I. Pendahuluan
Bab ini memperkenalkan latar belakang penelitian yang menekankan pentingnya pengembangan sistem pakar untuk membantu perusahaan P.T. Batik Semar Cabang Medan dalam memilih batik yang sesuai dengan pelanggan. Permasalahan yang diangkat adalah bagaimana model fuzzy expert system dapat mengidentifikasi batik yang sesuai berdasarkan usia, warna kulit, dan kemampuan beli pelanggan. Bab ini juga mendefinisikan batasan masalah, tujuan penelitian, dan manfaatnya, yang meliputi penyediaan model fuzzy expert system berbasis pengguna, kemudahan pelanggan dalam memilih batik, serta kontribusi bagi penelitian selanjutnya.
1.1 Latar Belakang
Latar belakang menjelaskan konteks penelitian, yaitu perlunya sistem yang membantu perusahaan P.T. Batik Semar Cabang Medan dalam memilih batik yang sesuai dengan pelanggan. Ketidakmampuan pelanggan untuk memilih batik yang sesuai dengan profil mereka (usia, warna kulit, kemampuan beli) menjadi permasalahan utama. Penelitian ini menawarkan solusi dengan menggabungkan logika fuzzy dan sistem pakar untuk membangun sistem yang dapat memberikan rekomendasi batik yang tepat. Ini relevan dengan tujuan pendidikan untuk memecahkan masalah dunia nyata menggunakan teknologi informasi dan sistem cerdas.
1.2 Perumusan Masalah
Bagian ini merumuskan masalah utama penelitian, yaitu bagaimana membangun model fuzzy expert system yang efektif untuk mengidentifikasi batik yang sesuai dengan karakteristik pelanggan. Rumusan masalah difokuskan pada penggunaan metode Tsukamoto dalam logika fuzzy dan integrasinya dengan sistem pakar. Ini menunjukkan pemahaman yang mendalam tentang teori dan metodologi yang relevan, yang penting untuk hasil belajar mahasiswa di bidang analisis sistem dan artificial intelligence.
1.3 Batasan Masalah
Batasan masalah menjelaskan ruang lingkup penelitian yang dibatasi pada model fuzzy expert system statis dengan metode Tsukamoto, penggunaan fungsi keanggotaan segitiga, dan perangkat lunak Visual Basic 6.0. Batasan ini memastikan fokus penelitian dan kelayakannya. Mahasiswa diajarkan untuk mendefinisikan ruang lingkup penelitian yang jelas dan terukur, serta memilih alat dan teknologi yang sesuai, yang merupakan keahlian penting dalam penelitian ilmiah.
1.4 Tujuan Penelitian
Tujuan penelitian ini adalah untuk membangun model fuzzy expert system yang menggabungkan logika fuzzy Tsukamoto dan sistem pakar untuk merekomendasikan batik yang sesuai dengan usia dan warna kulit pelanggan. Tujuan ini mencerminkan kemampuan mahasiswa untuk merumuskan tujuan penelitian yang spesifik, terukur, dapat dicapai, relevan, dan berjangka waktu (SMART), sebuah keterampilan penting dalam manajemen proyek dan penelitian.
1.5 Manfaat Penelitian
Manfaat penelitian dijelaskan, yang meliputi penyediaan model fuzzy expert system untuk P.T. Batik Semar, kemudahan pelanggan dalam memilih batik yang sesuai, serta kontribusi bagi penelitian selanjutnya. Ini menunjukkan kemampuan mahasiswa untuk mengidentifikasi kontribusi dan dampak praktis dari penelitian mereka, yang merupakan aspek penting dalam penerapan pengetahuan.
II. Tinjauan Pustaka
Bab ini memberikan tinjauan komprehensif tentang konsep-konsep kunci yang relevan, termasuk batik, sistem pakar, logika fuzzy, dan metode Tsukamoto. Ia menjelaskan berbagai teori dan prinsip yang mendasari metodologi penelitian, seperti berbagai jenis fungsi keanggotaan, operator logika fuzzy, dan metode inferensi. Penjelasan teori ini penting untuk menunjukkan pemahaman konseptual dan kemampuan analisis mahasiswa.
2.1 Batik
Tinjauan tentang batik ini membahas sejarah, motif, dan proses pembuatan batik. Ia juga membahas aspek budaya dan ekonomi batik serta pengaruh motif dan warna terhadap penampilan pemakainya. Bagian ini relevan untuk memahami konteks aplikasi fuzzy expert system dan bagaimana pengetahuan domain spesifik dimasukkan ke dalam sistem. Mahasiswa diajarkan untuk melakukan riset literatur dan memahami konteks aplikasi teknologi.
2.2 Pengertian Sistem Pakar
Bagian ini mendefinisikan sistem pakar, manfaat, dan karakteristiknya. Ia membandingkan sistem pakar dengan sistem konvensional, menjelaskan berbagai komponen sistem pakar (basis pengetahuan, mesin inferensi, antarmuka pengguna), dan menjelaskan berbagai arsitektur sistem pakar. Ini penting untuk memahami landasan teoritis sistem yang dikembangkan dan kemampuan mahasiswa untuk menjelaskan konsep-konsep utama dalam artificial intelligence.
2.3 Manfaat Sistem Pakar
Sub-bab ini menjelaskan berbagai manfaat sistem pakar, menekankan kegunaannya dalam berbagai bidang dan kemampuannya untuk membantu dalam pengambilan keputusan yang cepat dan akurat. Pembahasan ini menunjukkan kemampuan mahasiswa untuk memahami implikasi praktis dari teknologi dan kemampuannya untuk menganalisis manfaatnya dalam konteks bisnis dan industri.
2.4 Ciri-ciri Sistem Pakar
Sub-bab ini menjelaskan karakteristik utama sistem pakar, antara lain kemampuannya dalam menangani data yang tidak pasti dan memberikan penjelasan (explanation capability). Ini memperkuat pemahaman mahasiswa tentang bagaimana sistem pakar berbeda dari sistem konvensional dan kemampuan mereka untuk membedakan dan mengidentifikasi karakteristik-karakteristik utama dari sebuah sistem.
2.5 Konsep Dasar Sistem Pakar
Sub-bab ini menjelaskan konsep dasar sistem pakar, meliputi kepakaran, pakar, pemindahan kepakaran, inferensi, aturan, dan kemampuan menjelaskan. Ia membahas tentang bagaimana pengetahuan pakar diwakilkan dan dimanipulasi dalam sistem pakar. Ini merupakan dasar pemahaman penting bagi mahasiswa untuk membangun dan mengembangkan sistem pakar.
2.6 Komponen Sistem Pakar
Sub-bab ini menjelaskan komponen-komponen utama sistem pakar, termasuk basis pengetahuan, basis data, mesin inferensi, dan antarmuka pengguna. Ia menjelaskan fungsi setiap komponen dan bagaimana mereka berinteraksi untuk mencapai tujuan sistem. Mahasiswa diajarkan tentang desain sistem, arsitektur, dan komponen-komponen yang membentuk suatu sistem cerdas.
2.7 Arsitektur Sistem Pakar
Sub-bab ini menjelaskan arsitektur sistem pakar, termasuk lingkungan pengembangan dan lingkungan konsultasi. Ia juga menjelaskan bagaimana pengetahuan pakar diintegrasikan ke dalam sistem. Pemahaman tentang arsitektur sistem adalah keterampilan penting bagi mahasiswa dalam mengembangkan sistem informasi yang handal.
2.8 Logika Fuzzy
Sub-bab ini memperkenalkan konsep logika fuzzy, termasuk himpunan fuzzy, fungsi keanggotaan, dan operator logika fuzzy. Ia menjelaskan keunggulan logika fuzzy dalam menangani ketidakpastian dan ambiguitas. Ini menunjukkan pemahaman mahasiswa tentang teori himpunan fuzzy dan aplikasinya dalam sistem cerdas.
2.9 Himpunan Logika Fuzzy
Sub-bab ini menjelaskan konsep himpunan fuzzy, termasuk atribut linguistik dan numerik. Ia menjelaskan berbagai istilah yang digunakan dalam sistem fuzzy, seperti variabel fuzzy, himpunan fuzzy, dan semesta pembicaraan. Ini merupakan pengetahuan dasar yang penting untuk membangun dan memahami sistem fuzzy.
2.10 Fungsi Keanggotaan
Sub-bab ini menjelaskan fungsi keanggotaan sebagai pemetaan titik-titik input data ke dalam nilai keanggotaan (0-1). Ia membahas berbagai jenis fungsi keanggotaan, seperti linier, segitiga, dan trapesium. Ini menunjukkan pemahaman mahasiswa tentang representasi matematis dari konsep fuzzy.
2.11 Operator Logika Fuzzy
Sub-bab ini membahas operator logika fuzzy, yaitu AND, OR, dan NOT. Ia menjelaskan operator-operator alternatif dan cara kerjanya. Ini penting untuk memahami bagaimana manipulasi logika dilakukan dalam sistem fuzzy.
2.12 Komponen-komponen Pembentukan Sistem Fuzzy
Sub-bab ini menjelaskan tiga komponen utama sistem fuzzy, yaitu fuzzifikasi, inferensi, dan defuzzifikasi. Ia menjelaskan berbagai metode inferensi, seperti metode Tsukamoto, Mamdani, dan Sugeno, serta berbagai metode defuzzifikasi. Ini menunjukkan pemahaman mahasiswa tentang proses utama dalam sistem fuzzy.
2.13 Perbandingan Cara Kerja Logika Fuzzy
Sub-bab ini membandingkan metode-metode inferensi fuzzy, yaitu Tsukamoto, Mamdani, dan Sugeno. Perbandingan ini menunjukkan kemampuan mahasiswa dalam menganalisis dan membandingkan berbagai metode, yang penting untuk memilih metode yang tepat untuk aplikasi tertentu.
III. Metodologi Penelitian
Bab ini menjelaskan metodologi yang digunakan dalam penelitian, termasuk rancangan penelitian, flowchart sistem, proses fuzzifikasi, inferensi, dan defuzzifikasi. Penjelasan rinci tentang langkah-langkah penelitian, termasuk teknik pengumpulan data dan analisis data, menunjukkan kemampuan mahasiswa dalam merancang dan melaksanakan penelitian. Ini termasuk pemilihan dan justifikasi metode yang digunakan serta kemampuan mereka untuk menjelaskan proses penelitian secara sistematis.
3.1 Rancangan Penelitian
Bagian ini menjelaskan desain penelitian yang digunakan, termasuk jenis penelitian, pendekatan penelitian, dan metode pengumpulan data. Ini menunjukkan kemampuan mahasiswa untuk merancang penelitian yang sesuai dengan tujuan dan permasalahan penelitian. Mahasiswa diajarkan untuk mengaplikasikan metodologi penelitian yang tepat dan relevan.
3.2 Flow Chart Sistem
Bagian ini menyajikan flowchart sistem fuzzy expert system yang menggambarkan alur proses secara keseluruhan. Flowchart ini membantu menjelaskan alur proses secara visual dan menunjukkan pemahaman mahasiswa tentang desain sistem dan bagaimana berbagai komponen berinteraksi. Ini merupakan keterampilan penting bagi mahasiswa dalam merencanakan dan mengimplementasikan sistem informasi.
3.3 Fuzzifikasi
Bagian ini menjelaskan proses fuzzifikasi, termasuk bagaimana data input diubah menjadi nilai fuzzy. Ia juga menjelaskan bagaimana fungsi keanggotaan digunakan dalam proses ini. Ini menunjukkan kemampuan mahasiswa dalam mengaplikasikan teori fuzzy dalam konteks praktis. Ini juga menunjukkan kemampuan dalam melakukan analisis dan pengolahan data.
3.4 Inferensi (Inference)
Bagian ini menjelaskan proses inferensi, yaitu bagaimana aturan fuzzy digunakan untuk menghasilkan output fuzzy. Ia menjelaskan secara detail bagaimana metode Tsukamoto diaplikasikan dalam proses inferensi, termasuk perhitungan α-predikat dan rata-rata terbobot. Ini merupakan bagian penting yang menunjukkan pemahaman mendalam mahasiswa tentang logika fuzzy dan implementasinya.
3.5 Defuzzifikasi
Bagian ini menjelaskan proses defuzzifikasi, yaitu bagaimana output fuzzy diubah menjadi nilai crisp. Ia menjelaskan metode defuzzifikasi yang digunakan. Ini menunjukkan kemampuan mahasiswa dalam mengaplikasikan teori fuzzy dalam konteks praktis.
3.6 Jenis-Jenis Kriteria atau Variabel Berdasarkan Tingkat Kepentingan
Bagian ini menjelaskan kriteria atau variabel yang digunakan dalam penelitian, termasuk usia, warna kulit, dan kemampuan beli. Ia menjelaskan bagaimana tingkat kepentingan masing-masing kriteria ditentukan. Ini menunjukkan kemampuan mahasiswa dalam memilih variabel yang relevan dan menentukan bobot masing-masing variabel dalam model.
IV. Hasil dan Pembahasan
Bab ini menyajikan hasil penelitian dan pembahasannya. Hasil penelitian meliputi output dari sistem fuzzy expert system, termasuk rekomendasi batik yang diberikan kepada pelanggan berdasarkan karakteristik mereka. Pembahasan menjelaskan interpretasi hasil penelitian dan implikasinya. Bagian ini menunjukkan kemampuan mahasiswa untuk menganalisis data dan menginterpretasikan hasil penelitian, serta kemampuan mereka untuk menjelaskan temuan dan implikasinya secara logis dan sistematis.
4.1 Hasil
Sub-bab ini menyajikan hasil dari implementasi fuzzy expert system, termasuk data input dan output sistem. Ini menunjukkan kemampuan mahasiswa dalam mengimplementasikan model dan menganalisis hasilnya. Mahasiswa diajarkan untuk mempresentasikan hasil penelitian secara sistematis dan terstruktur.
4.2 Pembahasan
Sub-bab ini membahas hasil yang diperoleh, termasuk analisis terhadap kesesuaian antara rekomendasi sistem dengan harapan pengguna. Ia juga membahas keterbatasan dan implikasi dari hasil penelitian. Ini menunjukkan kemampuan mahasiswa untuk menganalisis data, menginterpretasikan hasil, dan menarik kesimpulan. Mahasiswa diajarkan kemampuan kritis dalam mengevaluasi hasil penelitian dan menjelaskan keterbatasan penelitian.
V. Kesimpulan dan Saran
Bab ini menyimpulkan temuan utama penelitian dan memberikan saran untuk penelitian selanjutnya. Kesimpulan merangkum kontribusi penelitian dan implikasinya. Saran memberikan rekomendasi untuk pengembangan dan perbaikan sistem serta topik penelitian lebih lanjut. Ini merupakan bagian yang penting untuk menunjukkan kemampuan mahasiswa untuk merangkum penelitian dan memberikan saran untuk pengembangan lebih lanjut.
5.1 Kesimpulan
Bagian ini merangkum temuan utama penelitian, meliputi keberhasilan pengembangan model fuzzy expert system dan efektivitasnya dalam merekomendasikan batik yang sesuai dengan pelanggan. Ini menunjukkan kemampuan mahasiswa untuk menarik kesimpulan yang valid berdasarkan data dan analisis yang dilakukan.
5.2 Saran
Bagian ini memberikan saran untuk penelitian selanjutnya, termasuk pengembangan model yang lebih kompleks dan pengujian pada skala yang lebih besar. Ini menunjukkan kemampuan mahasiswa untuk mengidentifikasi peluang pengembangan dan inovasi di bidang penelitian yang terkait.
