Hal: 371-377
Sistem Pendukung Keputusan Dalam Menentukan Kelayakan Sebuah
Bangunan Menjadi Cagar Budaya
(Studi Kasus:Dinas Kebudayaan Kota Medan)
Nidia Sutrikanti
Program Studi Teknik Informatika, Universitas Budi Darma, Medan, Sumatera Utara, Indonesia Abstrak
Saat ini masih terdapat beberapa bangunan tua yang memiliki nilai sejarah tetapi masih terbengkalai dan tidak terawat karena status nya yang hanya bangunan biasa. Bangunan-bangunan bersejarah tersebut harus dijadikan cagar budaya agar dapat dilestarikan dan dirawat agar keberadaannya tidak hilang dan terlupakan oleh masyarakat Indonesia. Oleh karena itu dilakukanlah pemilihan kelayakan bangunan menjadi cagar budaya menggunakan metode Fuzzy Tsukamoto agar dapat membantu Dinas Kebudayaan Kota Medan dalam melakukan pemilihan bangunan-bangunan yang layak menjadi cagar budaya. agar bangunan-bangunan tua tersebut tidak hilang karena perkembangan zaman. Dari pemilihan kelayakan sebuah bangunan menjadi cagar budaya tersebut maka akan menghasilkan bangunan-bangunan mana saja yang layak dijadikan cagar budaya dan bangunan itu akan berada di bawah perlindungan pemerintah untuk dirawat dan dilestariakn keberadaannya.
Kata Kunci : Sistem Pendukung Keputusan, Fuzzy Tsukamoto, Cagar Budaya
1. PENDAHULUAN
Bangsa Indonesia merupakan bangsa yang kaya akan sejarah, banyak peninggalan bersejarah yang saat ini masih ada dan sampai sekarang dapat dinikmati keindahannya. Hal ini terbukti dengan banyaknya peninggalan budaya yang bernilai sejarah seperti Prasati, Karya Satra, Istana, Keraton, Gedung, Rumah, Monumen, Mesjid, Gereja, Makam, Benteng, Candi dan lainnya. Benda ataupun bagunan peninggalan bersejarah itu perlu dilestarikan dan dirawat agar keberadaannya tidak hilang dan terlupakan oleh masyarakat Indonesia. Tidak hanya perlu dilestarikan dan dirawat tetapi juga perlu meningkatkan status bangunan-bangunan tua tersebut yang selama ini masih terbengkalai menjadi cagar budaya. Karena benda ataupun bangunan bersejarah bukan hanya sekedar benda atau bangunan yang sudah memiliki usia yang sudah lama, yang mungkin bahkan sudah sampai beratus-ratus tahun, tetapi juga memiliki arti khusus bagi sejarah, ilmu pengetahuan, pendidikan, agama, dan kebudayaan. Yang keberadaannya harus tetap dilestarikan, agar tidak menghilang dimakan usia dan keindahannya tetap dapat dinikmati tidak hanya berpuluh tahun tetapi juga beratus tahun.
Dinas Kebudayaan Kota Medan merupakan Dinas yang memiliki tugas untuk merumuskan kebijakan standar pelayanan di bidang kebudayaan, melaksanakan rencana pembangunan dalam jangka pendek maupun menengah dibidang kebudayaan dan juga rencana pembangunan yang akan diadakan dalam jangka panjang maupun pendek dibidang Dinas Kebudayaan
Saat melakukan pemilihan cagar budaya masih dilakukan dengan cara menggunakan kriteria yang telah ditentukan. Misalnya dengan menggunakan kriteria usia 50 tahun atau lebih, mewakili masa gaya minimal 50 tahun, memiliki arti khusus bagi sejarah, ilmu pengetahuan, pendidikan, agama dan/atau kebudayaan dan memiliki nilai budaya bagi penguat kepribadian bangsa[1].
Cara pemilihan tersebut sering kali membuat Dinas Kebudayaan mengalami kesulitan sehingga terkadang dalam melakukan pemilihan cagar budaya terdapat kesalahan dalam pemilihannya. Agar dapat menyelesaikan masalah yang ada, maka dilakukanlah
pemilihan kelayakan sebuah bangunan menjadi cagar budaya menggunakan database MySQL. Database
MySQL merupakan database yang dapat menampung
banyak record, hal ini diharapkan agar mempermudah dalam penyimpanan kriteria-kriteria yang menjadi dasar dalam menentukan kelayakan sebuah bagunan menjadi cagar budaya.
Sistem Pendukung Keputusan (Decision Support
System) adalah suatu sistem yang memiliki kemampuan
dalam pemecahan masalah / komunikasi untuk kondisi masalah yang terstruktur maupun tidak terstruktur yang mempunyai peran dalam membantu pemecahan masalah dan tidak satupun yang mengetahui bagaimana keputusan yang seharusnya dibuat[2]. Metode Tsukamoto
merupakan metode yang setiap aturannya direpresentasikan menggunakan himpunan-himpunan
fuzzy, dengan fungsi keanggotaannya yang monoton[3].
Penelitian sebelumnya yang dilakukan oleh Nadia Roosmalita dan Wayan Firdaus Mahmudy pada tahun 2015, penelitian ini bertujuan untuk menentukan kelayakan calon pegawai menggunakan metode Fuzzy
Tsukamoto[4]. Penelitian kedua yang dilakukan oleh
Syahrani Dhimas Prabowo dan Eko Budi Setiawan pada tahun 2013 dengan penelitian yang berjudul Sistem Pendukung Keputusan Revitalisasi Terhadap Bangunan Dan Kawasan Cagar Budaya Kota Bandung Di Disbudpar Kota Bandung[5].
2. TEORITIS
A. Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (Decision Support
System) adalah suatu sistem informasi interaktif yang
menyediakan informasi, pemodelan dan pemanipulasi data yang digunakan untuk membantu dalam pengambilan keputusan yang semiterstruktur dan tidak terstruktur, dimana tak seorang pun tahu cara pasti bagaimana keputusan dibuat[8].
B. Bangunan
Bangunan gedung adalah wujud fisik hasil pekerjaan konstruksi yang menyatu dengan tempat kedudukannya, sebagian atau seluruhnya berada di atas dan/atau di dalam tanah dan/atau air, yang berfungsi
Hal: 371-377
372 sebagai tempat manusia melakukan kegiatannya, baik
untuk hunian atau tempat tinggal, kegiatan
keagamaan, kegiatan usaha, kegiatan sosial budaya, maupun kegiatan khusus[9].
C. Cagar Budaya
Pada UU No.11 Tahun 2010 yang mengatur tentang Cagar Budaya menjelaskan bahwa Cagar Budaya merupakan warisan budaya yang bersifat kebendaan yang berupa benda, bagunan, struktur, situs, dan kawasan baik yang terdapat di darat ataupun di air yang keberadaannya perlu dilestarikan karena memiliki nilai penting bagi sejarah, pendidikan ilmu pengetahuan, agama, ataupun kebudayaan melalui proses penetapannya.
D. Fuzzy Tsukamoto
Metode Tsukamoto merupakan metode yang setiap aturannya direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaannya yang monoton[3]. Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Adapun langkah-langkah Fuzzy Tsukamoto, sebagai berikut[9]:
a. Langkah pertama: Menentukan kriteria-kriteria dan bobot alternatif yang telah ditetapkan.
b. Langkah kedua: Melakukan pengklasifikasian skor untuk setiap variabel.
c. Langkah ketiga: Memberikan nilai range untuk setiap kriteria.
d. Langkah keempat: Melakukan Fuzzyfikasi.
Proses ini digunakan untuk menghitung nilai keanggotaan yang terdiri dari beberapa masukan yaitu variabel-variabel yang mempengaruhi perhitungan. e. Langkah kelima: Menghitung derajat keanggotaan. f. Langkah keenam: Melakukan perancangan rule.
Proses ini berfungsi untuk mencari suatu nilai fuzzy
output dari fuzzy input.
g. Langkah ketujuh: Inferensi
Inferensi merupakan proses untuk mengolah input fuzzy menjadi output fuzzy dengan cara mengikuti
aturan-aturan (rule) yang telah ditetapkan pada basis pengetahuan fuzzy. Inferensi merupakan fungsi implikasi MIN untuk mendapat nilai α-predikat tiap
rule.
h. Langkah terakhir yaitu Defuzzyfikasi
Defuzzyfikasi dilakukan untuk mengubah output fuzzy
yang diperoleh dari inferensi menjadi nilai tegas menggunakan fungsi keanggotaan yang sesuai dengan saat dilakukan fuzzyfikasi. Hasil output diperoleh dari hasil (z) rata-rata pembobotan (Mean). Defuzzyfikasi dapat dihitung dengan menggunakan rumus:
Z =
𝑎𝑝𝑟𝑒𝑑1∗𝑍1+𝑎𝑝𝑟𝑒𝑑2∗𝑍2+𝑎𝑝𝑟𝑒𝑑3∗𝑍3+𝑎𝑝𝑟𝑒𝑑4∗𝑍4+𝑎𝑝𝑟𝑒𝑑5∗𝑍5+𝑎𝑝𝑟𝑒𝑑6∗𝑍6…𝑍𝑛 𝑎𝑝𝑟𝑒𝑑1+𝑎𝑝𝑟𝑒𝑑2+𝑎𝑝𝑟𝑒𝑑3+𝑎𝑝𝑟𝑒𝑑4+𝑎𝑝𝑟𝑒𝑑5+𝑎𝑝𝑟𝑒𝑑6…𝑍𝑛 3. ANALISA
Penilaian kelayakan sebuah bangunan menjadi cagar budaya merupakan hal yang penting dalam kelayakan bangunan yang akan dijadikan cagar budaya. Pendataan bangunan-bangunan yang layak untuk dijadikan cagar budaya dilakukan pada Dinas Kebudayaan Kota Medan dan dilakukan penelitian
lapangan agar dapat mengetahui bangunan-bangunan mana saja yang memenuhi kriteria dan layak untuk dijadikan cagar budaya.
A. Penerapan Metode
Berikut ini adalah contoh kasus perhitungan derajat keanggotaan untuk variabel input dan variabel
output dalam penilaian kelayakan sebuah bangunan
menjadi cagar budaya untuk alternatif A1. Tabel 1. Nilai Kriteria A1
No Variabel
Input Kriteria Nilai
1. C1 Sangat Bagus 80
2. C2 Dibangun pada saat perang dunia kedua
oleh Jepang 70
3. C3 Penting untuk sejarah, ilmu
pengetahuan dan pendidikan 65
4. C4 Dapat menjadi pembeda antara Bangsa Indonesia dengan Bangsa yang lainnya 80 a. Variabel C1
Mencari nilai derajat keanggotaan C1 1. µKurangBagus[80] = x ≥ 40 = 80 ≥ 40 Maka= 0 2. µCukupBagus[80] = x ≥ 70 = 80 ≥ 70 Maka = 0 3. µSangatBagus [80] = 60 ≤ x ≤ 100 = 60≤ 80≤100 Maka = (x - 60) / (100 - 60) = (80 - 60) / (100 - 60) = 20/ 40 = 0.5 b. Variabel C2
Mencari nilai derajat keanggotaan C2 1. µKurangBagus[70] = x ≥ 40 = 70 ≥ 40 Maka = 0 2. µCukupBagus[70] = 50 ≤ x ≤ 70 = 50≤ 70 ≤70 Maka = (70 - x) / (70 - 50) = (70 - 70) / (70 - 50) = 0/ 20 = 0 3. µSangatBagus [70] = 60 ≤ x ≤ 100 = 60≤ 70≤100 Maka = (x - 60) / (100 - 60) = (70 - 60) / (100 - 60) = 10/ 40 = 0.25 Dst sampai C4
Tabel 2. Derajat Keanggotaan A1
N o Variabe l Input Kriteria Nila i Derajat Keanggotaan Kuran g Bagus Cuku p Bagus Sanga t Bagus 1. C1 76 Tahun 80 0 0 0,5 2. C2 Dibangun pada saat perang dunia kedua oleh Jepang 70 0 0 0,25 3. C3 Penting untuk 65 0 0,5 0,125
Hal: 371-377 N o Variabe l Input Kriteria Nila i Derajat Keanggotaan Kuran g Bagus Cuku p Bagus Sanga t Bagus sejarah, ilmu pengetahua n dan pendidikan 4. C4 Dapat menjadi pembeda antara Bangsa Indonesia dengan Bangsa yang lainnya 80 0 0 0,5 B. Perancangan Rule
Pada perancangan rule ini berisi tentang aturan yang berlaku untuk semua kejadian (kombinasi). Proses ini berfungsi untuk mencari suatu nilai fuzzy output dari
fuzzy input. Prosesnya adalah sebagai berikut : suatu nilai fuzzy input yang berasal dari proses fuzzyfikasi kemudian
dimasukkan kedalam sebuah rule yang telah dibuat untuk dijadikan sebuah fuzzy output. Berikut ini adalah Rule yang akan digunakan untuk perhitungan fuzzy dalam
bentuk IF-THEN.
Tabel 3. Perancangan Rule
No
Variabel Input Variabel
Output C1 C2 C3 C4 Evaluasi Penilaian 1. Sangat Bagus Sangat Bagus Sangat Bagus Sangat Bagus Layak 2. Sangat Bagus Sangat Bagus Sangat Bagus Cukup Bagus Layak
3. Sangat Bagus Sangat Bagus Sangat Bagus Kurang Bagus Layak
4. Sangat Bagus Sangat Bagus Cukup Bagus Sangat Bagus Layak 5. Sangat Bagus Sangat Bagus Cukup Bagus Cukup Bagus Layak 6. Sangat Bagus Sangat Bagus Cukup Bagus Kurang Bagus Layak 7. Sangat Bagus Sangat Bagus Kurang Bagus Sangat Bagus Layak
8. Sangat Bagus Sangat Bagus Kurang Bagus Cukup Bagus Layak
9. Sangat Bagus Sangat Bagus Kurang Bagus Kurang Bagus Layak 10. Sangat Bagus Cukup Bagus Sangat Bagus Sangat Bagus Layak 11. Sangat Bagus Cukup Bagus Sangat Bagus Cukup Bagus Layak 12. Sangat Bagus Cukup Bagus Sangat Bagus Kurang Bagus Layak 13. Sangat Bagus Cukup Bagus Cukup Bagus Sangat Bagus Layak 14. Sangat Bagus Cukup Bagus Cukup Bagus Cukup Bagus Layak 15. Sangat Bagus Cukup Bagus Cukup Bagus Kurang Bagus Layak 16. Sangat Bagus Cukup Bagus Kurang Bagus Sangat Bagus Layak 17. Sangat Bagus Cukup Bagus Kurang Bagus Cukup Bagus Layak 18. Sangat Bagus Cukup Bagus Kurang Bagus Kurang
Bagus Tidak Layak
19. Sangat Bagus Kurang Bagus Sangat Bagus Sangat Bagus Layak
20. Sangat Kurang Sangat Cukup Layak
No
Variabel Input Variabel
Output
C1 C2 C3 C4 Evaluasi
Penilaian
Bagus Bagus Bagus Bagus
21. Sangat Bagus Kurang Bagus Sangat Bagus Kurang Bagus Layak 22. Sangat Bagus Kurang Bagus Cukup Bagus Sangat Bagus Layak 23. Sangat Bagus Kurang Bagus Cukup Bagus Cukup Bagus Layak 24. Sangat Bagus Kurang Bagus Cukup Bagus Kurang
Bagus Tidak Layak
25. Sangat Bagus Kurang Bagus Kurang Bagus Sangat Bagus Layak 26. Sangat Bagus Kurang Bagus Kurang Bagus Cukup
Bagus Tidak Layak
27. Sangat Bagus Kurang Bagus Kurang Bagus Kurang
Bagus Tidak Layak
28. Cukup Bagus Sangat Bagus Sangat Bagus Sangat Bagus Layak 29. Cukup Bagus Sangat Bagus Sangat Bagus Cukup Bagus Layak 30. Cukup Bagus Sangat Bagus Sangat Bagus Kurang Bagus Layak 31. Cukup Bagus Sangat Bagus Cukup Bagus Sangat Bagus Layak
32 Cukup Bagus Sangat Bagus Cukup Bagus Cukup Bagus Layak
33. Cukup Bagus Sangat Bagus Cukup Bagus Kurang Bagus Layak 34. Cukup Bagus Sangat Bagus Kurang Bagus Sangat Bagus Layak 35. Cukup Bagus Sangat Bagus Kurang Bagus Cukup Bagus Layak 36. Cukup Bagus Sangat Bagus Kurang Bagus Kurang Bagus Layak
37. Cukup Bagus Cukup Bagus Sangat Bagus Sangat Bagus Layak
38. Cukup Bagus Cukup Bagus Sangat Bagus Cukup Bagus Layak 39. Cukup Bagus Cukup Bagus Sangat Bagus Kurang Bagus Layak 40. Cukup Bagus Cukup Bagus Cukup Bagus Sangat Bagus Layak 41. Cukup Bagus Cukup Bagus Cukup Bagus Cukup Bagus Layak
42. Cukup Bagus Cukup Bagus Cukup Bagus Kurang Bagus Layak
43. Cukup Bagus Cukup Bagus Kurang Bagus Sangat Bagus Layak 44. Cukup Bagus Cukup Bagus Kurang Bagus Cukup Bagus Layak 45. Cukup Bagus Cukup Bagus Kurang Bagus Kurang
Bagus Tidak Layak
46. Cukup Bagus Kurang Bagus Sangat Bagus Sangat Bagus Layak
47. Cukup Bagus Kurang Bagus Sangat Bagus Cukup Bagus Layak
48. Cukup Bagus Kurang Bagus Sangat Bagus Kurang
Bagus Tidak Layak
49. Cukup Bagus Kurang Bagus Cukup Bagus Sangat Bagus Layak 50. Cukup Bagus Kurang Bagus Cukup Bagus Cukup Bagus Layak 51. Cukup Bagus Kurang Bagus Cukup Bagus Kurang
Bagus Tidak Layak
52. Cukup Bagus Kurang Bagus Kurang Bagus Sangat
Bagus Tidak Layak
53. Cukup Bagus Kurang Bagus Kurang Bagus Cukup
Bagus Tidak Layak
54. Cukup Bagus Kurang Bagus Kurang Bagus Kurang
Bagus Tidak Layak
55. Kurang Bagus Sangat Bagus Sangat Bagus Sangat Bagus Layak 56. Kurang Bagus Sangat Bagus Sangat Bagus Cukup Bagus Layak
Hal: 371-377
374
No
Variabel Input Variabel
Output
C1 C2 C3 C4 Evaluasi
Penilaian
Bagus Bagus Bagus Bagus
58. Kurang Bagus Sangat Bagus Cukup Bagus Sangat Bagus Layak 59. Kurang Bagus Sangat Bagus Cukup Bagus Cukup Bagus Layak 60. Kurang Bagus Sangat Bagus Cukup Bagus Kurang
Bagus Tidak Layak
61. Kurang Bagus Sangat Bagus Kurang Bagus Sangat Bagus Layak 62. Kurang Bagus Sangat Bagus Kurang Bagus Cukup
Bagus Tidak Layak
63. Kurang Bagus Sangat Bagus Kurang Bagus Kurang
Bagus Tidak Layak
64. Kurang Bagus Cukup Bagus Sangat Bagus Sangat Bagus Layak 65. Kurang Bagus Cukup Bagus Sangat Bagus Cukup Bagus Layak 66. Kurang Bagus Cukup Bagus Sangat Bagus Kurang
Bagus Tidak Layak
67. Kurang Bagus Cukup Bagus Cukup Bagus Sangat Bagus Layak 68. Kurang Bagus Cukup Bagus Cukup Bagus Cukup Bagus Layak
69. Kurang Bagus Cukup Bagus Cukup Bagus Kurang Bagus Tidak Layak
70. Kurang Bagus Cukup Bagus Kurang Bagus Sangat
Bagus Tidak Layak
71. Kurang Bagus Cukup Bagus Kurang Bagus Cukup
Bagus Tidak Layak
72. Kurang Bagus Cukup Bagus Kurang Bagus Kurang
Bagus Tidak Layak
73. Kurang Bagus Kurang Bagus Sangat Bagus Sangat Bagus Layak
74. Kurang Bagus Kurang Bagus Sangat Bagus Cukup Bagus Tidak Layak
75. Kurang Bagus Kurang Bagus Sangat Bagus Kurang
Bagus Tidak Layak
76. Kurang Bagus Kurang Bagus Cukup Bagus Sangat
Bagus Tidak Layak
77. Kurang Bagus Kurang Bagus Cukup Bagus Cukup
Bagus Tidak Layak
78. Kurang Bagus Kurang Bagus Cukup Bagus Kurang
Bagus Tidak Layak
79. Kurang Bagus Kurang Bagus Kurang Bagus Sangat Bagus Tidak Layak
80. Kurang Bagus Kurang Bagus Kurang Bagus Cukup
Bagus Tidak Layak
81. Kurang Bagus Kurang Bagus Kurang Bagus Kurang
Bagus Tidak Layak
Salah satu contoh penggunaan if – then untuk rule pertama adalah sebagai berikut:
[R1]= IF C1 Sangat Bangus AND C2 Sangat Bagus AND C3 Sangat Bagus AND C4 Sangat Bagus THEN Penilaian Layak. Cara yang sama dilakukan hingga R81. C. Inferensi
Inferensi merupakan proses untuk mengolah input fuzzy menjadi output fuzzy dengan cara mengikuti
aturan-aturan (rule) yang telah ditetapkan pada basis pengetahuan fuzzy. Inferensi merupakan fungsi implikasi
MIN untuk mendapat nilai α-predikat tiap rule. Kemudian
masing-masing nilai akan digunakan untuk menghitung
output, hasil inferensi secara tegas (crisp) masing-masing rule (z) dengan menggunakan metode tsukamoto.
Mencari nilai α untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi fungsi implikasinya:
α1 = MIN (µC1 SangatBagus AND µC2 SangatBagus
AND µC3 SangatBagus AND µC4 SangatBagus) = MIN (0,5 AND 0,25 AND 0,125 AND 0,5)
= 0,0078
R1 mempunyai derajat keanggotaan dengan keputusan LAYAK (z1 – 50) / (100 – 50) = 0,0078 (z1 – 50) = 0,0078 * 50 z1 = (0,0078 * 50) + 50 = 0,39 + 50 z1 = 50,39
α2 = MIN (µC1 SangatBagus AND µC2 SangatBagus
AND µC3 SangatBagus AND µC4 CukupBagus) = MIN (0,5 AND 0,25 AND 0,125 AND 0)
= 0
R2 mempunyai derajat keanggotaan dengan keputusan LAYAK
(z2 – 50) / (100 – 50) = 0
(z2 – 50) = 0 * 50
z2 = (0 * 50) + 50 z2 = 50
Langkah yang sama pun dilakukan untuk mencari nilai α dan R selanjutnya hingga α81 dan R81.
Tabel 4.Tabel Inferensi
Rul e
I F
Variabel Input Variabel Output α Predika t (R) Z (R) C1 C2 C3 C4 Evaluasi Penilaia n R1 IF Sangat Bagus Sangat Bagus Sangat Bagus Sangat Bagus Layak 0,0078 50,39 R2 IF Sangat Bagus Sangat Bagus Sangat Bagus Cukup Bagus Layak 0 50 R3 IF Sangat Bagus Sangat Bagus Sangat Bagus Kuran g Bagus Layak 0 50 R4 IF Sangat Bagus Sangat Bagus Cukup Bagus Sangat Bagus Layak 0,03125 51,562 5 R5 IF Sangat Bagus Sangat Bagus Cukup Bagus Cukup Bagus Layak 0 50 R6 IF Sangat Bagus Sangat Bagus Cukup Bagus Kuran g Bagus Layak 0 50 R7 IF Sangat Bagus Sangat Bagus Kuran g Bagus Sangat Bagus Layak 0 50 R8 IF Sangat Bagus Sangat Bagus Kuran g Bagus Cukup Bagus Layak 0 50 R9 IF Sangat Bagus Sangat Bagus Kuran g Bagus Kuran g Bagus Layak 0 50 R10 IF Sangat Bagus Cukup Bagus Sangat Bagus Sangat Bagus Layak 0 50 R11 IF Sangat Bagus Cukup Bagus Sangat Bagus Cukup Bagus Layak 0 50 R12 IF Sangat Bagus Cukup Bagus Sangat Bagus Kuran g Bagus Layak 0 50 R13 IF Sangat Bagus Cukup Bagus Cukup Bagus Sangat Bagus Layak 0 50 R14 IF Sangat Bagus Cukup Bagus Cukup Bagus Cukup Bagus Layak 0 50 R15 IF Sangat Bagus Cukup Bagus Cukup Bagus Kuran g Bagus Layak 0 50 R16 IF Sangat Bagus Cukup Bagus Kuran g Bagus Sangat Bagus Layak 0 50 R17 IF Sangat Bagus Cukup Bagus Kuran g Bagus Cukup Bagus Layak 0 50 R18 IF Sangat Bagus Cukup Bagus Kuran g Bagus Kuran g Bagus Tidak Layak 0 50 R19 IF Sangat Bagus Kuran g Bagus Sangat Bagus Sangat Bagus Layak 0 50 R20 IF Sangat Bagus Kuran g Bagus Sangat Bagus Cukup Bagus Layak 0 50 R21 IF Sangat Bagus Kuran g Bagus Sangat Bagus Kuran g Bagus Layak 0 50 R22 IF Sangat Bagus Kuran g Cukup Bagus Sangat Bagus Layak 0 50
Hal: 371-377
Rul e
I F
Variabel Input Variabel Output α Predika t (R) Z (R) C1 C2 C3 C4 Evaluasi Penilaia n Bagus R23 IF Sangat Bagus Kuran g Bagus Cukup Bagus Cukup Bagus Layak 0 50 R24 IF Sangat Bagus Kuran g Bagus Cukup Bagus Kuran g Bagus Tidak Layak 0 50 R25 IF Sangat Bagus Kuran g Bagus Kuran g Bagus Sangat Bagus Layak 0 50 R26 IF Sangat Bagus Kuran g Bagus Kuran g Bagus Cukup Bagus Tidak Layak 0 50 R27 IF Sangat Bagus Kuran g Bagus Kuran g Bagus Kuran g Bagus Tidak Layak 0 50 R28 IF Cukup Bagus Sangat Bagus Sangat Bagus Sangat Bagus Layak 0 50 R29 IF Cukup Bagus Sangat Bagus Sangat Bagus Cukup Bagus Layak 0 50 R30 IF Cukup Bagus Sangat Bagus Sangat Bagus Kuran g Bagus Layak 0 50 R31 IF Cukup Bagus Sangat Bagus Cukup Bagus Sangat Bagus Layak 0 50 R32 IF Cukup Bagus Sangat Bagus Cukup Bagus Cukup Bagus Layak 0 50 R33 IF Cukup Bagus Sangat Bagus Cukup Bagus Kuran g Bagus Layak 0 50 R34 IF Cukup Bagus Sangat Bagus Kuran g Bagus Sangat Bagus Layak 0 50 R35 IF Cukup Bagus Sangat Bagus Kuran g Bagus Cukup Bagus Layak 0 50 R36 IF Cukup Bagus Sangat Bagus Kuran g Bagus Kuran g Bagus Layak 0 50 R37 IF Cukup Bagus Cukup Bagus Sangat Bagus Sangat Bagus Layak 0 50 R38 IF Cukup Bagus Cukup Bagus Sangat Bagus Cukup Bagus Layak 0 50 R39 IF Cukup Bagus Cukup Bagus Sangat Bagus Kuran g Bagus Layak 0 50 R40 IF Cukup Bagus Cukup Bagus Cukup Bagus Sangat Bagus Layak 0 50 R41 IF Cukup Bagus Cukup Bagus Cukup Bagus Cukup Bagus Layak 0 50 R42 IF Cukup Bagus Cukup Bagus Cukup Bagus Kuran g Bagus Layak 0 50 R43 IF Cukup Bagus Cukup Bagus Kuran g Bagus Sangat Bagus Layak 0 50 R44 IF Cukup Bagus Cukup Bagus Kuran g Bagus Cukup Bagus Layak 0 50 R45 IF Cukup Bagus Cukup Bagus Kuran g Bagus Kuran g Bagus Tidak Layak 0 50 R46 IF Cukup Bagus Kuran g Bagus Sangat Bagus Sangat Bagus Layak 0 50 R47 IF Cukup Bagus Kuran g Bagus Sangat Bagus Cukup Bagus Layak 0 50 R48 IF Cukup Bagus Kuran g Bagus Sangat Bagus Kuran g Bagus Tidak Layak 0 50 R49 IF Cukup Bagus Kuran g Bagus Cukup Bagus Sangat Bagus Layak 0 50 R50 IF Cukup Bagus Kuran g Bagus Cukup Bagus Cukup Bagus Layak 0 50 R51 IF Cukup Bagus Kuran g Bagus Cukup Bagus Kuran g Bagus Tidak Layak 0 50 R52 IF Cukup Bagus Kuran g Bagus Kuran g Bagus Sangat Bagus Tidak Layak 0 50 R53 IF Cukup Bagus Kuran g Bagus Kuran g Bagus Cukup Bagus Tidak Layak 0 50 R54 IF Cukup Bagus Kuran g Bagus Kuran g Bagus Kuran g Bagus Tidak Layak 0 50 R55 IF Kuran g Bagus Sangat Bagus Sangat Bagus Sangat Bagus Layak 0 50 R56 IF Kuran g Bagus Sangat Bagus Sangat Bagus Cukup Bagus Layak 0 50 R57 IF Kuran g Bagus Sangat Bagus Sangat Bagus Kuran g Bagus Layak 0 50
R58 IF Kuran Sangat Cukup Sangat Layak 0 50 Rul
e I F
Variabel Input Variabel Output α Predika t (R) Z (R) C1 C2 C3 C4 Evaluasi Penilaia n g Bagus
Bagus Bagus Bagus
R59 IF Kuran g Bagus Sangat Bagus Cukup Bagus Cukup Bagus Layak 0 50 R60 IF Kuran g Bagus Sangat Bagus Cukup Bagus Kuran g Bagus Tidak Layak 0 50 R61 IF Kuran g Bagus Sangat Bagus Kuran g Bagus Sangat Bagus Layak 0 50 R62 IF Kuran g Bagus Sangat Bagus Kuran g Bagus Cukup Bagus Tidak Layak 0 50 R63 IF Kuran g Bagus Sangat Bagus Kuran g Bagus Kuran g Bagus Tidak Layak 0 50 R64 IF Kuran g Bagus Cukup Bagus Sangat Bagus Sangat Bagus Layak 0 50 R65 IF Kuran g Bagus Cukup Bagus Sangat Bagus Cukup Bagus Layak 0 50 R66 IF Kuran g Bagus Cukup Bagus Sangat Bagus Kuran g Bagus Tidak Layak 0 50 R67 IF Kuran g Bagus Cukup Bagus Cukup Bagus Sangat Bagus Layak 0 50 R68 IF Kuran g Bagus Cukup Bagus Cukup Bagus Cukup Bagus Layak 0 50 R69 IF Kuran g Bagus Cukup Bagus Cukup Bagus Kuran g Bagus Tidak Layak 0 50 R70 IF Kuran g Bagus Cukup Bagus Kuran g Bagus Sangat Bagus Tidak Layak 0 50 R71 IF Kuran g Bagus Cukup Bagus Kuran g Bagus Cukup Bagus Tidak Layak 0 50 R72 IF Kuran g Bagus Cukup Bagus Kuran g Bagus Kuran g Bagus Tidak Layak 0 50 R73 IF Kuran g Bagus Kuran g Bagus Sangat Bagus Sangat Bagus Layak 0 50 R74 IF Kuran g Bagus Kuran g Bagus Sangat Bagus Cukup Bagus Tidak Layak 0 50 R75 IF Kuran g Bagus Kuran g Bagus Sangat Bagus Kuran g Bagus Tidak Layak 0 50 R76 IF Kuran g Bagus Kuran g Bagus Cukup Bagus Sangat Bagus Tidak Layak 0 50 R77 IF Kuran g Bagus Kuran g Bagus Cukup Bagus Cukup Bagus Tidak Layak 0 50 R78 IF Kuran g Bagus Kuran g Bagus Cukup Bagus Kuran g Bagus Tidak Layak 0 50 R79 IF Kuran g Bagus Kuran g Bagus Kuran g Bagus Sangat Bagus Tidak Layak 0 50 R80 IF Kuran g Bagus Kuran g Bagus Kuran g Bagus Cukup Bagus Tidak Layak 0 50 R81 IF Kuran g Bagus Kuran g Bagus Kuran g Bagus Kuran g Bagus Tidak Layak 0 50 D. Defuzzyfikasi
Defuzzyfikasi dilakukan untuk mengubah output fuzzy yang diperoleh dari inferensi menjadi nilai tegas
menggunakan fungsi keanggotaan yang sesuai dengan saat dilakukan fuzzyfikasi. Hasil output diperoleh dari hasil (z) rata-rata pembobotan (Mean).
Berikut merupakan hasil dari tahap deffuzyfikasi (Z) sistem penilaian kelayakan sebuah bangunan menjadi cagar budaya pada Dinas Kebudayaan Kota Medan. Z = ((0,0078 * 50,39) + (0 * 50) + (0 * 50) + (0,03125 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 *
Hal: 371-377 376 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50) + (0 * 50)) 0,0078 + 0 + 0 + 0,03125 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 = 1,96 0,03905 = 50,1921
Maka nilai Fuzzy hasil perhitungan Evaluasi Penilaian sebesar 50,1921, dengan demikian tingkat kelayakan Bunker Jepang Sei Kambing (A1) menjadi cagar budaya adalah sebesar 50,1921.
Langkah yang sama pun dilakukan untuk mencari nilai Fuzzy hasil perhitungan Evaluasi Penilaian untuk masing-masing alternatif. Hasil dari keseluruhan nilai
Fuzzy hasil perhitungan Evaluasi Penilaian
masing-masing alternatif dapat dilihat pada Tabel 5 di bawah ini. Tabel 5. Hasil Keseluruhan Perhitungan Alternatif
Alternatif Kriteria Nilai Hasil
C1 C2 C3 C4 A1 80 70 65 80 50,1921 Layak A2 80 80 45 75 53,515 Layak A3 90 80 75 70 51,761 Layak A4 80 80 45 70 52,345 Layak A5 45 50 50 75 0 Tidak Layak 4. IMPLEMENTASI
Implementasi adalah suatu tindakan atau pelaksanaan dari sebuah rencana yang sudah disusun secara matang dan terperinci. Implementasi biasanya dilakukan setelah perencanaaan sudah dianggap selesai. Implementasi sistem pendukung keputusan pemilihan kepala cabang melibatkan beberapa kebutuhan spesifikasi yakni meliputi perangkat keras (hardware), perangkat lunak (software) dan implementasi program. a. Tampilan Input Program
1. Form Menu Utama
Form menu utama adalah Form pertama yang di
tampilkan menu pilihan pada sistem pendukung keputusan. Form ini terdiri atas dua menu yaitu sub menu file dan sub menu proses.
Gambar 1. Form Menu Utama
2. Sub menu file
Sub menu file merupakan salah satu bentuk penyimpanan yang terdiri dari menu input data alternatif, dan input data kriteria. Menu input data alternatif, dan input data kriteria dapat dilihat pada gambar di bawah ini:
Gambar 2. Sub Menu File 3. Sub menu proses
Sub menu proses merupakan hasil dari keputusan dapat di lihat pada gambar di bawah ini.
Gambar 3. Sub Menu Proses 4. Form Input Alternatif
Form input alternatif merupakan form yang
digunakan untuk memasukkan data alternatif dan akan di simpan ke dalam sebuah database, dapat di lihat pada gambar di bawah ini.
Gambar 4. Form Input Alternatif 5. Form Input Kriteria Pada Alternatif
Form kriteria merupakan form yang digunakan
dalam memasukkan nilai kriteria dari masing-masing alternatif, lalu menghitungnya dengan menggunakan metode fuzzy tsukamoto. Data yang telah di-input tersebut akan disimpan ke dalam sebuah database. Untuk lebih jelas, tampilan form input kriteria pada alternatif dapat dilihat pada gambar berikut ini.
Hal: 371-377
Gambar 5. Form Input Kriteria Pada Alternatif b. Tampilan Output Program
1. Form Hasil Keputusan
Form hasil akan menampilkan hasil keputusan
pada proses pemilihan kelayakan sebuah bangunan menjadi cagar budaya, dengan memberikan hasil pada masing-masing alternatif. Tampilan form hasil keputusan dapat dilihat pada gambar di bawah ini.
Gambar 6. Form Hasil Keputusan
5. KESIMPULAN
Beberapa kesimpulan yang dapat diambil dari penelitian yang telah dilakukan diatas diantaranya adalah sebagai berikut:
a. Metode Fuzzy Tsukamoto dapat melakukan perhitungan nilai kelayakan untuk menentukan kelayakan sebuah bangunan menjadi cagar budaya. b. Input-an yang dihasilkan dapat melalui tiga tahapan,
yaitu fuzzyfikasi, inferensi dan defuzzifikasi sehingga menghasilkan nilai kelayakan.
c. Output yang dihasilkan adalah hasil nilai kelayakan dan apakah bangunan tersebut layak atau tidak dijadikan cagar budaya.
REFERENCES
[1] Dinas Kebudayaan Kota Medan, “Kriteria Kelayakan Sebuah Bangunan Menjadi Cagar Budaya.”
[2] J. Ilmiah and I. Komputa, “Jurnal Ilmiah Komputer dan Informatika ( KOMPUTA ),” vol. 2, no. 2, 2013.
[3] Y. Hasan and S. S. Morton, “Implementasi Metode Analytical Hierarchy Process Dalam Menentukan Kelayakan Guru Penerima Umrah,” vol. 3, no. 1, pp. 81–88, 2018.
[4] “UNDANG-UNDANG REPUBLIK INDONESIA NOMOR
28 TAHUN 2002 TENTANG,” pp. 1–53.
[5] C. Journal and Y. Primadasa, “Fuzzy Inference System Tsukamoto Penentuan Nilai Reward yang Diterima Karyawan,” vol. 4, no. 2, pp. 106–116, 2017.
