IMPLEMENTASI SISTEM INFERENSI FUZZY DALAM PROSES PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE MENGGUNAKAN METODE MAMDANI
DRAFT SKRIPSI
AGUS SALIM 061401008
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
PERSETUJUAN
Judul : IMPLEMENTASI SISTEM INFERENSI FUZZY
DALAM PROSES PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE MENGGUNAKAN METODE MAMDANI
Kategori : SKRIPSI
Nama : AGUS SALIM
Nomor Induk Mahasiswa : 061401008
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : FAKULTAS ILMU KOMPUTER DAN
TEKNOLOGI INFORMASI Diluluskan di
Medan, Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Sajadin Sembiring, S.Si, M.Comp.Sc Dr. Syahril Efendi, S.Si, MIT NIP. 196711101996021001 Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI SISTEM INFERENSI FUZZY DALAM PROSES PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE
MENGGUNAKAN METODE MAMDANI
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2013
PENGHARGAAN
Alhamdulillah, puji syukur penulis ucapkan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya, sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1 Ilmu Komputer Universitas Sumatera Utara. Shalawat beriring salam saya persembahkan kepada Nabi Besar Muhammad SAW.
Skripsi ini dapat penulis selesaikan berkat dorongan, saran, bantuan dan kerja sama dari berbagai pihak, baik moril maupun materil. Oleh karena itu, penulis ingin menyampaikan rasa hormat dan terima kasih yang sebesar–besarnya kepada :
1. Rektor Universitas Sumatera Utara, Bapak Prof. Dr. dr. Syahril Pasaribu, D.T.M.&H., M.Sc. (C.T.M.), Sp.A.(K.)
2. Dekan Fakultas Ilmu Komputer dan Teknologi Informasi USU, Bapak Prof. Dr. Muhammad Zarlis, M.Kom
3. Ketua Program Studi S1 Ilmu Komputer, Bapak Dr. Poltak Sihombing, M.Kom yang telah memberikan bimbingan, saran, dan masukan kepada penulis untuk menyelesaikan skripsi ini.
4. Sekretaris Program Studi S1 Ilmu Komputer, Ibu Maya Silvi Lydia, B.Sc.,M.Sc.
5. Dosen Pembimbing I Bapak Dr. Syahril Efendi, S.Si, MIT dan Dosen Pembimbing II Bapak Sajadin Sembiring, S.Si, M.Comp.Sc yang telah memberikan bimbingan, saran, dan masukan kepada penulis untuk menyempurnakan skripsi ini.
6. Dosen Penguji Bapak Prof. Dr. Iryanto, M.Si dan Bapak M. Andri Budiman, ST, M.Comp.Sc, MEM atas saran dan kritikan yang sangat berguna bagi penulis.
7. Dosen-dosen serta pegawai-pegawai di Program Studi S1 Ilmu Komputer USU.
8. Kedua orang tua penulis yang telah memberikan dukungan dan motivasi, ayahanda (alm) Drs. M Yunus Usman, SE dan ibunda Hj. Mulyani A Balwy, yang selalu sabar dalam mendidik penulis. 9. Kakanda Aida Fitria, SE yang selalu memberikan dorongan kepada penulis selama menyelesaikan
skripsi ini.
10.Agam Mahadirga, Fariz Mahmud, M Gerry Fauzan, Andhika H Novianda, Boyke Piay, Defri Amni, Anugerah Iman Harahap, Rendi Shamir Lubis, Mashita Helmy, Hadryansah Azhary, Febrina Siregar, Edwin Prawiro Hakim dan Bambang Budiarto yang telah memberi saran, masukan dan dukungannya selama pengerjaan skripsi ini dan selalu memberikan dukungan dan dorongan baik moril maupun materil.
Semoga kebaikan yang telah diberikan kepada penulis mendapatkan pahala yang melimpah dari Allah SWT.
Penulis menyadari bahwasanya dalam penyusunan Tugas Akhir ini masih memiliki banyak kekurangan baik dari segi materi maupun dari segi penyusunannya mengingat terbatasnya pengetahuan dan kemampuan penulis. Untuk itu, dengan kerendahan hati penulis mohon maaf dan penulis menerima saran dan kritik yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan, Juli 2013 Penulis
ABSTRAK
Perkembangan teknologi komunikasi telah berkembang dengan pesat. Smartphone merupakan salah satu teknologi komunikasi yang mempunyai beragam fitur yang dapat memenuhi kebutuhan manusia. Terkadang konsumen kebingungan dalam memilih jenis smartphone yang digunakan dikarenakan beragam spesifikasi yang ditawarkan dengan harga yang bersaing. Hal tersebut dapat menyulitkan penjual smartphone dalam melayani kebutuhan konsumen. Pada penelitian ini digunakan sistem inferensi fuzzy dengan metode Mamdani. Metode tersebut dapat menghadapi faktor ketidakpastian dalam proses pengambilan keputusan. Variabel fuzzy yang digunakan dalam penelitian ini adalah ukuran layar, RAM, kecepatan processor, kamera, kapasitas internal, dan harga. Keenam variabel tersebut diolah oleh fungsi keanggotaan untuk menghasilkan derajat keanggotaan. Hasil dari penelitian ini adalah sekumpulan data smartphone yang diurutkan berdasarkan nilai terbesar dari nilai minimum derajat keanggotaan tiap data smartphone.
IMPLEMENTATION OF FUZZY INFERENCE SYSTEM SUPPORTING DECISION MAKING WHEN CHOOSING SMARTPHONE
WITH MAMDANI METHOD
ABSTRACT
Technology in Communication has grown rapidly. Smartphone is one of the communication technologies that have variety of features that can satisfy human needs. Sometimes, it makes consumers confused when choosing Smartphone due to its variety of specifications with competitive price list. This can be difficult for the seller in serving the consumers needs. This research uses fuzzy inference system with Mamdani method. This method can deal with uncertainty during decision making process. Fuzzy variables that used in this research are the screen size, RAM, processor speed, camera, internal storage, and price. These variables then processed by membership function to get the degree of membership. The results obtained from this research is batches of Smartphone which sorted by highest value from minimum degree of membership on each Smartphone.
DAFTAR ISI
1.2 Perumusan Masalah 3
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metode Penelitian 4
1.7 Sistematika Penulisan 5
Bab 2 Landasan Teori 6
2.1 Sistem Pendukung Keputusan 6
2.1.1 Tujuan dan Prinsip Dasar Sistem Pendukung Keputusan 7
2.1.2 Proses Pengambilan Keputusan 8
2.2 Logika Fuzzy 10
2.2.1 Dasar Logika Fuzzy 11
2.3 Fungsi Keanggotaan 11
2.3.1 Grafik Keanggotaan Kurva Linear 12
2.3.2 Grafik Keanggotaan Kurva Segitiga 13 2.3.3 Grafik Keanggotaan Kurva Trapesium 14 2.3.4 Grafik Keanggotaan Kurva Bentuk Bahu 14 2.3.5 Grafik Keanggotaan Kurva-S (Sigmoid) 15 2.3.6 Grafik Keanggotaan Kurva Bentuk Lonceng (Bell Curve) 16
2.3.6.1 Kurva Phi 16
2.3.6.2 Kurva Beta 17
2.3.6.3 Kurva Gauss 18
2.4 Operasi Himpunan Fuzzy 18
2.4.1 Operasi Gabungan (Union) 19
2.4.2 Operasi Irisan (Intersection) 19
2.4.3 Operasi Komplemen (Complement) 19
2.5 Metode Sistem Inferensi Fuzzy 19
2.6 Penegasan (defuzzyfication) dalam Metode Mamdani 20
2.7 Penelitian Terkait 21
Bab 3 Analisis dan Perancangan Sistem 23
3.1 Analisis Permasalahan 23
3.2 Analisis Kebutuhan Sistem 24
3.2.1 Kebutuhan Fungsional 24
3.2.2 Kebutuhan Non Fungsional 25
3.3 Variabel Spesifikasi Smartphone 25
3.5 Fungsi Keanggotaan 27 3.6 Flowchart Proses Inferensi Fuzzy Metode Mamdani 29 3.7 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “RENDAH” 29 3.8 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “NORMAL” 30 3.9 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “TINGGI” 32
3.10 Data Flow Diagram (DFD) 33
3.10.1 Diagram Konteks 33
3.10.2 DFD SPK Pemilihan Smartphone Level 1 34 3.10.3 DFD SPK Pemilihan Smartphone Level 2 35
3.10.4 Kamus Data 36
3.11 Perancangan Antarmuka 38
3.11.1 Perancangan Halaman Utama 38
3.11.2 Perancangan Halaman Daftar Smartphone 39 3.11.3 Perancangan Halaman Data Smartphone 40 3.11.4 Perancangan Halaman Daftar Variabel 41 3.11.5 Perancangan Halaman Data Variabel 41
3.11.6 Perancangan Halaman About Me 42
3.11.7 Perancangan Halaman Hasil 43
Bab 4 Implementasi dan Pengujian 46
4.1 Implementasi Sistem 46
4.2 Pengujian Sistem 46
4.2.1 Tampilan Halaman Awal 47
4.2.2 Pengolahan Data Smartphone 48
4.2.3 Pengolahan Data Variabel 50
4.2.4 Pengolahan Proses Inferensi Fuzzy dengan Metode Mamdani 53
Bab 5 Kesimpulan dan Saran 56
5.1 Kesimpulan 56
5.2 Saran 56
DAFTAR GAMBAR
No. Keterangan Hal.
2.1 Grafik Keanggotaan Kurva Linear Naik 12
2.2 Grafik Keanggotaan Kurva Linear Turun 13
2.3 Grafik Keanggotaan Kurva Segitiga 13
2.4 Grafik Keanggotaan Kurva Trapesium 14
2.5 Grafik Keanggotaan Kurva Bentuk Bahu 15
2.6 Grafik Keanggotaan Kurva-S (Sigmoid) 16
2.7 Kurva Phi 17
2.8 Kurva Beta 17
2.9 Kurva Gauss 18
2.10 Penegasan Metode Fuzzy 20
3.1 Grafik Fungsi Keanggotaan dari Himpunan Fuzzy “RENDAH” 27 3.2 Grafik Fungsi Keanggotaan dari Himpunan Fuzzy “NORMAL” 27 3.3 Grafik Fungsi Keanggotaan dari Himpunan Fuzzy “TINGGI” 28 3.4 Flowchart Proses Inferensi Fuzzy Metode Mamdani 29 3.5 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “RENDAH” 30 3.6 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “NORMAL” 31 3.7 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “TINGGI” 32
3.8 Diagram Konteks 33
3.9 DFD SPK Pemilihan Smartphone Level 1 34
3.10 DFD SPK Pemilihan Smartphone Level 2 35
3.11 Rancangan Halaman Utama 39
3.12 Rancangan Halaman Daftar Smartphone 39
3.13 Rancangan Halaman Data Smartphone 40
3.14 Rancangan Halaman Daftar Variabel 41
3.15 Rancangan Halaman Data Variabel 42
3.16 Rancangan Halaman About Me 43
3.17 Rancangan Halaman Hasil Keluaran Data Smartphone 44 3.18 Rancangan Halaman Hasil Perhitungan Keseluruhan Data Smartphone 44
4.1 Tampilan Halaman Awal 47
4.2 Tampilan Tombol “Daftar SmartPhone” 48
4.3 Tampilan Halaman Daftar Smartphone 48
4.4 Tampilan Pengubahan Data Smartphone 49
4.5 Tampilan Penambahan Data Smartphone 50
4.6 Tampilan Tombol “Daftar Variabel” 50
4.7 Tampilan Halaman Daftar Variabel 51
4.8 Tampilan Data Variabel 51
4.9 Tampilan Pilihan dari Kolom “Bentuk” 52
4.10 Tampilan Nilai-Nilai Fungsi Keanggotaan 52
4.11 Tampilan Pengisian Keenam Variabel 53
ABSTRAK
Perkembangan teknologi komunikasi telah berkembang dengan pesat. Smartphone merupakan salah satu teknologi komunikasi yang mempunyai beragam fitur yang dapat memenuhi kebutuhan manusia. Terkadang konsumen kebingungan dalam memilih jenis smartphone yang digunakan dikarenakan beragam spesifikasi yang ditawarkan dengan harga yang bersaing. Hal tersebut dapat menyulitkan penjual smartphone dalam melayani kebutuhan konsumen. Pada penelitian ini digunakan sistem inferensi fuzzy dengan metode Mamdani. Metode tersebut dapat menghadapi faktor ketidakpastian dalam proses pengambilan keputusan. Variabel fuzzy yang digunakan dalam penelitian ini adalah ukuran layar, RAM, kecepatan processor, kamera, kapasitas internal, dan harga. Keenam variabel tersebut diolah oleh fungsi keanggotaan untuk menghasilkan derajat keanggotaan. Hasil dari penelitian ini adalah sekumpulan data smartphone yang diurutkan berdasarkan nilai terbesar dari nilai minimum derajat keanggotaan tiap data smartphone.
IMPLEMENTATION OF FUZZY INFERENCE SYSTEM SUPPORTING DECISION MAKING WHEN CHOOSING SMARTPHONE
WITH MAMDANI METHOD
ABSTRACT
Technology in Communication has grown rapidly. Smartphone is one of the communication technologies that have variety of features that can satisfy human needs. Sometimes, it makes consumers confused when choosing Smartphone due to its variety of specifications with competitive price list. This can be difficult for the seller in serving the consumers needs. This research uses fuzzy inference system with Mamdani method. This method can deal with uncertainty during decision making process. Fuzzy variables that used in this research are the screen size, RAM, processor speed, camera, internal storage, and price. These variables then processed by membership function to get the degree of membership. The results obtained from this research is batches of Smartphone which sorted by highest value from minimum degree of membership on each Smartphone.
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Globalisasi merupakan penyebab semakin pesatnya perkembangan teknologi sekarang ini. Perkembangan teknologi informasi juga berbanding lurus dengan pesatnya perkembangan telekomunikasi baik antar daerah maupun antar negara. Orang-orang semakin mudah melakukan aktifitas komunikasi jarak jauh seperti telepon, pesan singkat, dan browsing internet karena semakin banyaknya smartphone, tablet dan note yang saling beredar dengan berbagai jenis spesifikasi.
Fungsi awal dari sebuah telepon hanyalah untuk berkomunikasi jarak jauh dengan hanya mendengar suara. Seiring pesatnya perkembangan teknologi informasi, telepon mulai berevolusi menjadi mobile phone
dengan fasilitas short message, dan sampai sekarang bermunculan banyak smartphone untuk mendukung gaya hidup orang-orang yang tidak hanya membutuhkan alat komunikasi tetapi juga sekaligus mendukung mereka untuk bisa memproses data lebih cepat dan mendapatkan informasi yang mereka butuhkan dalam hitungan menit.
Banyaknya jenis smartphone tersebut merupakan hal yang menyenangkan untuk orang-orang yang mengerti dan memang membutuhkan, tetapi untuk orang awam yang ingin menggunakannya tentu menjadi sebuah kendala karena tidak mengerti tentang spesifikasi dan perbedaan dari tiap produk dan merk. Kebanyakan dari orang awam akan menggunakan harga sebagai patokan utama dan tidak mengetahui spesifikasi dari smartphone yang dibelinya.
Sistem pendukung keputusan dapat dikatakan merupakan sistem komputer yang mengolah data menjadi informasi untuk membantu mengambil keputusan untuk masalah semi terstruktur yang spesifik. Pada kenyataannya seringkali sistem tersebut tidak bisa diterapkan karena kurang lengkapnya data yang digunakan sebagai acuan untuk mengambil keputusan, tetapi logika fuzzy dapat digunakan untuk mengatasi masalah tersebut.
Pada tahun 1965, Profesor Lotfi Asker Zadeh, yang merupakan guru besar University of California mempublikasikan karya ilmiah yang berjudul “Fuzzy Sets” yang merupakan terobosan baru dalam memperluas konsep himpunan tegas. Dalam penerapannya metode fuzzy dapat menampilkan masalah yang kompleks ke dalam bentuk yang lebih sederhana.
Salah satu penerapan logika fuzzy yang paling sering adalah untuk mendukung keputusan dari pengguna sistem, dalam ilmu komputer penerapan logika fuzzy sudah sering digunakan, salah satu contoh dalam penentuan pemilihan sepeda motor. Andika Novaldy dalam skripsinya yang berjudul Implementasi Sistem Fuzzy untuk Proses Pendukung Keputusan Menggunakan Metode Inferensi Minimum. Dalam skripsinya, Andika memetakan karakteristik sepeda motor menjadi kriteria kecil, sedang dan besar, lalu memprosesnya dengan metode inferensi minimum sehingga dihasilkan output berupa list sepeda motor yang direkomendasikan berdasarkan input yang diinginkan [7].
Berdasarkan latar belakang di atas, maka penulis ingin membantu memudahkan penjual smartphone
dan calon pengguna smartphone dalam memilih smartphone seperti apa yang cocok untuknya dengan melakukan penelitian berjudul Implementasi Sistem Inferensi Fuzzy dalam Proses Pendukung Keputusan Pemilihan Smartphone Menggunakan Metode Mamdani.
1.2 Perumusan Masalah
Masalah yang diangkat dalam penelitian tugas akhir ini adalah bagaimana merancang dan membangun suatu aplikasi pendukung keputusan dalam pemilihan smartphone dengan menggunakan sistem inferensi fuzzy
metode Mamdani.
1.3 Batasan Masalah
Adapun yang menjadi batasan masalah dalam penelitian ini adalah:
1. Smartphone yang digunakan sebagai data adalah smartphone produksi massal yang dijual di Indonesia, yaitu Apple, Samsung, Nokia, Blackberry, Sony Erricson, HTC, dan LG.
2. Harga smartphone yang digunakan adalah harga smartphone baru. 3. Tidak membandingkan dengan metode sistem fuzzy lainnya.
1.4 Tujuan Penelitian
Untuk menganalisis dan merancang sistem pendukung keputusan dengan menggunakan sistem fuzzy
inferensi metode Mamdani sehingga dapat menjadi referensi sebelum membeli smartphone.
1.5 Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah sebagai berikut:
1. Manfaat bagi penulis adalah dapat menambah pengetahuan penulis dalam bidang yang diteliti.
2. Manfaat bagi bidang ilmu adalah dapat mengimplementasikan metode Mamdani dalam membantu proses pengambilan keputusan.
3. Manfaat bagi user adalah dapat membantu pekerjaan user dalam memberikan suatu solusi pengambilan keputusan dalam pemilihan smartphone.
1.6 Metode Penelitian
Dalam penelitian ini, tahapan-tahapan yang akan dilalui adalah sebagai berikut: 1. Studi Literatur
Pada tahap ini penulis mencari literatur yang menjadi dasar teori dalam mendukung penelitian ini. Literatur yang dimaksud adalah mengenai sistem pendukung keputusan dan sistem inferensi fuzzy. 2. Pengumpulan data yang berhubungan dengan penelitian
Pada tahap ini penulis mengumpulkan data yang dibutuhkan untuk penelitian ini, yaitu data-data spesifikasi smartphone yang akan dijadikan sebagai input dari sistem.
3. Analisis
Pada tahap ini penulis melakukan analisis terhadap variabel yang akan digunakan dalam sistem, yaitu ukuran layar (in), RAM (GB), kecepatan processor (GHz), kamera (MP), kapasitas internal (GB), dan harga (Rp). Setelah itu, penulis membuat fungsi keanggotaan untuk tiap variabel tersebut.
4. Perancangan Perangkat Lunak
Pada tahap ini penulis merancang sistem dari hasil analisis. Penulis melakukan perancangan flowchart,
data flow diagram (DFD), dan antarmuka untuk memudahkan proses implementasi. 5. Implementasi dan Pengujian Sistem
Pada tahap ini penulis melakukan pembuatan sistem sesuai dengan analisis dan perancangan yang telah dilakukan. Setelah itu, penulis melakukan pengujian sistem untuk memastikan sistem yang dibangun berjalan sesuai dengan tujuan penelitian.
6. Penyusunan Laporan
1.7 Sistematika Penulisan
Sistematika penulisan dari skripsi ini terbagi menjadi beberapa bagian utama sebagai berikut:
BAB 1 PENDAHULUAN
Bab ini membahas Latar Belakang, Perumusan Masalah, Batasan Masalah, Tujuan penelitian, Manfaat Penelitian, Metodologi Penelitian serta Sistematika Penulisan Skripsi.
BAB 2 LANDASAN TEORI
Bab ini membahas tentang landasan teori yang berhubungan dengan sistem pendukung keputusan, sistem inferensi fuzzy, dan metode Mamdani, serta hal-hal yang berhubungan dengan data yang akan digunakan dalam penelitian tersebut.
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
Bab ini membahas tentang analisis permasalahan dan kebutuhan sistem, analisis variabel-variabel
fuzzy yang akan digunakan dalam sistem, perancangan flowchart, perancangan DFD, dan perancangan user interface.
BAB 4 IMPLEMENTASI DAN PENGUJIAN
Bab ini membahas tentang implementasi dan pengujian sistem dengan menampilkan hasil output yang diberikan oleh sistem terhadap setiap masukan yang dilakukan oleh user.
BAB 5 KESIMPULAN DAN SARAN
BAB 2
LANDASAN TEORI
2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem pendukung keputusan dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka [10].
Menurut Herbert A.Simon, keputusan berada pada suatu rangkaian kesatuan, dengan keputusan terprogram (terstruktur) pada satu ujungnya dan keputusan tak terprogram (tak terstruktur) pada satu ujung lainnya. Keputusan terprogram merupakan keputusan yang biasanya bersifat berulang dan rutin, sehingga telah ada suatu prosedur pasti untuk menanganinya yang membuat keputusan tersebut tidak perlu diperlakukan sebagai sesuatu yang baru tiap kali terjadi. Berbeda dengan keputusan terprogram, untuk keputusan tidak terprogram biasanya selalu bersifat baru, tidak terstruktur dan jarang konsekuen, Untuk masalah seperti ini biasanya tidak ada metode yang pasti dalam menanganinya atau biasanya diperlukan perlakuan khusus untuk memecahkannya [9].
Pengaruh teknologi komputer terhadap organisasi dan masayarakat terus meningkat, dan semakin banyak aktivitas yang melibatkan manusia dan mesin. Perubahan ini terlihat dari penggunaan komputer yang biasanya bersifat tradisional seperti penggajian, dan tatabuku ke arah komputerisasi yang jauh lebih kompleks. Aplikasi komputer beralih dari aktivitas pemrosesan dan monitoring transaksi ke analisis masalah dan aplikasi solusi. Ada beberapa alasan dibutuhkannya komputer dalam membantu pengambilan keputusan [9], antara lain:
1. Lingkungan yang terus berubah dengan cepat, menyebabkan pengambilan keputusan semakin kompleks.
2. Alternatif yang tersedia semakin banyak karena teknologi dan komunikasi meningkat.
3. Biaya akibat kesalahan dalam pengambilan keputusan dapat menjadi besar karena kompleksitas operasi dan banyaknya automasi di masing-masing bagian organisasi.
Sistem Pendukung Keputusan adalah sistem berbasis interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur.
2.1.1 Tujuan dan Prinsip Dasar Sistem Pendukung Keputusan
Tujuan dari penggunaan Sistem Pendukung Keputusan diutarakan oleh salah satu perintis, yaitu Peter G.W.Keen yang bekerja sama dengan Scott Morton. Keen dan Scott Morton mengemukakan bahwa Sistem Pendukung Keputusan merupakan suatu sistem sumber daya intelektual dari individu dengan kemampuan komputer untuk meningkatkan kualitas keputusan yang dihasilkan [3]. Menurut Kosasi ada 3 hal yang harus dicapai oleh sistem pendukung keputusan [3], yaitu:
1. Membantu manajer dalam membuat keputusan untuk memecahkan masalah semi terstruktur. 2. Mendukung penilaian manajer, bukan mencoba menggantikannya.
3. Meningkatkan efektifitas pengambilan keputusan manajer.
Untuk mencapai tujuan dari sistem pendukung keputusan, maka prinsip dari sistem pendukung keputusan juga harus diterapkan [9], antara lain:
1. Struktur masalah, sistem pendukung keputusan harus diarahkan pada area dimana sebagian besar masalah berada.
2. Dukungan keputusan, sistem pendukung keputusan tidak dimaksudkan untuk menggantikan peran manajer, jadi sistem akan ditempatkan di area masalah yang terstruktur, sedangkan manajer tetap harus bertanggung jawab pada masalah yang tidak terstruktur.
3. Efektivitas keputusan, manfaat utama dari sistem pendukung keputusan adalah keputusan yang baik tanpa membuang waktu dari manajer.
2.1.2 Proses Pengambilan Keputusan
Menurut Herbert A. Simon terdapat tiga fase dalam pengambilan keputusan [9], yaitu: 1. Fase Penalaran (Intelligence Phase)
Tujuan dari fase ini adalah mengenali permasalahan, situasi dan peluang untuk mendapatkan rumusan masalah. Aktivitas yang dilakukan pada fase ini adalah:
a. Identifikasi masalah, pada tahap ini dicari ketidakselarasan antara harapan dan kenyataan, penentuan masalah dengan melakukan pengamatan dan analisa terhadap produktifitas organisasi.
b. Klasifikasi masalah, pada tahap ini setelah masalah berhasil diidentifikasi, maka dilakukan pengelompokan apakah masalah termasuk yang terstruktur atau yang tidak terstruktur. Hal ini dapat diketahui dari repetitif tidaknya masalah tersebut.
d. Kepemilikan masalah, pada tahap ini ditentukan apakah masalah tersebut benar milik organisasi, dan apakah masalah tersebut ada di dalam kendali perusahaan atau tidak.
2. Fase Perancangan
Tujuan dari fase ini untuk menghasilkan dan menganalisa kemungkinan solusi untuk setiap masalah yang muncul. Aktivitas pada fase ini adalah:
a. Pemodelan, pada tahap ini dilakukan pemodelan masalah dan menentukan abstraksi dari masalah apakah bersifat kualitatif dan kuantitatif. Tahap ini juga dimaksudkan untuk menyederhanakan masalah dengan cara membangun model dari masalah tersebut. Pada saat pembangunan model, harus ada keseimbangan, yaitu sederhana tapi tetap memenuhi kriteria masalah tersebut.
b. Penentuan kriteria pemilihan, ada dua prinsip pemilihan yang paling sering digunakan, yaitu model normatif yang mencari solusi terbaik dari banyaknya kemungkinan solusi, dan model deskriptif yang mencari solusi dengan kategori cukup baik atau memuaskan tanpa harus optimal.
c. Pencarian alternatif solusi, tahapan ini dilakukan setelah penentuan kriteria evaluasi alternatif untuk meminimalisir waktu dan tenaga dalam memilih aternatif solusi.
d. Prediksi dan pengukuran dampak, berdasarkan penelitian, dikategorikan tiga situasi dalam pengambilan keputusan, yaitu:
1. Pengambilan keputusan dalam situasi pasti, umumnya terjadi dalam jangka waktu pendek. 2. Pengambilan keputusan dalam situasi beresiko, merupakan situasi di mana pembuat keputusan
harus mempertimbangkan beberapa kemungkinan dampak untuk setiap alternatif, yang masing-masing mempunya probabilitas untuk terjadi. Analisis resiko dilakukan dengan menghitung nilai harapan untuk setiap alternatif dengan nilai harapan yang baik.
3. Pengambilan keputusan dalam situasi tidak pasti, merupakan situasi di mana pembuat keputusan harus mempertimbangkan beberapa kemungkinan dampak untuk setiap alternatif, di mana probabilitas kejadian untuk masing-masing alternatif tidak diketahui dan tidak dapat diperkirakan. Pemodelan dalam kondisi ini menuntut pengambil keputusan untuk berani ambil resiko.
3. Fase Pemilihan
2.2Logika Fuzzy
Konsep mengenai logika fuzzy diperkenalkan pertama kali oleh Prof. Lotfi Astor Zadeh pada tahun 1962. Pada saat diperkenalkan, dijelaskan bahwa logika fuzzy merupakan metodologi sistem kontrol untuk memecahkan masalah yang cocok diterapkan pada sistem, baik itu sistem yang sederhana, sistem kecil, jaringan PC, multi-channel dan atau workstation berbasis akuisisi data, dan termasuk sistem kontrol. Metodologi tersebut tidak hanya terbatas untuk diterapkan pada perangkat lunak saja, tetapi juga pada perangkat keras, dan bahkan kombinasi dari keduanya.
Logika fuzzy merupakan perluasan dari logika klasik, dimana pada logika klasik dinyatakan segala sesuatu bersifat biner, yang artinya hanya memiliki dua kemungkinan, yaitu “Ya” atau “Tidak”, “Benar” atau “Salah”, “Baik” atau “Buruk”, dan 0 atau 1. Sedangkan, logika fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian sehingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaan menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak di antaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya bernilai benar dan salah. Nilai 0 menunjukkan salah, nilai 1 menunujukkan benar, dan masih ada nilai-nilai yang terletak antar benar dan salah dengan derajat keanggotaan tertentu [4].
Logika fuzzy memiliki kelebihan tersendiri yang menyebabkan logika ini lebih sering digunakan, yaitu kemampuan dari logika fuzzy itu sendiri untuk melakukan penalaran secara bahasa, sehingga pada saat tahapan perancangan tidak diperlukan persamaan matematika yang rumit. Selain kelebihan di atas, logika
fuzzy juga dikenal sebagai salah satu logika yang mudah dimengerti, memiliki toleransi terhadap data yang tidak tepat, mampu memodelkan fungsi non-linear yang kompleks, serta dapat membangun dan mengaplikasikan pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
Secara umum, dalam sistem logika Fuzzy ada tiga elemen dasar menurut Kusumadewi [4], yaitu: 1. Fuzzification
Merupakan proses mengubah masukan-masukan yang nilai keluarannya bersifat pasti ke dalam bentuk
fuzzy input. 2. Inference
Merupakan proses penalaran dengan menggunakan nilai Fuzzy input dan Fuzzy rules yang telah ditentukan sebelumnya untuk menghasilkan Fuzzy output. Inferensi terdiri dari knowledge (penalaran yang dinyatakan dalam aturan tertentu), pencarian fakta dan penentuan konklusi (keputusan berdasarkan ilmu pengetahuan dan fakta).
Merupakan proses mengubah Fuzzy output menjadi nilai pasti.
2.2.1 Dasar Logika Fuzzy
Untuk menerapkan logika fuzzy, terdapat beberapa komponen yang harus diperhatikan [4], antara lain: 1. Variabel fuzzy, adalah variabel yang akan dibahas dalam penerapan sistem fuzzy. Contoh: ukuran layar,
RAM, kamera, dsb.
2. Himpunan fuzzy, adalah kelompok yang mewakili keadaan tertentu dalam suatu variabel fuzzy. Contoh: variabel kamera dibagi menjadi 3 himpunan fuzzy, yaitu: rendah, normal, dan tinggi.
3. Semesta pembicaraan, adalah seluruh nilai yang diizinkan untuk dioperasikan dalam suatu variabel
fuzzy.
4. Domain himpunan fuzzy, adalah seluruh nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
2.3Fungsi Keanggotaan
Dalam Logika fuzzy, fungsi keanggotaan berfungsi sebagai grafik / kurva yang mewakili besar dari derajat keanggotaan masing-masing variabel input yang berada dalam interval antara 0 dan 1. Fungsi keanggotaan berfungsi untuk membangkitkan nilai (derajat) keanggotaan. Derajat keanggotaan tersebut biasanya dilambangkan dengan µ(x).
Setelah mengetahui himpunan fuzzy dan fungsi keanggotaannya, selanjutnya harus ditentukan bagaimana himpunan tersebut merepresentasikan pengetahuan. Ada beberapa representasi yang dapat digunakan, yaitu representasi linear, representasi kurva segitiga, representasi kurva trapesium, representasi kurva bentuk bahu, representasi kurva-s dan representasi kurva bentuk lonceng (bell curve).
2.3.1 Grafik Keanggotaan Kurva Linear
Gambar 2.1 Grafik Keanggotaan Kurva Linear Naik
Fungsi keanggotaan dari grafik keanggotaan kurva linear naik adalah sebagai berikut:
Kedua, grafik keanggotaan kurva linear turun, yaitu himpunan fuzzy dimulai dari nilai domain dengan derajat keanggotaan lebih rendah.
Gambar 2.2 Grafik Keanggotaan Kurva Linear Turun
Fungsi Keanggotaan dari grafik keanggotaan kurva linear turun adalah sebagai berikut:
2.3.2 Grafik Keanggotaan Kurva Segitiga
Gambar 2.3 Grafik Keanggotaan Kurva Segitiga
Fungsi Keanggotaan dari grafik keanggotaan kurva segitiga adalah sebagai berikut:
2.3.3 Grafik Keanggotaan Kurva Trapesium
Merupakan grafik dengan bentuk hampir sama seperti segitiga tetapi dengan beberapa titik tambahan yang memiliki nilai keanggotaan 1.
Gambar 2.4 Grafik Keanggotaan Kurva Trapesium
2.3.4 Grafik Keanggotaan Kurva Bentuk Bahu
Merupakan kurva yang biasanya digunakan untuk mengakhiri variabel suatu daerah fuzzy yang nilai derajat keanggotaannya adalah konstan.
Gambar 2.5 Grafik Keanggotaan Kurva Bentuk Bahu
Fungsi keanggotaan dari grafik keanggotaan kurva bentuk bahu adalah sebagai berikut:
Kecil: Sedang:
Besar:
2.3.5 Grafik Keanggotaan Kurva-S (Sigmoid)
Kurva-s digunakan untuk merepresentasikan pertumbuhan dan penyusutan, merupakan kurva sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan secara tak linear. Kurva-S didefenisikan dengan menggunakan 3 parameter, yaitu nilai keanggotaan nol (α), nilai keanggotaan lengkap (γ), dan titik infleksi atau crossover (β) yaitu titik yang memiliki domain 50% benar.
Derajat keanggotaan
µ(0,5)
Titik infleksi = 0 Titik infleksi = β
Titik infleksi = 1(γ)
Gambar 2.6 Grafik Keanggotaan Kurva-S (Sigmoid)
Fungsi keanggotaan dari grafik keanggotaan kurva-s (sigmoid) adalah sebagai berikut:
2.3.6 Grafik Keanggotaan Kurva Bentuk Lonceng (Bell Curve)
Kurva berbentuk lonceng merupakan kurva yang digunakan untuk merepresentasikan bilangan fuzzy dan terbagi menjadi 3, yaitu kurva Phi, kurva Beta, dan kurva Gauss yang masing-masing dibedakan oleh gradien yang dibentuknya.
2.3.6.1Kurva Phi
Kurva Phi berbentuk lonceng dengan derajat keanggotaan 1 terletak pada pusat dengan domain (γ) dan setengah lebar (β). Nilai kurva untuk suatu nilai domain x dadapt dilhat pada gambar 2.7.
Derajat keanggotaan
µ(0,5)
Pusat γ
Lebar (β)
Titik infleksi
Gambar 2.7 Kurva Phi
Fungsi keanggotaan dari kurva Phi yang merupakan grafik keanggotaan kurva bentuk lonceng adalah sebagai berikut:
2.3.6.2Kurva Beta
Seperti halnya kurva Phi, kurva beta juga berbentuk lonceng namun lebih rapat. Kurva ini juga didefenisikan dengan 2 parameter, yaitu nilai pada domain yang menunjukkan pusat kurva (γ), dan setengah lebar kurva (β). Nilai kurva untuk suatu nilai domain x dapat dilihat pada gambar 2.8.
1
0 0,5 Derajat keanggotaan
µ[x]
Pusat | γ
Titik infleksi (γ-β)
Titik infleksi (γ+β)
Domain
Gambar 2.8 Kurva Beta
Fungsi keanggotaan dari kurva Beta yang merupakan grafik keanggotaan kurva bentuk lonceng adalah sebagai berikut:
2.3.6.3Kurva Gauss
1
Gambar 2.9 Kurva Gauss
Fungsi keanggotaan dari kurva Gauss yang merupakan grafik keanggotaan kurva bentuk lonceng adalah sebagai berikut:
2.4Operasi Himpunan Fuzzy
Operasi himpunan fuzzy dibutuhkan untuk proses inferensi atau proses penalaran. Dalam pross penalaran, yang dioperasikan adalah derajat keanggotaannya. Derajat keanggotaan yang didapatkan dari hasil operasi dua buah himpunan fuzzy disebut fire strength atau α- predikat. Berikut ini operasi dasar yang paling sering digunakan untuk mengombinasi dan memodifikasi himpunan fuzzy.
2.4.1 Operasi Gabungan (Union)
Merupakan operasi yang menggunakan operator OR. Misal, operasi gabungan dari himpunan fuzzy A dan B dapat dinyatakan sebagai A∪B. Fuzzy menyebutnya operasi Max. Derajat keanggotaannya adalah sebagai berikut:
µA ∪µB = max(µA[x] , µB[x])
= (µA[x] ∪ µB[x])
2.4.2 Operasi Irisan (Intersection)
Merupakan operasi yang menggunakan operator AND. Misal, operasi irisan dari himpunan fuzzy A dan B dinyatakan sebagai A∩B. Fuzzy menyebutnya operasi Min. Derajat keanggotaannya adalah sebagai berikut:
µA∩µB = min(µA[x] , µB[x])
2.4.3 Operasi Komplemen (Complement)
Merupakan negasi atau lawan dari suatu himpunan fuzzy. Derajat keanggotaannya adalah sebagai berikut:
µA’ = 1- µA[x]
2.5 Metode Sistem Inferensi Fuzzy
Menurut Kusumadewi, Ada tiga metode dalam sistem inferensi fuzzy yang bisa digunakan untuk penerapan sistem pendukung keputusan, yaitu metode Tsukamoto, metode Mamdani, dan metode Sugeno [4], dan penjelasan mengenai ketiga metode tersebut adalah sebagai berikut:
1. Metode Min Max (Mamdani)
Pada metode Min Max, solusi antar himpunan didapat dengan mengambil nilai minimum atau maksimum. Nilai yang didapat akan digunakan untuk memodifikasi daerah fuzzy dan mengaplikasikannya dengan menggunakan operator AND atau OR. Jika menggunakan operator AND, maka disebut metode minimum, dan jika menggunakan operator OR, disebut metode maksimum.
2. Metode Additive (Tsukamoto)
Pada metode Tsukamoto, setiap aturan direpresentasikan dengan menggunakan himpunan fuzzy yang memiliki fungsi keanggotaan yang monoton. Aturan yang digunakan pada metode ini berbentuk IF-THEN.
3. Metode Sugeno
Metode Takagi-Sugeno adalah metode dengan mengasumsikan suatu sistem dengan m input, yaitu X1,
X2, …,Xm dan satu output, yaitu Y. Metode fuzzy dari sistem ini terdiri atas basis aturan dengan n aturan penarikan kesimpulan fuzzy. Dengan kata lain untuk metode ini output sistem tidak berupa himpunan
fuzzy, melainkan hanya konstanta atau persamaan linear.
2.6 Penegasan (defuzzyfication) dalam Metode Mamdani
Masukan dari proses defuzzyfication adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan keluaran yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy
Gambar 2.10 Penegasan Metode Fuzzy
Ada beberapa metode defuzzyfication pada komposisi aturan dari metode Mamdani [4], antara lain: 1. Metode Centroid (Composite Moment)
Pada metode centroid solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy. 2. Metode Bisektor
Pada metode bisektor solusi crisp diperoleh dengan cara mengambil nilai pada domain yang memiliki nilai keanggotaan setengah dari jumlah total nilai keanggotaan pada daerah fuzzy.
3. Metode Mean of Maximum (MOM)
Pada metode mean of maximum solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum.
4. Metode Largest of Maximum (LOM)
Pada metode largest of maximum solusi crisp diperoleh dengan cara mengambil nilai terbesar dari domain yang memiliki nilai keanggotaan maksimum.
5. Metode Smallest of Maximum (SOM)
Pada metode smallest of maximum solusi crisp diperoleh dengan cara mengambil nilai terkecil dari domain yang memiliki nilai keanggotaan maksimum.
2.7 Penelitian Terkait
Penelitian yang dilakukan oleh Yuni Widhiastiwi, dalam jurnal yang berjudul Model Fuzzy dengan metode Tsukamoto. Dari penelitian ini, Yuni membandingkan antara metode Mamdani, Sugeno dan Tsukamoto, dan menjelaskan bahwa kurangnya transparansi pada metode Tsukamoto menyebabkan penggunaannya tidak seluas metode yang lain yaitu Metode inferensi fuzzy Mamdani dan Sugeno [11].
Penelitian yang dilakukan oleh Ginanjar Abdurrahman, dalam judul skripsi Penerapan Metode Tsukamoto (Logika Fuzzy) dalam Sistem Pendukung Keputusan untuk Menentukan Jumlah Produksi Barang Berdasarkan Data Persediaan dan Jumlah Permintaan. Penelitian ini menjelaskan bahwa logika fuzzy juga dapat digunakan untuk pengambilan keputusan dalam menentukan jumlah produksi. Ginanjar juga menjelaskan aturan IF-THEN merepresentasikan setiap konsekuen pada aturan dengan himpunan fuzzy
dengan keanggotaan yang monoton. Dalam penelitian ini Ginanjar menggunakan data persediaan barang dan jumlah permintaan untuk menentukan jumlah produksi yang akan dilakukan [1].
Selain itu, penelitian yang dilakukan oleh Fauzan Masykur, dalam judul tesis Implementasi Sistem Pakar Diagnosis Penyakit Diabetes Mellitus Menggunakan Metode Fuzzy Logic Berbasis Web. Dalam penelitian ini Fauzan menggunakan kaidah JIKA-MAKA (IF- THEN), atau dengan kata lain menggunakan metode Sugeno. Variabel yang digunakan adalah kadar glukosa darah dalam keadaan puasa dan tidur, kadar insulin, kadar kolesterol HDL, dan kadar trigliserida. Dari hasil penelitian ini, Fauzan membantu pasien untuk mengetahui diagnosis penyakit Diabetes Mellitus dari hasil laboratorium dan dibantu dengan hasil pemeriksaan dari dokter [6].
Penelitian yang dilakukan oleh Dwi Nugroho, dalam judul tesis Aplikasi Pemilihan Smartphone Menggunakan Metode Logika Fuzzy Berbasis Web. Dalam penelitian ini, tidak diketahui jenis metode logika
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
Tujuan dari adanya kegiatan analisis ini adalah untuk mengidentifikasikan dan menentukan kebutuhan-kebutuhan yang diperlukan untuk memulai membangun perangkat lunak sistem pendukung keputusan dalam pemilihan smartphone dengan menggunakan metode Mamdani.
3.1 Analisis Permasalahan
Banyaknya jenis smartphone merupakan hal yang menyenangkan untuk orang-orang yang mengerti dan memang membutuhkan, tetapi untuk orang awam yang ingin menggunakannya tentu menjadi sebuah kendala karena tidak mengerti tentang spesifikasi dan perbedaan dari tiap produk dan merk. Kebanyakan dari orang awam akan menggunakan harga sebagai patokan utama dan tidak mengetahui spesifikasi dari
smartphone yang dibelinya. Tentunya hal tersebut juga akan menyulitkan para penjual smartphone karena penjual tidak akan bisa mengetahui jenis smartphone yang sesuai dengan kebutuhan pembeli.
Sistem pendukung keputusan dapat dikatakan merupakan sistem komputer yang mengolah data menjadi informasi untuk membantu mengambil keputusan untuk masalah semi terstruktur yang spesifik. Pada kenyataannya seringkali sistem tersebut tidak bisa diterapkan karena kurang lengkapnya data yang digunakan sebagai acuan untuk mengambil keputusan, tetapi logika fuzzy dapat digunakan untuk mengatasi masalah tersebut. Logika fuzzy merupakan salah satu penalaran untuk memetakan suatu ruang input ke dalam ruang output. Pada logika fuzzy semua dibuat berdasarkan derajat keanggotaan, dan sangat fleksibel untuk toleransi terhadap data yang tidak pasti.
Untuk dapat memenuhi kebutuhan smartphone dari para pembeli maka setidaknya penjual membutuhkan sistem pendukung keputusan yang dapat memperhitungkan beberapa spesifikasi umum yang menjadi bahan pertimbangan dalam proses pemilihan smartphone dengan bantuan sistem inferensi fuzzy. Dalam penggunaan sistem ini, penjual selaku user memasukkan pilihan kriteria yang diinginkan dari spesifikasi tersebut. Setelah kriteria dari masing-masing spesifikasi selesai dipilih, sistem akan mengubah data dari tiap spesifikasi tersebut ke dalam fungsi keanggotaan untuk mendapatkan masing-masing nilai / derajat keanggotaan. Derajat keanggotaan yang didapatkan selanjutnya di-defuzzyfication dari metode Mamdani. Hasil akhir yang ditampilkan berupa daftar smartphone yang paling mendekati kriteria yang dimasukkan oleh user dan diurutkan berdasarkan dari derajat keanggotaan yang terbesar hingga yang terkecil.
Dari analisis permasalahan tersebut, penulis menentukan beberapa kebutuhan sistem yang diperlukan untuk dapat menghadapi permasalahan tersebut. Kebutuhan sistem ini diuraikan ke dalam dua bagian menjadi kebutuhan fungsional dan kebutuhan non fungsional.
3.2.1 Kebutuhan Fungsional
Kebutuhan fungsional merupakan kebutuhan-kebutuhan yang perlu dilakukan oleh sistem. Adapun kebutuhan fungsional yang dimaksud adalah sebagai berikut:
1. Sistem dapat menampilkan informasi tentang spesifikasi dan harga dari smartphone.
2. Sistem dapat mengubah dan menyimpan informasi tentang spesifikasi dan harga dari smartphone. 3. Sistem dapat menampilkan informasi tentang fungsi keanggotaan dari tiap spesifikasi.
4. Sistem dapat mengubah dan menyimpan informasi tentang fungsi keanggotaan dari tiap spesifikasi. 5. Sistem dapat menampilkan hasil akhir dari proses inferensi fuzzy dengan menggunakan metode
Mamdani.
3.2.2 Kebutuhan Non Fungsional
Kebutuhan non fungsional merupakan batasan dari kumpulan kebutuhan yang ditawarkan sistem. Adapun kebutuhan non fungsional yang dimaksud adalah sebagai berikut:
1. Sistem operasi yang digunakan adalah Microsoft Windows XP.
2. Bahasa pemrograman yang digunakan adalah Microsoft Visual Basic 2010 VB.NET. 3. Database yang dipergunakan adalah Microsoft Access 2007 dengan format file .mdb.
3.3 Variabel Spesifikasi Smartphone
Variabel-variabel yang akan digunakan dalam sistem inferensi fuzzy merupakan spesifikasi umum dari
smartphone yang digunakan oleh user untuk memenuhi kebutuhan dari para pembeli. Adapun variabel yang harus digunakan dalam sistem inferensi fuzzy adalah spesifikasi smartphone yang mempunyai nilai seperti angka. Nilai dari spesifikasi tersebut akan digunakan ke dalam fungsi keanggotaan untuk mendapatkan nilai / derajat keanggotaan.
Variabel-variabel yang digunakan dalam sistem inferensi fuzzy adalah sebagai berikut: 1. Ukuran layar
Ukuran layar menandakan seberapa kecil atau besar layar yang dimiliki oleh suatu smartphone. Satuan yang digunakan untuk variabel ukuran layar adalah inci (in).
RAM adalah memori yang digunakan untuk mengerjakan perintah-perintah yang diberikan ke dalam
smartphone tersebut. Satuan yang digunakan untuk variabel RAM adalah GB. 3. Kecepatan processor
Kecepatan processor mempengaruhi performa dan seberapa responsif dalam menjalankan aplikasi
smartphone. Satuan yang digunakan untuk variabel kecepatan processor adalah GHz. 4. Kamera
Sekarang ini, terdapat beragam social network yang mempunyai fasilitas untuk meng-upload foto. Semakin jelas dan bagus foto yang dihasilkan dapat membuat orang lebih puas. Oleh karena itu, salah satu variabel yang digunakan adalah kamera. Satuan yang digunakan untuk variabel kamera adalah MP. 5. Kapasitas internal
Kapasitas internal biasanya digunakan untuk menyimpan pesan maupun aplikasi yang dipergunakan oleh
smartphone. Satuan yang digunakan dalam variabel kapasitas internal adalah GB. 6. Harga
Harga merupakan faktor paling penting dalam memilih smartphone. Faktor harga tidak bisa sepenuhnya dijadikan sebagai acuan, dikarenakan terdapat beberapa jenis smartphone yang mempunyai spesifikasi yang tidak berbeda jauh, tetapi memiliki perbedaan dari segi harga. Satuan yang digunakan dalam variabel harga adalah rupiah (Rp).
3.4 Himpunan Fuzzy
Himpunan fuzzy yang digunakan dalam membangun sistem pendukung keputusan pemilihan smartphone
untuk masing-masing variabel adalah “RENDAH”, “NORMAL”, dan “TINGGI”. Himpunan fuzzy
“RENDAH” memiliki nilai yang cenderung lebih kecil dibandingkan nilai himpunan fuzzy dari “NORMAL” dan “TINGGI”. Himpunan fuzzy “TINGGI” memiliki nilai yang lebih besar daripada nilai kedua himpunan lainnya. Sedangkan, himpunan fuzzy “NORMAL” memiliki nilai yang berada di antara himpunan fuzzy
“RENDAH” dan “TINGGI”.
3.5 Fungsi Keanggotaan
Gambar 3.1 Grafik Fungsi Keanggotaan dari Himpunan Fuzzy “RENDAH”
Rumus yang digunakan untuk menghitung derajat keanggotaan dari fungsi keanggotaan himpunan
fuzzy “RENDAH” adalah
Fungsi keanggotaan yang digunakan dalam himpunan fuzzy “NORMAL” adalah grafik keanggotaan kurva trapesium. Grafik tersebut dapat dilihat pada Gambar 3.2 di bawah.
Gambar 3.2 Grafik Fungsi Keanggotaan dari Himpunan Fuzzy “NORMAL”
Rumus yang digunakan untuk menghitung derajat keanggotaan dari fungsi keanggotaan himpunan
fuzzy “NORMAL” adalah
Sedangkan, fungsi keanggotaan yang digunakan dalam himpunan fuzzy “TINGGI” adalah grafik keanggotaan kurva bentuk bahu kanan. Grafik tersebut dapat dilihat pada Gambar 3.3.
0 0.2 0.4 0.6 0.8 1 1.2
a b c d
0 0.2 0.4 0.6 0.8 1 1.2
Gambar 3.3 Grafik Fungsi Keanggotaan dari Himpunan Fuzzy “TINGGI”
Rumus yang digunakan untuk menghitung derajat keanggotaan dari fungsi keanggotaan himpunan
fuzzy “TINGGI” adalah
3.6 Flowchart Proses Inferensi Fuzzy Metode Mamdani
Flowchart yang menunjukkan proses inferensi fuzzy dengan metode Mamdani dapat dilihat pada Gambar 3.4.
0 0.2 0.4 0.6 0.8 1 1.2
Gambar 3.4 Flowchart Proses Inferensi Fuzzy Metode Mamdani
3.7 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “RENDAH”
Flowchart yang menunjukkan pengolahan variabel smartphone yang termasuk dalam himpunan fuzzy
“RENDAH” dapat dilihat pada Gambar 3.5. Mulai
Selesai Memasukkan nilai variabel dari himpunan
fuzzy yang disediakan
Menghitung derajat keanggotaan setiap variabel yang terdapat pada data smartphone dari masukan himpunan fuzzy dan fungsi
keanggotaan yang telah ditentukan dalam sistem.
Mengambil nilai minimum dari ke-6 derajat keanggotaan variabel yang terdapat pada setiap
data smartphone
Gambar 3.5 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “RENDAH”
Pada Gambar 3.5 diperlihatkan bahwa suatu derajat keanggotaan didapatkan dari proses perhitungan menggunakan fungsi keanggotaan himpunan fuzzy “RENDAH”. Nilai x diambil dari variabel data
smartphone yang termasuk dalam himpunan fuzzy “RENDAH”. Pertama, nilai x akan dibandingkan terlebih dahulu dengan nilai minimum (a) dengan persamaan x ≤ a jika benar maka derajat keanggotaan (µ[x]) bernilai 1, atau jika salah maka selanjutnya membandingkan apakah x berada di antara nilai minimum (a) dan nilai maksimum (b) dengan persamaan a < x < b jika benar maka µ[x] bernilai , atau jika salah maka x setidaknya pasti lebih besar dari b (x ≥ b) maka µ[x] bernilai 0.
3.8 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “NORMAL”
Flowchart yang menunjukkan pengolahan variabel smartphone yang termasuk dalam himpunan fuzzy
“NORMAL” dapat dilihat pada Gambar 3.6.
Selesai Mulai
Input nilai variabel data smartphone (x)
x ≤ a a < x < b
x ≥ b
µ[x] = 0
µ[x] = 1 µ[x] =
Output derajat keanggotaan Tidak
Ya
Tidak
Gambar 3.6 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “NORMAL”
Pada Gambar 3.6 diperlihatkan bahwa suatu derajat keanggotaan didapatkan dari proses perhitungan menggunakan fungsi keanggotaan himpunan fuzzy “NORMAL”. Nilai x diambil dari variabel data
smartphone yang termasuk dalam himpunan fuzzy “NORMAL”. Pertama, nilai x akan dibandingkan terlebih dahulu dengan nilai minimum (a) dengan persamaan x ≤ a ataupun dibandingkan dengan nilai maksimum (d) dengan x ≥ d jika salah satunya benar maka derajat keanggotaan (µ[x]) bernilai 0, atau jika keduanya salah maka selanjutnya membandingkan apakah x berada di antara nilai minimum (a) dan nilai kiri (b) dengan persamaan a < x < b jika benar maka µ[x] bernilai , atau jika salah maka selanjutnya dibandingkan x di antara nilai kiri (b) dan nilai kanan (c) dengan persamaan b ≤ x ≤ c jika benar maka µ[x] bernilai 1, atau jika salah maka selanjutnya dibandingkan nilai x apakah berada di antarar nilai kanan (c) dan nilai maksimum (d) dengan persamaan c < x < d jika benar maka µ[x] bernilai .
Flowchart yang menunjukkan pengolahan variabel smartphone yang termasuk dalam himpunan fuzzy
“TINGGI” dapat dilihat pada Gambar 3.7.
Gambar 3.7 Flowchart Fungsi Keanggotaan Himpunan Fuzzy “TINGGI”
Pada Gambar 3.7 diperlihatkan bahwa suatu derajat keanggotaan didapatkan dari proses perhitungan menggunakan fungsi keanggotaan himpunan fuzzy “TINGGI”. Nilai x diambil dari variabel data smartphone
yang termasuk dalam himpunan fuzzy “TINGGI”. Pertama, nilai x akan dibandingkan terlebih dahulu dengan nilai minimum (b) dengan persamaan x ≤ b jika benar maka derajat keanggotaan (µ[x]) bernilai 0, atau jika salah maka selanjutnya membandingkan apakah x berada di antara nilai minimum (b) dan nilai maksimum (c) dengan persamaan b < x < c jika benar maka µ[x] bernilai , atau jika salah maka x setidaknya pasti lebih besar dari c (x ≥ c) maka µ[x] bernilai 1.
3.10 Data Flow Diagram (DFD)
Data Flow Diagram (DFD) merupakan diagram yang menggunakan notasi simbol untuk menggambarkan arus data sistem [2]. DFD menggambarkan dari mana asal data dan tujuan data dalam suatu sistem.
3.10.1 Diagram Konteks
Diagram konteks atau DFD SPK Pemilihan Smartphone untuk Level 0 menggambarkan sistem secara garis besar. DFD SPK Pemilihan Smartphone untuk Level 0 dapat dilihat pada Gambar 3.8.
User
0 SPK Pemilihan
Smartphone
data_smartphone
data_fungsi_keanggotaan
data_variabel
hasil_akhir
Gambar 3.8 Diagram Konteks
Pada Gambar 3.8 diperlihatkan bahwa user memasukkan data smartphone, data fungsi keanggotaan untuk masing-masing variabel, dan data keenam variabel yang dipilih berdasarkan keinginan dari user. Hasil perhitungan tersebut kemudian diperlihatkan kepada user.
3.10.2 DFD SPK Pemilihan Smartphone Level 1
User
Gambar 3.9 DFD SPK Pemilihan Smartphone Level 1
Ke-3 proses dari DFD SPK Pemilihan Smartphone untuk Level 1 adalah proses input data
smartphone, proses himpunan fuzzy, dan proses inferensi fuzzy metode Mamdani. Pada proses input data
smartphone, user memasukkan data smartphone untuk disimpan ke dalam tabel tbSmartPhone. Pada proses himpunan fuzzy, user memasukkan data fungsi keanggotaan untuk disimpan ke dalam masing-masing tabel variabel berupa tbUkuran, tbRAM, tbProcessor, tbKamera, tbMemInternal, dan tbHarga. Pada proses inferensi fuzzy metode Mamdani, user memasukkan data variabel berupa nilai dari himpunan fuzzy untuk tiap-tiap variabel. Hasil dari proses inferensi fuzzy metode Mamdani disimpan ke dalam tbHasil dan diperlihatkan kepada user.
3.10.3 DFD SPK Pemilihan Smartphone Level 2
User
Gambar 3.10 DFD Proses Inferensi Fuzzy Metode Mamdani Level 2
Proses inferensi fuzzy metode Mamdani dibagi menjadi tiga proses, yaitu proses perhitungan derajat keanggotaan, proses pengambilan nilai minimum variabel dari setiap smartphone, dan proses pengurutan data smartphone. Proses perhitungan derajat keanggotaan mengambil masukan dari user dan tabel tiap variabel untuk mendapatkan setiap nilai / derajat keanggotaan dari masing-masing variabel. Proses pengambilan nilai minimum variabel dari setiap smartphone mengambil derajat keanggotaan yang terkecil dari masing-masing smartphone dan menyimpan semua hasil perhitungan derajat keanggotaan dan nilai minimum tersebut ke dalam tabel tbHasil. Proses pengurutan data smartphone mengambil nilai minimum dari tbHasil dan mengurutkannya dari yang terbesar hingga yang terkecil untuk diperlihatkan kepada user
sebagai hasil akhir dari proses perhitungan inferensi fuzzy dengan metode Mamdani.
3.10.4 Kamus Data
Kamus data atau data dictionary adalah katalog fakta tentang data dan kebutuhan informasi dari suatu sistem informasi [2]. Selama penyusunan suatu sistem informasi, kamus data digunakan sebagai alat untuk mendefinisikan aliran data yang mengalir dalam sistem, merancang input, merancang laporan, ataupun merancang database. Kamus data dibuat berdasarkan aliran data yang terdapat di dalam DFD.
Nama tabel: tbSmartPhone
Nama Tipe Data Deskripsi
kode_barang Text Tabel ini berisi setiap data variabel
smartphone yang digunakan untuk proses inferensi fuzzy.
Nama Tipe Data Deskripsi
ID Integer Tabel ini berisi nilai-nilai yang digunakan pada setiap fungsi keanggotaan untuk tiap himpunan fuzzy pada variabel ukuran layar smartphone.
Nama Tipe Data Deskripsi
ID Integer Tabel ini berisi nilai-nilai yang digunakan pada setiap fungsi keanggotaan untuk tiap himpunan fuzzy pada variabel RAM yang dimiliki oleh smartphone.
Bentuk Text
Nama Tipe Data Deskripsi
ID Integer Tabel ini berisi nilai-nilai yang digunakan pada setiap fungsi keanggotaan untuk tiap himpunan fuzzy pada variabel kecepatan processor dari smartphone.
Bentuk Text
Nama Tipe Data Deskripsi
ID Integer Tabel ini berisi nilai-nilai yang digunakan pada setiap fungsi keanggotaan untuk tiap himpunan fuzzy pada variabel kamera yang dimiliki oleh smartphone.
Bentuk Text
Nama Tipe Data Deskripsi
ID Integer Tabel ini berisi nilai-nilai yang digunakan pada setiap fungsi keanggotaan untuk tiap himpunan fuzzy pada variabel kapasitas internal smartphone.
Bentuk Text
min Decimal
norm_kanan Decimal
max Decimal
Nama tabel: tbHarga
Nama Tipe Data Deskripsi
ID Integer Tabel ini berisi nilai-nilai yang digunakan pada setiap fungsi keanggotaan untuk tiap himpunan fuzzy pada variabel harga
smartphone.
Nama Tipe Data Deskripsi
kode_barang Text Tabel ini berisi derajat keanggotaan setiap variabel yang dimiliki oleh smartphone.
nama Text
3.11 Perancangan Antarmuka
Perancangan antarmuka merupakan kegiatan merancang tiap halaman yang akan digunakan sebagai perantara komunikasi antara user dengan sistem yang dibangun. Antarmuka menjadi hal yang penting dikarenakan user bertindak sesuai dengan apa yang dapat dilakukan dan diperlihatkan oleh sistem.
3.11.1 Perancangan Halaman Utama
Halaman utama merupakan halaman pembuka ketika aplikasi mulai pertama kali dijalankan. Rancangan halaman utama dapat dilihat pada Gambar 3.11.
Pada halaman utama tersebut ditampilkan enam variabel yang digunakan untuk proses inferensi fuzzy
metode Mamdani. Keenam variabel tersebut memiliki tiga pilihan himpunan fuzzy yang bisa dipilih sesuai dengan keinginan user. Tombol “Proses” digunakan untuk mulai menjalankan proses inferensi fuzzy dengan metode Mamdani. Tombol “Daftar Smartphone” digunakan untuk membuka halaman yang berisikan data
Gambar 3.11 Rancangan Halaman Utama
3.11.2 Perancangan Halaman Daftar Smartphone
Halaman daftar smartphone merupakan halaman yang digunakan untuk menampilkan semua daftar
smartphone yang dimiliki oleh penjual selaku user. Rancangan halaman daftar smartphone dapat dilihat pada Gambar 3.12.
Gambar 3.12 Rancangan Halaman Daftar Smartphone
Pada halaman daftar smartphone ditampilkan sebuah tabel yang berisikan daftar semua smartphone
yang tersedia. Tombol “Ubah” digunakan untuk mengubah sebuah data smartphone yang tersedia dalam daftar smartphone. Tombol “Tambah” digunakan untuk menambah data smartphone yang baru. Tombol “Hapus” digunakan untuk menghapus data smartphone.
Tabel Data Smartphone
Ubah Tambah Hapus
IMPLEMENTASI SISTEM INFERENSI FUZZY DALAM PROSES
3.11.3 Perancangan Halaman Data Smartphone
Halaman data smartphone merupakan halaman yang digunakan untuk mengubah maupun menambahkan data smartphone. Rancangan halaman data smartphone dapat dilihat pada Gambar 3.13.
Gambar 3.13 Rancangan Halaman Data Smartphone
Pada halaman data smartphone ditampilkan delapan kolom berupa kode barang, nama barang, ukuran layar, RAM, kecepatan processor, kamera, kapasitas internal, dan harga. Ke-8 kolom tersebut digunakan untuk mengubah atau memasukkan spesifikasi dari data smartphone. Tombol “Simpan” digunakan untuk menyimpan data smartphone.
3.11.4 Perancangan Halaman Daftar Variabel
Halaman daftar variabel merupakan halaman yang digunakan untuk menampilkan daftar fungsi keanggotaan yang digunakan untuk setiap himpunan fuzzy pada tiap-tiap variabel. Rancangan halaman daftar variabel dapat dilihat pada Gambar 3.14.
Kode Barang
Nama
Ukuran Layar
RAM
Kecepatan Processor
Kamera
Kapasitas Internal
Harga
Gambar 3.14 Rancangan Halaman Daftar Variabel
Pada halaman daftar variabel ditampilkan enam tabel yang berisikan fungsi keanggotaan dari masing-masing variabel. Tombol “Ubah” pada masing-masng tabel digunakan untuk mengubah fungsi keanggotaan dari masing-masing variabel.
3.11.5 Perancangan Halaman Data Variabel
Halaman data variabel merupakan halaman yang digunakan untuk mengubah fungsi keanggotaan dari masing-masing variabel. Rancangan halaman data variabel dapat dilihat pada Gambar 3.15.
Gambar 3.15 Rancangan Halaman Data Variabel
Bentuk
Daftar Fungsi Keanggotaan Variabel Ukuran Layar
Ubah
Daftar Fungsi Keanggotaan Variabel RAM
Ubah
Daftar Fungsi Keanggotaan Variabel RAM
Ubah
Daftar Fungsi Keanggotaan Variabel Ukuran Layar
Ubah
Daftar Fungsi Keanggotaan Variabel RAM
Ubah
Daftar Fungsi Keanggotaan Variabel RAM
Pada halaman data variabel ditampilkan enam kolom berupa nama variabel, bentuk, minimum, normal kiri, normal kanan, dan maksimum. Kolom “Nama Variabel” berisikan salah satu dari enam variabel yang akan diubah data fungsi keanggotaannya. Kolom “Bentuk” merupakan combo box yang berisikan tiga himpunan fuzzy berupa “Rendah”, “Normal”, dan “Tinggi”. Kolom “Minimum”, “Normal Kiri”, “Normal Kanan”, dan “Maksimum” menampilkan data sesuai dengan himpunan fuzzy yang dipilih. Tombol “Simpan” digunakan untuk menyimpan hasil pengubahan nilai fungsi keanggotaan.
3.11.6 Perancangan Halaman About Me
Halaman about me merupakan halaman yang berisikan informasi yang berkaitan dengan penulis. Rancangan halaman about me dapat dilihat pada Gambar 3.16.
Gambar 3.16 Rancangan Halaman About Me
Pada halaman about me ditampilkan judul skripsi yang dikerjakan, nama penulis, NIM penulis, logo USU, dan jurusan dari penulis.
3.11.7 Perancangan Halaman Hasil
Halaman hasil merupakan halaman yang berisikan hasil perhitungan dari proses inferensi fuzzy dengan metode Mamdani. Halaman ini dibagi menjadi dua bagian. Halaman yang pertama adalah halaman yang menampilkan sebuah data smartphone yang paling sesuai dengan keenam variabel. Halaman yang kedua adalah halaman yang menampilkan daftar nilai proses perhitungan dari semua data smartphone. Rancangan halaman hasil yang menampilkan sebuah data smartphone yang sesuai dengan keenam variabel tersebut
IMPLEMENTASI SISTEM INFERENSI FUZZY DALAM PROSES
PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE MENGGUNAKAN METODE MAMDANI
AGUS SALIM 061401008
PROGRAM STUDI S-1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
dapat dilihat pada Gambar 3.17. Sedangkan, rancangan hasil yang menampilkan hasil perhitungan keseluruhan data smartphone dapat dilihat pada Gambar 3.18.
Gambar 3.17 Rancangan Halaman Hasil Keluaran Data Smartphone
Pada Gambar 3.17 ditampilkan halaman hasil yang menunjukkan sebuah data smartphone yang paling sesuai dengan keenam variabel yang dimasukkan user pada halaman utama. Untuk dapat melihat hasil perhitungan keseluruhan data smartphone, user dapat memilih tombol “Hasil Keseluruhan Daftar Smartphone”.
Pada Gambar 3.18 ditampilkan daftar keseluruhan data smartphone beserta derajat keanggotaan masing-masing variabel yang diurutkan berdasarkan nilai yang didapatkan dari hasil perhitungan proses inferensi fuzzy dengan metode Mamdani.
Kode Barang
Daftar Hasil Perhitungan Inferensi Fuzzy dengan Metode Mamdani
Kode Barang
Gambar 3.18 Rancangan Halaman Hasil Perhitungan Keseluruhan Data Smarphone
BAB 4
IMPLEMENTASI DAN PENGUJIAN
Pada bab ini akan dijelaskan implementasi dan pengujian sistem telah selesai dibangun dari hasil rancangan pada bab 3. Tahap ini memperlihatkan apakah setiap proses yang ada dapat berjalan dengan baik dan mampu memberikan hasil yang diharapkan.
4.1 Implementasi
Tahap implementasi merupakan kelanjutan dari tahap perancangan sistem. Pada tahapan ini diperlihatkan kebutuhan yang diperlukan untuk mengimplementasikan sistem yang telah dirancang sebelumnya.
Aplikasi sistem pendukung keputusan ini dibangun dalam sistem operasi Windows XP. Seluruh proses perancangan diimplementasikan dengan menggunakan Microsoft Visual Studio 2010 VB.NET. Data yang dipergunakan dalam aplikasi disimpan dan diolah di dalam database dengan menggunakan Microsoft Access 2007. Tipe database yang digunakan adalah berekstensi .mdb.
4.2 Pengujian
Tahap pengujian merupakan tahapan yang dilakukan untuk menunjukkan bahwa setiap proses yang telah diimplemetasikan ke dalam aplikasi sistem pendukung keputusan ini dapat berjalan dengan baik dan mampu memberikan hasil yang diinginkan.
Hasil yang diharapkan dari tahap pengujian aplikasi sistem pendukung keputusan ini adalah bersesuaian dengan kebutuhan fungsional. Tujuan dari pengujian ini adalah untuk memperbaiki kinerja dari aplikasi yang tidak bersesuaian dengan kebutuhan fungsional yang telah direncanakan sebelumnya.
4.2.1 Tampilan Halaman Awal
Gambar 4.1 Tampilan Halaman Awal
Pada halaman awal terdapat empat tombol, yaitu tombol “Proses”, “Daftar SmartPhone”, “Daftar Variabel”, dan “About Me”. Tombol “Proses” digunakan untuk memulai proses inferensi fuzzy dengan menggunakan metode Mamdani setelah mengisi nilai himpunan fuzzy pada keenam kolom yang tersedia. Tombol “Daftar SmartPhone” digunakan untuk mengolah data smartphone. Tombol “Daftar Variabel” digunakan untuk mengolah nilai-nilai yang terdapat pada fungsi keanggotaan dari tiap-tiap variabel. Tombol “About Me” digunakan untuk memperlihatkan halaman tentang penulis.
4.2.2 Pengolahan Data Smartphone
Yang dimaksud dari pengolahan data smartphone adalah proses penambahan, pengubahan, maupun penghapusan data smartphone. Untuk memulai pengolahan data smartphone, user memilih tombol “Daftar SmartPhone” yang terdapat pada halaman awal aplikasi. Tampilan tombol “Daftar SmartPhone” dapat dilihat pada Gambar 4.2.
Gambar 4.2 Tampilan Tombol “Daftar SmartPhone”
Gambar 4.3 Tampilan Halaman Daftar Smartphone
Pada Gambar 4.3 ditampilkan halaman dari daftar smartphone. Pada halaman tersebut terdapat tiga buah tombol, yaitu tombol “Ubah”, “Tambah”, dan Hapus”. Tombol “Ubah” digunakan untuk proses pengubahan data smartphone. Tombol “Tambah” digunakan untuk proses penambahan data smartphone. Tombol “Hapus” digunakan untuk proses penghapusan data smartphone.
Untuk melakukan proses pengubahan data smartphone, user terlebih dahulu harus memilih salah satu data smartphone yang hendak diubah. Tampilan halaman proses pengubahan data smartphone dapat dilihat pada Gambar 4.4.
Tampilan pada Gambar 4.4 muncul setelah user menekan tombol “Ubah” pada halaman daftar
smartphone. Tombol “Simpan” digunakan setelah user selesai mengubah data smartphone tersebut.
Untuk melakukan proses penambahan data smartphone, user dapat menekan tombol “Tambah” pada halaman daftar smartphone. Tombol “Simpan” tersebut digunakan setelah user selesai mengisi sebuah data
smartphone. Tampilan halaman proses penambahan data smartphone dapat dilihat pada Gambar 4.5.
Gambar 4.5 Tampilan Penambahan Data Smartphone
Untuk melakukan proses penghapusan data smartphone, user terlebih dahulu memilih salah satu data
smartphone yang hendak dihapus. Kemudian, user dapat menekan tombol “Hapus” untuk menghapus data
smartphone tersebut.
4.2.3 Pengolahan Data Variabel
Proses pengolahan data variabel merupakan proses mengubah nilai-nilai yang terdapat pada fungsi keanggotaan masing-masing himpunan fuzzy di setiap variabel. Untuk memulai pengolahan data variabel,
user memilih tombol “Daftar Variabel” yang terdapat pada halaman awal aplikasi. Tampilan tombol “Daftar Variabel” dapat dilihat pada Gambar 4.6.
Halaman daftar variabel akan ditampilkan setelah user memilih tombol “Daftar Variabel”. Hasil tampilan halaman daftar variabel dapat dilihat pada Gambar 4.7.
Gambar 4.7 Tampilan Halaman Daftar Variabel
Pada Gambar 4.7 terdapat enam buah tabel yang masing-masing menandakan setiap variabel fuzzy
yang digunakan untuk proses inferensi fuzzy dengan metode Mamdani. Tombol “Ubah” digunakan untuk mengubah nilai-nilai dari fungsi keanggotaan pada masing-masing variabel.
Gambar 4.8 Tampilan Data Variabel