ABSTRAK
HELY KURNIAWAN. Optimasi Pemilihan Produk Operator GSM dan CDMA Menggunakan ANFIS. Dibimbing oleh IRMAN HERMADI dan TOTO HARYANTO.
Telepon selular merupakan aplikasi bidang telekomunikasi yang berkembang pesat dan menjadi bagian yang tidak terpisahkan dari masyarakat. Kebutuhan telepon selular telah menjadi kebutuhan primer bagi sebagian kalangan masyarakat Indonesia, karena hampir setiap orang memiliki telepon selular sebagai sarana telekomunikasi. Kebutuhan akan telekomunikasi yang tinggi pada masyarakat, menyebabkan banyaknya operator yang menawarkan berbagai produk dengan layanan fitur yang menarik. Penelitian ini bertujuan untuk menganalisis ketepatan pengguna produk perator GSM atau CDMA dalam memilih produk operator sesuai dengan keinginan/karakteristik pengguna dan memprediksi pola pemilihan produk operator di masa yang akan datang. Penelitian ini diharapkan memberikan referensi/penilaian tentang operator yang digunakan.
Pada penelitian ini, dikembangkan suatu model ANFIS untuk optimasi pemilihan layanan produk operator. Model yang dibangun yaitu menggunakan sudut pandang sisi operator. Model sisi operator menunjukkan tren pemilihan produk operator saat ini.
Data pada penelitian ini diambil dengan dua cara, yaitu survei pada pengguna layanan produk operator (data primer) dan data dari produk operator (data sekunder). Survei pada pengguna layanan produk operator menggunakan metode Stratified Random Sampling yang membagi responden menjadi dua kelompok yaitu mahasiswa IPB dan masyarakat umum. Data dari produk operator diperoleh dari majalah Selular edisi Februari 2008.
Hasil pemilihan dari sisi operator kelompok mahasiswa diperoleh akurasi 20.78% dan kelompok masyarakat umum diperoleh akurasi 10.45%. Tingkat akurasi yang rendah menunjukkan adanya perbedaan karakteristik pada pengguna produk operator yang sama.
OPTIMASI PEMILIHAN PRODUK OPERATOR GSM DAN CDMA
MENGGUNAKAN ANFIS
HELY KURNIAWAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
OPTIMASI PEMILIHAN PRODUK OPERATOR GSM DAN CDMA
MENGGUNAKAN ANFIS
HELY KURNIAWAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
OPTIMASI PEMILIHAN PRODUK OPERATOR GSM DAN CDMA
MENGGUNAKAN ANFIS
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer
pada Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Oleh:
HELY KURNIAWAN
G64104011
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ABSTRAK
HELY KURNIAWAN. Optimasi Pemilihan Produk Operator GSM dan CDMA Menggunakan ANFIS. Dibimbing oleh IRMAN HERMADI dan TOTO HARYANTO.
Telepon selular merupakan aplikasi bidang telekomunikasi yang berkembang pesat dan menjadi bagian yang tidak terpisahkan dari masyarakat. Kebutuhan telepon selular telah menjadi kebutuhan primer bagi sebagian kalangan masyarakat Indonesia, karena hampir setiap orang memiliki telepon selular sebagai sarana telekomunikasi. Kebutuhan akan telekomunikasi yang tinggi pada masyarakat, menyebabkan banyaknya operator yang menawarkan berbagai produk dengan layanan fitur yang menarik. Penelitian ini bertujuan untuk menganalisis ketepatan pengguna produk perator GSM atau CDMA dalam memilih produk operator sesuai dengan keinginan/karakteristik pengguna dan memprediksi pola pemilihan produk operator di masa yang akan datang. Penelitian ini diharapkan memberikan referensi/penilaian tentang operator yang digunakan.
Pada penelitian ini, dikembangkan suatu model ANFIS untuk optimasi pemilihan layanan produk operator. Model yang dibangun yaitu menggunakan sudut pandang sisi operator. Model sisi operator menunjukkan tren pemilihan produk operator saat ini.
Data pada penelitian ini diambil dengan dua cara, yaitu survei pada pengguna layanan produk operator (data primer) dan data dari produk operator (data sekunder). Survei pada pengguna layanan produk operator menggunakan metode Stratified Random Sampling yang membagi responden menjadi dua kelompok yaitu mahasiswa IPB dan masyarakat umum. Data dari produk operator diperoleh dari majalah Selular edisi Februari 2008.
Hasil pemilihan dari sisi operator kelompok mahasiswa diperoleh akurasi 20.78% dan kelompok masyarakat umum diperoleh akurasi 10.45%. Tingkat akurasi yang rendah menunjukkan adanya perbedaan karakteristik pada pengguna produk operator yang sama.
Judul : Optimasi Pemilihan Produk Operator GSM dan CDMA
Menggunakan ANFIS
Nama : Hely Kurniawan
NRP : G64104011
Menyetujui:
Mengetahui:
Dekan Fakultas Matematika Dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Tanggal Lulus:
Pembimbing I,
Irman Hermadi, S.Kom, MS.
NIP 132321422
Pembimbing II,
Toto Haryanto, S.Kom.
RIWAYAT HIDUP
PRAKATA
Alhamdulillahi robbil alamin, puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia dan rahmat-Nya sehingga tugas akhir dengan judul Optimasi Pemilihan Produk Operator GSM dan CDMA Menggunakan ANFIS, dapat diselesaikan.
Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dalam penelitian ini, antara lain kepada orang tua penulis Alm. Bapak Darsono dan Ibu Budi Astutiningsih atas kasih sayang, dukungan dan doa yang terus mengalir. Bapak Irman Hermadi, S.Kom, MS selaku pembimbing pertama atas bimbingan dan arahannya selama penelitian dan penyusunan karya tulis ini. Bapak Toto Haryanto, S.Kom selaku pembimbing kedua atas bimbingan dan motivasi selama penyusunan karya tulis ini. Kakak-kakakku Riyanto Bambang Prawoto, Irma Suryaningsih dan Dyah Putriningsih atas perhatian dan kasih sayang. Sahabatku Monika Yuliantin yang selalu memberikan dukungan dan perhatiannya. Bapak Aziz Kustiyo, S.Si, M.Kom atas kesediaannya menjadi moderator seminar dan dosen penguji.
Penulis juga mengucapkan terima kasih kepada Rizki Pebuardi, Hasan, Riza Mahendra, Rhamdani, Arif Nurwidyantoro, Pandu, Imam Abu Daud, Gibtha Fitri Laxmi, Pak Pendi, Pak Soleh, dan teman-teman ilkomerz 41 terima kasih atas pertemanan selama kuliah dan bantuannya. Om Budiharto dan keluarga atas bantuannya selama penulis kuliah. Teman-teman satu bimbingan Syadid, Safar, Teny, Denny dan Yohan untuk kebersamaan dan bantuan selama bimbingan. Dea Rynanda Putri, Fika, Wieke, Putri, dan tante Evi atas bantuannya dalam penyebaran kuesioner. Seluruh dosen Ilkom terima kasih atas bimbingan dan ilmu yang telah diberikan selama kuliah. Staf Ilkom dan keluarga besar ilkomerz. Seluruh responden terima kasih untuk ketersediaannya menjadi responden dalam penelitian ini.
Kepada semua pihak lainnya yang telah membantu dalam penyelesaian tugas akhir ini yang tidak dapat disebut satu per satu, penulis ucapkan terima kasih. Semoga penelitian ini dapat bermanfaat.
Bogor, September 2008
DAFTAR ISI
Halaman
DAFTAR TABEL ... vi
DAFTAR GAMBAR ... vi
DAFTAR LAMPIRAN ... vi
PENDAHULUAN ... 1
Latar Belakang ... 1
Tujuan Penelitian... 1
Ruang Lingkup Penelitian ... 1
Manfaat Penelitian... 1
TINJAUAN PUSTAKA ... 1
GSM ... 1
CDMA ... 1
Coverage Area ... 2
Variabel Eksternal dan Fitur Khusus ... 2
Voice Calling ... 2
SMS ... 2
MMS ... 2
GPRS ... 2
Adaptive Neuro Fuzzy Inference System (ANFIS) ... 2
Learning ... 4
Proses Pembelajaran Bacpropagation-error untuk parameter premis ... 5
Proses pembelajaran RLSE untuk parameter konsekuen ... 6
Subtractive Clustering ... 6
Stratified Random Sampling ... 7
METODE PENELITIAN ... 7
Tahap Pengambilan Data... 7
Data dari pengguna ... 7
Data dari operator ... 8
Reduksi Fitur ... 8
Tahap Pelatihan ANFIS ... 9
Tahap Klasifikasi... 9
Lingkup Pengembangan ... 9
HASIL DAN PEMBAHASAN ... 9
Pengambilan Data ... 10
Penyebaran Kuesioner ... 10
Validasi Hasil Kuesioner ... 10
Representasi Kuesioner ... 10
Hasil Percobaan ... 11
Tren Pemilihan Produk Operator Responden Mahasiswa ... 11
Tren Pemilihan Produk Operator Responden Non Mahasiswa ... 13
KESIMPULAN DAN SARAN ... 14
Kesimpulan ... 14
Saran ... 15
DAFTAR PUSTAKA ... 15
DAFTAR TABEL
Halaman
1 Proses pembelajaran hybrid ANFIS... 5
2 Produk operator GSM dan CDMA ... 8
3 Definisi target sisi operator ... 8
4 Kelas target ... 9
5 Jumlah kuesioner ... 10
DAFTAR GAMBAR
Halaman 1 Sistem inferensi fuzzy TSK dua masukan dengan dua aturan. ... 32 Struktur ANFIS. ... 4
3 Metode penelitian. ... 7
4 Proses pengenalan produk operator. ... 9
5 Proses validasi data. ... 10
6 Grafik data responden mahasiswa. ... 10
7 Grafik data responden non mahasiswa. ... 10
8 Grafik data responden mahasiswa hasil reduksi. ... 11
9 Grafik data respnden non mahasiswa hasil reduksi. ... 11
10 Proses checking data operator. ... 11
11 Grafik tren pengguna Kartu AS. ... 11
12 Grafik tren pengguna Xplor. ... 11
13 Grafik tren pengguna IM3 Smart. ... 12
14 Grafik tren pengguna Simpati. ... 12
15 Grafik tren pengguna Mentari. ... 12
16 Grafik tren pengguna Bebas. ... 12
17 Grafik tren pengguna Jempol. ... 12
18 Grafik tren pengguna Kartu AS. ... 13
19 Grafik tren pengguna IM3 Smart. ... 13
20 Grafik tren pengguna Simpati. ... 13
21 Grafik tren pengguna Mentari. ... 13
22 Grafik tren pengguna Bebas. ... 14
23 Grafik tren pengguna Jempol. ... 14
DAFTAR LAMPIRAN
Halaman 1 Kuesioner ... 172 Tabel fitur ... 29
3 Tabel hasil optimasi responden mahasiswa ... 30
4 Tabel hasil optimasi responden non mahasiswa ... 32
5 Struktur ANFIS ... 33
1
PENDAHULUAN
Latar Belakang
Telepon selular adalah salah satu aplikasi bidang telekomunikasi yang berkembang sangat pesat. Pesatnya teknologi informasi dan komunikasi ini menempatkan telepon selular menjadi bagian yang tidak terpisahkan dari masyarakat dewasa ini. Keberadaan telepon selular telah menjadi kebutuhan primer bagi sebagian masyarakat. Saat ini, hampir seluruh kalangan masyarakat memiliki telepon selular dan menggunakannya sebagai sarana telekomunikasi.
Bisnis selular di Indonesia menjadi tren yang menjanjikan keuntungan besar bagi para pelaku bisnis. Hal ini ditandai dengan kemunculan beberapa operator selular yang menawarkan berbagai macam layanan produk operator. Ada beberapa alasan dan faktor yang mendukung perkembangan bisnis selular. Pertama, mobilitas dan tren yang merupakan keunggulan utama teknologi selular dibandingkan dengan telepon tetap, karena dari sisi content dan fasilitas yang diberikan pelanggan dapat mengaksesnya dimana saja dan kapanpun ia berada. Kedua, saat ini selain merupakan kebutuhan, teknologi selular juga merupakan gaya hidup (life style).
Banyaknya produk operator dan fitur–fitur yang ditawarkan oleh beberapa operator selular menyebabkan pengguna akan semakin dibingungkan dalam memilih produk operator. Faktor-faktor kebutuhan dari pengguna dan fitur-fitur yang ditawarkan oleh operator menjadi pertimbangan pemilihan operator oleh masyarakat saat ini.
Tujuan Penelitian
Tujuan dari penelitian ini adalah :
1 Menganalisis ketepatan pengguna produk operator GSM atau CDMA dalam memilih produk operator sesuai dengan kebutuhannya.
2 Memprediksi pola konsumen dalam memilih produk operator di masa yang akan datang terkait dengan kesesuaian fitur dan tarif yang diberikan oleh produk operator.
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini dibatasi pada:
1 Pembahasan difokuskan pada operator GSM dan CDMA.
2 Data diperoleh dari survei pengguna layanan produk operator, majalah selular dan home page masing-masing operator GSM dan CDMA.
3 Waktu voice calling dibagi menjadi delapan selang waktu :
a off peak 1 (06.00-07.00), b offpeak 2 (07.00-08.00), c off peak 3 (08.00-09.00), d peak (09.00-15.00), e off peak 4 (15.00-22.00), f off peak 5 (22.00-23.00), g off peak 6 (23.00-00.00), dan h off peak 7 (00.00-06.00).
4 Data voice calling antar operator dan sesama operator untuk SLJJ (SLJJ1, SLJJ2, dan SLJJ3) sama.
5 Setiap responden hanya dikenali menggunakan 1 jenis produk operator dengan lama pemakaian minimal 3 bulan. 6 Tidak memasukkan fitur khusus.
7 Data tarif yang digunakan yaitu tarif reguler produk operator yang diambil dari Majalah Selular bulan Februari 2008. 8 Setiap fitur diasumsikan memiliki nilai
bobot yang sama.
Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan referensi/penilaian tentang produk operator yang digunakan oleh masyarakat. Penelitian ini juga menghasilkan prediksi tren pola pemilihan produk operator yang ada di masyarakat.
TINJAUAN PUSTAKA
GSM
Menurut Miranti (2003), teknologi GSM yang banyak digunakan di Indonesia saat ini adalah GSM 900 dan GSM/DCS (Digital Cellular Service) 1800. GSM 900 memiliki coverage area yang relatif luas dibandingkan GSM 1800. Sebuah BTS (Base Transceiver Station) GSM 900 dapat menjangkau radius hingga 5 km, sementara BTS GSM 1800 hanya mampu menjangkau area sekitar 1 km.
CDMA
2 yang terjadi pada band Radio Frequency (RF)
yang dipakai. Teknologi CDMA lebih murah karena berbasis pada teknologi Wireless Local-Code Division Multiple Access ( WLL-CDMA) (Miranti 2003).
Coverage Area
Coverage area merupakan daerah yang
dapat dijangkau oleh sinyal dan layanan suatu produk operator, baik produk operator dengan teknologi GSM maupun CDMA. Salah satu keunggulan suatu produk operator dapat diukur dengan memiliki jumlah wilayah yang luas. Di Indonesia, jaringan dengan produk operator GSM memiliki coverage area yang lebih luas dari pada CDMA.
Variabel Eksternal dan Fitur Khusus
Variabel eksternal adalah variabel yang mempengaruhi pengguna dalam memilih suatu produk operator selain kebutuhan komunikasinya. Variabel ini dapat meliputi: iklan di media cetak maupun elektronik, promosi, keluarga, dan lingkungan. Fitur khusus merupakan layanan yang ditawarkan suatu produk operator di luar tarif normal yang diberlakukan. Fitur khusus dapat meliputi SMS gratis untuk pemakaian tertentu, telepon dengan tarif murah pada selang waktu tertentu dan bonus yang diberikan oleh suatu poduk operator untuk pengisian pulsa (Wirawan 2007).
Voice Calling
Sistem telekomunikasi mobile bertujuan untuk menyediakan layanan komunikasi antar individu yang dipisahkan oleh jarak. Voice
calling merupakan telekomunikasi dengan
suara. Ada tiga bagian waktu yang ditetapkan oleh operator selular pada layanan komunikasi voice calling, yaitu :
• Off peak: Merupakan bagian waktu dari
hari yang ditetapkan oleh operator ketika pengguna dapat membayar biaya airtime.
Off peak biasanya diletakkan oleh
operator pada malam hari menjelang pagi dan akhir pekan.
• Peak: Merupakan waktu dari hari yang telah ditetapkan oleh operator di mana biaya percakapan dikenakan tarif normal atau dikenakan pembayaran penuh.
• Out of Area Calls/SLJJ (Sambungan
Langsung Jarak Jauh): Panggilan dan penerimaan telepon yang dilakukan di luar batas dari area asal dengan dikenakan
biaya panggilan jarak jauh atau biasa disebut biaya roaming (South Dakota Public Utilities Commision, 2003).
SMS
Short Message Service (SMS) merupakan layanan pengiriman pesan singkat berupa teks melalui subscriber. SMS dikembangkan sebagai bagian dari GSM phase I ETSI
technical specification, memungkinkan
mobile station dan device jaringan lain yang terkoneksi untuk bertukar pesan teks singkat. SMS juga dapat digunakan pada teknologi jaringan CDMA dan GPRS. SMS merupakan salah satu fitur yang paling sukses dari teknologi GSM (Handhayani 2008).
MMS
Menurut Bodic (2005), Multimedia
Message Service (MMS) diperkenalkan secara
komersial pada Maret 2002 dan merupakan jaringan dengan kemampuan bandwidth yang tinggi. Implementasi dari fitur MMS memungkinkan pertukaran pesan multimedia antar ponsel dan internet.
GPRS
General Packet Radio Service (GPRS)
adalah suatu teknologi yang memungkinkan pengiriman dan penerimaan data lebih cepat jika dibandingkan dengan koneksi packet-switch. Paket GPRS memiliki konsep dasar transmisi untuk menyeleksi aplikasi menggunakan sumberdaya radio dengan mengalokasikannya untuk pengiriman data (Bodic 2005).
Adaptive Neuro Fuzzy Inference System (ANFIS)
ANFIS adalah penggabungan mekanisme
Fuzzy Inference System (FIS) yang
digambarkan dalam arsitektur jaringan syaraf (Jang et al,. 1997). FIS yang digunakan adalah model Takagi-Sugeno-Kang (TSK) orde satu dengan pertimbangan keserderhanaan dan kemudahan komputasi.
Menurut Kusumadewi (2006), ANFIS adalah suatu metode dalam melakukan penyetelan aturan menggunakan algoritma pembelajaran terhadap sekumpulan data.
3 fuzzy digunakan dalam aturan-aturan fuzzy,
unit pembuat keputusan yang mentransformasikan operasi inferensia dalam aturan-aturan, interface fuzzifikasi yang mentransformasikan masukan yang bernilai tunggal (crisp) ke dalam derajat keanggotaan sesuai dengan nilai linguistiknya dan interface defuzzifikasi yang mentransformasikan hasil penalaran fuzzy ke dalam keluaran bernilai tunggal.
Jaringan syaraf tiruan merupakan suatu sistem pemrosesan informasi yang memiliki karakteristik kinerja tertentu yang menyerupai jaringan syaraf biologi. Ada dua jenis algoritma pembelajaran jaringan syaraf tiruan, yaitu supervised learning dan unsupervised
learning. ANFIS menggunakan supervised
learning.
Contoh ilustrasi mekanisme inferensi fuzzy TSK orde satu dengan dua input masukan x dan y dengan dua aturan fuzzy if-then seperti berikut.
Aturan 1 :
if x is A1 and y is B1 then f1 = p1x + q1y + r1
premis konsekuen
Aturan 2 :
if x is A2 and y is B2 then f2 = p2x + q2y + r2
premis konsekuen
Input : x dan y
Konsekuennya adalah f
Gambar dari contoh ilustrasi mekanisme inferensi fuzzy TSK tersebut dapat dilihat pada Gambar 1.
Gambar 1 Sistem inferensi fuzzy TSK dua masukan dengan dua aturan.
Cara kerjanya seperti sistem FIS biasa cuma cara perhitungannya (algoritmanya) yang berbeda. Jelasnya gambar di atas memperlihatkan suatu masukan crisp (tidak fuzzy) x dan y, misalnya ingin mengontrol kecepatan motor listrik dengan mengatur
tegangannya, jadi x itu pengukuran harga variabel yang dikontrol yaitu kecepatan pada saat ke t, dan misalnya y pengukuran pada saat t+1 sedangkan f adalah nilai tegangan yang diberikan sebagai sinyal kontrol. Lalu nilai x dan y tersebut dipetakan pada fungsi keanggotaannya.
Pada Gambar 1 tiap-tiap input tersebut dibagi menjadi 2 fungsi keanggotaan, x dibagi dalam A1 dan A2. Diasumsikan bahwa A1 menyatakan small dan A2 menyatakan big, begitu juga y dibagi dalam fungsi keanggotaan B1 yang menyatakan small dan B2 menyatakan big.
Dari pemetaan tersebut, x dan y menjadi variabel fuzzy yang masing-masing mempunyai nilai m small dan big tertentu.
Input x mempunyai nilai mA1 dan mA2,
sedangkan y mempunyai nilai mB1 dan mB2. Nilai masing-masing pasangan input tersebut kemudian diagregasi dengan operasi T-norm, misalnya operasi ini adalah operasi AND. Jadi w1 = (mA1 AND mB1) sedangkan w2 = (mA2 AND mB2). Dari basis aturan yang sudah dibuat, dapat dinyatakan bahwa:
if w = w1 then f1 = p1x + q1y + r1 if w = w2 then f2 = p2x + q2y + r2
Dari hasil inferensi diperoleh hasil akhir f1dan f2 yang merupakan nilai output sinyal kontrol, yaitu tegangan. Nilai p1, q1, r1, p2, q2, dan r2 disebut parameter konsekuen yang ditentukan dengan nilai awal tertentu dan akan berubah dengan pembelajaran (algoritma belajar). Selanjutnya dari nilai f1 dan f2 ini diperoleh suatu nilai tegangan sebagai sinyal kontrol melalui proses yang disebut defuzzyfikasi. Nilai akhir tersebut dihitung dengan nilai: 2 1 2 2 1 1
w
w
f
w
f
w
f
+
+
=
=
w
1f
1+
w
2f
2Struktur ANFIS yang menggambarkan FIS TSK pada Gambar 1 juga dapat digambarkan dalam diagram blok atau disebut arsitektur jaringan syaraf feedforward (Gambar 2). Pada Gambar 2, dapat dilihat bahwa sistem neuro-fuzzy terdiri atas lima lapisan dengan fungsi yang berbeda pada tiap lapisannya.
4 Lambang lingkaran merepresentasikan simpul
nonadaptif yang nilainya tetap, sedangkan lambang kotak merepresentasikan simpul adaptif, artinya nilai parameternya bisa berubah dengan pembelajaran. Pada gambar struktur ANFIS, simpul adaptif terdapat pada Lapisan 1 dan Lapisan 4.
Gambar 2 Struktur ANFIS.
Fungsi dari setiap lapisannya yaitu sebagai berikut :
Lapisan 1. Semua simpul pada lapisan ini merupakan simpul adaptif yaitu parameter dapat berubah dengan fungsi simpul :
O1,i = µAi (x), untuk i = 1,2, atau O1,i = µBi-2 (y), untuk i = 3,4 (1) dimana x dan y merupakan masukan pada simpul i, Ai (atau Bi-2) adalah fungsi keanggotaan masing-masing simpul. Simpul O1,i berfungsi untuk menentukan nilai keanggotaan tiap masukkan terhadap himpunan fuzzy A dan B.
Lapisan 2. Setiap simpul pada lapisan ini merupakan lapisan nonadaptif, yaitu parameter tetap. Fungsi simpul ini adalah mengalihkan setiap sinyal masukan yang datang. Fungsi simpul :
O2,i= wi= µAi (x).µBi (y), i = 1,2 (2) Fungsi perkalian yang digunakan adalah interpretasi kata hubung dengan menggunakan operator t-norm. Banyaknya simpul pada lapisan ini menunjukkan banyaknya aturan yang dibentuk.
Lapisan 3. Setiap simpul pada lapisan ini adalah simpul nonadaptif yang menampilkan fungsi derajat pengaktifan ternomalisasi, yaitu rasio keluaran simpul ke-i pada lapisan sebelumnya terhadap seluruh keluaran lapisan sebelumnya dengan bentuk fungsi simpul sebagai berikut :
O3,i =
w
i =2 1
w
w
w
i+
, i=1,2 (3)Lapisan 4. Setiap simpul pada lapisan ini merupakan simpul adaptif dengan fungsi simpul :
O4,i =
w
i fi=w
i (pix + qiy + ri) (4)dimana O4,i adalah derajat pengaktifan ternormalisasi dari Lapisan 3 dan parameter {pi, qi, ri} merupakan parameter konsekuen
yang adaptif.
Lapisan 5. Pada lapisan ini hanya ada satu simpul tetap yang berfungsi untuk menjumlahkan semua masukan, fungsi simpul sebagai berikut :
Overall output =
O5,i =
∑
i
w
i fi=∑
∑
i i
i i i
w
f
w
.
(5)
Jaringan adaptif dengan lima lapisan tersebut ekuivalen dengan FIS TSK. Simpul pada Lapisan 1 mengandung parameter premis yang nonlinear sedangkan pada Lapisan 4 mengandung parameter konsekuen yang linear. Untuk memperbarui parameter-parameter tersebut maka perlu suatu metode atau algoritma pembelajaran.
Learning
Penyatuan dua metode pembelajaran pada ANFIS disebut pembelajaran hybrid. Pembelajaran hybrid terdiri atas dua bagian yaitu arah maju (forward pass) dan arah mundur (backward pass).
Pada arah maju, parameter premis dibuat tetap. Dengan menggunakan metode
Recursive Least Square Estimator (RLSE),
parameter konsekuen diperbaiki berdasarkan pasangan data masukan-keluaran. Metode RLSE dapat diterapkan karena parameter konsekuen yang diperbaiki adalah parameter linear. Metode RLSE akan mempercepat proses belajar hybrid. Kemudian setelah parameter konsekuen didapatkan, data masukan dilewatkan jaringan adaptif kembali dan hasil keluaran jaringan adaptif ini dibandingkan dengan keluaran yang sebenarnya.
5
Backpropagation-error. Satu tahap arah
pembelajaran maju-mundur dinamakan satu
epoch. Tabel 1 menerangkan proses
pembelajaran hybrid ANFIS.
Tabel 1 Proses pembelajaran hybrid ANFIS Arah Maju Arah Mundur Parameter
premis
Tetap Gradient descent Parameter
konsekuen
RLSE Tetap
Sinyal Keluaran simpul
Laju kesalahan
a Proses Pembelajaran
Backpropagation-error untuk parameter premis
Parameter premis adalah parameter adaptif dengan proses pembelajarannya menggunakan metode belajar sistem jaringan syaraf
feedforward dengan gradient descent.
Misalkan sebuah sistem jaringan adaptif dinyatakan dengan L lapisan dan lapisan ke-l (l = 0,1,...,L;l=0 menyatakan lapisan masukan) mempunyai N(l) simpul. Keluaran dan fungsi simpul ke-i [i=1, ..., N(l)] pada lapisan ke-l dinyatakan dengan xl,i dan fl,i seperti terlihat pada Gambar 3. Keluaran simpul merupakan fungsi dari sinyal yang masuk dan parameter sistem, maka diperoleh:
,...)
,
,
,
,...
(
1, 1, ( 1),
,i
=
li l− l l− N l−α
β
γ
l
f
x
x
x
(6)dengan α,β,γ adalah parameter simpul.
Gambar 3 Model jaringan syaraf feedforward.
Misalkan sejumlah P pasangan data untuk proses belajar jaringan adaptif, selanjutnya dapat didefinisikan pengukuran kesalahan pada data latih ke-p adalah jumlah kuadrat kesalahan.
(
)
∑
=−
=
( ) 1 2 , L N k p k L p kp
d
x
E
(7)dengan
d
kpadalah komponen ke-k dari vektorkeluaran yang diharapkan dan
x
Lp,kadalah vektor keluaran aktual yang dihasilkan sistem jaringan adaptif dengan masukan dari vektor masukan ke-p dari P data belajar. Tujuan dari sistem adaptif adalah untuk meminimumkan pengukuran kesalahan pada persamaan (7) dengan mengubah parameter-parameter adaptif. Dengan mendefinisikan sinyal kesalahanε
l,1sebagai ordered derivativeterhadap keluaran simpul ke-i, lapisan ke-l, maka ordered derivative dinotasikan dengan :
i l p i l
x
E
, ,∂
∂
=
+ε
(8)Sinyal kesalahan untuk simpul keluaran ke-i (pada lapisan L) dapat dihitung langsung dengan : i L p i L p i L
x
E
x
E
, , ,∂
∂
=
∂
∂
=
+ε
(9)Jika pengukuran kesalahan seperti yang didefinisikan pada persamaan (7), maka persamaan (9) menjadi :
)
(
2
, , p i L p i iL
=
−
d
−
x
ε
(10) Untuk simpul dalam pada Lapisan l, posisi ke-i, sinyal kesalahan dapat diperoleh menggunakan aturan rantai.`
∑
+ = + + + +∂
∂
∂
∂
=
∂
∂
=
( 1)1 , , 1 , 1 , , l N
m li
m l m l p i l p i l
x
f
x
E
x
E
ε
sinyal kesalahan sinyal kesalahan pada lapisan l pada lapisan l+1
∑
+ = + +∂
∂
=
( 1)1 , , 1 , 1 l N
m li
m l m l
x
f
ε
(11)6 hingga lapisan masukan. Vektor gradien
didefinisikan sebagai ordered derivative dari pengukuran kesalahan terhadap tiap parameternya. Jika α adalah parameter simpul ke-i lapisan ke-l, maka diperoleh :
α
ε
α
α
∂
∂
=
∂
∂
∂
∂
=
∂
∂
+ i l i l i l i l pp
f
f
x
E
E
, , , , (12)Jika α merupakan parameter yang ada pada beberapa simpul, maka persamaan (12) menjadi :
α
α
∂
∂
∂
∂
=
∂
∂
∑
∈ + + * * *f
x
E
E
S x p p (13)dengan S merupakan himpunan simpul yang berisikan a sebagai parameter, sedangkan x* dan f* adalah keluaran dan fungsi dari simpul yang bersangkutan. Turunan masing-masing secara keseluruhan terhadap pengukuran kesalahan akan menghasilkan :
∑
= + +∂
∂
=
∂
∂
p p pE
E
1α
α
(14)Dengan metode gradient simple steepest
descent, persamaan untuk memperbaiki
parameter α adalah :
α
η
α
∂
∂
−
=
∆
+E
(15)Dengan η adalah laju proses belajar (learning rate) yang dinyatakan dengan :
∑
∂
∂
=
2α
η
E
k
(16)dan k adalah ukuran langkah (step size) yang dapat diubah untuk mempercepat konvergensi.
b Proses pembelajaran RLSE untuk parameter konsekuen
Pada Gambar 3, jika nilai dari parameter premis tetap maka keluaran keseluruhannya dapat dinyatakan dengan kombinasi linier dari parameter konsekuen [7]
2 2 1 1
f
w
f
w
f
=
+
=
w
1(
p
1x
+
q
1y
+
r
1)
+
w
2(
p
2x
+
q
2y
+
r
2)
=
(
w
1x
)
p
1+
(
w
1y
)
q
1+
(
w
1)
r
1+
.......
(
w
2x
)
p
2+
(
w
2y
)
q
2+
(
w
2)
r
2 (17)Pada persamaan (17) terlihat parameter-parameter bagian konsekuen merupakan parameter linier terhadap keluaran sistem. Jika sejumlah N data belajar diterapkan pada persamaan (17), maka diperoleh :
+
+
+
+
1 1 111 2 1 2 11
1
)
(
)
(
)
(
)
(
w
x
p
w
y
nq
w
r
w
x
p
... ...(
w
2y
)
1q
2+
(
w
2)
1r
2=
y
1Sehingga dapat dirumuskan :
+
+
+
+
1 1 1 1 2 2 11
)
(
)
(
)
(
)
(
w
x
np
w
y
nq
w
nr
w
x
np
... ...(
w
2y
)
nq
2+
(
w
2)
nr
2=
y
n (18)Jika dinyatakan dengan persamaan matriks, berbentuk :
y
A
θ
=
(19) dengan q merupakan vektor 6x1 yang elemen-elemennya merupakan himpunan parameter konsekuen, y merupakan vektor keluaran yang elemen-elemennya N buah data keluaran sistem.Penyelesain terbaik untuk q adalah meminimumkan
A
θ
=
y
2, dengan teori LSE (Least Square Estimator) didapat q* :y
A
A
A
T 1 T*
)
(
−=
θ
(20)q* dihitung dengan rumus Recsursive LSE (RLSE). Selanjutnya persamaan (20) menjadi:
)
(
1 11 1 1 i T i T i i i i
i
θ
P
a
y
a
θ
θ
+=
+
+ + +−
+ 1 1 1 1 11
+ ++ + +
=
−
+
i i T i i T i i i i ia
P
a
P
a
a
P
P
P
, i=0,1,....,P-1(21) Dengan
a
Ti adalah vektor baris dari matriks Apada persamaan (19), yi adalah elemen ke-i dari y. Pi disebut matriks kovariansi yang didefinisikan dengan :
1
)
(
−=
A
A
P
i T (22)Subtractive Clustering
Subtractive clustering dioperasikan
7 sekitarnya. Semua data yang berada di dalam
radius titik-titik ini kemudian dihilangkan untuk menentukan data cluster selanjutnya dan pusat datanya. Proses ini dilakukan berulang kali sehingga seluruh data berada dalam jarak radius dari pusat data (Ping & Salim 2006).
Stratified Random Sampling
Stratified Random Sampling merupakan
metode penarikan sampel dengan cara memecah populasi menjadi beberapa bagian yang dinamakan strata. Strata bersifat nonoverlapping. Sampel dipilih secara acak dari masing-masing stratum (Scheaffer et al., 1990).
METODE PENELITIAN
Penelitian ini dilakukan melalui beberapa tahapan, tahapan tersebuat dapat dilihat pada Gambar 3.
Gambar 4 Metode penelitian.
Tahap Pengambilan Data
Sebelum dilakukan tahap pengambilan data, terlebih dahulu dilakukan desain kuesioner. Dalam penelitian ini, dilakukan perbaikan desain kuesioner dari penelitian sebelumnya, perbaikan kuesioner meliputi : 1 Pembuatan interval waktu peak dan off
peak.
2 Penambahan fitur khusus dan variabel eksternal.
Pengambilan data pada fitur-fitur yang memiliki pengaruh signifikan dalam pemilihan produk operator. Data diambil dari pengguna produk operator dan data dari operator.
Data dari pengguna
Data yang diperoleh dari pengguna berasal dari penyebaran kuesioner. Informasi yang dikumpulkan melalui kuesioner yaitu : 1 Tarif voice calling
• Tarif voice calling pra bayar dan pasca bayar ke PSTN dalam satuan rupiah per menit.
• Zona lokal, SLJJ1, SLJJ2, SLJJ3 dalam satuan kilometer.
• Peak time dibagi menjadi off peak dan peak time.
• Tujuan panggilan dari ponsel ke PSTN (telepon rumah), ponsel ke ponsel (sesama operator dan lain operator). 2 Tarif SMS
• Tarif SMS sesama kartu, sesama operator, lain operator dalam satuan rupiah per sms.
• Tarif SMS Internasional dalam satuan rupiah per sms.
3 Tarif MMS dalam satuan rupiah per 50 KB dan rupiah per 100 KB.
4 Tarif GPRS berdasarkan jumlah data yang diakses/download dalam satuan rupiah per KB.
5 Tarif 3G
• Kebutuhan akan teknologi 3G.
• Video calling.
• Tarif video calling dalam satuan rupiah per menit.
• Zona SLJJ dalam satuan kilometer. • Peak time dibagi menjadi off peak
dan peak.
• Tujuan ke sesama operator dan lain operator.
• Tarif mobile tv dalam satuan rupiah per menit.
8 7 Pengaruh lingkungan/variabel eksternal
• Keluarga • Teman • Iklan
8 Tarif nada sambung pribadi (NSP) dalam satuan rupiah per bulan.
9 Coverage area (jangkauan sinyal).
10 Tarif isi ulang pulsa
• Tarif isi ulang pulsa untuk produk operator pra bayar dalam satuan rupiah.
• Nilai isi ulang pulsa dalam satuan rupiah (5.000, 10.000, 20.000, 25.000, 50.000, 100.000).
11 Informasi dari pengguna • Tanggal pengisian
• Umur
• Pekerjaan
• Produk operator yang dipakai sekarang • Lama pemakaian produk operator saat
ini
• Tipe ponsel
• Tipe jaringan ponsel
Data dari operator
Data dari operator berasal dari Majalah Selular edisi bulan Februari 2008 dan home page masing-masing operator. Produk operator yang digunakan dalam penelitian ini dapat dilihat pada Tabel 2.
Tabel 2 Produk operator GSM dan CDMA Jaringan Produk
Operator Pra Bayar Pasca Bayar GSM Karu AS Kartu Halo SimPATI Jempol Bebas Xplor Three (3) Matrix Mentari IM3 Smart CDMA Fren Flexy Trendy Flexy Classy Esia Starone
Pada penelitian ini, data dari produk operator GSM dan CDMA yang digunakan
sebanyak 17 produk operator. Tiap produk operator direpresentasikan sebagai kelas. Definisi target sisi operator pada penelitian ini dapat dilihat pada Tabel 3.
Tabel 3 Definisi target sisi operator
No Produk Operator Representasi
1 Kartu Halo 1
2 Kartu AS 2
3 Matrix 3
4 Xplor 4
5 Im3 Smart 5
6 Simpati 6
7 Jempol 7
8 Bebas 8
9 Mentari 9
10 Three (3) pra bayar 10 11 Fren pasca bayar 11
12 Fren pra bayar 12
13 Starone pra bayar 13
14 Flexy classy 14
15 Flexy trendy 15
16 Esia pasca bayar 16
17 Esia pra bayar 17
Reduksi Fitur
Reduksi fitur dilakukan untuk menyesuaikan antara kebutuhan pengguna dengan layanan yang ditawarkan oleh produk operator dan untuk menyesuaikan dengan kebutuhan sistem.
Proses reduksi fitur dilakukan dengan melihat keragaman dari setiap fitur. Fitur yang memiliki keragaman kecil (homogen) berpotensi untuk dihilangkan, begitu pula sebaliknya. Keragaman tersebut terlihat dari besar kecilnya jumlah jawaban yang sama pada fitur yang bersangkutan, misalkan fitur voice calling ponsel ke PSTN dalam zona lokal yang terdiri dari delapan fitur, responden rata-rata memberikan jawaban yang sama untuk tiap fitur sehingga fitur ini bisa dihilangkan.
9 off peak 7). Tarif voice calling ponsel ke
ponsel (operator sama), ponsel ke ponsel (operator beda) dalam zona lokal, ponsel ke ponsel dalam zona SLJJ1, SLJJ2, dan SLJJ3 (off peak 1, off peak 2, off peak 3, off peak 4, off peak 5, off peak 6 dan off peak 7). Tarif SMS sesama kartu (produk operator), antar operator, dan internasional. Fitur 3G, harga isi ulang pulsa, dan layanan MMS. Fitur 3G dihilangkan karena sesuai hasil survei sebanyak 59.79% dari 97 responden mahasiswa dan 47.72% dari 88 responden non mahasiswa belum membutuhkan teknologi 3G. Penghilangan fitur harga isi ulang pulsa dilakukan untuk menyetarakan layanan pasca bayar dan pra bayar.
Tahap Pelatihan ANFIS
Pada tahap ini digunakan masing-masing 13 masukan untuk data training dan data testing. Data training merupakan data dari produk operator yang kemudian dijadikan matrik berukuran 17x13, dimana jumlah baris menunjukkan banyaknya produk operator dan jumlah kolom menunjukkan banyaknya fitur. Data testing dijadikan matrik berukuran 77x13 untuk data responden mahasiswa dan 67x13 untuk data responden non mahasiswa. Jumlah baris pada matrik menunjukkan banyaknya responden dan jumlah kolom menunjukkan banyaknya fitur.
Fungsi genfis2 digunakan untuk membangkitkan sebuah model dari data menggunakan clustering dan diperlukan untuk menetapkan cluster radius yang menunjukkan cakupan dari pengaruh suatu cluster jika suatu ruang data dianggap sebagai sebuah unit hypercube. Penetapan nilai cluster radius yang kecil akan menghasilkan cluster yang sedikit pada data dan menghasilkan banyak aturan, sedangkan penetapan nilai cluster radius yang besar akan menghasilkan cluster yang lebih banyak pada data dana menghasilkan aturan yang lebih sedikit. Untuk membangkitkan FIS, digunakan subtractive
clustering dan pembelajaran FIS
menggunakan metode hybrid. Pada sistem ini epoch yang diberikan sebanyak 50 dan cluster radius yang digunakan 0,5.
Tahap Klasifikasi
Pada tahap ini, dilakukan klasifikasi data uji berdasarkan pola yang telah diperoleh pada tahap awal pelatihan. Kelas yang digunakan untuk memprediksi tren pemilihan produk operator dapat dilihat pada Tabel berikut.
Tabel 4 Kelas target
No Produk Operator
1 Kartu AS 2 Xplor 3 IM3 Smart 4 Simpati 5 Jempol 6 Bebas 7 Mentari
Proses pengenalan produk operator dapat dilihat pada Gambar 4.
Gambar 4 Proses pengenalan produk operator.
Lingkup Pengembangan
Sistem ini dikembangkan menggunakan perangkat lunak Matlab 7.0. Perangkat keras yang digunakan untuk pengembangan aplikasi ini adalah notebook dengan spesifikasi sebagai berikut:
• Prosesor Intel Pentium 4 2,4 GHz, • RAM 512 MB, dan
• Harddisk 60 GB.
HASIL DAN PEMBAHASAN
Pada penelitian ini, data latih yang digunakan berasal dari 17 produk operator dan data uji yang digunakan berasal dari data 144 pengguna produk operator, yaitu terdiri atas 77 data responden mahasiswa dan 67 data responden non mahasiswa. Aturan yang dihasilkan pada proses ini sebanyak 17 aturan. Satu tahap arah pembelajaran maju-mundur yang dilakukan disebut satu epoch. Proses pembelajaran akan berhenti apabila jumlah
10 pembelajaran telah tercapai. Pada sistem ini,
epoch yang diberikan sebanyak 50, namun
pembelajaran ANFIS telah berhenti pada epoch ke-4.
Pengambilan Data
Pengambilan data dilakukan pada pengguna produk operator dan produk operator. Pengambilan data dari pengguna produk operator meliputi penyebaran kuesioner dan validasi hasil kuesioner. Kuesioner yang dibagikan ke pengguna produk operator berisi 102 pertanyaan.
a Penyebaran Kuesioner
Penyebaran kuesioner dilakukan dengan menggunakan metode Stratified Random Sampling. Jumlah kuesioner yang disebar untuk kebutuhan data penelitian ini dapat dilihat pada Tabel 5.
Tabel 5 Jumlah kuesioner Kelompok Kuesioner
Yang Disebar
Kuesioner Yang Dikembalikan
Mahasiswa 100 97
Non Mahasiswa
100 88
b Validasi Hasil Kuesioner
Kuesioner yang telah dikembalikan kemudian divalidasi dengan ketentuan sebagai berikut :
1 Kuesioner yang tidak diisi lengkap dinyatakan tidak valid.
2 Responden yang idak menuliskan informasi lama pemakaian produk operator dinyatakan tidak valid.
3 Lama pemakaian produk operator kurang dari 3 bulan dinyatakan tidak valid. 4 Responden yang mengisikan produk
operator yang dipakai sekarang dan tidak terdapat pada kelas produk operator dinyatakan tidak valid.
Gambar 5 Proses validasi data.
Kuesioner yang dinyatakan valid dari responden mahasiswa sebanyak 77 buah. Kuesioner yang dinyatakan valid dari responden non mahasiswa sebanyak 67 buah. Proses validasi dapat dilihat pada Gambar 6.
Representasi Kuesioner
Setiap pertanyaan dalam kuesioner direpresentasikan menjadi masukan dalam ANFIS. Produk operator direpresentasikan sebagai output.
Hasil survei menunjukkan bahwa responden mahasiswa paling banyak menggunakan produk operator Kartu AS, sedangkan pada kalangan non mahasiswa paling banyak menggunakan produk operator Simpati. Grafik banyaknya responden hasil survei dapat dilihat pada Gambar 6 dan Gambar 7.
Gambar 6 Grafik data responden mahasiswa.
Gambar 7 Grafik data responden non mahasiswa.
11 Gambar 8 Grafik data responden mahasiswa
hasil reduksi.
Gambar 9 Grafik data respnden non mahasiswa hasil reduksi.
Hasil Percobaan
Pada percobaan ini dilakukan proses checking. Proses checking menggunakan data training dan data testing dari operator. Akurasi yang diperoleh sebesar 100 %, artinya semua data training dikenali sesuai dengan kelasnya. Gambar proses checking dapat dilihat pada Gambar 10.
Gambar 10 Proses checking data operator.
Percobaan ini menggunakan data uji dari responden. Sebelumnya sistem telah dilatih dengan 17 data dari produk operator.
Pengujian dilakukan terpisah pada responden mahasiswa dan responden non mahasiswa. Data responden mahasiswa menggunakan 77 data dan data responden non mahasiswa menggunakan 67 data. Jumlah masukan yang digunakan sebanyak 13.
a Tren Pemilihan Produk Operator Responden Mahasiswa
Hasil pengujian pada data responden mahasiswa menunjukkan bahwa hanya pengguna produk operator Mentari yang tidak dikenali sebagai pengguna produk operator tersebut. Di sisi lain, pengguna produk operator Kartu AS, Xplor, IM3 Smart, Simpati, Bebas, dan Jempol dapat dikenali sesuai dengan kelasnya. Prediksi tren pemilihan produk operator di masa mendatang dari sudut pandang operator dapat dilihat pada penjelasan berikut ini.
Gambar 11 Grafik tren pengguna Kartu AS.
Gambar 11 menunjukkan tren pengguna Kartu AS. Dari 18 orang pengguna Kartu AS, sebanyak 7 responden dikenali sebagai pengguna Kartu AS, 4 responden dikenali sebagai pengguna Xplor, 3 responden dikenali sebagai pengguna Matrix, dan selainnya dikenali sebagai pengguna Simpati, Mentari, Three (3) Pra Bayar, Fren Pasca Bayar masing-masing 1 orang.
Gambar 12 Grafik tren pengguna Xplor.
12 orang pengguna Xplor, masing-masing
dikenali sebagai Kartu AS, Xplor, IM3 Smart dan Simpati.
Grafik tren pengguna IM3 Smart dapat dilihat pada Gambar 13. Prediksi optimasi terhadap 15 orang pengguna layanan produk operator IM3 Smart, sebanyak 3 orang dikenali sebagai pengguna IM3 Smart, 2 orang pengguna produk operator dikenali sebagai Xplor, 2 orang pengguna produk operator dikenali sebagai Simpati, 2 orang pengguna produk operator dikenali sebagai Jempol, selainnya dikenali sebagai Matrix, Bebas, Mentari, Three (3) Pra Bayar, Fren Pasca Bayar, dan Starone Pra Bayar.
Gambar 13 Grafik tren pengguna IM3 Smart.
Gambar 14 menunjukkan grafik tren pengguna Simpati. Dari 14 orang pengguna Simpati, 4 responden dikenali sebagai pengguna Kartu AS, 3 responden dikenali sebagai pengguna Matrix, 3 responden dikenali sebagai pengguna Simpati, 2 responden dikenali sebagai pengguna Xplor, dan selainnya dikenali sebagai pengguna IM3 Smart dan Bebas masing-masing 1 orang.
Gambar 14 Grafik tren pengguna Simpati.
Grafik tren pengguna Mentari dapat dilihat pada Gambar 15. Pengenalan terhadap 2 orang pengguna produk operator kartu Mentari, sebanyak 50% dikenali sebagai pengguna Matrix, dan 50% dikenali sebagai pengguna Bebas.
Gambar 15 Grafik tren pengguna Mentari.
Gambar 16 menunjukan grafik tren pengguna Bebas. Hasil prediksi 9 orang pengguna Bebas, 3 orang pengguna dikenali sebagai pengguna Kartu AS, 3 orang pengguna dikenali sebagai pengguna IM3 Smart, sisanya dikenali sebagai pengguna Jempol, Bebas, dan Fren Pra Bayar.
Gambar 16 Grafik tren pengguna Bebas.
Grafik tren pengguna produk perator Jempol dapat dilihat pada Gambar 17. Pengenalan terhadap 7 orang pengguna Jempol, 3 orang dikenali sebagai pengguna IM3 Smart, dan sisanya dikenali sebagai pengguna Kartu AS, Matrix, Jempol, dan Three (3) Pra Bayar masing-masing 1 orang.
Gambar 17 Grafik tren pengguna Jempol.
13 11.69%. Hasil survei menunjukkan bahwa
keluarga sebagai faktor lingkungan yang paling mempengaruhi pemilihan produk operator pada kelompok mahasiswa. Salah satu faktor yang juga mempengaruhi dalam pemilihan produk operator adalah coverage
area. Coverage area yang menjangkau
seluruh nusantara menjadi pilihan 77.92% dari 77 responden mahasiswa.
Pengenalan 77 responden mahasiswa diperoleh hasil 20.78% pengguna dapat dikenali sesuai dengan kelasnya. Sebagian besar pengguna pada kelas target dikenali sebagai pengguna Kartu AS. IM3 Smart, Matrix, Xplor, Simpati, Jempol, Bebas, Three (3) Pra Bayar, Fren Pasca Bayar, Mentari dan Fren Pra Bayar muncul sebagai kelas hasil prediksi setelah Kartu AS.
b Tren Pemilihan Produk Operator Responden Non Mahasiswa
Prediksi tren pada responden non mahasiswa dilakukan pada 6 kelas target. Hasilnya dapat dilihat sebagai berikut.
Gambar 18 Grafik tren pengguna Kartu AS.
Grafik tren pengguna Kartu AS dapat dilihat pada Gambar 18. Hasil prediksi tren pemilihan produk operator pada 5 orang pengguna Kartu AS menghasilkan 40% dikenali sebagai pengguna Kartu AS, 20% dikenali sebagai pengguna Matrix, 20% dikenali sebagai pengguna IM3 Smart dan 20% dikenali sebagai pengguna Three (3) Pra Bayar.
Gambar 19 merupakan grafik tren pengguna IM3 Smart. Dari 15 pengguna IM3 Smart, 27% dikenali sebagai pengguna Matrix, 13% dikenali sebagai pengguna Kartu AS, Xplor, IM3 Smart, dan Three (3) Pra Bayar, 7% dikenali sebagai pengguna Simpati, Jempol, dan Fren Pra Bayar.
Gambar 19 Grafik tren pengguna IM3 Smart.
Hasil prediksi tren pada 22 orang pengguna Simpati, sebanyak 27% dikenali sebagai pengguna Kartu AS, 22% dikenali sebagai pengguna Matrix, 18% dikenali sebagai pengguna Xplor, 9% dikenali sebagai pengguna IM3 Smart dan Three (3) Pra bayar, 5% dikenali sebagai pengguna Simpati, Jempol dan Fren Pasca bayar. Grafik tren pengguna produk operator Simpati dapat dilihat pada Gambar 20.
Gambar 20 Grafik tren pengguna Simpati.
Prediksi tren pemilihan produk operator juga dilakukan pada 7 orang responden pengguna Mentari. Grafik tren pengguna Mentari dapat dilihat pada Gambar 21. Dari 7 orang responden, sebanyak 43% dikenali sebgai pengguna Kartu AS, 29% dikenali sebagai pengguna IM3 Smart, dan 14% dikenali sebagai pengguna Simpati dan Bebas.
14 Grafik tren pengguna Bebas dapat dilihat
pada Gambar 22. Dari 4 orang pengguna produk operator Bebas, sebanyak 75% dikenali sebagai pengguna Kartu AS, dan 25% dikenali sebagai pengguna Bebas.
Gambar 22 Grafik tren pengguna Bebas.
Hasil pengujian terhadap 2 orang pengguna produk operator Jempol diprediksi optimal pada Simpati dan Jempol masing-masing 1 orang. Grafik tren pengguna produk perator Jempol dapat dilihat pada Gambar 23.
Gambar 23 Grafik tren pengguna Jempol.
Faktor lingkungan yang mempengaruhi dalam pemilihan produk operator pada responden non mahasiswa yaitu teman sebanyak 32.84%, keluarga sebanyak 40.30%, iklan sebanyak 11.94%, dan lain-lain sebanyak 14.93%. Dari hasil survei menunjukan bahwa faktor iklan kurang mempengaruhi kelompok non mahasiswa dalam memilih produk operator.
Jangkauan sinyal yang luas menjadi salah satu faktor yang mempengaruhi pemilihan operator. Coverage area yang menjangkau seluruh nusantara menjadi pilihan 56.72% dari 67 responden non mahasiswa. Provinsi sebanyak 16.42%, kabupaten sebanyak 14.93%, kecamatan dan kelurahan sebanyak 6%.
Pengenalan terhadap 67 responden non mahasiswa diperoleh hasil 10.45% pengguna dapat dikenali sesuai dengan kelasnya.
Sebagian besar pengguna pada kelas target dikenali sebagai pengguna Kartu AS. Matrix, IM3 Smart, Xplor, Three (3) Pra Bayar, Simpati, Jempol, Bebas, Fren Pasca Bayar dan Fren Pra Bayar muncul sebagai kelas hasil prediksi setelah Kartu AS.
Pemilihan produk operator responden dipengaruhi oleh tarif yang murah dan coverage area yang luas. Sedangkan faktor lingkungan yang paling mempengaruhi pemilihan produk operator dari kelompok mahasiswa dan non mahasiswa ialah keluarga.
KESIMPULAN DAN SARAN
Kesimpulan
15 Saran
Saran untuk penelitian selanjutnya diantaranya yaitu pemberian bobot yang berbeda pada fitur sehingga pemilihan produk operator dapat dititikberatkan pada kebutuhan utama pengguna. Menggunakan fitur khusus dan tarif promosi yang ditawarkan produk operator untuk lebih mendekati kebutuhan pengguna. Memasukan faktor transparansi informasi dari operator dan kestabilan jaringan sebagai salah satu fitur. Pengelompokan responden berdasarkan profesi untuk lebih mengetahui kebutuhannya.
DAFTAR PUSTAKA
Bodic GL. Mobile Messaging Technologies and service SMS, EMS and MMS 2005. John Wiley & Sons Ltd.ISBN 0-470-01143-2.
Handhayani, T. 2008. Optimasi Pemilihan Produk Operator GSM dan CDMA Menggunakan Algoritma Voting Feature Intervals 5 [skripsi]. Bogor: Departemen Ilmu Komputer, Institut Pertanian Bogor.
Jang, J. S. R. 1994. ANFIS : Adaptive-Network-Based Fuzzy Inference System. Department of Electrical Engineering and Computer Science. University of California, Berkeley,CA 94720.
Jang, J.S.R., C.T. Sun, and E. Mitzuani. 1997.
Neuro-Fuzzy and soft Computing.
Prentice-Hall International.
Kusumadewi S, Sri H. 2006. NEURO-FUZZY :Integrasi sistem Fuzzy & Jaringan syaraf. Ed ke-1. Graha Ilmu : Yogyakarta.
Miranti, E, 2003. Dahsyatnya Bisnis Jasa operator Selular. ATSI (Asosiasi Telepon Selular Indonesia).
Ping KS, Salim N. 2006. Optimized Subtractive Clustering for Cluster-Based Compound Selection. Proceeding of the 1st international Conference on Natural Resources Engineering & Technology 2006 24-24th July 2006, Putrajaya, Malaysia, 492-499.
Setiawan, D. 2003. Teknologi Selular dan CDMA. PT.Elex Media Komputindo.
Scheaffer RL, William M , Lyman O. 1990.
Elementary Survey Sampling. Boston:
PWS-KENT.
South Dakota Public Utilities Commision, 2003. Myths & Magic Cellular Phone, State Capital Building 500 East Capitol Pierre SD 57501.
17 Lampiran 1 Kuesioner
Kuesioner Prediksi Optimasi Pemilihan Layanan Produk Operator GSM dan CDMA
Untuk Keperluan Menyusun Skripsi Di Bidang Ilmu Komputer Institut Pertanian Bogor
Petunjuk Pengisian Kuesioner
1. Untuk pengisian kuesioner dimohon disesuaikan dengan kebutuhan nyata Anda dalam berkomunikasi sehari-hari.
2. Isikan Tanggal Pengisian, Umur, Pekerjaan, Jenis produk operator (SIM card) yang Anda pakai sekarang, merk ponsel (handphone), jaringan dan lamanya Anda telah memakai layanan produk operator
3. Pemilihan tarif setiap kolomnya hanya diperbolehkan memilih satu pilihan
Tanggal Pengisian : tgl
Umur : ………...
Pekerjaan : ………
Produk Operator
Pilih salah satu dengan memberi tanda √ pada produk operator (SIM Card) yang Anda gunakan
Hanya diperkenankan memilih satu produk operator
TELKOMSEL XL 3 (THREE) MOBILE 8 INDOSAT
□ KartuHALO □ Xplor □ Pra Bayar □ Fren Pra Bayar □ Mentari □ SimPATI □ Bebas □ Pasca Bayar □ Fren Pasca Bayar □ Matrix
□ Kartu As □ Jempol □ IM3 Smart (Pra Bayar)
□ Jimat □ IM3 Bright (Pasca Bayar)
□ Star One Pra Bayar □ Star One Pasca Bayar
FLEXI ESIA Operator Lainnya
□ Pra Bayar (Trendy) □ Pra Bayar □ *……….
□ Pasca Bayar (Classy) □ Pasca Bayar
Keterangan : * tuliskan satu produk operator yang Anda gunakan
Lama pemakaian layanan produk operator (SIM Card) terakhir yang Anda pakai sekarang (coret yang tidak perlu)
a. ... tahun (Misalnya : 3 tahun untuk lama pemakaian lebih dari 1 tahun) b. ...bulan (Misalnya : 9 bulan untuk lama pemakaian kurang dari 1 tahun)
Merk Ponsel (Handphone) : ... (Misalnya : Nokia N81, Sony Ericson W580) Jaringan : GSM / CDMA ( * coret yang tidak perlu )
Contoh pengisian :
1.
Berapa tarif yang layak menurut Anda untuk melakukan panggilan dari Ponsel ke PSTN (telepon rumah) dalam zona lokal (satu daerah) dalam rupiah per menit?Off Peak (06.00-07.00)
Off Peak (07.00-08.00)
Peak Time (08.00-22.00)
Off Peak (22.00-00.00)
Off Peak (00.00-06.00)
100-200 √ 100-200 100-200 100-200 √ 100-200
√ 201-300 201-300 201-300 √ 201-300 201-300
301-400 301-400 √ 301-400 301-400 301-400
Note : 100-200 menunjukkan rentang nilai 100 sampai dengan 200
18 Lanjutan
Kuesioner
Keterangan :
SLJJ 0 (Lokal) = Zona < 30 Km SLJJ 1 = Zona : 30 Km – 200 Km SLJJ 2 = Zona : 200 Km – 500 Km SLJJ 3 = Zona : > 500 Km
Contoh
Sesama Kartu : Simpati ke Simpati, Mentari ke Mentari, dll Sesama Operator : Simpati ke AS, Mentari ke IM3, dll Antar Operator : Simpati ke Mentari, AS ke X-Plor, dll
SLI : SMS Internasional baik sesama kartu, sesama operator, maupun antar operator (dengan operator dari negara lain)
A. Voice Calling
Ponsel ke PSTN (telepon rumah)
1. Berapa tarif yang layak menurut Anda untuk melakukan panggilan dari Ponsel ke PSTN (telepon rumah) dalam zona lokal (satu daerah) dalam rupiah per menit?
Off Peak (06.00-07.00)
Off Peak (07.00-08.00)
Off Peak (08.00-09.00)
Peak Time (09.00-15.00)
100-200 100-200 100-200 100-200
201-300 201-300 201-300 201-300
301-400 301-400 301-400 301-400
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
801-900 801-900 801-900 801-900
901-1000 901-1000 901-1000 901-1000
1001-2000 1001-2000 1001-2000 1001-2000
Off Peak (15.00-22.00)
Off Peak (22.00-23.00)
Off Peak (23.00-00.00)
Off Peak (00.00-06.00)
100-200 100-200 100-200 100-200
201-300 201-300 201-300 201-300
301-400 301-400 301-400 301-400
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
801-900 801-900 801-900 801-900
901-1000 901-1000 901-1000 901-1000
19 Lanjutan
2. Berapa tarif yang layak menurut Anda untuk melakukan panggilan dari Ponsel ke PSTN (telepon rumah) dalam zona SLJJ1 dalam rupiah per menit?
Off Peak (06.00-07.00)
Off Peak (07.00-08.00)
Off Peak (08.00-09.00)
Peak Time (09.00-15.00)
201-300 201-300 201-300 201-300
301-400 301-400 301-400 301-400
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
801-900 801-900 801-900 801-900
901-1100 901-1100 901-1100 901-1100
1101-1300 1101-1300 1101-1300 1101-1300
1301-1500 1301-1500 1301-1500 1301-1500
1501-1700 1501-1700 1501-1700 1501-1700
1701-2000 1701-2000 1701-2000 1701-2000
2001-2300 2001-2300 2001-2300 2001-2300
□2301-3000 □2301-3000 □2301-3000 □2301-3000
Off Peak (15.00-22.00)
Off Peak (22.00-23.00)
Off Peak (23.00-00.00)
Off Peak (00.00-06.00)
201-300 201-300 201-300 201-300
301-400 301-400 301-400 301-400
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
801-900 801-900 801-900 801-900
901-1100 901-1100 901-1100 901-1100
1101-1300 1101-1300 1101-1300 1101-1300
1301-1500 1301-1500 1301-1500 1301-1500
1501-1700 1501-1700 1501-1700 1501-1700
1701-2000 1701-2000 1701-2000 1701-2000
2001-2300 2001-2300 2001-2300 2001-2300
2301-3000 □2301-3000 2301-3000 2301-3000
3. Berapa tarif yang layak menurut Anda untuk melakukan panggilan dari Ponsel ke PSTN (telepon rumah) dalam zona SLJJ2 dalam rupiah per menit ?
Off Peak (06.00-07.00)
Off Peak (07.00-08.00)
Off Peak (08.00-09.00)
Peak Time (09.00-15.00)
□ 301-400 □ 301-400 □ 301-400 □ 301-400
□ 401-500 □ 401-500 □ 401-500 □ 401-500
□ 501-600 □ 501-600 □ 501-600 □ 501-600
□ 601-700 □ 601-700 □ 601-700 □ 601-700
□ 701-800 □ 701-800 □ 701-800 □ 701-800
□ 801-900 □ 801-900 □ 801-900 □ 801-900
□ 901-1100 □ 901-1100 □ 901-1100 □ 901-1100
20 Lanjutan
Off Peak (15.00-22.00)
Off Peak (22.00-23.00)
Off Peak (23.00-00.00)
Off Peak (00.00-06.00)
□ 301-400 □ 301-400 □ 301-400 □ 301-400
□ 401-500 □ 401-500 □ 401-500 □ 401-500
□ 501-600 □ 501-600 □ 501-600 □ 501-600
□ 601-700 □ 601-700 □ 601-700 □ 601-700
□ 701-800 □ 701-800 □ 701-800 □ 701-800
□ 801-900 □ 801-900 □ 801-900 □ 801-900
□ 901-1100 □ 901-1100 □ 901-1100 □ 901-1100
□ 1101-1300 □ 1101-1300 □ 1101-1300 □ 1101-1300 □ 1301-1500 □ 1301-1500 □ 1301-1500 □ 1301-1500 □ 1501-1700 □ 1501-1700 □ 1501-1700 □ 1501-1700 □ 1701-2000 □ 1701-2000 □ 1701-2000 □ 1701-2000 □ 2001-2300 □ 2001-2300 □ 2001-2300 □ 2001-2300 □ 2301-3000 □ 2301-3000 □ 2301-3000 □ 2301-3000 □ 3001-3500 □ 3001-3500 □ 3001-3500 □ 3001-3500 □ 3501-4000 □ 3501-4000 □ 3501-4000 □ 3501-4000
4. Berapa tarif yang layak menurut Anda untuk melakukan panggilan dari Ponsel ke PSTN (telepon rumah) dalam zona lokal SLJJ3 dalam rupiah per menit?
Off Peak (06.00-07.00)
Off Peak (07.00-08.00)
Off Peak (08.00-09.00)
Peak Time (09.00-15.00)
□ 301-400 □ 301-400 □301-400 □ 301-400
□ 401-500 □ 401-500 □401-500 □ 401-500
□ 501-600 □ 501-600 □501-600 □ 501-600
□ 601-700 □ 601-700 □601-700 □ 601-700
□ 701-800 □ 701-800 □701-800 □ 701-800
□ 801-900 □ 801-900 □801-900 □ 801-900
□ 901-1100 □ 901-1100 □901-1100 □ 901-1100
□ 1101-1300 □ 1101-1300 □1101-1300 □ 1101-1300 □ 1301-1500 □ 1301-1500 □1301-1500 □ 1301-1500 □ 1501-1700 □ 1501-1700 □1501-1700 □ 1501-1700 □ 1701-2000 □ 1701-2000 □1701-2000 □ 1701-2000 □ 2001-2300 □ 2001-2300 □2001-2300 □ 2001-2300 □ 2301-3000 □ 2301-3000 □2301-3000 □ 2301-3000 □ 3001-3500 □ 3001-3500 □3001-3500 □ 3001-3500 □ 3501-4000 □ 3501-4000 □3501-4000 □ 3501-4000
Off Peak (15.00-22.00)
Off Peak (22.00-23.00)
Off Peak (23.00-00.00)
Off Peak (00.00-06.00)
□ 301-400 □ 301-400 □ 301-400 □ 301-400
□ 401-500 □ 401-500 □ 401-500 □ 401-500
□ 501-600 □ 501-600 □ 501-600 □ 501-600
□ 601-700 □ 601-700 □ 601-700 □ 601-700
□ 701-800 □ 701-800 □ 701-800 □ 701-800
□ 801-900 □ 801-900 □ 801-900 □ 801-900
□ 901-1100 □ 901-1100 □ 901-1100 □ 901-1100
21 Lanjutan
Ponsel ke Ponsel
1. Berapa tarif yang layak menurut Anda untuk melakukan panggilan dari Ponsel ke Ponsel (operator sama) dalam zona lokal (satu daerah) dalam rupiah per menit?
Off Peak (15.00-22.00)
Off Peak (22.00-23.00)
Off Peak (23.00-00.00)
Off Peak (00.00-06.00)
<100 <100 <100 <100
100-200 100-200 100-200 100-200
201-300 201-300 201-300 201-300
301-400 301-400 301-400 301-400
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
801-900 801-900 801-900 801-900
901-1000 901-1000 901-1000 901-1000
1001-2000 1001-2000 1001-2000 1001-2000
2. Berapa tarif yang layak menurut Anda untuk melakukan panggilan dari Ponsel ke Ponsel (operator lain) dalam zona lokal (satu daerah) dalam rupiah per menit?
Off Peak (06.00-07.00)
Off Peak (07.00-08.00)
Off Peak (08.00-09.00)
Peak Time (09.00-15.00)
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
801-900 801-900 801-900 801-900
901-1100 901-1100 901-1100 901-1100
1101-1300 1101-1300 1101-1300 1101-1300
1301-1500 1301-1500 1301-1500 1301-1500
1501-1700 1501-1700 1501-1700 1501-1700
1701-2000 1701-2000 1701-2000 1701-2000
2001-2300 2001-2300 2001-2300 2001-2300
2301-3000 2301-3000 2301-3000 2301-3000
Off Peak (06.00-07.00)
Off Peak (07.00-08.00)
Off Peak (08.00-09.00)
Peak Time (09.00-15.00)
<100 <100 <100 <100
100-200 100-200 100-200 100-200
201-300 201-300 201-300 201-300
301-400 301-400 301-400 301-400
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
801-900 801-900 801-900 801-900
901-1000 901-1000 901-1000 901-1000
22 Lanjutan
Off Peak (15.00-22.00)
Off Peak (22.00-23.00)
Off Peak (23.00-00.00)
Off Peak (00.00-06.00)
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
801-900 801-900 801-900 801-900
901-1100 901-1100 901-1100 901-1100
1101-1300 1101-1300 1101-1300 1101-1300
1301-1500 1301-1500 1301-1500 1301-1500
1501-1700 1501-1700 1501-1700 1501-1700
1701-2000 1701-2000 1701-2000 1701-2000
2001-2300 2001-2300 2001-2300 2001-2300
2301-3000 2301-3000 2301-3000 2301-3000
3. Berapa tarif yang layak menurut Anda untuk melakukan panggilan dari Ponsel ke Ponsel dalam zona SLJJ1 dalam rupiah per menit?
Off Peak (06.00-07.00)
Off Peak (07.00-08.00)
Off Peak (08.00-09.00)
Peak Time (09.00-15.00)
201-300 201-300 201-300 201-300
301-400 301-400 301-400 301-400
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
801-900 801-900 801-900 801-900
901-1100 901-1100 901-1100 901-1100
1101-1300 1101-1300 1101-1300 1101-1300
1301-1500 1301-1500 1301-1500 1301-1500
1501-1700 1501-1700 1501-1700 1501-1700
1701-2000 1701-2000 1701-2000 1701-2000
2001-2300 2001-2300 2001-2300 2001-2300
2301-3000 2301-3000 2301-3000 2301-3000
3001-3500 3001-3500 3001-3500 3001-3500
3501-4000 3501-4000 3501-4000 3501-4000
Off Peak (15.00-22.00)
Off Peak (22.00-23.00)
Off Peak (23.00-00.00)
Off Peak (00.00-06.00)
201-300 201-300 201-300 201-300
301-400 301-400 301-400 301-400
401-500 401-500 401-500 401-500
501-600 501-600 501-600 501-600
601-700 601-700 601-700 601-700
701-800 701-800 701-800 701-800
