SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN OBJEK PARIWISATA DI KALIMANTAN TENGAH MENGGUNAKAN LOGIKA FUZZY
3.1 Fuzzy Model Sugeno
a. perolehan data dan rentan nilai
1. Harga
Harga yang dimaksud adalah biaya total dari tempat tujuan hingga ke lokasi pariwisata yaitu mencakup (transportasi dan tiket masuk).
Harga =
< 100.000 Murah
100.000 – 300.000 Sedang >300.000 Mahal
2. Jarak
Jarak diukur dari bandara hingga kelokasi tujuan wisata < 20 km = dekat
20-50 km = sedang >50 km = jauh 3. Fasilitas
1 = Sangat buruk
2 = Buruk
3 = Cukup
4 = Baik
5 =Sangat baik.
b. Pembentukan fungsi keanggotaan
1. Mengelompokan variabel dan rentang nilai
2. Nilai keanggotaan (α-predikat) dilakukan dengan mengambil nilai minimum karena menggunakan operator AND
3. Kurva untuk daerah tepi berbentuk bahu, sedangkan bagian tengah berbentuk segitiga.
(1) Dengan :
Z= output rata-rata yang telah diberi bobot dan berupa konstanta(k)
α= α-Predikat = nilai minimum dari hasil operasi pembentukan aturan fuzzy ke n w = bobot untuk setiap rekomendasi dalam pembentukan aturan fuzzy
Gambar 2 Fungsi Keanggotaan Variabel Harga (satuan rupiah)
Gambar 3.Fungsi Keanggotaan Variabel Jarak (satuan km)
Dibawah ini beberapa sample objek pariwisata di Kalimantan Tengah sebagai berikut:
Tabel 1 Objek Pariwisata di Kalimantan Tengah No Nama Objek wisata Biaya Jarak Fasilitas
1 Museum Balanga 1 1 4 2 Rumah betang 1 1 3 3 Bukit tangkiling 2 2 2 4 Danau tahai 2 2 2 5 Nyaru Menteng 2 2 2 6 Bukit Batu 2 2 2
7 Pantai Ujung Pandaran 3 3 3
8 Tanjung Puting National Park 3 3 5
9 Istana Kuning 3 3 5
10 Pantai Kubu 3 3 2
11 Pantai Sungai Bakau 3 3 3
12 Air Terjun Tosah 3 3 3
13 Air Terjun Bumbun 3 3 3
14 Desa Wisata Hurung Bunut 3 3 3
15 Air terjun batu mahasur 3 3 3
c. Aplikasi Fungsi Implikasi, Komposisi dan Penegasan (Defuzzyfikasi)
Setelah menerima input fungsi keanggotaan dari masing-masing himpunan, langkah selanjutnya adalah mengkombinasikan himpunan-himpunan tersebut menjadi 45 aturan (R). Dengan menggunakan operator AND
dalam kombinasi ini, maka penentuan predikat dilakukan dengan mencari nilai terkecil dari setiap kombinasi. Agar lebih mudah memahami proses implikasi, komposisi,dan defuzzy, kita asumsikan bahwa:
1. Untuk fungsi keanggotaan HARGA, himpunan murah diberi bobot 1, sedang diberi bobot 2, dan mahal diberi bobot 3.
2. Untuk fungsi keanggotaan JARAK, himpunan dekat diberi bobot 1, sedang diberi bobot 2, jauh diberi bobot 3
3. Untuk fungsi keanggotaan FASILITAS: himpunan sangat buruk diberi bobot 1, buruk diberi bobot 2, cukup diberi bobot 3, baik diberi bobot 4, sangat baik diberi bobot 5.
Berdasarkan pernyataan tersebut, pemahaman mengenai ke 45 aturan tersebut beserta pembobotannya adalah sebagai berikut:
1. (R1) Jika harga murah (1), Jarak dekat (1) dan fasilitas sangat buruk (1) maka rekomendasi wisata adalah
(0.33).
2. (R2) Jika harga murah (1), Jarak dekat (1) dan fasilitas buruk (2) maka rekomendasi wisata adalah (0.44)
3. (R3) Jika harga murah (1), Jarak dekat (1) dan fasilitas cukup (3) maka rekomendasi wisata adalah (0.55). 4. (R4) Jika harga murah (1), Jarak dekat (1) dan fasilitas baik (4) maka rekomendasi wisata adalah (0.66). 5. (R5) Jika harga murah (1), Jarak dekat (1) dan fasilitas sangat baik (5) maka rekomendasi wisata adalah
(0.77).
6. (R6) Jika harga sedang (2), Jarak dekat (1) dan fasilitas sangat buruk (1) maka rekomendasi wisata adalah
(0.44).
7. (R7) Jika harga sedang (2), Jarak dekat (1) dan fasilitas buruk (2) maka rekomendasi wisata adalah (0.55)
8. (R8) Jika harga sedang (2), Jarak dekat (1) dan fasilitas cukup (3) maka rekomendasi wisata adalah (0.66). 9. (R9) Jika harga sedang (2), Jarak dekat (1) dan fasilitas baik (4) maka rekomendasi wisata adalah (0.77). 10. (R10) Jika harga sedang (2), Jarak dekat (1) dan fasilitas sangat baik (5) maka rekomendasi wisata adalah
(0.88).
11. (R11) Jika harga mahal (3), Jarak dekat (1) dan fasilitas sangat buruk (1) maka rekomendasi wisata adalah
(0.55).
12. (R12) Jika harga mahal (3), Jarak dekat (1) dan fasilitas buruk (2) maka rekomendasi wisata adalah (0.66)
13. (R13) Jika harga mahal (3), Jarak dekat (1) dan fasilitas cukup (3) maka rekomendasi wisata adalah (0.77). 14. (R14) Jika harga mahal (3), Jarak dekat (1) dan fasilitas baik (4) maka rekomendasi wisata adalah (0.88). 15. (R15) Jika harga mahal (3), Jarak dekat (1) dan fasilitas sangat baik (5) maka rekomendasi wisata adalah
(0.99).
16. (R16) Jika harga murah (1), Jarak sedang (2) dan fasilitas sangat buruk (1) maka rekomendasi wisata adalah (0.44).
17. (R17) Jika harga murah (1), Jarak sedang (2) dan fasilitas buruk (2) maka rekomendasi wisata adalah
(0.55)
18. (R18) Jika harga murah (1), Jarak sedang (2) dan fasilitas cukup (3) maka rekomendasi wisata adalah
(0.66).
20. (R20) Jika harga murah (1), Jarak sedang (2) dan fasilitas sangat baik (5) maka rekomendasi wisata adalah
(0.88).
21. (R21) Jika harga sedang (2), Jarak sedang (2) dan fasilitas sangat buruk (1) maka rekomendasi wisata adalah (0.99).
22. (R22) Jika harga sedang (2), Jarak sedang (2) dan fasilitas buruk (2) maka rekomendasi wisata adalah (1)
23. (R23) Jika harga sedang (2), Jarak sedang (2) dan fasilitas cukup (3) maka rekomendasi wisata adalah
(0.77).
24. (R24) Jika harga sedang (2), Jarak sedang (2) dan fasilitas baik (4) maka rekomendasi wisata adalah (0.88). 25. (R25) Jika harga sedang (2), Jarak sedang (2) dan fasilitas sangat baik (5) maka rekomendasi wisata adalah
(0.99).
26. (R26) Jika harga mahal (3), Jarak sedang (2) dan fasilitas sangat buruk (1) maka rekomendasi wisata adalah (0.66).
27. (R27) Jika harga mahal (3), Jarak sedang (2) dan fasilitas buruk (2) maka rekomendasi wisata adalah (0.77)
28. (R28) Jika harga mahal (3), Jarak sedang (2) dan fasilitas cukup (3) maka rekomendasi wisata adalah
(0.88).
29. (R29) Jika harga mahal (3), Jarak sedang (2) dan fasilitas baik (4) maka rekomendasi wisata adalah (0.99). 30. (R30) Jika harga mahal (3), Jarak sedang (2) dan fasilitas sangat baik (5) maka rekomendasi wisata adalah
(1).
31. (R31) Jika harga murah (1), Jarak jauh (3) dan fasilitas sangat buruk (1) maka rekomendasi wisata adalah
(0.55).
32. (R32) Jika harga murah (1), Jarak jauh (3) dan fasilitas buruk (2) maka rekomendasi wisata adalah (0.66)
33. (R33) Jika harga murah (1), Jarak jauh (3) dan fasilitas cukup (3) maka rekomendasi wisata adalah (0.77). 34. (R34) Jika harga murah (1), Jarak jauh (3) dan fasilitas baik (4) maka rekomendasi wisata adalah (0.88). 35. (R35) Jika harga murah (1), Jarak jauh (3) dan fasilitas sangat baik (5) maka rekomendasi wisata adalah
(0.99).
36. (R36) Jika harga sedang (2), Jarak jauh (3) dan fasilitas sangat buruk (1) maka rekomendasi wisata adalah
(1).
37. (R37) Jika harga sedang (2), Jarak jauh (3) dan fasilitas buruk (2) maka rekomendasi wisata adalah (1)
38. (R38) Jika harga sedang (2), Jarak jauh (3) dan fasilitas cukup (3) maka rekomendasi wisata adalah (0.88). 39. (R39) Jika harga sedang (2), Jarak jauh (3) dan fasilitas baik (4) maka rekomendasi wisata adalah (0.99). 40. (R40) Jika harga sedang (2), Jarak jauh (3) dan fasilitas sangat baik (5) maka rekomendasi wisata adalah
(1).
41. (R41) Jika harga mahal (3), Jarak jauh (3) dan fasilitas sangat buruk (1) maka rekomendasi wisata adalah
(0.77).
42. (R42) Jika harga mahal (3), Jarak jauh (3) dan fasilitas buruk (2) maka rekomendasi wisata adalah (0.88)
43. (R43) Jika harga mahal (3), Jarak jauh (3) dan fasilitas cukup (3) maka rekomendasi wisata adalah (0.99). 44. (R44) Jika harga mahal (3), Jarak jauh (3) dan fasilitas baik (4) maka rekomendasi wisata adalah (1). 45. (R45) Jika harga mahal (3), Jarak jauh (3) dan fasilitas sangat baik (5) maka rekomendasi wisata adalah
(1).
Rentang nilai bobot pada logika fuzzy adalah antara 0 sampai 1, maka nilai masing masing bobot dikali 0.11, agar bobot maksimum 1 tercapai. Dengan demikian maka criteria rekomendasi Wisata umum yang berlaku adalah:
biasa jika skor =0.33
sedang jika skor 0.33 < Z < 0.66 bagus jika skor =0.66 skor maksimum 1
d. Perhitungan Manual
Tabel 2 Perhitungan Manual Objek Pariwisata di Kalimantan Tengah
No Nama Objek wisata Biaya Jarak Fasilitas Hasil
1 Museum Balanga 1 1 4 0,66 2 Rumah betang 1 1 3 0,44 3 Bukit tangkiling 2 2 2 0,66 4 Danau tahai 2 2 2 0,66 5 Nyaru Menteng 2 2 2 0,66 6 Bukit Batu 2 2 3 0,66
7 Pantai Ujung Pandaran 3 3 3 0,99
8 Tanjung Puting National Park 3 3 5 1
9 Istana Kuning 3 3 5 1
10 Pantai Kubu 3 3 2 0,88
11 Pantai Sungai Bakau 3 3 3 0,99
12 Air Terjun Tosah 3 3 3 0,99
13 Air Terjun Bumbun 3 3 3 0,99
14 Desa Wisata Hurung Bunut 3 3 3 0,99
15 Air terjun batu mahasur 3 3 3 0,99
Dari tabel diatas diperoleh nilai bobot masing-masing objek wisata berdasarkan kriteria masukan tetap. Selanjutnya wisatawan hanya perlu memasukan nilai kriteria yang diinginkan wisatawan untuk memilih objek wisata yang diinginkan berdasarkan kriteria biaya, jarak dan fasilitas. Lalu setelah wisatawan memasukan masukan bobot kriteria yang diinginkan maka dilakukanlah perhitungan bobot dan akan didapatkan objek wisata dengan nilai akhir mendekati bobot yang dimasukan wisatawan.
Sistem yang dibuat dalam penentuan objek wisata ini menggunakan website. Namun pada penelitan ini hanya membahas perhitungan dan sistem kerja logika fuzzy dalam penentuan objek wisata di Kalimantan Tengah. Untuk tampilan yang akan di berikan kedepannya adalah berupa website dengan fitur didalamnya terdapat nama- nama objek wisata beserta deskripsi dan gambar, lalu fitur penentuan objek wisata yang berisi masukan nama, email, dan masukan kriteria berupa harga yang diinginkan, jarak yang diinginkan dan fasilitas wisata yang diinginkan. Lalu data yang dimasukan akan di proses sehingga menampilkan objek wisata yang sesuai dengan kriteria masukan yang dimasukan wisatawan.
3. KESIMPULAN
Hasil dalam penelitian ini adalah perencanaan sistem pendukung keputusan untuk mengatasi permasalahan yang sering terjadi dalam hal pengambilan keputusan untuk menentukan objek wisata yang akan dikunjungi wisatawan, karena luasnya wilayah dan terbatasnya informasi mengenai objek wisata Kalimantan Tengah. Sistem pendukung keputusan pemilihan objek wisata di Kalimantan Tengah menggunakan logika fuzzy yang mampu memberikan rekomendasi kepada calon wisatan mengenai pemilihan objek wisata yang ada di Kalimantan Tengah sesuai dengan kriteria yang dipilih wisatawan. Kriteria yang dipilih adalah harga, jarak dan fasilitas. Penelitian ini hanya mengambil beberapa sample data untuk diolah. Diharapkan untuk kedepannya dapat memasukan semua objek wisata di Kalimantan Tengah dan memperbanyak kriteria yang digunakan dalam pengambilan keputusan, serta dapat diimplementasikan untuk kemajuan pariwisata di Kalimantan Tengah. Sistem yang dibuat dalam penentuan objek wisata ini menggunakan website. Namun pada penelitan ini hanya membahas perhitungan dan sistem kerja logika fuzzy dalam penentuan objek wisata di Kalimantan Tengah. Untuk tampilan yang akan di berikan kedepannya adalah berupa website dengan fitur didalamnya terdapat nama- nama objek wisata beserta deskripsi dan gambar, lalu fitur penentuan objek wisata yang berisi masukan nama, email, dan masukan kriteria berupa harga yang diinginkan, jarak yang diinginkan dan fasilitas wisata yang diinginkan. Lalu data yang dimasukan akan di proses sehingga menampilkan objek wisata yang sesuai dengan kriteria masukan yang dimasukan wisatawan.
PUSTAKA
Ashraf, A., Akram, M. and Sarwar, M., 2014. Fuzzy decision support system for fertilizer. Neural Computing and Applications, 25(6), pp.1495–1505.
Baydokhty, M.E., 2016. Nonlinear Load-Frequency Control : An Approach Using Optimized Hierarchical Fuzzy Systems. pp.311–316.
Camastra, F., Ciaramella, A., Giovannelli, V., Lener, M., Rastelli, V., Staiano, A., Staiano, G. and Starace, A., 2014. Expert Systems with Applications A fuzzy decision system for genetically modified plant environmental risk assessment using Mamdani inference. EXPERT SYSTEMS WITH APPLICATIONS, [online] (October). Available at: <http://dx.doi.org/10.1016/j.eswa.2014.09.041>.
Dos Reis, J. V., Raddo, T.R., Sanches, A.L. and Borges, B.H. V., 2015. Comparison between Mamdani and Sugeno fuzzy inference systems for the mitigation of environmental temperature variations in OCDMA- PONs. International Conference on Transparent Optical Networks, 2015–August, pp.8–11.
Theory. 22(3), pp.531–546.
Kar, A.K., 2014. Revisiting the supplier selection problem: An integrated approach for group decision support. Expert Systems with Applications, [online] 41(6), pp.2762–2771. Available at: <http://dx.doi.org/10.1016/j.eswa.2013.10.009>.
Mohd, A. and Habibollah, Z., 2015. Fuzzy logic for modeling machining process : a review. pp.345–379. Ngai, E.W.T., Peng, S., Alexander, P. and Moon, K.K.L., 2014. Expert Systems with Applications Decision
support and intelligent systems in the textile and apparel supply chain : An academic review of research
articles. Expert Systems With Applications, [online] 41(1), pp.81–91. Available at: <http://dx.doi.org/10.1016/j.eswa.2013.07.013>.
Nilashi, M., Bin Ibrahim, O., Ithnin, N. and Sarmin, N.H., 2015. A multi-criteria collaborative filtering recommender system for the tourism domain using Expectation Maximization (EM) and PCA-ANFIS. Electronic Commerce Research and Applications, [online] 14(6), pp.542–562. Available at: <http://dx.doi.org/10.1016/j.elerap.2015.08.004>.
Vinodh, S., Jayakrishna, K., Kumar, V. and Dutta, R., 2014. Development of decision support system for sustainability evaluation: A case study. Clean Technologies and Environmental Policy, 16(1), pp.163–174.