantungan pada keberadaan<br />
tester dan ketidakpastian batas antara satu kriteria dengan kriteria lainnya, yaitu menggunakan logika<br />
fuzzy yang diterapkan dalam bentuk program visual yang dapat digunakan dalam penentuan mutu teh<br />
hitam.<br />
1.2. Perumusan Masalah<br />
1. Bagaimana menerapkan logika fuzzy pada penilaian mutu teh hitam ?<br />
2. Bagaimana menghasilkan penilaian mutu teh hitam yang lebih objektif yang dapat<br />
1.3. Tujuan Penelitian<br />
mengatasi kerancuan dalam penilaian mutu teh hitam akibat adanya ketidakpastian batas<br />
antara setiap kriteria klasifikasi nilai mutu ?<br />
Penelitian ini bertujuan untuk :<br />
1. Menerapkan logika fuzzy pada penilaian mutu teh hitam.<br />
2. Membandingkan hasil penilaian antara panelis ahli dengan logika fuzzy.
1.4. Manfaat Penelitian<br />
Penelitian ini diharapkan dapat :<br />
1. Digunakan sebagai metode alternatif pada penilaian mutu teh hitam<br />
2. Mendokumentasikan kemampuan para tester teh.<br />
3. Dapat membantu sistem penilaian mutu pada kebun teh Kertowono agar lebih konsisten.
3.1. Waktu dan Tempat Penelitian<br />
III. METODE PENELITIAN<br />
Penelitian dilakukan di PTPN XII Kebun Teh Kertowono, Kecamatan Gucialit, Lumajang<br />
mulai bulan Mei 2009 sampai selesai. Peralatan yang digunakan dalam penelitian ini antara lain:<br />
seperangkat komputer dan software Matlab, Microsoft Excel 2007, SPSS 10.01. Sedangkan bahan<br />
yang digunakan meliputi serangkaian data kriteria dan pembobotan kualitas teh hitam serta sampel.<br />
3.2. Pelaksanaan Penelitian<br />
Dalam penyusunan ini terdapat beberapa tahapan pelaksanaan yang mengikuti diagram alir<br />
seperti Gambar 3, yaitu survey awal, studi literatur, identifikasi dan pembatasan permasalahan,<br />
pendefinisian sistem, permodelan sistem, penetuan variabel dan parameter, pengumpulan data dan<br />
pembentukan himpunan fuzzy, penentuan sistem inferensi fuzzy, pengujian, analisa data, dan<br />
penarikan kesimpulan.<br />
3.2.1. Survei Awal<br />
Survey awal diperlukan untuk mengetahui gambaran umum perusahaan, seperti penilaian<br />
mutu yang terdapat di PTPN XII Malang dan mengutarakan permasalahan yang akan diajukan pada<br />
perusahaan.
3.2.2. Studi Literatur<br />
Survey Awal<br />
Gambar 3. Diagram Alir Pelaksanaan Penelitian<br />
Studi literatur merupakan langkah untuk mencari landasan teori yang mendukung pemecahan<br />
permasalahan. Literatur yang dibutuhkan pada penelitian ini meliputi pengertian mutu dan teh secara<br />
umum, mutu teh, dan logika fuzzy.<br />
3.2.3. Identifikasi Permasalahan<br />
PTPN XII merupakan kantor cabang Kebun teh yang membawahi tiga anak cabang yaitu<br />
Kebun Teh Wonosari Malang, Kebun Teh Kertowono Lumajang, dan Kebun Teh Blitar. Dari studi<br />
literatur, kemudian diperoleh permasalahan yang akan diajukan.<br />
3.2.3. Pendefinisian Sistem<br />
Identifikasi Permasalahan<br />
Pendefinisian sistem<br />
Pengumpulan data<br />
Formulasi model matematika :<br />
- Menentukan variabel dan himpunan fuzzy<br />
- Membuat aturan fuzzy<br />
- Fuzzyfikasi<br />
- Menetukan metode defuzzyfikasi<br />
Parameterisasi<br />
Solusi model<br />
Kesimpulan<br />
Sistem yang akan dimodelkan merupakan bagian dari sistem penilaian mutu teh hitam. Dari<br />
data awal yang diperoleh kemudian dilakukan klasifikasi nilai mutu.<br />
1. Elemen elemen dalam sistem penilaian mutu teh hitam meliputi :<br />
Studi Literatur<br />
a. Kenampakan (appearance) meliputi bentuk dan ukuran partikel, kebersihan, warna partikel,
. Rasa (liquor) meliputi warna cairan dan air seduhan<br />
c. Kenampakan ampas seduhan (infused leaf) meliputi warna ampas dan kerataan ampas<br />
d. Mutu akhir teh meliputi kenampakan (appearance), rasa (liquor), dan Kenampakan ampas<br />
seduhan (infused leaf).<br />
2. Panelis Ahli (Tester)<br />
Pada penelitian ini menggunakan 2 orang panelis ahli. Panelis ahli merupakan staf<br />
dari PTPN XII Kebun Teh Gucialit yang telah berpengalaman selama bertahun-tahun dalam<br />
menguji mutu teh hitam di Kebun teh Kertowono.<br />
3.2.5. Teknik Pengumpulan Data<br />
Data masukan (input) bagi model logika fuzzy berasal dari hasil penginderaan manusia<br />
terhadap komoditas teh hitam. Panelis Ahli yang digunakan untuk membentuk sistem logika fuzzy ini<br />
berjumlah dua orang untuk lebih mengobjektifkan hasil penilaian mutu teh hitam. Hasil yang lebih<br />
objektif ini dimungkinkan karena sistem logika fuzzy dibuat berdasarkan dari pengalaman kedua<br />
Panelis Ahli. Metode pengumpulan data yang digunakan yaitu metode wawancara dan kuesioner<br />
terhadap panelis yang ahli pada penilaian mutu teh hitam (tester).<br />
3.2.6. Formulasi Model Matematis<br />
Tahapan formulasi model matematis terdiri dari menyusun himpunan fuzzy, membuat aturan<br />
fuzzy, dan defuzzyfikasi<br />
a. Membentuk himpunan fuzzy<br />
Variabel-variabel yang telah diperoleh berupa data akan dibentuk menjadi himpunan fuzzy<br />
yang berkaitan. Himpunan fuzzy ditentukan berdasarkan standar pengelompokan mutu teh<br />
PTPN XII. Himpunan fuzzy yang dibentuk dapat dilihat pada Tabel 1. dan alur input dan<br />
outputnya dapat dilihat pada Gambar 1.
Tabel 1 Himpunan dari Setiap Kriteria dan Variabel<br />
Fungsi Nama Variabel Himpunan<br />
Input<br />
Bentuk dan ukuran partikel<br />
Kebersihan<br />
Warna Partikel<br />
Output Kenampakan (Appereance)<br />
Input<br />
Air Seduhan<br />
Warna<br />
Output Rasa (Liquor)<br />
bentuk-bulat<br />
bentuk-kurang-granular<br />
Bentuk-tidak-beraturan<br />
Bersih (clean), Seragam (even)<br />
Sedikit serat (few- fibre), Seragam (even)<br />
Sedikit serat (few- fibre) tidak seragam,uneven<br />
Hitam berkilau (Blackkish)<br />
Hitam (neat-black)<br />
Agak kehitaman (fairly-black)<br />
Kecoklatan (brownish)<br />
Keabu-abuan (grayish)<br />
sangat-baik (very good)<br />
Baik (good)<br />
Sedang fairly good)<br />
kurang-baik<br />
tidak-baik (bad)<br />
Good strength nice-flavoury<br />
Some strength-flavoury<br />
Fair strength-flavoury<br />
Bitter taste Softdrink in cup<br />
burn sour<br />
Good strength nice-coloury<br />
Some strength-coloury<br />
Fair strength-coloury<br />
Over fired<br />
Greenish<br />
Good strength nice-coloury and flavoury<br />
Enak (good)<br />
Sedang (fairly good)<br />
Kurang enak<br />
Tidak enak (bad)
Fungsi Nama Variabel Himpunan<br />
Input<br />
Output<br />
Input<br />
Warna Ampas<br />
Kerataan Ampas<br />
Kenampakan Ampas Seduhan<br />
(Infused Leaf).<br />
Kenampakan<br />
Liquor<br />
Kenampakan Ampas Seduhan<br />
Output Mutu Akhir<br />
Sangat Cerah (Very bright)<br />
Cerah (Bright)<br />
Agak Cerah (Fairly Bright)<br />
Kehijauan (Greenish)<br />
Coklat/ Suram (Dark)<br />
Coppery<br />
Bit dull<br />
Dull<br />
Very bright and coppery<br />
Bright and coppery<br />
Fairly Bright<br />
Bit dull –Greenish –Uneven<br />
Dull/ Dark<br />
sangat-baik (very good)<br />
Baik (good)<br />
Sedang (fairly good)<br />
kurang-baik<br />
tidak-baik (bad)<br />
Good strength nice-coloury and flavoury<br />
Enak (good)<br />
Sedang (fairly good)<br />
Kurang enak<br />
Tidak enak (bad)<br />
Sangat cerah (Very bright and coppery)<br />
Cerah (Bright and coppery)<br />
Agak cerah (Fairly Bright)<br />
Kehijauan- Tidak seragam (Bit dull –Greenish –<br />
Uneven)<br />
Coklat suram (Dull/ Dark)<br />
Mutu A<br />
Mutu B<br />
Mutu C<br />
Mutu D<br />
Mutu E
. Membentuk aturan fuzzy<br />
Gambar 1. Variabel dari Setiap Kriteria<br />
Ada 3 aturan yang dibentuk dari tiap variabel fuzzy untuk menyatakan relasi antara input dan<br />
output. Aturan pada suatu model fuzzy menunjukkan bagaimana suatu system akan beroperasi.<br />
Secara umum dituliskan :<br />
IF (x1 is A1) • (x2 is A2) •(x3 is A3) • … (xn is An) • THEN y is B<br />
Dengan • adalah operator (misal : OR atau AND ), Xn adalah scalar yang berupa variabel fuzzy<br />
dan An adalah variabel linguistic yang berupa himpunan fuzzy.<br />
Aturan kriteria appearepance :<br />
Penentuan Batas Atas (BA) dan Batas Bawah (BB) pada variabel mutu ini didasarkan pada<br />
penilaian mutu teh hitam, yaitu pada standar penerimaan teh PTPN XII. Jumlah aturan appeareance,<br />
yaitu sebanyak 3 x 3 x 5 = 45 aturan. Contoh bentuk aturan, yaitu<br />
IF bentuk dan ukuran partikel IS bentuk bulat AND kebersihan IS clean,even AND warna<br />
partikel IS blackish THEN appearance IS sangat baik<br />
IF bentuk dan ukuran partikel IS bentuk bulat AND kebersihan IS clean,even AND warna<br />
partikel IS fairly black THEN appearance IS baik<br />
Aturan kriteria liquor :<br />
Penentuan BA dan BB pada variabel mutu ini didasarkan pada penilaian mutu teh hitam, yaitu<br />
pada standar penerimaan teh PTPN XII. Jumlah aturan liquor, yaitu sebanyak 5 x 5 = 25 aturan.<br />
Contoh bentuk aturan, yaitu<br />
IF warna IS good strength nice coloury AND air seduhan IS good strength nice coloury THEN<br />
rasa IS good strength nice coloury and flavour
IF warna IS good strength nice coloury AND air seduhan IS some strength coloury THEN rasa<br />
IS good strength nice coloury and flavour<br />
Aturan kriteria infused:<br />
Penentuan BA dan BB pada variabel mutu ini didasarkan pada penilaian mutu teh hitam, yaitu<br />
pada standar penerimaan teh PTPN XII. Jumlah aturan infused, yaitu sebanyak 5 x 3 = 15 aturan.<br />
Contoh bentuk aturan, yaitu<br />
IF kerataan IS coppery AND warna IS very bright THEN kenampakan ampas seduhan IS very<br />
bright and coppery<br />
IF kerataan IS coppery and warna IS bright THEN kenampakan ampas seduhan IS very bright<br />
and coppery<br />
Aturan kriteria mutu akhir:<br />
Penentuan BA dan BB pada variabel mutu ini didasarkan pada penilaian mutu teh hitam, yaitu<br />
pada standar penerimaan teh PTPN XII. Jumlah aturan mutu akhir, yaitu sebanyak 5 x 5 x 5 = 125<br />
aturan. Contoh bentuk aturan, yaitu<br />
IF kenampakan IS sangat baik AND rasa IS good strength nice-coloury and flavoury AND<br />
kenampakan ampas seduhan IS very bright and coppery THEN mutu akhir IS mutu A<br />
IF kenampakan IS sangat baik AND rasa IS good strength nice coloury and flavoury AND<br />
kenampakan ampas seduhan IS bright and coppery THEN mutu akhir IS mutu A<br />
c. Menentukan metode defuzzyfikasi<br />
Dalam penilaian mutu teh hitam digunakan metode defuzzyfikasi yaitu metode Smallest of<br />
Maximum (SOM). Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil dari<br />
domain yang memiliki nilai keanggotaan maksimum<br />
3.2.7 Parameterisasi<br />
Parameter yang digunakan dalam penelitian ini berupa data masukan (input) bagi model<br />
logika fuzzy yang berasal dari hasil penilaian subyektif terhadap komoditas teh hitam. Panelis ahli yang<br />
digunakan berjumlah dua orang dan memiliki pengalaman bertahun-tahun.
3.2.8 Solusi Model<br />
Model penilaian mutu teh yang digunakan dengan mencari data terbaik. Bentuk dari kurva<br />
fungsi keanggotaan yang digunakan, yaitu bentuk trapesium. Untuk mengetahui adanya perbedaan<br />
yang nyata antara hasil penilaian tester dengan penilaian logika fuzzy maka digunakan uji beda untuk<br />
kriteria kenampakan (appereance), rasa (liquor), kenampakan ampas (infused leaf), dan mutu akhir<br />
dengan menggunakan uji parametrik t- test.
4.1 Keadaan Umum Perusahaan<br />
I.V HASIL <strong>DA</strong>N PEMBAHASAN<br />
Perkebunan Teh Kertowono merupakan salah satu perkebunan milik PTPN XII. Kebun Teh<br />
Kertowono berada di Kecamatan Gucialit, Kabupaten Lumajang, Jawa Timur. Teh yang ditanam di<br />
kebun teh Kertowono merupakan jenis teh hitam. Pada awalnya jenis mutu teh hitam yang<br />
dikembangkan pada perkebunan ini ada dua yaitu teh hitam Ortodoks dan CTC (Crushing, Tearing,<br />
Curling). Namun karena biaya produksi yang semakin tinggi sehingga perusahaan memutuskan untuk<br />
memproduksi hanya satu jenis teh hitam saja yaitu teh hitam jenis CTC.<br />
4.2 Penilaian Mutu Teh Hitam di Kebun Teh Kertowono<br />
Penilaian mutu organoleptik Teh hitam di Kebun Teh Kertowono meliputi criteria<br />
kenampakan, rasa, kenampakan ampas seduhan, dan mutu akhir. Kriteria kenampakan merupakan<br />
criteria yang berpengaruh paling besar untuk menentukan harga beli teh yaitu sebesar 50%, sedangkan<br />
criteria rasa sebesar 40% dan criteria kenampakan ampas seduhan sebesar 10%. Kenampakan teh<br />
yang dinilai meliputi variable bentuk dan ukuran partikel, warna, kebersihan. Rasa dari teh yang dinilai<br />
meliputi warna cairan dan air seduhan. Kenampakan ampas seduhan yang dinilai meliputi warna dan<br />
kerataan ampas. Sedangkan mutu akhir teh yang dinilai meliputi kenampakan, rasa, dan kenampakan<br />
ampas seduhan.<br />
4.3 Penilaian Mutu Teh Hitam dengan <strong>Logika</strong> Fuzzy<br />
4.3.1 Pembentukan Himpunan, Domain Fuzzy, dan Semesta Pembicaraan<br />
Variabel yang digunakan pada pembentukan logika fuzzy adalah variable kenampakan, rasa,<br />
kenampakan ampas seduhan, dan mutu akhir. Berdasarkan wawancara dengan panelis, Kriteria<br />
kenampakan berpengaruh paling besar untuk menentukan harga beli teh yaitu sebesar 50%, sedangkan<br />
criteria rasa sebesar 40% dan criteria kenampakan ampas seduhan sebesar 10%.<br />
Data-data yang dibutuhkan sebagai dasar untuk menentukan parameter penilaian mutu dengan<br />
logika fuzzy adalah data yang berasal dari panelis berupa semesta pembicaraan, penilaian mutu teh<br />
hitam, dan domain dari tiap himpunan. Semesta pembicaraan dalam penilaian mutu ini untuk variable<br />
kenampakan sebesar 50, variable rasa sebesar 40, kenampakan ampas seduhan sebesar 10, dan mutu<br />
akhir sebesar 100. Domain fuzzy yang baru dibentuk dari nilai hasil perhitungan nilai standar deviasi<br />
oleh 2 panelis ahli. Alur proses fuzzy dapat dilihat Gambar 2.
4.3.2 Pembentukan Fungsi Keanggotaan<br />
Gambar 2. Diagram Alur Proses Fuzzy<br />
Kurva yang digunakan pada pembuatan fungsi keangotaan adalah kurva trapesium. Kurva<br />
trapezium dipilih karena sesuai dengan kasus yang dihadapi dimana mutu akan akan bernilai kontinu<br />
pada suatu range, setiap variabel output dan input memiliki batas bawah dan batas atas. Jumlah grafik<br />
yang digunakan sebanyak 5 buah disesuaikan dengan banyaknya himpunan fuzzy yaitu mutu A, mutu<br />
B, mutu C, mutu D, dan mutu E.Pada fungsi trapesium ini terdapat beberapa nilai x yang memiliki<br />
derajat keanggotaan sama dengan 1, yaitu ketika b £ x £ c (Anonymous, 2009).<br />
4.3.3 Penentuan Rule Fuzzy<br />
Aturan yang terbentuk dalam penelitian ini yaitu 45 aturan fuzzy untuk variable kenampakan,<br />
25 aturan fuzzy untuk variable rasa, 15 aturan fuzzy untuk variable kenampakan ampas seduhan, dan<br />
625 aturan fuzzy untuk variable mutu akhir. Hal ini didasarkan pada kemungkinan kombinasi aturan<br />
yang dilakukan di perusahaan. Menurut de Mol (2001), aplikasi logika fuzzy memberikan kemudahan<br />
dalam interpretasi data karena dapat disesuaikan oleh perubahan fungsi kenggotaan dan aturan-aturan.<br />
4.3.4. Hasil Perhitungan Standar Deviasi untuk Penilaian Mutu Teh Hitam<br />
Domain pada logika fuzzy dibentuk dengan menggunakan nilai standar deviasi (SD) yang<br />
diperoleh dari hasil penilaian mutu sampel teh oleh panelis ahli 1 dan panelis ahli 2 pada setiap
variabel output penilaian mutu teh hitam, yaitu kenampakan (appearance), rasa (liquor), kenampakan<br />
ampas seduhan (infused leaf), dan mutu akhir teh hitam. Setiap nilai SD yang diperoleh dari setiap<br />
variabel dikelompokkan berdasarkan huruf mutu nilai rata – rata Panelis Ahli 1 dan Panelis Ahli 2.<br />
Penghitungan nilai standar deviasi pada setiap varibel mutu teh hitam digunakan untuk membentuk<br />
nilai batas baru dari setiap varibel mutu teh hitam. Batas baru mutu teh hitam ini digunakan sebagai<br />
dasar perhitungan dari logika fuzzy.<br />
Dengan menggunakan rumus standar deviasi diatas maka diperoleh nilai standar deviasi<br />
untuk hasil penilaian kedua panelis. Untuk mempermudah perhitungan batas mutu teh yang akan<br />
difuzzykan, maka diadakan pembulatan pada hasil perhitungan standar deviasi panelis ahli 1 dan<br />
panelis ahli 2, kemudian di dapatkan nilai untuk panelis ahli 1 yaitu : kriteria kenampakan<br />
(appearance) sebesar 4; kriteria rasa (liquor) sebesar 1; kriteria kenampakan ampas akhir (infused leaf)<br />
sebesar 0; kriteria mutu akhir sebesar 4. Sedangkan nilai standar deviasi untuk hasil penilaian panelis<br />
ahli 2 yaitu : kriteria kenampakan (appearance) sebesar 4; kriteria rasa (liquor) sebesar 1 ; kriteria<br />
kenampakan ampas akhir (infused leaf) sebesar 0; kriteria mutu akhir sebesar 4.<br />
Pada setiap variabel penilaian mutu teh hitam yang meliputi kenampakan, rasa, kenampakan<br />
ampas seduhan, dan mutu akhir nilai batas bawah (BB) untuk kriteria mutu E disamakan dengan batas<br />
bawah semula (BB continue) dan untuk nilai parameter batas atas (BA) untuk mutu A juga disamakan<br />
dengan batas atas semula (BA continue). Penyamaan batas bawah pada mutu E dan batas atas pada<br />
mutu A dikarenakan pada setiap varibel nilai semesta pembicaraannya telah ditentukan di awal. Batas<br />
wal untuk variabel kenampakan berada pada angka 0 sampai 50, variabel rasa berada pada angka 0<br />
sampai 40, variabel kenampakan ampas seduhan berada pada angka 0 sampai 10, dan variabel mutu<br />
akhir berada pada angka 1 sampai 100.<br />
4.3.5 Defuzzifikasi<br />
Pada kasus penilaian mutu teh hitam metode defuzzifikasi yang digunakan adalah metode<br />
Smallest of Maximum (SOM). Metode ini dipilih karena dapat memberikan hasil yang lebih baik<br />
dibandingkan dengan metode defuzzifikasi yang lain. Menurut Kastaman (2005), Metode SOM ini<br />
memiliki karakteristik lebih ketat dalam memberikan nilai, sehingga nilai – nilainya cenderung lebih<br />
kecil dari pada metode yang lain. Metode SOM ini akan memberikan nilai yang besar apabila varibel –<br />
variabel inputnya memang layak untuk diberi nilai yang besar.
4.3.6 Hasil Uji T antara Panelis Ahli dan Fuzzy Panelis Ahli<br />
Pada penelitian penilaian mutu teh hitam terdapat 2 orang panelis ahli untuk mengetahui<br />
perbedaan antara kedua panelis ahli tersebut pada saat menilai mutu teh hitam dengan menggunakan<br />
uji parametrik t-test. Pemilihan metode t-test ini karena data masukan merupakan jenis data<br />
interval/ratio dan memiliki bentuk hipotesis komparatif baik secara related (berhubungan) ataupun<br />
independen (bebas) (Sugiyono, 2006). Sedangkan, uji keseragaman digunakan uji levenne, Uji levenne<br />
ini merupakan uji keseragaman pada pengujian menggunakan t-test. Menurut Sihombing (1991) Uji<br />
homogenitas menggunakan uji levene,s test for equality of varians memiliki taraf signifikansi alfa =<br />
0,05. Hasil uji parametrik T antara panelis ahli dan logika fuzzy dapat dilihat pada Tabel 2.<br />
Tabel 2. Hasil Uji Beda Nyata<br />
Kriteria Perbandingan Kesimpulan<br />
Panelis Ahli 1 – Panelis Ahli 2 tidak berbeda<br />
Panelis Ahli 1 – Panelis Ahli 1 Fuzzy tidak berbeda<br />
Appearance<br />
Panelis Ahli 1 – Panelis Ahli 2 Fuzzy<br />
Panelis Ahli 2 – Panelis Ahli 1 Fuzzy<br />
tidak berbeda<br />
tidak berbeda<br />
Panelis Ahli 2 – Panelis Ahli 2 Fuzzy tidak berbeda<br />
Panelis Ahli1 fuzzy - Panelis Ahli 2 fuzzy tidak berbeda<br />
Panelis Ahli 1 – Panelis Ahli 2 tidak berbeda<br />
Panelis Ahli 1 – Panelis Ahli 1 Fuzzy tidak berbeda<br />
Liquor<br />
Panelis Ahli 1 – Panelis Ahli 2 Fuzzy<br />
Panelis Ahli 2 – Panelis Ahli 1 Fuzzy<br />
tidak berbeda<br />
tidak berbeda<br />
Panelis Ahli 2 – Panelis Ahli 2 Fuzzy berbeda<br />
Panelis Ahli1 fuzzy - Panelis Ahli 2 fuzzy tidak berbeda<br />
Panelis Ahli 1 – Panelis Ahli 2 tidak berbeda<br />
Panelis Ahli 1 – Panelis Ahli 1 Fuzzy berbeda<br />
Infused Leaf<br />
Panelis Ahli 1 – Panelis Ahli 2 Fuzzy<br />
Panelis Ahli 2 – Panelis Ahli 1 Fuzzy<br />
berbeda<br />
berbeda<br />
Panelis Ahli 2 – Panelis Ahli 2 Fuzzy berbeda<br />
Panelis Ahli1 fuzzy - Panelis Ahli 2 fuzzy tidak berbeda<br />
Panelis Ahli 1 – Panelis Ahli 2 tidak berbeda<br />
Panelis Ahli 1 – Panelis Ahli 1 Fuzzy tidak berbeda<br />
Mutu Akhir<br />
Panelis Ahli 1 – Panelis Ahli 2 Fuzzy<br />
Panelis Ahli 2 – Panelis Ahli 1 Fuzzy<br />
tidak berbeda<br />
berbeda<br />
Panelis Ahli 2 – Panelis Ahli 2 Fuzzy berbeda<br />
Panelis Ahli1 fuzzy - Panelis Ahli 2 fuzzy tidak berbeda<br />
Pada Tabel 2 dapat diketahui hasil perbandingan antara panelis ahli dan logika fuzzy yang<br />
berbeda nyata maupun yang tidak berbeda nyata. Pada Uji T bebas dan berpasangan antara kedua<br />
populasi apabila dihasilkan statistik uji T yang menghasilkan nilai p-value yang lebih besar dari α =<br />
5%, sehingga dapat dikatakan bahwa penilaian kedua ragam populasi adalah sama. Menurut<br />
Sihombang (1991), pada uji levene apabila nilai sampel menunjukkan p-value > 0,05 berarti<br />
keseluruhan sampel mempunyai varian yang homogen.
5.1 Kesimpulan<br />
V. KESIMPULAN <strong>DA</strong>N SARAN<br />
<strong>Logika</strong> fuzzy dapat memberikan nilai yang lebih objektif dari hasil penilaian yang dilakukan<br />
oleh dua panelis ahli terhadap mutu teh hitam CTC. Berdasarkan uji parametric T, terjadi perbedaan<br />
nyata antara hasil penilaian panelis ahli dan hasil penilaian dengan menggunakan logika fuzzy pada<br />
kriteria kenampakan ampas seduhan (infused leaf), rasa (liquor), dan mutu akhir.<br />
5.2 Saran<br />
1. Penilaian mutu yang dilakukan manusia memiliki sifat yang masih subjektif, karena itu hasil<br />
penelitian ini diharapkan dapat memberikan kontribusi bagi para panelis ahli untuk lebih<br />
menghasilkan penilaian yang lebih objektif sehingga tidak terjadi perbedaan antara panelis<br />
satu dengan panelis lainnya.<br />
2. Penilaian mutu teh hitam kualitas ekspor merupakan hal yang sangat penting untuk menjaga<br />
kualitas mutu teh hitam, maka diperlukan adanya konsistensi pada saat penilaian.<br />
3. Untuk menjaga konsistensi para panelis ahli sebaiknya diadakan penyamaan pandangan<br />
mengenai nilai mutu teh secara berkala..
<strong>DA</strong>FTAR PUSTAKA<br />
Anonimous a . 2008. Agrowisata Kebun Teh Wonosari.<br />
http://petamalang.com/index.php?option=com_content&task=view&id=86&Itemid=81.<br />
b . 2008. Kebun Teh Wonosari.<br />
http://pariwisata.infogue.com/hasrat_membuih_kebun_teh_wonosari.<br />
c . 2003. Minum Teh dan Khasiatnya bagi Kesehatan<br />
http://www.sinarharapan.co.id/iptek/kesehatan/2003/1010/kes1.html.<br />
Afandi, Agus D., dan Achmad Purnama. 1989. Pengendalian/Pengawasan Mutu Teh Bagian I.<br />
Warta BPTK, Gambung<br />
Badan Stadarisasi Industri. 2000. Standar Nasional Indonesia (SNI) Nomor 01 – 1902 –2000.<br />
Tentang : Teh Hitam. Jakarta<br />
Bambang, Kustamiyati. 2006. Prospek Teh Indonesia sebagai Minuman Fungsional<br />
http://www.ipard.com/art_perkebun/Aug02-06_kb.asp<br />
Bellei, E., Guidotti, D., Petacchi, R., Reyneri, L. And Rizzi, I. 2001. Applications of Neuro-Fuzzy<br />
Classification, Evaluation and Forecasting Techniques in Agriculture. Proceedings –<br />
European Symposium on Artificial Neural Networks. Bruges. Belgium. 25-27 April 2001.<br />
pp.403-408.<br />
Binoy, A.M., Mujumdar, P.P. 2003. Fuzzy Rule Based Model For Estimating Agricultural Diffuse<br />
Pollution. Conference Paper. Diffuse Pollution Conference. Dublin. UK.<br />
Dadone, Paolo. 2001. Design Optimization of Fuzzy Logic Systems. Virginia Polytechnic Institute<br />
and State University, Virginia<br />
Damayanthi, Evy. 2007. Diversifikasi Produk Teh Sebagai Minuman Kesehatan<br />
http://web.ipb.ac.id/~lppm/ID/index.php?view=penelitian/hasilcari&status=buka&id_haslit=<br />
KKP/021.07/<strong>DA</strong>M/d..<br />
Davendra, C. and M. Burns. 1983. Goat Production in Tropic. Commenwealth Agricultural Bureaux,<br />
London.<br />
Dwiono, Wakhyu. 2008. Fuzzy Logic System. http://trensains.co.id.<br />
Juran, J.M. 1982. Merancang Mutu 1 dan 2. PT. Pustaka Binaman Pressindo. Jakarta.<br />
Kartika,Bambang, 1998, Pedoman Uji Indrawi Pengolahan Hasil Pangan, Yogyakarta,UGM
Kavdir, Ismail, Guyer, D.E. 2003. Apple Grading Using Fuzzy Logic. Turk Jurnal of Agriculture and<br />
Forestry. 27 : 375-382.<br />
Khomsan, Ali. 2004. Teh Sup Kimiawi Sumber Antioksidan.<br />
http://www.sinarharapan.co.id/iptek/kesehatan/2004/0611/kes2.html.<br />
Kusumadewi, Sri, dan Hari Purnomo. 2004. Aplikasi <strong>Logika</strong> Fuzzy untuk Pendukung Keputusan.<br />
Graha Ilmu : Yogyakarta<br />
Maulana, Mohammad. 1998. Identifikasi Permasalahan Pengelolaan Mutu Teh Do Unit Usaha<br />
Perkebunan Malabar PT. Nusantara VIII Jawa Barat<br />
Purwaningsih, Sulistyo Rahayu. 2006. Perbedaan Hasil Pembuatan Kebaya Menggunakan Pola<br />
Sistem Soekarno dengan Pola Sistem Sanny Poespo pada Wanita Gemuk.<br />
http://digilib.unnes.ac.id/gsdl/collect/skripsi/index/assoc/HASH01f4/3ffdf091.dir/doc.pdf.<br />
Soekarto. 1985. Penilaian Organoleptik untu Industri Pangan dan Hasil Pertanian. Bhratara<br />
Karya Akasara. Jakarta.<br />
Soekarto, Soewarno T. 1990. Dasar – Dasar Pengawasan Mutu dan Standarisasi Mutu Pangan.<br />
IPB Press : Bogor.<br />
Suprihatini, Rohanda. 2000. Aplikasi Quality Function Deployment (QFD) di Industri Teh Hitam<br />
Orthodox Indonesia<br />
Suradi, Kusmaidi. 2009. Tingkat Kesukaan Bakso dari Berbagai Jenis Daging Melalui Beberapa<br />
Pendekatan Statistik.<br />
http://pustaka.unpad.ac.id/wp-content/uploads/tingkat_kesukaan_bakso.pdf.<br />
Yang, C.C., Prasher, S.O., Landry, J.A. and Ramaswamy, H.S. 2003. Development of an Image<br />
processing system and a fuzzy algoritme for site-specific herbicide applications.<br />
Precision Agriculture, 4 : 5-18.<br />
Yamanishi, T. 1995. Flavour Of Tea. Food Review International Special Issue on Tea. Vol. II No. 3.<br />
477-525<br />
Wardani, Imam. 2008. <strong>Logika</strong> Fuzzy. www.imamwardani.com..<br />
Winarno, F.G. 1997. Kimia Pangan dan Gizi, PT. Gramedia Pustaka Utama, Jakarta<br />
Wulandari, Suci. 1995. Kajian <strong>Penerapan</strong> Manajemen Mutu Terpadu di Perkebunan Gunung<br />
Mas. Jurusan Ilmu-Ilmu Sosoal Ekonomi Pertanian. Fakultas Pertanian. Institut Pertanian<br />
Bogor
<strong>Penerapan</strong> <strong>Logika</strong> Fuzzy pada Penilaian Mutu Teh Hitam<br />
(Studi Kasus di PTPN XII Kebun Teh Kertowono, Lumajang)<br />
JURNAL SKRIPSI<br />
Oleh:<br />
RACHMA RIVASTI<br />
NIM.0511030060-103<br />
<strong>JURUSAN</strong> <strong>TEKNOLOG</strong>I INDUSTRI PERTANIAN<br />
FAKULTAS <strong>TEKNOLOG</strong>I PERTANIAN<br />
UNIVERSITAS BRAWIJAYA<br />
MALANG<br />
2009
PENERAPAN LOGIKA FUZZY PA<strong>DA</strong> PENILAIAN MUTU TEH HITAM<br />
DI PTPN XII KEBUN TEH KERTOWONO<br />
IMPLEMENTATION OF FUZZY LOGIC TO BLACK TEA ASSESSMENT<br />
IN PTPN XII KEBUN TEH KERTOWONO<br />
Rachma Rivasti (1) , Imam Santoso (2) , Susinggih Wijana (2)<br />
(1) Alumni Jurusan Teknologi Industri Pertanian FTP-UB<br />
(2) Staff Pengajar Jurusan Teknologi Industri Pertanian FTP-UB<br />
Penilaian mutu produk teh di PTPN XII Kebun Teh Kertowono dilakukan secara<br />
organoleptik menggunakan indera manusia. Penilaian ini mencakup banyak variabel dimana<br />
parameter penilaiannya bersifat tidak pasti. Tujuan dari penelitian ini adalah menentukan<br />
parameter penilaian mutu dengan logika fuzzy untuk meminimalisir tingkat kesalahan<br />
penentuan mutu teh hitam. Metode analisa yang digunakan adalah Sistem Inferensi Fuzzy<br />
Mamdani dengan bantuan software Matlab. Tahapan yang dilakukan adalah penentuan<br />
variabel dan pembentukan himpunan fuzzy, penentuan fungsi keanggotaan, penentuan<br />
aturan fuzzy, serta tahap defuzzifikasi untuk memperoleh output berupa bilangan pada<br />
domain himpunan fuzzy. Pada penelitian ini terdapat 4 variabel mutu teh yang dinilai yaitu<br />
kenampakan, rasa, kenampakan ampas seduhan, dan mutu akhir. Metode defuzzyfikasi<br />
terbaik adalah metode SOM (Smallest of Maximum). Berdasarkan uji T dapat diketahui<br />
bahwa penilaian panelis pada kriteria rasa, kenampakan ampas seduhan, dan mutu akhir<br />
adalah berbeda nyata.<br />
Kata Kunci : <strong>Logika</strong> Fuzzy, Penilaian Mutu, Teh Hitam<br />
ABSTRACT<br />
Quality assessment of tea product in PTPN XII Kebun Teh Kertowono was carried<br />
out with organoleptic that use human senses. This assessment including some variable that<br />
its parameter considered uncertainly. The aim of this study is to decide quality parameter<br />
assessment using fuzzy logic to reduce error. Analysis method used Fuzzy Inference System<br />
Mamdani with Matlab programme. The stage was carried out are defining variable and<br />
forming of fuzzy set, determining membership function, building fuzzy rule, and<br />
defuzzyfication to get the output in the form of numeral of domain on fuzzy set. Pada<br />
penelitian ini terdapat 4 variabel mutu teh yang dinilai yaitu kenampakan, rasa, kenampakan<br />
ampas seduhan, dan mutu akhir. Metode defuzzyfikasi terbaik adalah metode SOM<br />
(Smallest of Maximum). In this case there are 4 variable to assessed consist of appearence,<br />
liquor, infused leaf, and the final quality. The best defuzzyfication method is SOM (Smallest<br />
of Maximum). Based on T testing, there are some value significant in liquor, infused leaf and<br />
final quality.<br />
Key Words: Fuzzy Logic, Quality Assesment, Black Tea
Latar Belakang<br />
PEN<strong>DA</strong>HULUAN<br />
Perkembangan ekspor teh Indonesia<br />
terus menurun beberapa tahun terakhir.<br />
Penurunan ekspor mengakibatkan posisi<br />
Indonesia sebagai eksportir pada tahun 2007<br />
melorot dari posisi lima ke enam dan tahun 2008<br />
posisi sebagai eksportir bakal turun ke posisi<br />
tujuh. Saat ini produsen teh terbesar dunia saat<br />
ini adalah India, Cina, Srilangka, Kenya dan<br />
Indonesia (Malik, 2007).<br />
Berdasarkan data asosiasi, pada 2006<br />
produksi teh hitam sekitar 140 ribu ton dan pada<br />
tahun 2005 sekitar 149 ribu ton. Tahun 2007<br />
produksi teh diperkirakan sekitar 160 ribu ton.<br />
Sedangkan pada tahun 2008 produksi teh di<br />
Indonesia paling tinggi sekitar 145 ribu ton<br />
(Malik, 2007). Volume ekspor teh pada 2006<br />
sekitar 95 ribu ton dan pada 2007 turun menjadi<br />
83 ribu ton. Tahun 2008, ekspor teh diperkirakan<br />
hanya 95 ribu ton dari target 110 ribu ton. Harga<br />
teh Indonesia di pasar internasional saat ini<br />
sekitar US$ 1,4 per kilogram dari US$ 1,2<br />
perkilogram pada 2007 (Malik, 2007).<br />
Di Jakarta Tea Auction (JTA) sebagai<br />
lembaga tunggal penyelenggara lelang teh di<br />
Indonesia, proporsi jumlah teh tidak terjual juga<br />
mengalami peningkatan. Pada aspek perolehan<br />
harga, harga teh Indonesia di JTA sejak tahun<br />
1991 selalu lebih rendah dari harga teh Sri<br />
Lanka di Colombo Tea Auction (CTA). Harga<br />
rata-rata teh Indonesia di JTA hanya 64 persen<br />
dari harga teh Sri Lanka di CTA (Suprihatini,<br />
2000)<br />
Penurunan pangsa pasar,<br />
meningkatnya jumlah teh yang tidak terjual, dan<br />
relatif rendahnya harga teh Indonesia dapat<br />
disebabkan, antara lain, oleh penawaran mutu<br />
produksi teh Indonesia yang belum sesuai<br />
dengan selera pasar. Ketidaksesuaian mutu teh<br />
tersebut terutama terjadi pada ketidaksesuaian<br />
grade dan mutu organoleptik (rasa, aroma,<br />
warna) teh yang ditawarkan dengan teh yang<br />
dibutuhkan para pembeli sehingga terjadi<br />
peningkatan teh yang tidak terjual di JTA.<br />
Pengklasifikasian teh berdasarkan<br />
klasifikasi dan warna yang biasanya terdapat<br />
pada produk teh ini sangat merugikan bagi<br />
produsen teh. Kastaman (2005) mengutarakan<br />
bahwa produk teh yang diteliti seharusnya dapat<br />
dimasukkan ke dalam kelas warna sangat hitam.<br />
Pengklasifikasian seperti ini dapat disebut<br />
sebagai klasifikasi crisp, dimana kisaran nilainya<br />
mutlak. Setiap klasifikasi di dalam setiap kriteria<br />
memiliki batas yang kurang jelas antara batas<br />
yang satu dengan yang lainnya. Maka untuk<br />
memperbaiki metode pengklasifikasian pada<br />
mutu teh, perlu dikembangkan metode baru<br />
yang lebih objektif dan dapat menangani<br />
permasalahan yang telah disebutkan<br />
sebelumnya.<br />
<strong>Logika</strong> fuzzy merupakan teori himpunan<br />
yang dapat membantu dalam menyelesaikan<br />
ketidakpastian batas antara satu kriteria dengan<br />
kriteria lainnya yang dihasilkan oleh adanya<br />
penilaian manusia terhadap sesuatu hal secara<br />
kumulatif. Teori ini dapat digunakan untuk<br />
membantu menyelesaikan permasalahan<br />
penilian mutu, seperti yang ada pada penilaian<br />
mutu teh<br />
METODE PENELITIAN<br />
Penelitian dilaksanakan pada bulan Mei<br />
2009 sampai selesai di PTPN XII Kebun Teh<br />
Kertowono. Pengolahan data dilakukan di<br />
Laboratorium Manajemen dan Sistem Industri<br />
Pertanian, Jurusan Teknologi Industri Pertanian,<br />
Fakultas Teknologi Pertanian, Universitas<br />
Brawijaya Malang. Penentuan karakteristik<br />
variabel – varibel yang berkaitan dengan model<br />
sistem logika fuzzy menggunakan metode<br />
wawancara dan kuesioner terhadap panelis<br />
yang ahli pada penilaian mutu teh hitam.<br />
Pendefinisian Sistem<br />
Sistem yang akan dimodelkan<br />
merupakan bagian dari sistem penilaian mutu<br />
teh hitam. Dari data awal yang diperoleh<br />
kemudian dilakukan klasifikasi nilai mutu.
1. Elemen elemen dalam sistem penilaian mutu<br />
teh hitam meliputi :<br />
e. Kenampakan (appearance) meliputi<br />
bentuk dan ukuran partikel, kebersihan,<br />
dan warna partikel,<br />
f. Rasa (liquor) meliputi warna cairan dan<br />
air seduhan<br />
g. Kenampakan ampas seduhan (infused<br />
leaf) meliputi warna ampas dan<br />
kerataan ampas<br />
h. Mutu akhir teh meliputi kenampakan<br />
(appearance), rasa (liquor), dan<br />
Kenampakan ampas seduhan (infused<br />
leaf).<br />
2. Panelis Ahli (Tester)<br />
Pada penelitian ini menggunakan 2 orang<br />
panelis ahli yang merupakan staf dari PTPN<br />
XII Kebun Teh Kertowono.<br />
Analisa Data<br />
Analisis data dilakukan dengan metode<br />
Fuzzy Inference System Mamdani<br />
menggunakan software Matlab. Tahapan untuk<br />
memperoleh ouput adalah :<br />
1. Pembentukan Himpunan Fuzzy<br />
Pembentukan anggota himpunan dan<br />
variabel fuzzy ini didasarkan pada standar<br />
perusahaan.<br />
2. Penentuan Standar Deviasi<br />
Standar deviasi digunakan untuk<br />
membentuk domain baru pada logika fuzzy<br />
3. Penentuan Fungsi keanggotaan<br />
Fungsi keanggotaan pada peneilitian ini<br />
ditunjukkan dengan pemetaan titik – titik<br />
input himpunan tegas yang digambarkan<br />
pada bentuk kurva trapesium.<br />
4. Penentuan Aturan Fungsi Fuzzy<br />
Metode yang digunakan dalam komposisi<br />
aturan dan aplikasi fungsi implikasi adalah<br />
metode max – min dengan operator AND.<br />
Secara umum aturan tersebut dapat<br />
dituliskan : IF (x1 is A1) • (x2 is A2) •…(xn is<br />
An) THEN y is B<br />
5. Penegasan (Defuzzyfikasi)<br />
Output himpunan fuzzy yang diperoleh dari<br />
komposisi aturan fuzzy akan mengalami<br />
proses defuzifikasi. Metode terbaik untuk<br />
penelitian ini yaitu Smallest of Maximum<br />
(SOM)<br />
HASIL <strong>DA</strong>N PEMBAHASAN<br />
Keadaan Umum Perusahaan<br />
Perkebunan Teh Kertowono merupakan<br />
salah satu perkebunan milik PTPN XII. Kebun<br />
Teh Kertowono berada di Kecamatan Gucialit,<br />
Kabupaten Lumajang, Jawa Timur. Teh yang<br />
ditanam di kebun teh Kertowono merupakan<br />
jenis teh hitam. Pada awalnya jenis mutu teh<br />
hitam yang dikembangkan pada perkebunan ini<br />
ada dua yaitu teh hitam Ortodoks dan CTC<br />
(Crushing, Tearing, Curling). Namun karena<br />
biaya produksi yang semakin tinggi sehingga<br />
perusahaan memutuskan untuk memproduksi<br />
hanya satu jenis teh hitam saja yaitu teh hitam<br />
jenis CTC.<br />
Penilaian Mutu Teh Hitam di Kebun Teh<br />
Kertowono<br />
Penilaian mutu organoleptik Teh hitam<br />
di Kebun Teh Kertowono meliputi criteria<br />
kenampakan, rasa, kenampakan ampas<br />
seduhan, dan mutu akhir. Kriteria kenampakan<br />
merupakan criteria yang berpengaruh paling<br />
besar untuk menentukan harga beli teh yaitu<br />
sebesar 50%, sedangkan criteria rasa sebesar<br />
40% dan criteria kenampakan ampas seduhan<br />
sebesar 10%. Kenampakan teh yang dinilai<br />
meliputi variable bentuk dan ukuran partikel,<br />
warna, kebersihan. Rasa dari teh yang dinilai<br />
meliputi warna cairan dan air seduhan.<br />
Kenampakan ampas seduhan yang dinilai<br />
meliputi warna dan kerataan ampas. Sedangkan<br />
mutu akhir teh yang dinilai meliputi<br />
kenampakan, rasa, dan kenampakan ampas<br />
seduhan.
Penilaian Mutu Teh Hitam dengan <strong>Logika</strong><br />
Fuzzy<br />
Pembentukan Himpunan, Domain Fuzzy, dan<br />
Semesta Pembicaraan<br />
Variabel yang digunakan pada<br />
pembentukan logika fuzzy adalah variable<br />
kenampakan, rasa, kenampakan ampas<br />
seduhan, dan mutu akhir. Berdasarkan<br />
wawancara dengan panelis, Kriteria<br />
kenampakan berpengaruh paling besar untuk<br />
menentukan harga beli teh yaitu sebesar 50%,<br />
sedangkan criteria rasa sebesar 40% dan<br />
criteria kenampakan ampas seduhan sebesar<br />
10%.<br />
Data-data yang dibutuhkan sebagai<br />
dasar untuk menentukan parameter penilaian<br />
mutu dengan logika fuzzy adalah data yang<br />
berasal dari panelis berupa semesta<br />
pembicaraan, penilaian mutu teh hitam, dan<br />
domain dari tiap himpunan. Semesta<br />
pembicaraan dalam penilaian mutu ini untuk<br />
variable kenampakan sebesar 50, variable rasa<br />
sebesar 40, kenampakan ampas seduhan<br />
sebesar 10, dan mutu akhir sebesar 100.<br />
Domain fuzzy yang baru dibentuk dari nilai hasil<br />
perhitungan nilai standar deviasi oleh 2 panelis<br />
ahli. Alur proses fuzzy dapat dilihat Gambar 1 .<br />
Gambar 1. Diagram Alur Proses Fuzzy<br />
Pembentukan Fungsi Keanggotaan<br />
Kurva yang digunakan pada pembuatan<br />
fungsi keangotaan adalah kurva trapesium.<br />
Kurva trapezium dipilih karena sesuai dengan<br />
kasus yang dihadapi dimana mutu akan akan<br />
bernilai kontinu pada suatu range, setiap<br />
variabel output dan input memiliki batas bawah<br />
dan batas atas. Jumlah grafik yang digunakan<br />
sebanyak 5 buah disesuaikan dengan<br />
banyaknya himpunan fuzzy yaitu mutu A, mutu<br />
B, mutu C, mutu D, dan mutu E.Pada fungsi<br />
trapesium ini terdapat beberapa nilai x yang<br />
memiliki derajat keanggotaan sama dengan 1,<br />
yaitu ketika b £ x £ c (Anonymous, 2009).<br />
Penentuan Rule Fuzzy<br />
Aturan yang terbentuk dalam penelitian<br />
ini yaitu 45 aturan fuzzy untuk variable<br />
kenampakan, 25 aturan fuzzy untuk variable<br />
rasa, 15 aturan fuzzy untuk variable<br />
kenampakan ampas seduhan, dan 625 aturan<br />
fuzzy untuk variable mutu akhir. Hal ini<br />
didasarkan pada kemungkinan kombinasi aturan<br />
yang dilakukan di perusahaan. Menurut de Mol<br />
(2001), aplikasi logika fuzzy memberikan<br />
kemudahan dalam interpretasi data karena<br />
dapat disesuaikan oleh perubahan fungsi<br />
kenggotaan dan aturan-aturan.<br />
Defuzzifikasi<br />
Pada kasus penilaian mutu teh hitam<br />
metode defuzzifikasi yang digunakan adalah<br />
metode Smallest of Maximum (SOM). Metode ini<br />
dipilih karena dapat memberikan hasil yang<br />
lebih baik dibandingkan dengan metode<br />
defuzzifikasi yang lain. Menurut Kastaman<br />
(2005), Metode SOM ini memiliki karakteristik<br />
lebih ketat dalam memberikan nilai, sehingga<br />
nilai – nilainya cenderung lebih kecil dari pada<br />
metode yang lain. Metode SOM ini akan<br />
memberikan nilai yang besar apabila varibel –<br />
variabel inputnya memang layak untuk diberi<br />
nilai yang besar. Perbandingan nilai hasil proses<br />
defuzzifikasi dan nilai input dari hasil penilaian<br />
panelis ahli dapat dilihat pada Tabel 1.
Tabel 1. Perbandingan hasil proses defuzzifikasi dan penilaian panelis ahli<br />
No<br />
Jenis<br />
Teh<br />
1 BP 1<br />
2 PF 1<br />
3 FANN<br />
Kriteria<br />
Tester Kriteria Mutu<br />
Nilai<br />
Fuzzy Kriteria Mutu<br />
Beda/tidak Perbedaan Tester<br />
Appearrance 35 Baik (good) 41 Sangat baik (well made), Ya 6 T1<br />
Appearrance 34 Baik (good) 41 Sangat baik (well made), Ya 7 T2<br />
Liquor 25 Enak (good), 24 Enak (good), Ya 1 T1<br />
Liquor 25 Enak (good), 24 Enak (good), Ya 1 T2<br />
Infused leaf 6 Bright and coppery 4 Fairly bright Ya 2 T1<br />
Infused leaf 6 Bright and coppery 4 Fairly bright Ya 2 T2<br />
Total 68 Mutu_b 61.4 Mutu b Ya 6.6 T1<br />
Total 67 Mutu_b 61.4 Mutu b Ya 5.6 T2<br />
Appearrance 34 Baik (good) 31 Baik (good) Ya 3 T1<br />
Appearrance 34 Baik (good) 31 Baik (good) Ya 3 T2<br />
Liquor 26 Enak (good), 24 Enak (good), Ya 2 T1<br />
Liquor 25 Enak (good), 24 Enak (good), Ya 1 T2<br />
Infused leaf 8 Bright and coppery 6 Bright and coppery Ya 2 T1<br />
Infused leaf 8 Bright and coppery 6 Bright and coppery Ya 2 T2<br />
Total 68 Mutu_b 61.4 Mutu b Ya 6.6 T1<br />
Total 67 Mutu_b 61.4 Mutu b Ya 5.6 T2<br />
Appearrance 27 Sedang (fair made) 31 Baik (good) Ya 4 T1<br />
Appearrance 28 Sedang (fair made) 31 Baik (good) Ya 3 T2<br />
Liquor 26 Enak (good), 24 Enak (good), Ya 2 T1<br />
Liquor 26 Enak (good), 24 Enak (good), Ya 2 T2<br />
Infused leaf 6 Bright and coppery 4 Fairly bright Ya 2 T1<br />
Infused leaf 6 Bright and coppery 4 Fairly bright Ya 2 T2<br />
Total 61 Mutu_b 61.4 Mutu b Ya 0.4 T1<br />
Total 62 Mutu_b 61.4 Mutu b Ya 0.6 T2
Pada Tabel 1 dapat diketahui<br />
bahwa penilaian antara panelis ahli 1<br />
(T1), panelis ahli 2 (T2) dan logika fuzzy<br />
pada ketiga jenis mutu yang meliputi<br />
kriteria kenampakan (appearance), rasa<br />
(liquor), kenampakan ampas seduhan<br />
(infused leaf), dan mutu akhir mengalami<br />
perbedaan nyata. Perbedaan nilai antara<br />
panelis ahli dengan hasil perhitungan<br />
fuzzy berada diantara rentang 0,6 sampai<br />
6,6 .<br />
Hasil Uji Parametrik T antara Panelis<br />
Ahli dan Fuzzy Panelis Ahli<br />
Pada penelitian penilaian mutu<br />
teh hitam CTC digunakan 2 orang<br />
panelis ahli yang memiliki penilaian<br />
secara subyektif. Maka, untuk<br />
mengetahui perbedaan yang terjadi<br />
antara kedua panelis ahli tersebut pada<br />
saat menilai mutu teh hitam dengan<br />
menggunakan uji parametrik t-test.<br />
Pada analisis uji beda nyata<br />
antara data yang dihasilkan para panelis<br />
ahli dengan hasil perhitungan logika<br />
fuzzy ini, digunakan software SPSS.<br />
Pemilihan uji beda nyata dengan<br />
menggunakan metode t-test ini karena<br />
data masukan merupakan jenis data<br />
interval/ratio dan data tersebut memiliki<br />
bentuk hipotesis komparatif baik secara<br />
related (berhubungan) ataupun secara<br />
independent (bebas) (Sugiyono, 2006).<br />
Sedangkan, pengujian keseragaman<br />
data digunakan uji levenne,<br />
Uji levenne ini merupakan uji<br />
keseragaman pada pengujian<br />
menggunakan t-test. Menurut Sihombing<br />
(1991) Uji homogenitas menggunakan uji<br />
levene,s test for equality of varians<br />
memiliki taraf signifikansi alfa = 0,05.<br />
Hasil dari uji parametrik T antara panelis<br />
ahli dan logika fuzzy dapat dilihat pada<br />
Tabel. 2.<br />
Tabel 2. Uji Parametrik t antara Panelis<br />
Ahli dan <strong>Logika</strong> Fuzzy<br />
Kriteria Perbandingan Kesimpulan<br />
Panelis Ahli 1 – Panelis Ahli 2<br />
Panelis Ahli 1 – Panelis Ahli 1 Fuzzy<br />
Panelis Ahli 1 – Panelis Ahli 2 Fuzzy<br />
Appearance<br />
Panelis Ahli 2 – Panelis Ahli 1 Fuzzy<br />
Panelis Ahli 2 – Panelis Ahli 2 Fuzzy<br />
Panelis Ahli1 fuzzy - Panelis Ahli 2 fuzzy<br />
Panelis Ahli 1 – Panelis Ahli 2<br />
Panelis Ahli 1 – Panelis Ahli 1 Fuzzy<br />
Panelis Ahli 1 – Panelis Ahli 2 Fuzzy<br />
Liquor<br />
Panelis Ahli 2 – Panelis Ahli 1 Fuzzy<br />
sama<br />
sama<br />
sama<br />
sama<br />
sama<br />
sama<br />
sama<br />
sama<br />
sama<br />
sama<br />
Panelis Ahli 2 – Panelis Ahli 2 Fuzzy<br />
Panelis Ahli1 fuzzy - Panelis Ahli 2 fuzzy<br />
Panelis Ahli 1 – Panelis Ahli 2<br />
berbeda<br />
sama<br />
sama<br />
Panelis Ahli 1 – Panelis Ahli 1 Fuzzy berbeda<br />
Panelis Ahli 1 – Panelis Ahli 2 Fuzzy<br />
Infused Leaf<br />
Panelis Ahli 2 – Panelis Ahli 1 Fuzzy<br />
berbeda<br />
berbeda<br />
Panelis Ahli 2 – Panelis Ahli 2 Fuzzy<br />
Panelis Ahli1 fuzzy - Panelis Ahli 2 fuzzy<br />
Panelis Ahli 1 – Panelis Ahli 2<br />
Panelis Ahli 1 – Panelis Ahli 1 Fuzzy<br />
Panelis Ahli 1 – Panelis Ahli 2 Fuzzy<br />
Mutu Akhir<br />
Panelis Ahli 2 – Panelis Ahli 1 Fuzzy<br />
berbeda<br />
sama<br />
sama<br />
sama<br />
sama<br />
berbeda<br />
Panelis Ahli 2 – Panelis Ahli 2 Fuzzy berbeda<br />
Panelis Ahli1 fuzzy - Panelis Ahli 2 fuzzy sama<br />
Pada Uji T bebas dan<br />
berpasangan antara kedua populasi<br />
apabila dihasilkan statistik uji T yang<br />
menghasilkan nilai p-value yang lebih<br />
besar dari α = 5%, sehingga dapat<br />
dikatakan bahwa penilaian kedua ragam<br />
populasi adalah sama. Menurut<br />
Sihombang (1991), pada uji levene<br />
apabila nilai sampel menunjukkan pvalue<br />
> 0,05 berarti keseluruhan sampel<br />
mempunyai varian yang homogen.<br />
KESIMPULAN <strong>DA</strong>N SARAN<br />
Kesimpulan<br />
<strong>Logika</strong> fuzzy dapat memberikan<br />
nilai yang lebih objektif dari hasil<br />
penilaian yang dilakukan oleh dua<br />
panelis ahli terhadap mutu teh hitam<br />
CTC. Berdasarkan uji parametric T,<br />
terjadi perbedaan nyata antara hasil<br />
penilaian panelis ahli dan hasil penilaian<br />
dengan menggunakan logika fuzzy<br />
pada kriteria kenampakan ampas<br />
seduhan (infused leaf), rasa (liquor), dan<br />
mutu akhir..
Saran<br />
1. Penilaian mutu yang dilakukan<br />
manusia memiliki sifat yang masih<br />
subjektif, karena itu hasil penelitian<br />
ini diharapkan dapat memberikan<br />
kontribusi bagi para panelis ahli<br />
untuk lebih menghasilkan penilaian<br />
yang lebih objektif sehingga tidak<br />
terjadi perbedaan antara panelis<br />
satu dengan panelis lainnya.<br />
2. Penilaian mutu teh hitam kualitas<br />
ekspor merupakan hal yang sangat<br />
penting untuk menjaga kualitas<br />
mutu teh hitam, maka diperlukan<br />
adanya konsistensi pada saat<br />
penilaian<br />
3. Untuk menjaga konsistensi para<br />
panelis ahli sebaiknya diadakan<br />
penyamaan pandangan mengenai<br />
nilai mutu teh secara berkala.<br />
<strong>DA</strong>FTAR PUSTAKA<br />
Bambang, Kustamiyati. 2006. Prospek<br />
Teh Indonesia sebagai<br />
Minuman Fungsional<br />
http://www.ipard.com/art_perkeb<br />
un/Aug02-06_kb.asp<br />
Bellei, E., Guidotti, D., Petacchi, R.,<br />
Reyneri, L. And Rizzi, I. 2001.<br />
Applications of Neuro-Fuzzy<br />
Classification, Evaluation and<br />
Forecasting Techniques in<br />
Agriculture. Proceedings –<br />
European Symposium on<br />
Artificial Neural Networks.<br />
Bruges. Belgium. 25-27 April<br />
2001. pp.403-408.<br />
Binoy, A.M., Mujumdar, P.P. 2003.<br />
Fuzzy Rule Based Model For<br />
Estimating Agricultural<br />
Diffuse Pollution. Conference<br />
Paper. Diffuse Pollution<br />
Conference. Dublin. UK.<br />
Dadone, Paolo. 2001. Design<br />
Optimization of Fuzzy Logic<br />
Systems. Virginia Polytechnic<br />
Institute and State University,<br />
Virginia<br />
Damayanthi, Evy. 2007. Diversifikasi<br />
Produk Teh Sebagai Minuman<br />
Kesehatan<br />
http://web.ipb.ac.id/~lppm/ID/ind<br />
ex.php?view=penelitian/hasilcari<br />
&status=buka&id_haslit=KKP/02<br />
1.07/<strong>DA</strong>M/d..<br />
Kartika,Bambang, 1998, Pedoman Uji<br />
Indrawi Pengolahan Hasil<br />
Pangan, Yogyakarta,UGM<br />
Kavdir, Ismail, Guyer, D.E. 2003. Apple<br />
Grading Using Fuzzy Logic.<br />
Turk Jurnal of Agriculture and<br />
Forestry. 27 : 375-382.<br />
Khomsan, Ali. 2004. Teh Sup Kimiawi<br />
Sumber Antioksidan.<br />
http://www.sinarharapan.co.id/ip<br />
tek/kesehatan/2004/0611/kes2.<br />
html.<br />
Kusumadewi, Sri, dan Hari Purnomo.<br />
2004. Aplikasi <strong>Logika</strong> Fuzzy<br />
untuk Pendukung Keputusan.<br />
Graha Ilmu : Yogyakarta<br />
Malik, Insaf. 2007. Pangsa Pasar<br />
Ekspor Teh Indonesia 2007<br />
Diperkirakan Tidak<br />
Berubah.http://www.kapanlagi.c<br />
om<br />
Maulana, Mohammad. 1998.<br />
Identifikasi Permasalahan<br />
Pengelolaan Mutu Teh Do<br />
Unit Usaha Perkebunan<br />
Malabar PT. Nusantara VIII<br />
Jawa Barat
Purwaningsih, Sulistyo Rahayu. 2006.<br />
Perbedaan Hasil Pembuatan<br />
Kebaya Menggunakan Pola<br />
Sistem Soekarno dengan Pola<br />
Sistem Sanny Poespo pada<br />
Wanita Gemuk.<br />
http://digilib.unnes.ac.id/gsdl/coll<br />
ect/skripsi/index/assoc/HASH01<br />
f4/3ffdf091.dir/doc.pdf.<br />
Soekarto. 1985. Penilaian<br />
Organoleptik untu Industri<br />
Pangan dan Hasil Pertanian.<br />
Bhratara Karya Akasara.<br />
Jakarta.<br />
Suprihatini, Rohanda. 2000. Aplikasi<br />
Quality Function Deployment<br />
(QFD) di Industri Teh Hitam<br />
Orthodox Indonesia<br />
Suradi, Kusmaidi. 2009. Tingkat<br />
Kesukaan Bakso dari<br />
Berbagai Jenis Daging<br />
Melalui Beberapa Pendekatan<br />
Statistik.<br />
http://pustaka.unpad.ac.id/wpcontent/uploads/tingkat_kesuka<br />
an_bakso.pdf.<br />
Yang, C.C., Prasher, S.O., Landry, J.A.<br />
and Ramaswamy, H.S. 2003.<br />
Development of an Image<br />
processing system and a<br />
fuzzy algoritme for sitespecific<br />
herbicide<br />
applications. Precision<br />
Agriculture, 4 : 5-18.<br />
Yamanishi, T. 1995. Flavour Of Tea.<br />
Food Review International<br />
Special Issue on Tea. Vol. II No.<br />
3. 477-525<br />
Wardani, Imam. 2008. <strong>Logika</strong> Fuzzy.<br />
www.imamwardani.com.