Program Studi Pascasarjana Teknik Industri, Fakultas Teknik, Universitas Gadjah Mada, Yogyakarta 55281
Email: [email protected]
Intisari
Penentuan harga jual produk merupakan salah satu masalah utama dalam penjualan produk, tidak hanya produk baru, tetapi juga produk bekas. Penentuan harga jual produk bekas yang terlalu tinggi membuat produk bekas sulit terjual, sedangkan harga yang terlalu rendah bisa membuat penjual mengalami kerugian. Dalam menentukan harga jual produk bekas, perlu dipertimbangkan berbagai faktor, antara lain harga produk yang baru, harga produk bekas di pasaran, kondisi mobil, dan harga produk bekas sejenis merk lain. Tujuan penelitian yang dilakukan adalah menentukan harga jual produk bekas dengan mempertimbangkan berbagai faktor di atas. Dalam penelitian ini produk bekas yang akan ditentukan harga jual kembalinya adalah mobil bekas. Penentuan harga jual mobil bekas yang dipengaruhi berbagai faktor tersebut di atas diselesaikan dengan menggunakan fuzzy logic. Dari hasil penelitian dapat disimpulkan bahwa penggunaan fuzzy logic dapat menentukan harga jual mobil bekas. Kata kunci: fuzzy logic, harga jual, produk bekas
1. Pendahuluan
Penentuan harga jual produk merupakan salah satu keputusan penting yang harus diambil dalam melakukan penjualan produk. Sukses atau tidaknya produk dapat terjual di pasar sangat ditentukan oleh keputusan mengenai harga jualnya. Harga jual produk yang terlalu tinggi dapat membuat produk tersebut sulit terjual karena banyaknya kompetitor dipasar, sedangkan harga jual produk yang terlalu rendah dapat membuat penjual mengalami kerugian atau profit yang sedikit. Penentuan harga jual produk tidak hanya penting dalam penjualan produk baru tetapi untuk penjualan barang bekas pun merupakan salah satu keputusan yang penting apalagi banyak sekali faktor-faktor yang harus dipertimbangkan dalam menentukan harga jual produk bekas jika kita mempunyai produk bekas yang akan kita jual. Faktor-faktor yang diperlukan untuk menentukan harga jual produk bekas adalah harga baru produk tersebut, harga bekas produk tersebut, kondisi produk dan harga produk bekas sejenis merk lain dipasar.
Dalam penelitian ini produk yang akan digunakan adalah penentuan harga jual mobil bekas. Mobil bekas dipilih karena biasanya pemilik mobil bekas merasa sulit untuk menentukan harga jual mobil bekas merka sementara banyak sekali mobil bekas sejenis di pasaran dengan merk yang sama ataupun dengan merk lain. Penentuan harga jual mobil bekas ini dilakukan dengan menggunakan fuzzy logic sehingga diharapkan keputusan harga jual yang ditetapkan menjadi lebih baik dan bijak sehingga diharapkan mobil bekas dapat lebih cepat terjual dengan harga yang wajar karena mempertimbangkan berbagai faktor yang telah disebutkan di atas tadi. Penelitian ini menggunakan motode fuzzy logic Mamdani dan Sugeno.
2. Metode Penelitian
Ramadhan (2011) dalam penelitiannya menentukan harga mobil Toyota Avanza bekas menggunakan metode Tsukamoto dengan input berupa kondisi mobil dan harga baru mobil dengan output berupa harga jual. Kondisi mobil memiliki dua atribut linguistic yaitu murah dan mahal, harga baru mobil memiliki dua atribut linguistic yaitu sedang dan bagus dan harga jual menjadi dua atribut linguistic yaitu murah dan mahal. Pada jurnal ini belum adanya faktor dari harga kompetitor sejenis yang dapat mempengaruhi konsumen dalam melakukan keputusan
pembelian. Kompetitor sejenis dapat datang dari mobil bekas sejenis dengan merk yang berbeda maupun dari penjual Avanza bekas lainnya
Penentuan harga jual dengan mempertimbangkan harga kompetitor dilakukan oleh Purba dan Sudiarso (2013) yaitu menentukan harga produk kerajinan kulit menggunakan pendekatan fuzzy logic dengan mempertimbangkan proyeksi keuntungan, persepsi konsumen dan harga kompetitor sebagai input membership function. Proyeksi keuntungan didapatkan dari faktor internal yang membentuk harga produk ditambah dengan profit yang ingin diraih produsen. Persepsi konsumen dan harga kompetitor merupakan faktor eksternal yang harus diperhatikan dalam menentukan hargta jual dewasa ini karena konsumen sangat sensitif terhadap harga dan produk sejenis dari kompetitor.
Istraniady dkk (2013) melakukan penelitian membandingkan metode fuzzy Tsukamoto dan metode fuzzy Mamdani pada perbandingan sepeda motor bekas. Input membership function yang digunakan adalah adalah kisaran jarak tempuh, kondisi sepeda motor bekas dengan output berupa harga jual sepeda motor bekas. Dari hasil yang didapatkan didapatkan hasil bahwa rata-rata perkiraan harga jual dengan menggunakan metode fuzzy Tsukamoto lebih mahal dibandingkan dengan menggunakan metode fuzzy Mamdani.
Dari ketiga jurnal di atas dapat diketahui bahwa belum ada yang mempertimbangkan harga produk bekas sejenis dari merk lain karena bisa saja calon pembeli yang akan membeli mobil bekas kita namun ketika ada mobil bekas sejenis merk lain yang lebih murah maka calon pembeli lebih memilih mobil bekas sejenis merk lain tersebut. Oleh karena itu pada penelitian ini kemudian dapat disintesis menjadi suatu aplikasi penentuan harga jual mobil bekas dengan mempertimbangkan harga baru, harga bekas di pasaran, kondisi mobil dan harga jual mobil bekas sejenis merk lain. Pada sintesis ini metode fuzzy yang akan digunakan adalah metode fuzzy Mamdani dan metode fuzzy Sugeno serta akan membandingkan hasil yang diperoleh dari keduanya. Proses perhitungan fuzzy logic dihitung dengan bantuan software Matlab.
3. Hasil dan Pembahasan
Berdasarkan latar belakang sintesis baru yang dibuat, dapat ditentukan tujuan aplikasi adalah untuk menentukan harga jual mobil bekas dengan mempertimbangkan harga baru, harga bekas di pasaran, kondisi mobil dan harga bekas produk sejenis merk lain dan membandingkan metode fuzzy Mamdani dan metode fuzzy Sugeno dalam menentukan harga jual.
Input yang akan digunakan dalam aplikasi ini adalah harga baru, harga bekas di pasaran, kondisi mobil dan harga bekas produk kompetitor sejenis. Data input mengenai harga didapatkan dari internet untuk harga mobil baru maupun mobil bekas. Output-nya berupa harga jual mobil bekas yang sudah mempertimbangkan berbagai faktor di atas.
Ideal responses-nya adalah jika harga beli, harga jual, kondisi dan harga kompetitor semakin tinggi maka harga jual juga harus semakin tinggi. Jika harga beli, harga jual, kondisi dan harga kompetitor semakin rendah maka harga jual juga harus semakin rendah.
Fuzzy logic yang dibangun memerlukan initial input sebagai awalan, yang nantinya akan dilakukan proses tunning supaya hasil yang dikeluarkan sesuai dengan yang diharapkan. Untuk melihat initial input yang digunakan, dapat dilihat pada Gambar 1. Pada input harga baru digunakan 3 atribut linguistic yaitu rendah, sedang, tinggi dengan jangkauan harga 170 juta sampai 200 juta. Pada input harga bekas di pasaran digunakan 3 atribut linguistik yaitu rendah, sedang, tinggi dengan rentang 125 sampai 150 juta. Pada input kondisi mobil digunakan 3 atribut linguistik yaitu acceptable, sedang, bagus dengan rentang 75 sampai 100 persen. Pada input harga kompetitor digunakan 3 atribut linguistik yaitu rendah, sedang, tinggi dengan rentang 115 sampai 145 juta.
Gambar 1 Initial input
Pada output harga jual digunakan 3 atribut linguistik yaitu rendah, sedang, tinggi dengan rentang 125 sampai 150 juta, seperti terlihat pada Gambar 2.
Gambar 2 Initial output
Rules yang digunakan pada fuzzy yang dibangun, dibuat berdasarkan jumlah input dan jumlah atribut linguistik yang digunakan pada masing-masing input. Total rules sebanyak 81 rules dengan komposisi output harga jual rendah sebanyak 24 rules, harga jual sedang sebanyak 38 rules dan harga jual tinggi sebanyak 19 rules. Initial rules yang digunakan menggunakan fungsi logika AND. Rules ini ketika dituning dilakukan pengurangan jumlah atribut linguistic pada input harga baru dan harga kompetitor yang semula ada 3 atribut linguistic menjadi 2 atribut linguistic sehingga setelah dilakukan tuning jumlah rules berkurang menjadi 36 rules dengan komposisi output harga jual rendah sebanyak 11 rules, harga jual sedang sebanyak 16 rules dan harga jual tinggi sebanyak 9 rules. Rules yang sudah dituning dapat dilihat pada Tabel 1. Contoh pembacaaanya seperti berikut, If harga baru is rendah and harga bekas is rendah and kondisi is rendah and harga kompetitor is rendah then harga jual is rendah.
Tabel 1 Rules yang Digunakan Setelah di-Tuning
No Harga Baru Harga Bekas Kondisi Harga Kompetitor Harga Jual
1 Rendah Rendah Acceptable Rendah Rendah
No Harga Baru Harga Bekas Kondisi Harga Kompetitor Harga Jual
3 Rendah Rendah Sedang Rendah Rendah
4 Rendah Rendah Sedang Tinggi Rendah
5 Rendah Rendah Bagus Rendah Rendah
6 Rendah Rendah Bagus Tinggi Sedang
7 Rendah Sedang Acceptable Rendah Rendah
8 Rendah Sedang Acceptable Tinggi Sedang
9 Rendah Sedang Sedang Rendah Rendah
10 Rendah Sedang Sedang Tinggi Sedang
11 Rendah Sedang Bagus Rendah Sedang
12 Rendah Sedang Bagus Tinggi Sedang
13 Rendah Tinggi Acceptable Rendah Rendah
14 Rendah Tinggi Acceptable Tinggi Sedang
15 Rendah Tinggi Sedang Rendah Sedang
16 Rendah Tinggi Sedang Tinggi Sedang
17 Rendah Tinggi Bagus Rendah Sedang
18 Rendah Tinggi Bagus Tinggi Tinggi
19 Tinggi Rendah Acceptable Rendah Rendah
20 Tinggi Rendah Acceptable Tinggi Sedang
21 Tinggi Rendah Sedang Rendah Rendah
22 Tinggi Rendah Sedang Tinggi Tinggi
23 Tinggi Rendah Bagus Rendah Sedang
24 Tinggi Rendah Bagus Tinggi Tinggi
25 Tinggi Sedang Acceptable Rendah Rendah
26 Tinggi Sedang Acceptable Tinggi Sedang
27 Tinggi Sedang Sedang Rendah Sedang
28 Tinggi Sedang Sedang Tinggi Tinggi
29 Tinggi Sedang Bagus Rendah Sedang
30 Tinggi Sedang Bagus Tinggi Tinggi
31 Tinggi Tinggi Acceptable Rendah Sedang
32 Tinggi Tinggi Acceptable Tinggi Sedang
33 Tinggi Tinggi Sedang Rendah Tinggi
34 Tinggi Tinggi Sedang Tinggi Tinggi
35 Tinggi Tinggi Bagus Rendah Tinggi
36 Tinggi Tinggi Bagus Tinggi Tinggi
Hasil dari inital input dapat dilihat pada Gambar 3. Dari hasil initial input tersebut, terlihat masih adanya grafik yang tidak logis untuk fuzzy Mamdani sehingga perlu dilakukan proses tuning supaya hasil yang didapatkan menjadi logis. Sementara pada fuzzy Sugeno, hasil initial-nya sudah logis. Sehingga tidak perlu dilakukan proses tuning. Hasil fuzzy Sugeno dapat dilihat pada Gambar 4. Pada proses tuning dilakukan adanya pengurangan jumlah atribut linguistic pada input harga baru dan harga kompetitor yang semula ada 3 atribut linguistic menjadi 2 atribut linguistic. Hasil tuning pada variabel input dapat dilihat pada Gambar 5.
Internal parameter yang digunakan adalah defuzzification centroid dengan internal parameter sebagai berikut:
Input harga baru
Atribut linguistik rendah menggunakan membership function trapezoidal dengan parameter [156 167 185 188] dan atribut linguistik tinggi menggunakan membership function trapezoidal dengan parameter [177 185.3 206 217]
Input harga bekas
Atribut linguistik rendah menggunakan membership function trapezoidal dengan parameter [115 123 131.5 132], atribut linguistik sedang menggunakan membership function trapezoidal dengan parameter [131.4 132 143 147], dan atribut linguistik tinggi menggunakan membership function trapezoidal dengan parameter [139 143.8 151 159] Input kondisi
Atribut linguistik acceptable menggunakan membership function trapezoidal dengan parameter [66.7 74.5 80.8 80.8], atribut linguistik sedang menggunakan membership function trapezoidal dengan parameter [79.9 81.85 93.9 94.4], dan atribut linguistik bagus menggunakan membership function trapezoidal dengan parameter [93.75 94.1 101 109] Input harga kompetitor
Atribut linguistik rendah menggunakan membership function trapezoidal dengan parameter [102 114 130 140.3], dan atribut linguistik tinggi menggunakan membership function gaussian2 dengan parameter [121 132 151 163]
Output harga mobil
Atribut linguistik rendah menggunakan membership function triangular dengan parameter [115 125 137.5], atribut linguistik sedang menggunakan membership function triangular dengan parameter {125 137.5 150], dan atribut linguistik tinggi menggunakan membership function triangular dengan parameter [137.5 150 160]
Gambar 3 Initial Response Mamdani
Gambar 5 Hasil Tuning Mamdani
Hasil response surface dari fuzzy Mamdani yang sudah di-tuning dapat dilihat pada Gambar 6. Pada metode fuzzy Sugeno tidak dilakukan proses tuning karena initial responses sudah sesuai dengan logika yang ada bahwa jika harga baru, harga bekas, kondisi, dan harga kompetitor naik maka harga jual juga menjadi naik dan jika harga baru, harga bekas, kondisi dan harga kompetitor turun maka harga jual juga menjadi turun.
Gambar 6 Response Surface Hasil Tuning Fuzzy Mamdani
Sebagai validasi dan untuk membandingkan antara metode fuzzy Mamdani dan Sugeno dilakukan percobaan menggunakan 10 kasus berdasarkan kondisi mobil maupun harga mobil yang diperkirakan oleh penjual mobil bekas. Hasil dari validasi dan perbandingan metode fuzzy dari 10 kasus tersebut dapat dilihat pada Tabel 2. Dari Tabel 2 dapat dilihat bahwa dari 10 kasus terdapat 4 kasus yang berdasarkan perkiraan penjual mobil bekas yang tanpa menggunakan fuzzy dan hanya menggunakan perkiraan dari kondisi mobil dan harga beli menunjukkan hasil yang lebih mahal daripada menggunakan fuzzy logic. Dengan menggunakan fuzzy logic pada 4 kasus tersebut harga jual lebih murah karena mempertimbangkan empat faktor di atas tadi. Dari dua metode fuzzy yang dibandingkan didapat hasil bahwa dari 10 kasus terdapat 8 kasus dengan metode fuzzy Mamdani memberikan hasil perkiraan harga jual yang lebih mahal dibandingkan metode fuzzy Sugeno sehingga hal ini dapat membantu pihak yang akan menjual mobil probadi bekasnya untuk menentukan harga tinggi dan harga rendah yang akan ditawarkan ke pembeli.
Tabel 2 Perbandingan Hasil Fuzzy Mamdani dengan Sugeno No Harg a Beli Harga Bekas Kon-disi Harga Kompetito r Harga Jual Keterangan Penjua l mokas Mam-dani Sugeno 1 173 125 70 115 125 129 125 Mamdani Lebih Mahal 2 190 135 75 120 135 129 127 Mamdani Lebih Mahal 3 195 140 80 130 140 135 134 Mamdani Lebih Mahal 4 184 140 85 120 140 136 133 Mamdani Lebih Mahal
5 200 145 90 135 145 140 148 Sugeno Lebih Mahal
6 173 135 95 130 135 138 136 Mamdani Lebih Mahal 7 190 140 70 135 140 136 132 Mamdani Lebih Mahal 8 195 130 75 140 130 137 133 Mamdani Lebih Mahal 9 184 140 80 140 140 138 136 Mamdani Lebih Mahal
10 200 145 85 145 145 146 149 Sugeno Lebih Mahal
4. Kesimpulan dan Saran
Dari hasil penelitian yang dilakukan, didapatkan bahwa dengan menggunakan fuzzy logic, dapat diperoleh harga jual mobul bekas dengan mempertimbangkan faktor harga baru, harga bekas, kondisi mobil, dan harga mobil bekas sejenis merk lain sehingga didapatkan keputusan harga jual yang lebih baik dan lebih bijak. Lebih baik disini adalah harga jual mobil bekas yang tidak terlalu tinggi dan tidak terlalu rendah sehingga diharapkan mobil bekas dapat lebih cepat terjual. Metode yang digunakan adalah metode fuzzy Mamdani dan fuzzy Sugeno. Hasil dari kedua metode ini dibandingkan dan didapatkan bahwa metode Mamdani lebih banyak menghasilkan harga jual yang lebih tinggi. Untuk penelitian selanjutnya, dapat menambahkan faktor-faktor lain yang mempengaruhi harga jual, atau menggunakan metode lain yang dapat mempertimbangkan banyak faktor.
Daftar Pustaka
Istraniady, A.P, dan Mardiani, 2013, Analisis Perbandingan Metode Fuzzy Tsukamoto dan Metode Fuzzy Mamdani pada Perbandingan Harga Sepeda Motor Bekas, Program Studi Teknik Informatika STMIK GI MDP.
Kusumadewi, S. dan Purnomo H., 2013, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Edisi Kedua, Graha Ilmu, Yogyakarta.
Purba, S. dan Sudiarso, A., 2013, Penentuan Harga Produk Kerajinan Kulit Menggunakan Pendekatan Fuzzy Logic dengan Mempertimbangkan Proyeksi Keuntungan, Persepsi Konsumen dan Harga Kompetitor (Studi Kasus Toko Kerajinan Kulit BOOSMAN, Sentra Kerajinan Kulit Manding, Bantul). Simposium Nasional RAPI XII FT UMS, UMS. Ramadhan, G., 2011, Menentukan Harga Mobil Bekas Toyota Avanza Menggunakan Metode
Tsukamoto, Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta.