JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 34
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JENIS
LAPTOP MENGGUNAKAN METODE FUZZY TAHANI DAN
BAHASA PEMOGRAMAN PHP
Nur Rubiati
1, Pino Agustino
2 1,Jurusan Sistem Informasi, STMIK Dumai 2,Jurusan Teknik Informatika, STMIK Dumai 1,2,Jalan Utama Karya Bukit Batrem, Kota Dumai – RiauE-mail :
nurrubiati0412@gmail.com
ABSTRAK
Proses pemilihan sebuah laptop harus didasarkan pada kemampuan dan kebutuhan pembeli. Ketika pembeli dihadapkan pada banyak pilihan merk laptop dan berbagai sepesifikasinya,kebanyakan pembeli jadi kebingungan memilih laptop yang sesuai untuknya. Dari hal tersebut dibuatlah sebuah sistem pendukung keputusan yang ditujukan untuk membantu pembeli memilih laptop yang sesuai dengan kemampuan dan kebutuhan pembeli, Terdapat permasalahan dimana sesorang bisa rumit dalam menentukan jenis laptop mana yang akan dibelinya, oleh karena banyaknya spesifikasi dan harga dari tipe-tipe laptop yang variatif, sementara calon pembeli terkadang kurang dapat memberikan spesifikasi yang jelas terhadap kebutuhan dan keinginannya kepada penjual. Penggunaan metode fuzzy database dengan model Tahani pada sebuah sistem pendukung keputusan merupakan salah satu jalan pemecahan masalah yang dapat menangani hal tersebut, dimana bahasa alami yang sering digunakan sehari-hari yang bersifat relatif, kualitatif, dan tidak presisi akan menjadi input kriteria pada sistem oleh pengguna. Sehingga pada akhir prosesnya, pengguna akan mendapatkan daftar jenis laptop yang direkomendasikan berdasarkan kriteria masukannya. Hasil menunjukkan bahwa sistem pendukung keputusan ini dapat membantu pengguna untuk mendapatkan alternatif notebook yang dapat direkomendasikan berdasarkan kriteria yang digunakan pengguna dalam memilih sebuah notebook dengan model fuzzy tahani.
Kata Kunci: Sistem Pendukung Keputusan, Fuzzy Tahani, PHP
1. PENDAHULUAN
Banyaknya tawaran pilihan laptop yang ditawarkan berdasarkan harga dan spesifikasi
yang beragam kepada pelanggan,
menyebabkan pelanggan mengalami kesulitan didalam menentukan pilihan jenis laptop yang diinginkan, sehingga pilihan laptop terkadang kurang sesuai dengan yang diharapkan. Suatu
sistem pendukung keputusan sangat
dibutuhkan dalam menangani permasalahan ini. Sebuah sistem yang dirancang untuk
membantu pelanggan dalam mengambil
keputusan dan dapat dijadikan sebuah sistem rekomendasi pemilihan laptop pada took jefindo teknologi dumai dan toko-toko
komputer lainnya kepada pelanggannya. Inputan fuzzy meliputi variabel harga,
kapasitas Harddisk, Kapasitas RAM,
Kecepatan Prosesor dan Dimensi Layar.
2. LANDASAN TEORI
2.1. Fuzzy Tahani
Sebagian besar basis data standar diklasifikasikan berdasarkan bagaimana data tersebut dipandang oleh user. Dengan menggunakan basis data standar, dapat ditemukan data-data dengan spesifikasi
tertentu menggunakan query. Pada
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 35
membutuhkan informasi dari data-data yang bersifat ambiguous. Apabila hal ini terjadi,
maka kita bisa mengatasinya dengan
menggunakan basis data fuzzy. Salah satu diantaranya adalah model Tahani. Basis data model Tahani masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada query-nya (Terano).
2.2. Tahapan Fuzzy-query model Tahani Basis data fuzzy model Tahani masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada query-nya (Terano, 1992) dalam (Kusumadewi dan Prunomo, 2010:h.180). Model Tahani tersusun atas tahapan yaitu:
2.3. Menggambarkan Fungsi Keanggotaan
Fungsi keanggotaan (membership
function) adalah suatu kurva yang menunjukkan pemetaaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki internal antara 0 sampai 1, salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan melalui pendekatan fungsi (Kusumadewi dan Purnomo, 2010:h.8).
Beberapa fungsi yang digunakan di dalam penelitian yaitu Representasi Kurva Segitiga, dan Representasi Kurva Bentuk Bahu. Masing-masing fungsi tersebut, akan menghasilkan nilai antara “0” dan “1” dengan cara yang berbeda, sesuai dengan jenis representasi yang digunakan.
2.4. Proses Fuzzykasi
Fuzzyfikasi adalah fase pertama dari perhitungan fuzzy yaitu pengubahan nilai tegas ke nilai fuzzy.
1. Pembentukan Query
Pembentukan Query menggunakan
operator AND, OR atau NOT untuk
menghubungkan antarvariabel
(Kusumasewi dan Purnomo, 2010:h.224). 2. Operator Dasar Zadeh untuk Operasi
Himpunan Fuzzy.
Nilai keanggotaan sebagai dari 2 himpunan
fuzzy dikenal dengan nama Fire Strength
atau α-predikat (Kusumadewi dan
Purnomo, 2010:h.23). Sangat mungkin digunakan operator dasar dalam proses
query berupa operator AND, OR dan NOT.
α -predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada
himpunan-himpunan yang bersangkutan,
dinotasikan : µA∩B = min(µA[x], µB[y]). Sedangkan untuk hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada
himpunan-himpunan yang bersangkutan,
dinotasikan : µAUB = max(µA[x], µB[y]) dan untuk hasil operasi dengan operator NOT
diperoleh dengan mengurangkan nilai
keanggotaan elemen pada himpunan yang bersangkutan dari 1, dinotasikan : µA’= 1- µA(x).
Alternatif yang direkomendasikan adalah alternatif yang memiliki nilai Fire Strength atau tingkat kesesuaian dengan kriteria pilihan di atas angka 0 (nol) sampai dengan angka 1 (satu).
3. METODOLOGI PENELITIAN
Metodologi penelitian ini kemudian
digambarkan ke dalam bentuk sebuah
kerangka kerja. Kerangka kerja ini akan dimulai dari melakukan studi pendahuluan hingga nantinya akan menghasilkan sebuah sistem yang setelah diuji dapat memenuhi tujuan dan memecahkan permasalahan yang diteliti. Adapun kerangka kerja penelitian ini dapat digambarkan pada gambar 1
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 36
Gambar 1. Kerangka Kerja
4. HASIL DAN PEMBAHASAN
4.1. Gambaran Fungsi Keanggotaan Pada penelitian ini setiap variabel fuzzy menggunakan fungsi keanggotaan bahu dan
segitiga sebagai pendekatan untuk
memperoleh derajat keanggotaan suatu nilai dalam suatu himpunan fuzzy.
4.2. Fungsi Keanggotaan Variabel Harga Variabel harga dibagi menjadi 3 himpunan fuzzy, yaitu : MURAH, SEDANG, dan MAHAL. Himpunan MURAH dan MAHAL menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu sedangkan
himpunan SEDANG menggunakan
pendekatan fungsi keanggotaan berbentuk segitiga (Gambar 1).
Nilai linguistik pada variabel harga ada 3, yaitu : a. Murah (0≤ Harga≤7000.000) b. Sedang (4000.000≤Harga ≤10.000.000) c. Mahal (7000000≤Harga≥ 10.000.000) 4000000 0 1
Murah Sedang Mahal
7000000 10000000 (Rupiah)
µ [1]
Gambar 2. Fungsi Keanggotaan Untuk Variabel Harga
Fungsi keanggotaan pada variabel harga dapat dirumuskan sebagai berikut :
− = 0 3000000 1 7000000 1 1 X X Murah 7000000 1 7000000 1 4000000 4000000 1 X X X
− − = 3000000 1 10000000 3000000 4000000 1 0 1 X X X Sedang 10000000 1 7000000 7000000 1 4000000 10000000 1 4000000 1 X X atauX X
− = 1 3000000 7000000 1 0 1 X X Mahal 10000000 1 10000000 1 7000000 7000000 1 X X X4.3. Fungsi Keanggotaan Variabel Dimensi Layar
Variabel dimensi layar dibagi menjadi 3 himpunan fuzzy, yaitu : KECIL, SEDANG, dan BESAR. Himpunan KECIL dan BESAR menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu sedangkan himpunan SEDANG menggunakan pendekatan fungsi keanggotaan berbentuk segitiga (Gambar 3).
Nilai linguistik pada variabel dimensi layar ada 3, yaitu :
a. Kecil (0≤Dimensi≤14) b. Sedang (11≤Dimensi≤17) c. Besar (14≤Dimensi≥17)
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 37
11 14 17 (Inch) 0 1 µ [2] Besar Sedang KecilGambar 3. Fungsi Keanggotaan Untuk Variabel Dimensi Layar
Fungsi keanggotaan pada variabel dimensi layar dapat dirumuskan sebagai berikut:
− = 0 3 2 14 1 2 X X Kecil 14 2 14 2 11 11 2 X X X
− − = 3 2 17 3 11 2 0 2 X X X Sedang 17 2 14 14 2 11 17 2 11 2 X X atauX X
− = 1 3 14 2 0 2 X X Besar 17 17 14 14 2 2 2 X X X4.4. Fungsi Keanggotaan Variabel
Kecepatan Prosesor
Variabel kecepatan prosesor dibagi menjadi 3 himpunan fuzzy, yaitu : PELAN, SEDANG, dan CEPAT. Himpunan PELAN dan CEPAT menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu sedangkan
himpunan SEDANG menggunakan
pendekatan fungsi keanggotaan berbentuk segitiga (Gambar 4).
Nilai linguistik pada variabel kecepatan prosesor ada 3, yaitu :
a. Pelan (0≤Prosesor≤2200 Mhz) b. Sedang (1800≤Prosesor≤2600) c. Cepat (2400≤Prosesor≥2600) 1800 2200 2600 (Mhz) 0 1 µ [3]
Pelan Sedang Cepat
Gambar 4. Fungsi Keanggotaan Untuk Variabel Kecepatan Prosesor
Fungsi keanggotaan pada variabel kecepatan prosesor dapat dirumuskan sebagai berikut:
− = 0 400 2200 1 3 3 X X Pelan 2200 2200 1800 1800 3 3 3 X X X
− − = 400 2600 400 1800 0 3 3 3 X X X Sedang 2600 2200 2200 1800 2600 1800 3 3 3 3 X X atauX X
− = 1 400 2200 0 3 3 X X Cepat 2600 2600 2200 2200 3 3 3 X X X4.5. Fungsi Keanggotaan Variabel
Kapasitas Harddisk
Variabel kapsitas harddisk dibagi menjadi 3 himpunan fuzzy, yaitu : KECIL, SEDANG, dan BESAR. Himpunan KECIL dan BESAR menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu sedangkan
himpunan SEDANG menggunakan
pendekatan fungsi keanggotaan berbentuk segitiga (Gambar 5).
Nilai linguistik pada variabel kapasitas
harddisk ada 3, yaitu :
a. Kecil (0≤harddisk≤320) b. Sedang (120≤ harddisk≤500) c. Besar (320≤ harddisk≥500)
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 38
120 320 500 (GB)
0 1
µ [4]
Kecil Sedang Besar
Gambar 5. Fungsi Keanggotaan Untuk Variabel Kapasitas Harddisk
Fungsi keanggotaan pada variabel kapasitas harddisk dapat dirumuskan sebagai berikut: − = 0 200 320 1 4 4 X X Kecil 320 320 120 120 4 4 4 X X X − − = 180 500 200 120 0 4 4 4 X X X Sedang 500 320 320 120 500 120 4 4 4 4 X X atauX X − = 1 180 320 0 4 4 X X Besar 500 500 320 320 4 4 4 X X X
4.6. Fungsi Keanggotaan Variabel
Kapasitas RAM
Variabel kapsitas RAM dibagi menjadi 3 himpunan fuzzy, yaitu : KECIL, SEDANG, dan BESAR. Himpunan KECIL dan BESAR menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu sedangkan himpunan SEDANG menggunakan pendekatan fungsi keanggotaan berbentuk segitiga (Gambar 6).
Nilai linguistik pada variabel kapasitas RAM ada 3, yaitu :
a. Kecil (0≤ Ram≤2000) b. Sedang (1000≤ Ram≤4000 MB) c. Besar (2000≤ Ram≥ 4000 MB) 1000 2000 4000 (MB) 0 1 µ [5]
Kecil Sedang Besar
Gambar 6. Fungsi Keanggotaan Untuk Variabel Kapasitas RAM
Fungsi keanggotaan pada variable kapasitas RAM dapat dirumuskan sebagai berikut: − = 0 1000 2000 1 5 5 X X Kecil 2000 2000 1000 1000 5 5 5 X X X
− − = 2000 6 4000 1000 1000 0 5 5 X X X Sedang 4000 2000 2000 1000 4000 1000 5 5 5 5 X X atauX X − = 1 2000 2000 5 0 5 X X Besar 4000 4000 2000 2000 5 5 5 X X X 4.7. Publikasi SistemJURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 39
Gambar 8. Tampilan Halaman Hasil Konsultasi Admin
Pada halaman ini, sistem menampilkan hasil proses dari pilihan kriteria harga, kapasitas dimensi layar, kecepatan prosesor, kapasitas harddisk, dan kapasitas RAM laptop oleh admin sebelumnya serta menampilkan nilai-nilai derajat keanggotaan pada harga dan spesifikasi laptop yang telah diolah dengan metode fuzzy tahani dan diurutkan berdasarkan nilai fire strength tertinggi sehingga dapat menampilkan hasil rekomendasi laptop.
Gambar 8. Tampilan Halaman Batas Nilai
Pada Halaman ini, sistem
menampilkan data batas nilai himpunan untuk setiap variabel kategori harga, kapasitas dimensi layar, kecepatan prosesor, kapasitas harddisk, dan kapasitas RAM yang akan digunakan pada proses perhitungan nilai derajat keanggotaan.
Gambar 9.Tampilan Halaman Input Data Laptop
Pada halaman ini, admin melakukan penginputan data, perubahan data dan
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 40
menghapus data laptop, hanya saja pada perubahan data laptop, untuk tipe laptop tidak bisa dilakukan perubahan data dikrenakan digunakan sebagai primary key pada database
pada sistem,status pada kolom tipe
menggunakan status readonly,yang hanya bisa dibaca tetapi tidak bisa diubah.
Gambar 10. Tampilan Halaman Input Data User Admin
5. KESIMPULAN
Dari hasil analisis dan perancangan yang telah dibuat, maka dapat diambil kesimpulan sebagai berikut:
1. Sistem Pendukung Keputusan Pemilihan Jenis Laptop menggunakan Logika Fuzzy
Tahani membantu pengguna atau
pelanggan mendapatkan rekomendasi
berdasarkan kriteria yang dipilih pada saat konsultasi pada sistem.
2. Metode Fuzzy Tahani merupakan salah satu metode yang tepat untuk digunakan
pada sistem perekomendasian dan
pendukung keputusan bagi penggunanya dalam menyelesaikan permasalahan yang relatif.
3. Pada pengujian sistem rekomendasi, hasil uji coba sistem menunjukkan bahwa proses rekomendasi telah berjalan sesuai dengan yang diharapkan.
4. Hasil konsultasi sistem menampilkan urutan rekomendasi laptop berdasarkan nilai fire strength, namun keputusan akhirnya tetap kepada pelanggan atau pengguna, karena sistem ini dibuat untuk mendukung keputusan pada pemilihan jenis laptop, bukan sebagai sistem pengambil atau penentu keputusan.
6. REFERENSI
Abdul Kadir. Panduan Praktis Mempelajari
Aplikasi Mikrokontroller dan
Pemrogramannya menggunakan
Arduino.. Yogyakarta : CV.Andi
Offset; 2013.
Adi Nugroho. Perancangan dan Implementasi Sistem Basis Data. CV.Andi Offset. Yogyakarta : CV.Andi Offset;2011. Afrie Setiawan. Panduan Belajar MySQL
Database Server.. Jakarta: Mediakita;
2011.
Agus Saputra .Web Trik : PHP, HTML5 dan CSS3. Jakarta : Jasakom ; 2012 Ema Utami. Anggit Dwi Hartanto. Sistem
Basis Data menggunakan Microsoft
SQL Server 2005.. Yogyakarta:
CV.Andi Offset;.2012.
M.Agus J Alam. Crystal Report
XI..Yogyakarta : CV.Andi Offset a.2010
Suryanto Thabrani. Mudah dan Cepat
Menguasai Visual Basic Jakarta : . Mediakita;.2007
Susi Kusumadewi, dan Hari Purnomo.
Aplikasi Logika Fuzzy untuk
Pendukung Keputusan Edisi :
Yogyakarta : Graha Ilmu; 2010 Restu DA, Elisawati. Aplikasi Penjualan
Terlaris Pada Toko Yonex Sport Menggunakan Logika Fuzzy. Jurnal Teknik Informatika. 2017 Jun 9;1(1).
Wahana Komputer. Membuat Aplikasi Client
Server dengan Visual Basic 2008.
Semarang: . CV.Andi Offset;2008. Widodo Budiharto. Sigit Firmansyah. 2010.
Elektronika Digital dan
Mikroprosesor Yogyakarta: .
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 41
Yuniar Supardi. Semua Bisa Menjadi
Programmer Visual Basic 2010.
Jakarta: PT Elex Media Komputindo; 2013.
.
.
