Pada bab ini berisi kesimpulan-kesimpulan yang diperoleh dari hasil penelitian dan saran-saran yang diperlukan untuk penyempurnaan penelitian.
2.1 Tinjauan Umum
Sebuah sistem pendukung keputusan dibuat agar dapat membantu seseorang untuk menyelesaikan permasalahan tertentu tidak terkecuali juga masalah penentuan detergen. Meskipun penakaran detergen bisa hanya dengan mengira saja tetapi hal tersebut tidak efektif digunakan, dikarenakan belum tentu perkiraan itu sesuai dengan kenyataan. Dengan itu dibuatlah sistem pendukung keputusan penakaran detergen pada laundry dengan metode fuzzy tsukamoto.
Metode fuzzy tsukamoto merupakan metode fuzzy yang bisa dikatakan cocok untuk membuat sebuah sistem pendukung keputusan penentuan takaran detergen, yaitu dikarenakan metode tsukamoto dapat menghasilkan nilai yang tegas untuk menentukan jumlah detergen.
2.2 Landasan Teori
2.2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (Decission Support System) adalah system informasi berbasis komputer yang menyediakan dukungan informasi yang interaktif bagi manajer dan praktisi bisnis selama proses pengambilan keputusan (O’Brien, 2005).
SPK dibangun tentunya mempunyai tujuan yang ingin dicapai oleh seorang pembuat keputusan. Menurut Aji Supriyanto (2005) tujuan SPK adalah
sebagai “second opinion” atau “information sources” sebagai bahan pertimbangan seorang manajer sebelum memutuskan kebijakan tertentu.
2.2.1.1 Komponen SPK
Menurut Aji Supriyanto (2005) SPK dibangun oleh tiga komponen, yaitu:
a. Database
Sistem Database adalah kumpulan semua data yang dimiliki oleh perusahaan baik data dasar maupun transaksi sehari-hari.
b. Model base
Model base adalah suatu model yang merepresentasikan permasalahan
dalam format kuantitatif. c. Software System
Software System adalah paduan antara database dan model base, setelah
sebelumnya direpresentasikan ke dalam bentuk model yang dimengerti oleh sistem komputer.
Sedangkan menurut Tata Sutabri (2005) SPK terdiri dari 4 komponen, yaitu:
a. Dialog
Alat untuk berinteraksi antara komputer dengan pemakainya. Pemakai harus bisa mengerti apa arti informasi yang dihasilkan. Ini berarti, system (komputer beserta programnya) mudah dipakai (user friendly). Ditinjau dari sudut
pemakainya, pemakai harus pula belajar dan berlatih cara penggunaannya serta arti yang dihasilkan.
b. Model
Model serta sistem yang membolehkan pemakai memilih model yang cocok. Tiga macam model yang biasa digunakan adalah:
1) Optimalisasi: mencari yang terbaik. Contohnya membuat jadwal, membuat perbandingan linear programming, simulasi, dan lain sebagainya.
2) Statistik/matematis: menggambarkan masalah dengan standar kuantifikasi yang ada. Contohnya forecasting, fungsi kemungkinan (probabilitas), proyeksi penjualan, dan lain sebagainya.
3) Financial, mencari kesempatan yang baru yang lebih menguntungkan. Contohnya: investasi, cash flow, manajemen resiko, dan lain sebagainya.
c. Database
Menurut Indira Rakanita (2008) database adalah kumpulan dari item data yang saling berhubungan satu dengan yang lainnya yang diorganisasikan berdasarkan sebuah skema atau struktur tertentu, tersimpan di hardware computer dan dengan software untuk melakukan manipulasi untuk kegunaan tertentu.
d. Data
Data adalah suatu angka atau kelompok angka yang mempunyai arti atau nilai Dari uraian mengenai komponen SPK diatas, untuk mengembangkan SPK dengan metode Tsukamoto, dipilih komponen SPK sebagai berikut: Model
2.2.1.2 Validitas SPK
Validitas SPK digunakan untuk mengetahui SPK valid atau tidak. Pengujian Validitas SPK dilakukan dengan membandingkan hasil perhitungan SPK dengan hasil perhitungan manual. Misalkan ada n buah data yang akan digunakan untuk menguji tingkat validitas SPK.
2.2.2 Himpunan dan Logika Fuzzy
Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof.Lotfi A. Zadeh pada tahun 1965. Dasar dari logika fuzzy adalah himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau
membership function menjadi ciri utama dari penalaran dengan logika fuzzy.
2.2.2.1 Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan , memiliki dua kemungkinan, yaitu: a). Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
b). Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
Contoh 1 : Jika diketahui :
.…… .….. A= {1,2,3}
B= {3,4,5,} Bisa dikatakan bahwa:
• Nilai keanggotaan 2 pada himpunan A, , karena 2 A.
• Nilai keanggotaan 3 pada himpunan A, , karena 3 A.
• Nilai keanggotaan 4 pada himpunan A, , karena 4 A.
• Nilai keanggotaan 2 pada himpunan B, , karena 2 B.
• Nilai keanggotaan 3 pada himpunan B, , karena 3 B. Contoh 2:
Misalkan variabel umur dibagi menjadi 3 kategori, yaitu:
MUDA umur < 35 tahun
PAROBAYA 35 ≤ umur ≤ 55 tahun TUA umur > 55 tahun
Nilai keanggotaan secara grafis, himpunan MUDA, PAROBAYA dan TUA ini dapat dilihat pada gambar 2.1.
1 1 1
0 0 0
(a) (b) (c)
Gambar 2.1 Nilai Keanggotaan Pada gambar 2.1, dapat dijelaskan bahwa:
MUDA 0 35 PAROBAYA 35 55 Umur (th) TUA 55 Umur (th) Umur (th) ) )
• Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA ( MUDA (34) =1);
• Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA ( MUDA (35) =0);
• Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA ( MUDA (35 th-1 hr) =0);
• Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA ( PAROBAYA (35) =1);
• Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA ( PAROBAYA(34) =0);
• Apabila seseorang berusia 55 tahun, maka ia dikatakan PAROBAYA ( PAROBAYA (55) =1);
• Apabila seseorang berusia 33 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA ( PAROBAYA(35 th- 1 hr) =0);
Dari sini bisa dikatakan bahwa pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil, adanya perubahan kecil saja pada suatu niali mengakibatkan perbedaan kategori yang cukup signifikan.
Himpunan fuzzy memiliki 2 atribut, yaitu:
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA, PAROBAYA, TUA.
b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50, dsb.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu: a. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: umur, temperatur, permintaan, dsb.
b. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
c. 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. Niali semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya.
d. Domain
Domain himpunan fuzzy adalah keseluruhan niali yang diizinkan dalam semstapembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya 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.
2.2.2.2 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai kenaggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan.
A. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konseo yang kurang jelas.
Ada 2 keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol (0) bergerak ke kanan menuju ke nilai domain yang memiliki derajat kenaggotaan lebih tinggi (gambar 2.2) 1 Derajat Keanggotaan μ(x) 0 a domain b
Gambar 2.2 Representasi Linear Naik Fungsi keanggotaan : 0; x ≤ a μ (x)= (x-a)/(b-a); a ≤ x ≤ b 1; x ≥ b Derajat 1 Keanggotaan μ(x) 0
Gambar 2.3 Representasi Linear Turun Fungsi keanggotaan:
1 x ≤ a μ (x)= (b-x)/(b-a) a ≤ x ≤ b
0; x ≥ b B. Representasi Kur va Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear) seperti pada gambar 2.4.
Derajat Keanggotaan μ(x) a domain b 0 a b c domain 1
Gambar 2.4 Kurva Segitiga Fungsi keanggotaan : 0; x ≤ a atau x ≥ c μ (x) = (x-a)/(b-a); a ≤ x ≤ b (b-x)/(c-b); b ≤ x ≤ c 1 x = b
2.2.2.3 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang didefenisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebgai hasil dari operasi 2 himpunan sering dikenal dengan nama fire strength atau - predikat. Ada 3 operator yang diciptakan oleh Zadeh yaitu (cox,1994):
A. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. - predikat sebgai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antarelemen pada himpunan-himpunan yang bersangkutan.
A∩ B = min( A(x), B(y)) B. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan - predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil
nilai keanggotaan terbesar antarelemen pada himpunan-himpunan yang bersangkutan.
AUB = max( A(x), B(y)) C. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan. - predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.
A’ = 1- A(x)
2.2.2.4 Penalaran Monoton
Metode penalaran secara monoton digunakan sebagai dasar untuk teknik implikasi fuzzy. Meskipun penalaran ini sudah jarang sekali digunakan, namun terkadang masih digunakan untuk penskalaan fuzzy. Jika 2 daerah fuzzy direlasikan dengan implikasi sederhana sebagai berikut(Cox,1994):
IF x is A THEN y is B Transfer fungsi:
y= f((x,A),B)
maka sistem fuzzy daapt berjalan tanpa harus melalui komposisi dan dekomposisi
fuzzy. Nilai output dapat diestimasi secara langsung dari nilai keanggotaan yang
2.2.2.5 Fungsi Implikasi
Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah :
IF x is A THEN y is B
Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut sebgaai anteseden, sedangkan proposisi yang mengikuti THEN disebut sebagai konsekuen. Proposisi dapat diperluas dengan menggunakan operator fuzzy,seperti (Cox,1994):
IF(x1 is A1) o (x2 is A2) o (x3 is A3) o ……. o (xN is AN) THEN y is B dengan o adalah operator ( misal OR atau AND).
Secara umum ada 2 fungsi implikasi yang dapat digunakan, yaitu (Yan,1994):
a. Min(minimum). Fungsi ini akan memotong output himpunan fuzzy. b. Dot (product). Fungsi ini akan menskala output himpunan fuzzy.
2.2.3 Metode Tsukamoto
Salah satu metode FIS yang dapat digunakan untuk pengambilan keputusan adalah metode Tsukamoto. Pada metode Tsukamoto, implikasi setiap aturan berbentuk implikasi “Sebab-Akibat”/Implikasi “Input-Output” dimana antara anteseden dan konsekuen harus ada hubungannya. Setiap aturan direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Kemudian untuk menentukan hasil tegas (Crisp
Solution) digunakan rumus penegasan (defuzifikasi) yang disebut “Metode
rata-rata terpusat” atau “Metode defuzifikasi rata-rata-rata-rata terpusat (Center Average
Deffuzzyfier) (Setiadji, 2009: 200). Untuk lebih memahami metode Tsukamoto,
perhatikan Contoh 2.1. Contoh 2.1:
Misalkan ada 2 variabel input, Var-1 (x) dan Var-2(x), serta variabel output, Var-3(z), dimana Var-1 terbagi atas 2 himpunan yaitu A1 dan A2. Var-2 terbagi atas 2 himpunan B1 dan B2, Var-3 juga terbagi atas 2 himpunan yaitu C1 dan C2 (C1 dan C2 harus monoton). Ada 2 aturan yang digunakan, yaitu:
[R1] IF (x is A1) and (y is B2) THEN (z is C1) [R2] IF (x is A2) and (y is B1) THEN (z is C2)
Pertama-tama dicari fungsi keanggotaan dari masing-masing himpunan fuzzy dari setiap aturan, yaitu himpunan A1, B2 dan C1 dari aturan fuzzy [R1], dan himpunan A2, B1 dan C2 dari aturan fuzzy [R2]. Aturan fuzzy R1 dan R2 dapat direpresentasikan dalam Gambar 2.5 untuk mendapatkan suatu nilai crisp Z.
Gambar 2.5 Inferensi dengan Menggunakan Metode Tsukamoto
(Sri Kusumadewi dan Hari Purnomo, 2010)
Karena pada metode Tsukamoto operasi himpunan yang digunakan adalah konjungsi (AND), maka nilai keanggotaan anteseden dari aturan fuzzy [R1] adalah irisan dari nilai keanggotaan A1 dari 1 dengan nilai keanggotaan B1 dari Var-2. Menurut teori operasi himpunan, maka nilai keanggotaan anteseden dari operasi konjungsi (And) dari aturan fuzzy [R1] adalah nilai minimum antara nilai keanggotaan A1 dari Var-1 dan nilai keanggotaan B2 dari Var-2. Demikian pula nilai keanggotaan anteseden dari aturan fuzzy [R2] adalah nilai minimum antara nilai keanggotaan A2 dari Var-1 dengan nilai keanggotaan B1 dari Var-2. Selanjutnya, nilai keanggotaan anteseden dari aturan fuzzy [R1] dan [R2] masing-masing disebut dengan á1 dan á2. Nilai á1 dan á2 kemudian disubstitusikan pada fungsi keanggotaan himpunan C1 dan C2 sesuai aturan fuzzy [R1] dan [R2] untuk memperoleh nilai z1 dan z2, yaitu nilai z (nilai perkiraan jumlah detergen) untuk aturan fuzzy [R1] dan [R2]. Untuk memperoleh nilai output crisp/ nilai tegas Z,
dicari dengan cara mengubah input (berupa himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy) menjadi suatu bilangan pada domain himpunan
fuzzy tersebut. Cara ini disebut dengan metode defuzifikasi (penegasan). Metode
defuzifikasi yang digunakan dalam metode Tsukamoto adalah metode defuzifikasi rata-rata terpusat (Center Average Defuzzyfier) yang dirumuskan pada persamaan:
Z = (Defuzifikasi rata-rata terpusat).
2.2.4 PHP
PHP adalah singkatan dari "PHP: Hypertext Preprocessor", yang merupakan sebuah bahasa scripting yang terpasang pada HTML. Sebagian besar sintaks mirip dengan bahasa C, Java dan Perl, ditambah beberapa fungsi PHP yang spesifik. Tujuan utama penggunaan bahasa ini adalah untuk memungkinkan perancang web menulis halaman web dinamik dengan cepat.Hubungan PHP dengan HTML Halaman web biasanya disusun dari kode-kode html yang disimpan dalam sebuah file berekstensi .html.
File html ini dikirimkan oleh server (atau file) ke browser, kemudian browser menerjemahkan kode-kode tersebut sehingga menghasilkan suatu tampilan yang indah. Lain halnya dengan program php, program ini harus diterjemahkan oleh Web-Server sehingga menghasilkan kode html yang dikirim ke browser agar dapat ditampilkan.
Program ini dapat berdiri sendiri ataupun disisipkan di antara kode-kode HTML sehingga dapat langsung ditampilkan bersama dengan kode-kode html tersebut. Program php dapat ditambahkan dengan mengapit program tersebut di antara tanda. Tanda-tanda tersebut biasanya disebut tanda untuk escaping ( kabur ) dari kode HTML. File HTML yang telah dibubuhi program php harus diganti ekstensi-nya menjadi php3 atau PHP.
PHP merupakan bahasa pemograman web yang bersifat server-side HTML = embedded scripting, di mana script-nya menyatu dengan HTML dan berada di server. Artinya adalah sintaks dan perintah-perintah yang kita berikan akan sepenuhnya dijalankan di server tetapi disertakan HTML biasa. PHP dikenal sebagai bahasa scripting yang menyatu dengan tag HTML, dieksekusi di server dan digunakan untuk membuat halaman web yang dinamis seperti ASP ( Active
Server Pages ) dan JSP ( Java Server Pages ).
PHP pertama kali dibuat oleh Rasmus Lerdroft, seorang programmer C. Semula PHP digunakannya untuk menghitung jumlah pengunjung didalam webnya. Kemudian ia mengeluarkan Personal Home Page Tools versi 1.0secara gratis. Versi ini pertama kali keluar pada tahun 1995. Isinya adalah sekumpulan script PERL yang dibuatnya untuk membuat halaman webnya menjadi dinamis. Kemudian pada tahun 1996 ia mengeluarkan PHP versi 2.0 yang kemampuannya telah dapat mengakses database dan dapat terintegrasi dengan HTML.
Pada tahun 1998 tepatnya pada tanggal 6 Juni 1998 keluarlah PHP versi 3.0 yang dikeluarkan oleh Rasmus sendiri bersama kelompok pengembang
softwarenya. Versi terbaru, yaitu PHP 4.0 keluar pada tanggal 22 Mei 2000 merupakan versi yang lebih lengkap lagi dibandingkan dengan versi sebelumnya.
Perubahan yang paling mendasar pada PHP 4.0 adalah terintegrasinya
Zend Engine yang dibuat oleh Zend Suraski dan Andi Gutmans yang merupakan
penyempurnaan dari PHP scripting engine. Yang lainnya adalah build in HTTP
session, tidak lagi menggunakan library tambahan seperti pada PHP.
Tujuan dari bahasa scripting ini adalah untuk membuat aplikasi-aplikasi yang dijalankan di atas teknologi web. Dalam hal ini, aplikasi pada umumnya akan memberikan hasil pada web browser, tetapi prosesnya secara keseluruhan dijalankan web server.
2.2.4.1 Kelebihan PHP
Ketika e-commerce semakin berkembang, situs-situs yang statispun semakin ditinggalkan, karena dianggap sudah tidak memenuhi keinginan pasar, padahal situs tersebut harus tetap dinamis.
Pada saat ini bahasa PERL dan CGI sudah jauh ketinggalan jaman sehingga sebagian besar designer web banyak beralih ke bahasa server-side scripting yang lebih dinamis seperti PHP. Seluruh aplikasi berbasis web dapat dibuat dengan PHP. Namun kekuatan yang paling utama PHP adalah pada konektivitasnya dengan system database di dalam web. Sistem database yang dapat didukung oleh PHP adalah:
1.Oracle 2.MySQL
3.Sybase 4.Postgre SQL 5.dan lainnya
PHP dapat berjalan di berbagai system operasi seperti windows 98/NT, UNIX/LINUX, solaris maupun macintosh.
2.2.5 MySql
MySQL adalah sebuah perangkat lunak iasm manajemen basis data SQL (bahasa Inggris: database management system) atau DBMS yang multithread,
multi-user, dengan sekitar 6 juta instalasi di seluruh dunia. MySQL AB membuat
MySQL tersedia sebagai perangkat lunak gratis dibawah lisensi GNU General
Public License (GPL), tetapi mereka juga menjual dibawah lisensi komersial
untuk kasus-kasus dimana penggunaannya tidak cocok dengan penggunaan GPL. Tidak sama dengan proyek-proyek seperti Apache, dimana perangkat lunak dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber dimiliki oleh penulisnya masing-masing, MySQL dimiliki dan disponsori oleh sebuah perusahaan komersial Swedia MySQL AB, dimana memegang hak cipta iasm atas semua kode sumbernya. Kedua orang Swedia dan satu orang Finlandia yang mendirikan MySQL AB adalah: David Axmark, Allan Larsson, dan Michael “Monty” Widenius.
Banyak sekali aplikasi berbasis web yang dibangun dengan menggunakan kombinasi perangkat lunak tersebut. WordPress, Drupal, Mambo, Wikipedia, PHP-Nuke, merupakan beberapa contoh aplikasi berbasis web yang menggunakan
kombinasi ini. Tidak seperti Microsoft Access, default instalasi MySQL tidak menyediakan GUI bagi pengguna untuk berinteraksi dengan basis data. Pengguna dapat berinteraksi dengan client yang menggunakan perintah-perintah berbasis teks. Namun saat ini telah banyak GUI yang dikembangkan untuk mempermudah interaksi dengan basis data, baik itu berupa aplikasi stand-alone (misalnya MySQL-Front, MySQL-GUI, dan lain-lain) atau yang berbasis web (misalnya, phpMyAdmin).
Bahkan dengan menggunakan komponen MyODBC, MySQL dapat diakses dengan GUI dari Microsoft Access seperti halnya basis data yang kompatibel dengan ODBC lainnya.
2.2.5.1 Keistimewaan MySQL
MySQL memiliki beberapa keistimewaan, antara lain : 1. Portabilitas
MySQL dapat berjalan stabil pada berbagai sistem operasi seperti Windows, Linux, FreeBSD, Mac Os X Server, Solaris, Amiga, dan masih banyak lagi.
2. Open Source
MySQL didistribusikan secara open source, dibawah lisensi GPL sehingga dapat digunakan secara cuma-cuma.
3. Multiuser
MySQL dapat digunakan oleh beberapa user dalam waktu yang bersamaan tanpa mengalami masalah atau konflik
4. Performance tuning
MySQL memiliki kecepatan yang menakjubkan dalam menangani query sederhana, dengan kata lain dapat memproses lebih banyak SQL per satuan waktu.
5. J enis Kolom
MySQL memiliki tipe kolom yang sangat kompleks, seperti signed /
unsigned integer, float, double, char, text, date, timestamp, dan lain-lain.
6. Perintah dan Fungsi
MySQL memiliki operator dan fungsi secara penuh yang mendukung perintah Select dan Where dalam perintah (query).
7. Keamanan
MySQL memiliki beberapa lapisan sekuritas seperti level subnetmask, nama host, dan izin akses user dengan system perizinan yang mendetail serta sandi terenkripsi.
8. Skalabilitas dan Pembatasan
MySQL mampu menangani basis data dalam skala besar, dengan jumlah rekaman (records) lebih dari 50 juta dan 60 ribu tabel serta 5 milyar baris. Selain itu batas indeks yang dapat ditampung mencapai 32 indeks pada tiap tabelnya. 9. Konektivitas
MySQL dapat melakukan koneksi dengan klien menggunakan protokol TCP/IP, Unix soket (UNIX), atau Named Pipes (NT).
10.Lokalisasi
MySQL dapat mendeteksi pesan kesalahan pada klien dengan menggunakan lebih dari dua puluh bahasa. Meski pun demikian, bahasa Indonesia belum termasuk di dalamnya.
11.Antar Muka
MySQL memiliki interface (antar muka) terhadap berbagai aplikasi dan bahasa pemrograman dengan menggunakan fungsi API (Application
Programming Interface).
12.Klien dan Peralatan
MySQL dilengkapi dengan berbagai peralatan (tool) yang dapat digunakan untuk administrasi basis data, dan pada setiap peralatan yang ada disertakan petunjuk online.
13.Struktur table
MySQL memiliki struktur tabel yang lebih fleksibel dalam menangani ALTER TABLE, dibandingkan basis data lainnya semacam PostgreSQL ataupun Oracle.
3.1 Rancangan Penelitian
Perkembangan informasi dan teknologi berkembang secara cepat, dalam sektor teknologi informasi memiliki tantangan dalam menangani banyak hal, salah satunya dalam proses penentuan jumlah takaran deterjen. Maka dari itu untuk mengatasi kendala yang ada dalam penentuan jumlah takaran deterjen, maka dibuatlah Sistem Pendukung Keputusan penentuan jumlah takaran deterjen, yang berfungsi untuk membantu proses penghitungan takaran deterjen agar menjadi lebih akurat dan tidak terjadi pemborosan deterjen.
Dalam aplikasi Sistem Pendukung Keputusan penentuan takaran deterjen terdapat dua user yang memiliki hak akses ke Aplikasi SPK. Hak akses yang dimiliki oleh user yaitu:
A. Sistem Pendukung Keputusan (admin)
Admin dapat menggunakan fasilitas yang disediakan oleh sistem. Hak akses yang dimiliki adalah:
a. Menampilkan semua data akumulasi perhitungan penggunaan deterjen. b. Memiliki semua hak akses atas daftar berat, warna dan ketebalan cucian. c. Memiliki semua hak akses atas daftar pegawai.
B. Karyawan (User)
Karyawan (user) dapat menggunakan fasilitas yang disediakan oleh sistem. Untuk bisa menggunakan fasilitas tersebut, user harus melakukan login
terlebih dahulu ke dalam Aplikasi karena bila tidak melakukan login, maka fasilitas yang diberikan hanya dapat melihat-lihat halaman profil dari laundry (mister londree) saja.
Setelah melakukan login maka user akan masuk ke dalam menu utama . Pada halaman menu utama terdapat beberapa menu yang dapat di akses oleh user yaitu home, olah data cuci, dan logout. Rincian hak akses yang dimiliki user adalah:
a. Melihat-lihat profile dari mister laundry.
b. Olah data cuci. Menu ini merupakan bagian yang paling utama dari aplikasi yaitu sistem pendukung keputusan penentuan takaran deterjen, dalam sistem pendukung keputusan akan ditampilkan form yang harus diisi dengan data pakaian yang akan dicuci. Data yang harus di isi yaitu berat pakaian, warna pakaian, tingkat kekotoran, dan jenis kain. Setelah data diproses maka akan muncul informasi tentang seberapa banyak detergen yang harus digunakan untuk proses pencucian tersebut.
c. Penggunaan Detergen. Yaitu user dapat melihat seberapa banyak detergen yang telah digunakan dalam jangka waktu tertentu, Data di sajikan secara