APLIKASI PEMILIHAN LOKASI HUNIAN DENGAN DATABASE
FUZZY
T. Ryan Francis1, Rika Perdana Sari, S.T., M.Eng2, Agus Urip Ari Wibowo, S.T., M.T3
1Program Studi Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265, email:[email protected]
2Program Studi Teknik Informatika Politeknik Caltex Riau, Pekanbaru 28265, email:[email protected] 3Program Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265, email:[email protected]
Abstrak
Pada saat akan membeli tanah/perumahan untuk lokasi hunian, banyak faktor yang harus dipertimbangkan oleh pencari hunian. Melihat hal seperti ini tentu saja menyulitkan para pembeli untuk memilih lokasi yang diinginkan. Apalagi yang tidak memiliki banyak waktu untuk meninjau semua lokasi yang ada. Aplikasi pemilihan lokasi hunian dengan database fuzzy ini dibangun untuk memudahkan pencari hunian untuk memilih lokasi hunian. Setelah pengguna memasukkan kriteria jumlah fasilitas, jarak dari pusat kota, harga, luas bangunan, dan luas tanah yang diinginkan, maka sistem memberikan informasi perumahan dan rekomendasi rumah yang dimaksud. Sistem ini juga menampilkan jalur lokasi dari pusat kota menuju ke perumahan dengan menggunakan Google Maps. Hasil rekomendasi pemilihan lokasi hunian yang diberikan sistem sangat sesuai dengan yang responden inginkan.
Kata kunci: Lokasi Hunian, Tahani, Umano, Database Fuzzy, Google Maps
Abstract
At the time of going to buy land / residential for residential location, There are many factors to considered by residential search. Seeing things like this of course makes it difficult for buyers to choose the desired location. Moreover, did not have much time to review all the existing location. Application residential site selection with fuzzy database is built to make it easy to choose a residential location. After users enters some criteria such as the number of facilities, distance from the city center, prices, building area, and the desired land area, the system provides housing information and recommend house that users want. This system also displays lane the location of the city center leading to the housing by using Google Maps. The suitability of the recommendations given system according to the respondents wanted was very accordance
Keywords: Residential Location, Tahani, Umano, Database Fuzzy, Google Maps
1 Pendahuluan
Sejak diberlakukan Undang-Undang Nomor 32 Tahun 2004 tentang Otonomi Daerah, kota Pekanbaru berkembang dari sebuah kotamadya menjadi kota metropolitan. Sebagaimana kota metropolitan, tingkat pembangunannya berkembang dengan sangat pesat dan pertumbuhan penduduk meningkat cukup tinggi karena arus urbanisasi ataupun perpindahan penduduk dari kota-kota lain di Indonesia. Jumlah penduduk yang meningkat ini memiliki dampak yang berbeda-beda. Di satu sisi merupakan potensi untuk sasaran produksi suatu produk, di lain sisi timbulnya masalah sosial. Beberapa masalah sosial yang akan terjadi adalah tempat tinggal (perumahan), mobilisasi warga kota, dan penyediaan lapangan kerja.
Lokasi perumahan yang nyaman untuk tempat tinggal, terjangkau dari berbagai sudut kota, dan dapat diakses dengan transportasi publik memerlukan keterampilan dalam memilih dan waktu dalam memutuskan. Karena salah dalam membuat keputusan akan mempengaruhi kenyamanan penghuni. Oleh sebab itu diperlukan informasi yang relevan, akurat, terkini,
reliable, dan ekonomis tentang lokasi, fasilitas, harga dari suatu rumah yang ditawarkan
tidak mempunyai cukup waktu dalam melakukan survey ke lokasi perumahan. Menyadari kondisi ini, peluang bagi developer untuk mengembangkan atau memasarkan bisnis perumahannya dengan menggunakan teknologi komunikasi dan informasi (TIK) yang berbasis
Internet.
Untuk memudahkan pembeli dalam menentukan lokasi dan memudahkan developer
dalam mempromosikan perumahannya, maka dibangunlah aplikasi “Aplikasi Pemilihan Lokasi Hunian Dengan Database Fuzzy”. Aplikasi yang dibangun menggunakan basis data fuzzy model tahani dan fuzzy model umano. Fuzzy model tahani ini digunakan untuk mengolah kriteria-kriteria lokasi yang bernilai crisp, sedangkan fuzzy model umano digunakan untuk mengolah kriteria lokasi hunian yang memiliki data ambiguous. Aplikasi menghasilkan output berupa lokasi rekomendasi untuk calon pembeli perumahan yang dibangun developer.
1.1 Tujuan
Tujuan dari penelitian ini yaitu:
1. Membangun sebuah sistem pendukung keputusan pemilihan lokasi hunian dengan menggunakan basis data fuzzy.
2. Menampilkan lokasi hunian dalam bentuk visualisasi peta.
1.2 Manfaat
Manfaat dari penelitian ini yaitu:
1. Membantu user untuk mendapatkan informasi lokasi hunian sesuai dengan kriteria yang diinginkan.
2.
Mengaplikasikan basis data fuzzydalam memberikan rekomendasi lokasi hunian.3.
Membantu para developer untuk memasarkan perumahannya.2 Tinjauan Pustaka
2.1 Penelitian Terdahulu
Penelitian terdahulu yang menjadi referensi dalam pembuatan rancang bangun sistem pemilihan lokasi hunian adalah “Sistem Pendukung Keputusan untuk Rekomendasi Laptop Sesuai Kriteria Konsumen dengan Basis Data Fuzzy Model Tahani”, yang disusun oleh Ria Catur Kumala, 2011 [3]. Berikut adalah tabel perbandingannya.
Tabel 1 Perbandingan penelitian
Perbandingan Penelitian sebelumnya Penelitian yang akan dilakukan
Metode Tahani Tahani dan Umano
Input
variabel fuzzy (harga laptop, besarnya RAM, kapasitas harddisk, dan besarnya memori VGA) dan variabel non fuzzy
(daya tahan baterai, komunikasi (wiFi,
bluetooth), dan tipe prosesor)
variabel fuzzy (harga rumah, luas bangunan, luas tanah, jumlah
Perbandingan Penelitian sebelumnya Penelitian yang akan dilakukan
Bahasa
Pemograman ASP.NET PHP
2.2 Perumahan
Bila dikaji melalui pengertian yang tertuang dalam Undang-undang Nomor 4 Tahun 1992 tentang Perumahan dan Pemukiman, perumahan adalah kelompok rumah yang berfungsi sebagai lingkungan tempat tinggal atau lingkungan hunian yang dilengkapi dengan prasarana dan sarana lingkungan [1]. Berdasarkan kuesioner yang telah dibagikan untuk memperoleh kriteria yang biasanya konsumen lihat dalam mencari rumah, terdapat beberapa kriteria yaitu fasilitas sarana dan prasarana, harga, jarak ke pusat kota, tipe rumah, dan keamanan lingkungan tempat tinggal.
2.3 Database Fuzzy
Basis data adalah kumpulan dari data yang saling berhubungan satu dengan yang lainnya, tersimpan di perangkat keras komputer dan digunakan perangkat lunak untuk memanipulasinya. Database system adalah suatu sistem informasi yang mengintegrasikan kumpulan data yang saling berhubungan satu dengan lainnya dan membuatnya tersedia untuk beberapa aplikasi dalam suatu organisasi. Sebagian besar basis data standar diklasifikasikan berdasarkan bagaimana data tersebut dipandang oleh user. Dengan menggunakan basis data standar, data dapat dicari spesifikasi tertentu dengan menggunakan query. Namun pada kenyataannya, kadang dibutuhkan informasi dari data-data yang bersifat ambiguous. Apabila hal ini terjadi, maka digunakanlah fuzzy database. Selama ini sudah ada penelitian tentang
fuzzy database. Salah satu diantaranya adalah model Tahani. Fuzzy database model Tahani masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan
fuzzy untuk mendapatkan informasi query-nya [4].
Salah satu fungsi yang dipakai pada database fuzzy adalah fungsi kurva segitiga. Kurva Segitiga pada dasarnya merupakan gabungan antara 2 garis (linear).
Gambar 1 Kurva Segitiga
Fungsi Keanggotaan :
0; x ≤ a atau x ≥ c µ[x] = (x - a) / (b - a); a ≤ x ≤ b
(b - x) / (c - b); b ≤ x ≤ c (1)
1. Data-data yang tidak jelas beradaannnya dalam domain tertentu (misal: tidak diketahui apakah suatu bahan pangan memiliki kandungan protein). Untuk data yang berbentuk seperti ini, akan memiliki nilai posibilitas sebesar 0.
2. Data-data yang diketahui berada pada domain tertentu, namun tidak diketahui secara pasti berapa nilainya (misal: suatu bahan pangan diketahui memiliki kandungan protein, namun tidak diketahui berapa besar kandungan proteinnya). Untuk data yang berbentuk seperti ini, akan memiliki nilai posibilitas sebesar 1. Data-data yang belum jelas nilai kebenarannya karena dimungkinkan memiliki lebih dari 1 nilai (misal: suatu bahan pangan memiliki kandungan protein yang tidak jelas apakah sebesar 10 gram atau 11 gram). Untuk data yang berbentuk seperti ini, akan dirumuskan nilai posibilitas pada setiap elemen himpunannya [4].
2.4 Google Maps
Google Maps adalah layanan peta yang dapat dilihat di browser pengguna. Tergantung pada lokasinya, pengguna dapat melihat peta dasar atau kustom dan informasi bisnis lokal, termasuk lokasi bisnis, informasi kontak, dan arah perjalanan. Bagian lain peta dapat dilihat dengan fasilitas click and drag. Gambar satelit dari lokasi yang pengguna inginkan dapat diperbesar dan diperkecil [2].
3 Perancangan
3.1 Perancangan Sistem
3.1.1 Perancangan ERD
Berikut penjelasan Entity Relationship Diagram yang menjelaskan hubungan antar data di dalam database terlihat pada Gambar 2..
Gambar 2 Entity Relationship Diagram
3.1.2 Perancangan Fuzzy
Pada aplikasi pemilihan lokasi hunian dengan database fuzzy ini, terdapat 5 variabel fuzzy di mana setiap variabel fuzzy tersebut menggunakan fungsi keanggotaan bahu dan segitiga sebagai pendekatan untuk memperoleh derajat keanggotaan suatu nilai dalam suatu himpunan fuzzy. Setiap variabel fuzzy dibagi menjadi 3 himpunan fuzzy.
Variabel fasilitas dikategorikan ke dalam himpunan SEDIKIT (kurang dari 8), SEDANG (6 s/d 11), dan BANYAK (lebih dari 9) seperti ditunjukkan pada Gambar 3.
Gambar 3 Fungsi keanggotaan variabel jumlah fasilitas
Fungsi Keanggotaan:
1; x ≤ 6
µsedikit[x] = (8 - x) / 2; 6 < x < 8 ………(1) 0; x ≥ 8
0; x ≤ 6 atau x ≥ 11
µsedang[x] = (x - 6) / 3; 6 < x ≤ 9 ………(2) (11 - x) / 2; 9 ≤ x < 11
0; x ≤ 9
µbanyak[x] = (x - 9) / 2; 9 < x < 11 ………..(3) 1; x ≥ 11
2. Variabel Jarak
Variabel jarak dikategorikan ke dalam himpunan DEKAT (kurang dari 7 km), SEDANG (6 s/d 17), dan JAUH (lebih dari 17 km) seperti ditunjukkan pada Gambar 4
Gambar 4 Fungsi keanggotaan variabel jarak
Fungsi Keanggotaan:
1; x ≤ 8
µdekat [x] = (8 - x) / 1; 7 < x < 8 ………(1) 0; x ≥ 8
0; x ≤ 7 atau x ≥ 17
µsedang [x] = (x - 7) / 3; 7 < x ≤ 10 ………..(2) (17 - x) / 7; 10 ≤ x < 17
0; x ≤ 16
µjauh[x] = (x - 16) / 1; 16 < x < 17 ………(3) 1; x ≥ 17
3. Variabel Harga
Variabel harga dikategorikan ke dalam himpunan MURAH (kurang dari 500), SEDANG (350 s/d 1000), dan MAHAL (lebih dari 1000) seperti ditunjukkan pada Gambar 5
Gambar 5 Fungsi keanggotaan variabel harga
1; x ≤ 350
µmurah[x] = (500 - x) / 150; 350 < x < 500 ………..(1) 0; x ≥ 500
0; x ≤ 350 atau x ≥ 1000
µsedang[x] = (x - 350) / 150; 350 < x ≤ 500 ………..(2) (1000 - x) / 500; 500 ≤ x < 1000
0; x ≤ 500
µmahal[x] = (x - 500) / 500; 500 < x < 1000 ………....(3) 1; x ≥ 1000
4. Variabel Luas Bangunan
Variabel luas bangunan dikategorikan ke dalam himpunan KECIL (kurang dari 85), SEDANG (48 s/d 155), dan LUAS (lebih dari 85) seperti ditunjukkan pada Gambar 5.
Gambar 6 Fungsi keanggotaan variabel luas bangunan
Fungsi keanggotaan
1; x ≤ 48
µkecil[x] = (85 - x) / 37; 48 < x < 85 ……….(1) 0; x ≥ 85
0; x ≤ 48 atau x ≥ 155
µsedang[x] = (x - 48) / 37; 48 < x ≤ 85 ……….(2) (155 - x) / 70; 85 ≤ x < 155
0; x ≤ 85
µLuas[x] = (x - 85) / 70; 85 < x < 155 ………...(3) 1; x ≥ 155
5. Variabel luas tanah
Variabel luas tanah dikategorikan ke dalam himpunan KECIL (kurang dari), SEDANG (s/d), dan LUAS (lebih dari) seperti ditunjukkan pada Gambar 6.
Gambar 7 Fungsi keanggotaan variabel luas tanah
Fungsi keanggotaan:
1; x ≤ 84
µkecil[x] = (169 - x) / 85; 84 < x < 169 ……….(1) 0; x ≥ 169
0; x ≤ 84 atau x ≥ 169
µsedang[x] = (x - 84) / 85; 84 < x ≤ 169 ……….(2) (316.16 - x) / 147.16; 169 ≤ x < 316.16
0; x ≤ 169
4 Hasil dan Pengujian
4.1 Hasil Rekomendasi Pengguna
Berikut adalah halaman dimana pengguna dapat melakukan pencarian berdasarkan rekomendasi sistem menggunakan metode fuzzy. Pengguna menentukan kriteria yang diinginkan untuk mencari rumah seperti jumlah fasilitas, jarak dari pusat kota, harga, luas bangunan, dan luas tanah. Seperti yang ditampilkan pada Gambar 7 berikut
Gambar 8 Halaman rekomendasi guest
Berikut ini merupakan halaman hasil dari rekomendasi yang dipilih oleh pengguna.
4.2 Pengujian
Berikut adalah tabel pengujian setiap hasil proses user yaitu admin, member, dan guest
Tabel 2 Hasil pengujian rekomendasi pemilihan lokasi hunian yang diberikan sistem kepada anda sesuai dengan yang anda inginkan?”. Berikut adalah hasil grafik analisa pada pencari lokasi hunian. Seperti yang terlihat pada Gambar 9. Berdasarkan data untuk pertanyaan pertama, 82%, responden menyatakan bahwa hasil rekomendasi pemilihan lokasi hunian yang diberikan sistem sangat sesuai dengan yang di inginkan.
0% 20% 40% 60% 80% 100%
sangat tidak sesuai tidak sesuai ragu-ragu sesuai sangat sesuai
Gambar 10 Persentase responden pencari lokasi hunian
Gambar 11 Grafik persentase pemilik perumahan
5.2 Analisa Sistem
Pengujian sistem dilakukan dengan cara membandingkan hasil perhitungan manual dengan hasil perhitungan yang dilakukan oleh sistem pada saat memberikan rekomendasi rumah.
6 Kesimpulan dan Saran
Setelah melalui tahap pengujian pada aplikasi pemilihan lokasi hunian dengan menggunakan database fuzzy, maka dapat diambil beberapa kesimpulan sebagai berikut:
1.
Hasil rekomendasi pemilihan lokasi hunian yang diberikan sistem sangat sesuai dengan yang responden inginkan.2. Sistem ini memberikan kemudahan kepada pengguna.
3.
Hasil rekomendasi yang dilakukan sistem sudah sesuai dengan perhitungan yang dilakukan secara manual.4. Aplikasi ini telah berjalan dengan baik, dan juga menambahkan fasilitas Google Map didalamnya.
Saran yang dapat diberikan untuk pengembangan sistem selanjutnya yaitu:
1. Sistem ini dapat ditambah e-commerce sebagai fasilitas pendukung antara pencari rumah dan pemilik rumah.
2. Kriteria perumahan dan rumah yang dijadikan sebagai variabel fuzzy dan variabel non fuzzy dalam aplikasi ini dapat diperbanyak.
3. Menambahkan fitur komentar pada perumahan dan rumah.
7 Daftar Pustaka
[1] Indonesia, Pemerintah. (2004). Undang-Undang No.32 Tahun 2004 Tentang Pemerintahan Daerah. Jakarta Selatan: Visimedia.
[2] Google. (2012). Google Maps. Diambil 26 November 2012 dari http://support.google.com/maps/bin/answer.py?hl=en&topic=1687350&answer=144352 [3] Kumala, R.C. (2011). Sistem Pendukung Keputusan untuk Rekomendasi Laptop Sesuai
Kriteria Konsumen dengan Basis Data Fuzzy Model Tahani. Pekanbaru: Politeknik Caltex Riau
