SKRIPSI
Disusun oleh :
LINCAHYA
0934010169
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUN NASIONAL “VETERAN”
J AWA TIMUR
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika
Disusun oleh :
LINCAHYA
0934010169
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUN NASIONAL “VETERAN”
J AWA TIMUR
FUZZY TSUKAMOTO, STUDI KASUS ”MISTER LONDREE”
Disusun Oleh :
LINCAHYA
0934010169
Telah disetujui untuk mengikuti Ujian Negar a Lisan Gelombang V Tahun Akademik 2013
Pembimbing Utama
Eko Prasetyo, S.Kom, M.Kom NPT. 0718077901
Pembimbing Pendamping
Fetty Tri A, S.Kom, M.Kom NPT. 3 8202 06 0208 1
Mengetahui,
Ketua J ur usan Teknik Infor matika Fakultas Teknologi Industri UPN ”Veteran” J awa Timur
FUZZY TSUKAMOTO, STUDI KASUS ”MISTER LONDREE”
Disusun O leh :
LINCAHYA
0934010169
Telah diper tahankan di hadapan dan diter ima oleh Tim Penguji Skr ipsi J ur usan Teknik Infor matika Fakultas Teknologi I ndustr i
Univer sitas Pembangunan Nasional ”Veter an” J awa Timur Pada Tanggal 14 J uni 2013
Pembimbing : Tim Penguji :
1. 1.
Eko Prasetyo, S.Kom, M.Kom Budi Nugr oho, S.Kom, M.Kom
NPT. 0718077901 NPT. 3 8006 05 0205 1
I Made Suar tana,S.Kom, M.Kom
NPT.
Mengetahui,
Dekan Fakultas Teknologi Industr i Univer sitas Pembangunan Nasional
”Veter an” J awa Timur
KETERANGAN REVISI Mahasiswa di bawah ini :
Nama : Lincahya NPM : 0934010169 Jurusan : Teknik Informatika
Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian lisan gelombang V, TA 2012/2013 dengan judul:
”SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN
J UMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE FUZZY TSUKAMOTO, STUDI KASUS”MISTER LONDREE””
Surabaya,
Dosen Penguji yang memerintahkan revisi:
1) Budi Nugroho, S.Kom, M.Kom
NPT. 3 8006 05 0205 1
2) Ir. Purnomo Edy Sasongko, MP
NIP. 19640714 198803 1001
3) I Made Suartana, S.Kom, M.Kom
NPT.
Mengetahui,
Pembimbing Utama Pembimbing Pendamping
Syukur Alhamdulillah saya panjatkan kepada Allah Subhanahu wa Ta’ala karena atas kehendak kuasanya saya dapat menyelesaikan tugas akhir ini dengan judul “SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN J UMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE FUZZY TSUKAMOTO, STUDI KASUS “MIDTER LONDREE”.
Tugas Akhir dengan beban 4 SKS ini disusun dan diajukan sebagai salah satu syarat untuk menyelesaikan program Strata Satu (S1) pada program studi Teknik Informatika, Fakultas Teknologi Industri, Universitas Pembangunan Nasional ”Veteran” Jawa Timur Surabaya.
Disadari bahwa dalam penulisan laporan ini jauh dari kata sempurna, oleh karena itu penulis menerima masukan, saran dan kritik yang sifatnya membangun dari pada pembaca agar penulisan selanjutnya akan lebih baik.
Dalam proses penyelesaian laporan ini tidak terlepas dari bantuan dan bimbingan berbagai pihak, pada kesempatan ini penulis menyampaikan terima kasih kepada :
1. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri-Universitas Pembangunan Nasional “Veteran” Jatim.
2. Ibu Dr.Ir.Ni Ketut Sari, MT selaku Ketua Program Studi Teknik Informatika-Universitas Pembangunan Nasional “Veteran” Jatim.
4. Ibu Fetty Tri Anggraeny,S.Kom,M.Kom, selaku Dosen Pembimbing II yang dengan sabar telah meluangkan banyak waktu untuk memberikan bimbingan dan kesempatan penulis untuk berkreasi dalam proses pembuatan Tugas Akhir ini.
5. Bapak, Ibu, Mas, Mbak dan keponakan-keponakan yang senantiasa mengingatkan dan mendoakan serta memberikan dukungannya supaya Tugas Akhir ini segera penulis selesaikan.
6. Teman-teman spesial yang telah banyak membantu penulis. Siti Nur Hidayati( Si Princess yang selalu membuat orang tersenyum), Ayu Rahmawati, Dini Diroyati, Merry Kristina, dan Susanti Nur Asiyah sehingga penulis bersemangat kembali menyelesaikan tugas akhir ini.
7. Teman-teman di TF Dea Dana P, Ayu Wandari yang bersama-sama bimbingan TA dan saling memberi masukan hingga selesai pengerjaan tugas akhir ini dan masih banyak lagi.
8. Dan semua orang yang tidak dapat disebutkan satu-persatu yang telah membantu penulis selama ini.
Akhirnya penulis hanya bisa berharap semoga laporan ini dapat berguna bagi kelangsungan dan perkembangan dunia keilmuan. Sekian dan terima kasih.
KATA PENGANTAR... i
DAFTAR ISI... iii
DAFTAR TABEL... vii
DAFTAR GAMBAR... ABSTRAK ... viii x BAB I PENDAHULUAN... 1
1.1 Latar Belakang...1
1.2 Rumusan Masalah... 2
1.3 Batasan Masalah... 2
1.4 Tujuan Penelitian... 2
1.5 Manfaat Penelitian... 1.6. Sistematika Penulisan ... 3 4 BAB II TINJ AUAN PUSTAKA... 5
2.1 Tinjauan Umum... 5
2.2 Landasan Teori ... 5
2.2.1 Sistem Pendukung Keputusan... 5
2.2.1.1 Komponen SPK... 6
2.2.1.2 Validitas SPK ... 8
2.2.2 Himpunan dan Logika Fuzzy ... 8
2.2.2.5 Fungsi Implikasi ... 2.2.3 Metode Tsukamoto ... 2.2.4 PHP ...
2.2.4.1 Kelebihan PHP ... 2.2.5 MySQL ... 2.2.5.1 Keistimewaan MySQL ...
16 BAB III ANALISIS DAN PERANCANGAN SISTEM... 26 3.1 Rancangan Penelitian... 26
3.1.3.3 Tabel t_Ketebalan ... 3.1.3.4 Tabel Simpan Hasil ... 3.1.3.5 Tabel Jumlah_det... 3.1.3.6 Tabel Middle ... 3.1.3.7 Tabel User ... 3.1.3.8 Tabel Karyawan ... 3.1.4 Rancangan Interface ... 3.1.4.1 Rancangan Halaman Login ... 3.1.4.2 Rancangan Halaman Home ... 3.1.4.3 Rancangan Halaman Takaran Detergen ... 3.1.4.4 Rancangan Halaman Penggunaan Detergen ... 3.1.4.5 Rancangan Halaman Home Admin ... 3.1.4.6 Rancangan Halaman Penggunaan Det Admin... 3.1.4.7 Rancangan Halaman Karyawan ... 3.1.4.8 Rancanagn Halaman Olah Data ... 3.2 Rancangan Uji Coba dan Evaluasi ... 3.3 Jadwal Kegiatan Penelitian ... BAB IV HASIL DAN PEMBAHASAN ...
4.1 Implementasi ... 4.1.1 Implementasi Aplikasi User ... 4.1.1.1 SPK Penentuan Takaran Detergen ...
4.1.2.2 Olah Data Cucian ... 4.1.2.3 Laporan Penggunaan Detergen ... 4.2 Hasil Uji Coba dan Evaluasi ... 4.2.1 Uji Coba Perhitungan Manual dengan Sistem ... 4.2.2 Uji Coba Perhitungan antara 2 Himpunan dan 3 Himpunan... 4.2.3 Uji Coba Perhitungan Sistem dengan Keadaan Riil ... BAB V PENUTUP ...
5.1 Kesimpulan ... 5.2 Saran ... DAFTAR PUSTAKA
LAMPIRAN
Dosen Pembimbing 1 : Eko Prasetyo S.Kom, M.kom
Dosen Pembimbing 2 : Fetty Tri Anggraeni S.Kom, M.Kom
ABSTRAK
Banyaknya orang yang memilih layanan cuci kering dibandingkan mencuci sendiri membuat usaha laundry sangat berkembang pesat pada saat ini. Dari semua proses pencucian, komponen yang sangat diperlukan dalam proses tersebut yaitu detergen. Bagi pihak laundry, untuk pemakaian detergen pada saat pencucian diharapkan dapat diminimalisir tanpa mengurangi tingkat kebersihan cucian setelah dicuci. Untuk meminimalisir jumlah detergen harus menggunakan perhitungan yang tepat, bukan hanya menggunakan perkiraan saja
Oleh karena itu , pada pengerjaan tugas akhir ini akan diimplementasikan sebuah aplikasi sistem pendukung keputusan untuk menentukan jumlah takaran detergen pada laundry dengan menggunakan metode fuzzy tsukamoto.Variabel yang digunakan dalam sistem ini adalah variabel bobot, warna dan tingkat ketebalan kain. Rule yang digunakan dalam sistem ini ada 8 rule yang digunakan untuk menentukan aturan penggunaaan detergen sesuai dengan aturan pada laundry.
Dari hasil uji coba yang dilakukan pada penelitian, user dapat melakukan proses penakaran detergen secara otomatis dari sistem dan dapat mengetahui seberapa banyak detergen yang telah digunakan. Untuk admin dapat mengelola semua data tentang pencucian dan data tentang karyawan. Diharapkan sistem yang dibuat dapat membantu pihak laundry dalam menentukan takaran detergen dan membantu penghitungan penggunaan detergen dengan lebih akurat.
1.1. Latar Belakang
Dewasa ini teknologi komputer berkembang sangat pesat, mengikuti kebutuhan hidup manusia. Komputer semakin banyak dibutuhkan untuk membantu manusia dalam kehidupan sehari-hari. Telah diketahui bersama, bahwa komputer dapat dimanfaatkan untuk berbagai keperluan, salah satu contohnya dalam dunia bisnis.
Saat ini banyak sekali orang yang menggunakan jasa cuci dan setrika untuk memudahkan pekerjaan, hanya tinggal membayar dan tunggu selesai saja. Banyak terdapat tempat laundry yang menyediakan jasa cuci dan setrika, namun pada saat melakukan pencucian pakaian masih terdapat kendala yaitu menentukan takaran seberapa banyak detergen yang harus digunakan untuk mencuci. Kebanyakan penggunaan jumlah detergen ini hanya di kira-kira saja belum menggunakan perhitungan yang pasti, jadi dengan hal ini tidak bisa mengoptimalkan jumlah penggunaan detergen untuk menghasilkan hasil cucian yang terbaik dan juga dapat terjadi pemborosan penggunaan detergen apabila perhitungan salah.
memberikan kemudahan kepada pihak laundry untuk menentukan jumlah deterjen yang digunakan saat melakukan pencucian pakaian.
1.2. Rumusan Masalah
Berdasarkan latar belakang penelitian yang dikemukakan di atas, maka masalah yang akan diteliti dirumuskan sebagai berikut :
a. Bagaimana cara membuat sistem pendukung keputusan penentuan jumlah takaran deterjen yang tepat/sesuai dengan aturan yang diterapkan pada laundry?
b. Bagaimana memodelkan perlunya inferensi fuzzy tsukamoto untuk penentuan jumlah takaran detergen?
1.3. Batasan Masalah
Batasan masalah yang ditetapkan dalam penelitian ini ditujukan untuk membatasi ruang lingkup dari penelitian dan pengerjaan aplikasi, diantaranya: a. Aplikasi yang dibuat adalah untuk takaran deterjen dalam bentuk cair bukan dalam bentuk deterjen bubuk.
b. Aplikasi hanya memberikan informasi takaran deterjen yang harus digunakan dalam takaran ml (mililiter).
c. Variabel yang digunakan dalam SPK yaitu warna pakaian, berat pakaian dan tingkat ketebalan kain.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut:
b. Memodelkan inferensi takaran deterjen menggunakan fuzzy tsukamoto. 1.5. Manfaat Penelitian
Adapun manfaat yang diperoleh dari penelitian ini yaitu SPK penentuan takaran jumlah deterjen ini dapat memudahkan karyawan untuk menentukan takaran deterjen yang tepat. Dengan adanya system ini karyawan tidak perlu bingung menentukan berapa banyak jumlah deterjen yang harus digunakan.
Pemilik diberikan kemudahan dalam memberikan penjelasan kepada karyawan tentang penggunaan jumlah deterjen, tidak terjadi pemborosan penggunaan deterjen dan memberikan perhitungan deterjen yang lebih terperinci dalam jangka waktu tertentu, sehingga memudahkan jumlah pembelian deterjen. 1.6. Sistematika Penulisan
Penulisan serta pembahasan tugas akhir ini dibagi menjadi lima bab dengan sistematika sebagai berikut :
BAB I : PENDAHULUAN
Bab ini berisi tentang latar belakang, rumusan masalah, batasan masalah, tujuan, manfaat, metodologi penelitian dan sistematika dari penelitian.
BAB II : TINJAUAN PUSTAKA
Pada bab ini membahas tentang landasan teori yang digunakan dalam membuat sistem, berisi dasar-dasar teori yang didapatkan dari berbagai literatur yang mendukung penelitian.
Pada bab ini membahas mengenai analisis kebutuhan yang diperlukan untuk mengatasi permasalahan tersebut, dan juga perancangan atau pemodelan sistem untuk aplikasi yang dibangun.
BAB IV : HASIL DAN PEMBAHASAN
Pada bab ini berisi tentang hasil dari perancangan sistem yang telah dibuat dan berisi penjelasan tentang hasil uji coba aplikasi dan evaluasinya.
BAB V : PENUTUP
2.1 Tinjauan Umum
Sebuah sistem pendukung keputusan dibuat agar dapat membantu seseorang untuk menyelesaikan permasalahan tertentu tidak terkecuali juga masalah penentuan detergen. Meskipun penakaran detergen bisa hanya dengan mengira saja tetapi hal tersebut tidak efektif digunakan, dikarenakan belum tentu perkiraan itu sesuai dengan kenyataan. Dengan itu dibuatlah sistem pendukung keputusan penakaran detergen pada laundry dengan metode fuzzy tsukamoto.
Metode fuzzy tsukamoto merupakan metode fuzzy yang bisa dikatakan cocok untuk membuat sebuah sistem pendukung keputusan penentuan takaran detergen, yaitu dikarenakan metode tsukamoto dapat menghasilkan nilai yang tegas untuk menentukan jumlah detergen.
2.2 Landasan Teori
2.2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (Decission Support System) adalah system informasi berbasis komputer yang menyediakan dukungan informasi yang interaktif bagi manajer dan praktisi bisnis selama proses pengambilan keputusan (O’Brien, 2005).
sebagai “second opinion” atau “information sources” sebagai bahan pertimbangan seorang manajer sebelum memutuskan kebijakan tertentu.
2.2.1.1 Komponen SPK
Menurut Aji Supriyanto (2005) SPK dibangun oleh tiga komponen, yaitu:
a. Database
Sistem Database adalah kumpulan semua data yang dimiliki oleh perusahaan baik data dasar maupun transaksi sehari-hari.
b. Model base
Model base adalah suatu model yang merepresentasikan permasalahan
dalam format kuantitatif. c. Software System
Software System adalah paduan antara database dan model base, setelah
sebelumnya direpresentasikan ke dalam bentuk model yang dimengerti oleh sistem komputer.
Sedangkan menurut Tata Sutabri (2005) SPK terdiri dari 4 komponen, yaitu:
a. Dialog
pemakainya, pemakai harus pula belajar dan berlatih cara penggunaannya serta arti yang dihasilkan.
b. Model
Model serta sistem yang membolehkan pemakai memilih model yang cocok. Tiga macam model yang biasa digunakan adalah:
1) Optimalisasi: mencari yang terbaik. Contohnya membuat jadwal, membuat perbandingan linear programming, simulasi, dan lain sebagainya.
2) Statistik/matematis: menggambarkan masalah dengan standar kuantifikasi yang ada. Contohnya forecasting, fungsi kemungkinan (probabilitas), proyeksi penjualan, dan lain sebagainya.
3) Financial, mencari kesempatan yang baru yang lebih menguntungkan. Contohnya: investasi, cash flow, manajemen resiko, dan lain sebagainya.
c. Database
Menurut Indira Rakanita (2008) database adalah kumpulan dari item data yang saling berhubungan satu dengan yang lainnya yang diorganisasikan berdasarkan sebuah skema atau struktur tertentu, tersimpan di hardware computer dan dengan software untuk melakukan manipulasi untuk kegunaan tertentu.
d. Data
Data adalah suatu angka atau kelompok angka yang mempunyai arti atau nilai Dari uraian mengenai komponen SPK diatas, untuk mengembangkan SPK dengan metode Tsukamoto, dipilih komponen SPK sebagai berikut: Model
2.2.1.2 Validitas SPK
Validitas SPK digunakan untuk mengetahui SPK valid atau tidak. Pengujian Validitas SPK dilakukan dengan membandingkan hasil perhitungan SPK dengan hasil perhitungan manual. Misalkan ada n buah data yang akan digunakan untuk menguji tingkat validitas SPK.
2.2.2 Himpunan dan Logika Fuzzy
Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof.Lotfi A. Zadeh pada tahun 1965. Dasar dari logika fuzzy adalah himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau
membership function menjadi ciri utama dari penalaran dengan logika fuzzy.
2.2.2.1 Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan , memiliki dua kemungkinan, yaitu: a). Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
b). Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
Contoh 1 : Jika diketahui :
.…… .…..
Misalkan variabel umur dibagi menjadi 3 kategori, yaitu:
MUDA umur < 35 tahun
PAROBAYA 35 ≤ umur ≤ 55 tahun TUA umur > 55 tahun
Nilai keanggotaan secara grafis, himpunan MUDA, PAROBAYA dan TUA ini dapat dilihat pada gambar 2.1.
1 1 1
0 0 0
(a) (b) (c)
Gambar 2.1 Nilai Keanggotaan Pada gambar 2.1, dapat dijelaskan bahwa:
• Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA ( MUDA (34) =1);
• Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA ( MUDA (35) =0);
• Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA ( MUDA (35 th-1 hr) =0);
• Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA ( PAROBAYA (35) =1);
• Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA ( PAROBAYA(34) =0);
• Apabila seseorang berusia 55 tahun, maka ia dikatakan PAROBAYA ( PAROBAYA (55) =1);
• Apabila seseorang berusia 33 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA ( PAROBAYA(35 th- 1 hr) =0);
Dari sini bisa dikatakan bahwa pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil, adanya perubahan kecil saja pada suatu niali mengakibatkan perbedaan kategori yang cukup signifikan.
Himpunan fuzzy memiliki 2 atribut, yaitu:
b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50, dsb.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu: a. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: umur, temperatur, permintaan, dsb.
b. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
c. Semesta pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Niali semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya.
d. Domain
2.2.2.2 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai kenaggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan.
A. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konseo yang kurang jelas.
Ada 2 keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol (0) bergerak ke kanan menuju ke nilai domain yang memiliki derajat kenaggotaan lebih tinggi (gambar 2.2)
1
Derajat
Keanggotaan
μ(x)
0
Gambar 2.2 Representasi Linear Naik Fungsi keanggotaan :
0; x ≤ a μ (x)= (x-a)/(b-a); a ≤ x ≤ b
1; x ≥ b
Derajat 1
Keanggotaan
μ(x)
0
Gambar 2.3 Representasi Linear Turun Fungsi keanggotaan:
1 x ≤ a μ (x)= (b-x)/(b-a) a ≤ x ≤ b
0; x ≥ b B. Representasi Kur va Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear) seperti pada gambar 2.4.
Derajat Keanggotaan μ(x)
a domain b
0 a b c
domain
Gambar 2.4 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 x = b
2.2.2.3 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang didefenisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebgai hasil dari operasi 2 himpunan sering dikenal dengan nama fire strength atau - predikat. Ada 3 operator yang diciptakan oleh Zadeh yaitu (cox,1994):
A. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. - predikat sebgai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antarelemen pada himpunan-himpunan yang bersangkutan.
A∩ B = min( A(x), B(y)) B. Operator OR
nilai keanggotaan terbesar antarelemen pada himpunan-himpunan yang bersangkutan.
AUB = max( A(x), B(y)) C. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan. - predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.
A’ = 1- A(x)
2.2.2.4 Penalaran Monoton
Metode penalaran secara monoton digunakan sebagai dasar untuk teknik implikasi fuzzy. Meskipun penalaran ini sudah jarang sekali digunakan, namun terkadang masih digunakan untuk penskalaan fuzzy. Jika 2 daerah fuzzy direlasikan dengan implikasi sederhana sebagai berikut(Cox,1994):
IF x is A THEN y is B Transfer fungsi:
y= f((x,A),B)
maka sistem fuzzy daapt berjalan tanpa harus melalui komposisi dan dekomposisi
fuzzy. Nilai output dapat diestimasi secara langsung dari nilai keanggotaan yang
2.2.2.5 Fungsi Implikasi
Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah :
IF x is A THEN y is B
Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut sebgaai anteseden, sedangkan proposisi yang mengikuti THEN disebut sebagai konsekuen. Proposisi dapat diperluas dengan menggunakan operator fuzzy,seperti (Cox,1994):
IF(x1 is A1) o (x2 is A2) o (x3 is A3) o ……. o (xN is AN) THEN y is B dengan o adalah operator ( misal OR atau AND).
Secara umum ada 2 fungsi implikasi yang dapat digunakan, yaitu (Yan,1994):
a. Min(minimum). Fungsi ini akan memotong output himpunan fuzzy. b. Dot (product). Fungsi ini akan menskala output himpunan fuzzy.
2.2.3 Metode Tsukamoto
Solution) digunakan rumus penegasan (defuzifikasi) yang disebut “Metode
rata-rata terpusat” atau “Metode defuzifikasi rata-rata-rata-rata terpusat (Center Average
Deffuzzyfier) (Setiadji, 2009: 200). Untuk lebih memahami metode Tsukamoto,
perhatikan Contoh 2.1. Contoh 2.1:
Misalkan ada 2 variabel input, Var-1 (x) dan Var-2(x), serta variabel output, Var-3(z), dimana Var-1 terbagi atas 2 himpunan yaitu A1 dan A2. Var-2 terbagi atas 2 himpunan B1 dan B2, Var-3 juga terbagi atas 2 himpunan yaitu C1 dan C2 (C1 dan C2 harus monoton). Ada 2 aturan yang digunakan, yaitu:
[R1] IF (x is A1) and (y is B2) THEN (z is C1) [R2] IF (x is A2) and (y is B1) THEN (z is C2)
Gambar 2.5 Inferensi dengan Menggunakan Metode Tsukamoto
(Sri Kusumadewi dan Hari Purnomo, 2010)
dicari dengan cara mengubah input (berupa himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy) menjadi suatu bilangan pada domain himpunan
fuzzy tersebut. Cara ini disebut dengan metode defuzifikasi (penegasan). Metode
defuzifikasi yang digunakan dalam metode Tsukamoto adalah metode defuzifikasi rata-rata terpusat (Center Average Defuzzyfier) yang dirumuskan pada persamaan:
Z = (Defuzifikasi rata-rata terpusat).
2.2.4 PHP
PHP adalah singkatan dari "PHP: Hypertext Preprocessor", yang merupakan sebuah bahasa scripting yang terpasang pada HTML. Sebagian besar sintaks mirip dengan bahasa C, Java dan Perl, ditambah beberapa fungsi PHP yang spesifik. Tujuan utama penggunaan bahasa ini adalah untuk memungkinkan perancang web menulis halaman web dinamik dengan cepat.Hubungan PHP dengan HTML Halaman web biasanya disusun dari kode-kode html yang disimpan dalam sebuah file berekstensi .html.
Program ini dapat berdiri sendiri ataupun disisipkan di antara kode-kode HTML sehingga dapat langsung ditampilkan bersama dengan kode-kode html tersebut. Program php dapat ditambahkan dengan mengapit program tersebut di antara tanda. Tanda-tanda tersebut biasanya disebut tanda untuk escaping ( kabur ) dari kode HTML. File HTML yang telah dibubuhi program php harus diganti ekstensi-nya menjadi php3 atau PHP.
PHP merupakan bahasa pemograman web yang bersifat server-side HTML = embedded scripting, di mana script-nya menyatu dengan HTML dan berada di server. Artinya adalah sintaks dan perintah-perintah yang kita berikan akan sepenuhnya dijalankan di server tetapi disertakan HTML biasa. PHP dikenal sebagai bahasa scripting yang menyatu dengan tag HTML, dieksekusi di server dan digunakan untuk membuat halaman web yang dinamis seperti ASP ( Active
Server Pages ) dan JSP ( Java Server Pages ).
PHP pertama kali dibuat oleh Rasmus Lerdroft, seorang programmer C. Semula PHP digunakannya untuk menghitung jumlah pengunjung didalam webnya. Kemudian ia mengeluarkan Personal Home Page Tools versi 1.0secara gratis. Versi ini pertama kali keluar pada tahun 1995. Isinya adalah sekumpulan script PERL yang dibuatnya untuk membuat halaman webnya menjadi dinamis. Kemudian pada tahun 1996 ia mengeluarkan PHP versi 2.0 yang kemampuannya telah dapat mengakses database dan dapat terintegrasi dengan HTML.
softwarenya. Versi terbaru, yaitu PHP 4.0 keluar pada tanggal 22 Mei 2000 merupakan versi yang lebih lengkap lagi dibandingkan dengan versi sebelumnya.
Perubahan yang paling mendasar pada PHP 4.0 adalah terintegrasinya
Zend Engine yang dibuat oleh Zend Suraski dan Andi Gutmans yang merupakan
penyempurnaan dari PHP scripting engine. Yang lainnya adalah build in HTTP
session, tidak lagi menggunakan library tambahan seperti pada PHP.
Tujuan dari bahasa scripting ini adalah untuk membuat aplikasi-aplikasi yang dijalankan di atas teknologi web. Dalam hal ini, aplikasi pada umumnya akan memberikan hasil pada web browser, tetapi prosesnya secara keseluruhan dijalankan web server.
2.2.4.1 Kelebihan PHP
Ketika e-commerce semakin berkembang, situs-situs yang statispun semakin ditinggalkan, karena dianggap sudah tidak memenuhi keinginan pasar, padahal situs tersebut harus tetap dinamis.
Pada saat ini bahasa PERL dan CGI sudah jauh ketinggalan jaman sehingga sebagian besar designer web banyak beralih ke bahasa server-side scripting yang lebih dinamis seperti PHP. Seluruh aplikasi berbasis web dapat dibuat dengan PHP. Namun kekuatan yang paling utama PHP adalah pada konektivitasnya dengan system database di dalam web. Sistem database yang dapat didukung oleh PHP adalah:
3.Sybase 4.Postgre SQL 5.dan lainnya
PHP dapat berjalan di berbagai system operasi seperti windows 98/NT, UNIX/LINUX, solaris maupun macintosh.
2.2.5 MySql
MySQL adalah sebuah perangkat lunak iasm manajemen basis data SQL (bahasa Inggris: database management system) atau DBMS yang multithread,
multi-user, dengan sekitar 6 juta instalasi di seluruh dunia. MySQL AB membuat
MySQL tersedia sebagai perangkat lunak gratis dibawah lisensi GNU General
Public License (GPL), tetapi mereka juga menjual dibawah lisensi komersial
untuk kasus-kasus dimana penggunaannya tidak cocok dengan penggunaan GPL. Tidak sama dengan proyek-proyek seperti Apache, dimana perangkat lunak dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber dimiliki oleh penulisnya masing-masing, MySQL dimiliki dan disponsori oleh sebuah perusahaan komersial Swedia MySQL AB, dimana memegang hak cipta iasm atas semua kode sumbernya. Kedua orang Swedia dan satu orang Finlandia yang mendirikan MySQL AB adalah: David Axmark, Allan Larsson, dan Michael “Monty” Widenius.
kombinasi ini. Tidak seperti Microsoft Access, default instalasi MySQL tidak menyediakan GUI bagi pengguna untuk berinteraksi dengan basis data. Pengguna dapat berinteraksi dengan client yang menggunakan perintah-perintah berbasis teks. Namun saat ini telah banyak GUI yang dikembangkan untuk mempermudah interaksi dengan basis data, baik itu berupa aplikasi stand-alone (misalnya MySQL-Front, MySQL-GUI, dan lain-lain) atau yang berbasis web (misalnya, phpMyAdmin).
Bahkan dengan menggunakan komponen MyODBC, MySQL dapat diakses dengan GUI dari Microsoft Access seperti halnya basis data yang kompatibel dengan ODBC lainnya.
2.2.5.1 Keistimewaan MySQL
MySQL memiliki beberapa keistimewaan, antara lain : 1. Portabilitas
MySQL dapat berjalan stabil pada berbagai sistem operasi seperti Windows, Linux, FreeBSD, Mac Os X Server, Solaris, Amiga, dan masih banyak lagi.
2. Open Source
MySQL didistribusikan secara open source, dibawah lisensi GPL sehingga dapat digunakan secara cuma-cuma.
3. Multiuser
4. Performance tuning
MySQL memiliki kecepatan yang menakjubkan dalam menangani query sederhana, dengan kata lain dapat memproses lebih banyak SQL per satuan waktu.
5. J enis Kolom
MySQL memiliki tipe kolom yang sangat kompleks, seperti signed /
unsigned integer, float, double, char, text, date, timestamp, dan lain-lain.
6. Perintah dan Fungsi
MySQL memiliki operator dan fungsi secara penuh yang mendukung perintah Select dan Where dalam perintah (query).
7. Keamanan
MySQL memiliki beberapa lapisan sekuritas seperti level subnetmask, nama host, dan izin akses user dengan system perizinan yang mendetail serta sandi terenkripsi.
8. Skalabilitas dan Pembatasan
MySQL mampu menangani basis data dalam skala besar, dengan jumlah rekaman (records) lebih dari 50 juta dan 60 ribu tabel serta 5 milyar baris. Selain itu batas indeks yang dapat ditampung mencapai 32 indeks pada tiap tabelnya. 9. Konektivitas
10.Lokalisasi
MySQL dapat mendeteksi pesan kesalahan pada klien dengan menggunakan lebih dari dua puluh bahasa. Meski pun demikian, bahasa Indonesia belum termasuk di dalamnya.
11.Antar Muka
MySQL memiliki interface (antar muka) terhadap berbagai aplikasi dan bahasa pemrograman dengan menggunakan fungsi API (Application
Programming Interface).
12.Klien dan Peralatan
MySQL dilengkapi dengan berbagai peralatan (tool) yang dapat digunakan untuk administrasi basis data, dan pada setiap peralatan yang ada disertakan petunjuk online.
13.Struktur table
3.1 Rancangan Penelitian
Perkembangan informasi dan teknologi berkembang secara cepat, dalam sektor teknologi informasi memiliki tantangan dalam menangani banyak hal, salah satunya dalam proses penentuan jumlah takaran deterjen. Maka dari itu untuk mengatasi kendala yang ada dalam penentuan jumlah takaran deterjen, maka dibuatlah Sistem Pendukung Keputusan penentuan jumlah takaran deterjen, yang berfungsi untuk membantu proses penghitungan takaran deterjen agar menjadi lebih akurat dan tidak terjadi pemborosan deterjen.
Dalam aplikasi Sistem Pendukung Keputusan penentuan takaran deterjen terdapat dua user yang memiliki hak akses ke Aplikasi SPK. Hak akses yang dimiliki oleh user yaitu:
A. Sistem Pendukung Keputusan (admin)
Admin dapat menggunakan fasilitas yang disediakan oleh sistem. Hak akses yang dimiliki adalah:
a. Menampilkan semua data akumulasi perhitungan penggunaan deterjen. b. Memiliki semua hak akses atas daftar berat, warna dan ketebalan cucian. c. Memiliki semua hak akses atas daftar pegawai.
B. Karyawan (User)
terlebih dahulu ke dalam Aplikasi karena bila tidak melakukan login, maka fasilitas yang diberikan hanya dapat melihat-lihat halaman profil dari laundry (mister londree) saja.
Setelah melakukan login maka user akan masuk ke dalam menu utama . Pada halaman menu utama terdapat beberapa menu yang dapat di akses oleh user yaitu home, olah data cuci, dan logout. Rincian hak akses yang dimiliki user adalah:
a. Melihat-lihat profile dari mister laundry.
b. Olah data cuci. Menu ini merupakan bagian yang paling utama dari aplikasi yaitu sistem pendukung keputusan penentuan takaran deterjen, dalam sistem pendukung keputusan akan ditampilkan form yang harus diisi dengan data pakaian yang akan dicuci. Data yang harus di isi yaitu berat pakaian, warna pakaian, tingkat kekotoran, dan jenis kain. Setelah data diproses maka akan muncul informasi tentang seberapa banyak detergen yang harus digunakan untuk proses pencucian tersebut.
c. Penggunaan Detergen. Yaitu user dapat melihat seberapa banyak detergen yang telah digunakan dalam jangka waktu tertentu, Data di sajikan secara rinci dalam bentuk tabel.
d. Logout maka user akan langsung keluar dari aplikasi.
x
6
ringan berat
Dan untuk coding, saya menggunakan bahasa pemrograman berbasis website yaitu PHP.
3.1.1 Desain Variabel
Pada SPK ini akan digunakan 3 variabel input yaitu bobot, warna dan ketebalan. Dari ketiga variabel tersebut bobot dan warna menggunakan 2 himpunan fuzzy.
3.1.1.1 Variabel Bobot
Variabel bobot memiliki 2 himpunan fuzzy yaitu himpunan fuzzy bobot_RINGAN dan himpunan fuzzy bobot_BERAT. Dalam hal ini hanya di buat 2 himpunan fuzzy dikarenakan jumlah dari variabel bobot hanya sedikit. Himpinan fuzzy bobot_RINGAN menggunakan pendekatan fungsi keanggotaan
linier turun, sedangkan fhimpunan fuzzy bobot_BERAT menggunakan fungsi
keanggotaan linier naik. Gambar Himpunan fuzzi variabel bobot dapat dilihat pada Gambar 3.1.
0
1 3
gelap Fungsi keanggotaan :
1 x ≤1
bobot_RINGAN(x)= (6-x)/(6-1) 1< x <6
0 x ≥6
0; x ≤ 1
μ bobot_BERAT(x)= (x-1)/(6-1); 1< x <6
1; x ≥6
3.1.1.2 Variabel Warna
Variabel warna memiliki 2 himpunan fuzzy yaitu himpunan warna_GELAP dan himpunan warna_TERANG. Dalam hal ini hanya di buat 2 himpunan fuzzy dikarenakan jumlah dari variabel warna hanya sedikit. Himpunan
fuzzy warna_GELAP menggunakan pendekatan fungsi keanggotaan linier turun,
sedangkan himpunan fuzzy warna_TERANG menggunakan fungsi keanggotaan
linier naik. Gambar himpunan fuzzy variabel warna dapat dilihat pada Gambar
3.2.
x
Gambar 3.2. Himpunan Fuzzy Variabel Warna 1
Fungsi keanggotaan :
1 x ≤1
warna_GELAP(x)= (3-x)/(3-1) 1< x <3
0 x ≥3
0; x ≤ 1
μ warna_TERANG(x)= (x-1)/(3-1); 1< x <3
1; x ≥3
3.1.1.3 Variabel Ketebalan
Himpunan fuzzy variabel warna dibedakan menjadi 2 yaitu dengan 2 himpunan fuzzy dan 3 himpunan fuzzy. Pembedaan jumlah himpunan fuzzy ini dikarenakan pertimbangan penulis, yaitu mengingat jumlah input dari variabel ketebalan yang cukup banyak. Yang pertama memiliki 2 himpunan fuzzy yaitu himpunan fuzzy ketebalan_TIPIS dan himpunan fuzzy ketebalan_TEBAL. Himpunan fuzzy ketebalan_TIPIS menggunakan pendekatan fungsi keanggotaan
linier turun, sedangkan himpunan fuzzy ketebalan_TEBAL menggunakan fungsi
keanggotaan linier naik.
Untuk 3 himpunan fuzzy yaitu himpunan fuzzy ketebalan_TIPIS, ketebalan_SEDANG dan ketebalan_TEBAL. Dalam hal ini dibuat 3 himpunan
fuzzy dikarenakan jumlah dari variabel cukup banyak mulai daro 0.1 hingga 20.
Himpunan fuzzy ketebalan_TIPIS menggunakan pendekatan fungsi keanggotaan
linier turun, himpunan fuzzy ketebalan_SEDANG menggunakan pendekatan
tipis sedang tebal 1
tipis
0.1 20
menggunakan fungsi keanggotaan linier naik. Gambar 2 himpunan fuzzy variabel ketebalandapat dilihat pada Gambar 3.3 dan 3.4.
x
Gambar 3.3. 2 Himpunan Fuzzy Variabel Ketebalan Fungsi keanggotaan :
1 x ≤0.1
ketebalan_TIPIS(x)= (20-x)/(20-0.1) 0.1< x <20
0 x ≥20
0; x ≤ 0.1
μ ketebalan_TEBAL(x)= (x-0.1)/(20-0.1); 0.1< x <20
1; x ≥20
x
Gambar 3.4. 3 Himpunan Fuzzy Variabel Ketebalan
0.1 9 20
0
tebal 1
80 300 1
Sedikit Banyak
Fungsi keanggotaan :
1 x ≤0.1
ketebalan_TIPIS(x)= (9-x)/(9-0.1) 0.1< x <9
0 x ≥9
0 x ≤ 0.1 atau x ≥20
(x-0.1)/(9-0.1) 0.1< x <9 μ ketebalan_SEDANGx)= (20-x)/(20-9) 9 < x <20
1 x = 9
0 x ≤ 9
μ ketebalan_TEBAL(x)= (x-9)/(20-9) 9<x <20
1 x ≥20
3.1.1.4 Variabel J umlah Detergen
Pada variabel jumlah detergen akan dibagi menjadi 2 himpunan fuzzy yaitu himpunan fuzzy jumlah_detergen_SEDIKIT dan himpunan fuzzy
jumlah_det_BANYAK.Himpunan fuzzy jumlah_det_SEDIKIT menggunakan pendekatan fungsi keanggotaan linier turun, sedangkan himpunan fuzzy jumlah_det_BANYAK menggunakan fungsi keanggotaan linier naik. Gambar himpunan fuzzy variabel warna dapat dilihat pada Gambar 3.5.
x
Fungsi keanggotaan :
1 x ≤80
jumlah_det_SEDIKIT(x)= (300-x)/(300-80) 80< x <300
0 x ≥300
0 x ≤ 80
jumlah_det_BANYAK(x)= (x-0.1)/(20-0.1) 80< x <300
1 x ≥300
3.1.1.5 Pembentukan Atur an Rule
Aturan (rule) adalah semua perpasangan miu-miu dari tiga variabel input yang mungkin terjadi. Pada aturan disini digunakan 8 rule yaitu didapatkab dari perkalian jumlah himpunan fuzzy dari 3 variabel, karena bobot memiliki 2 himpunan, warna memiliki 2 himpunan dan ketebalan memiliki 2 himpunan jadi jumlah rule = (2*2*2).Berikut ini rule yang digunakan dalam perhitungan.
1. IF bobot RINGAN AND warna GELAP AND ketebalan TIPIS THEN jumlah_det SEDIKIT.
2. IF bobot RINGAN AND warna GELAP AND ketebalan TEBAL THEN jumlah_det BANYAK.
3. IF bobot RINGAN AND warna TERANG AND ketebalan TIPIS THEN jumlah_det SEDIKIT.
4. IF bobot RINGAN AND warna TERANG AND ketebalan TEBAL THEN jumlah_det BANYAK.
6. IF bobot BERAT AND warna GELAP AND ketebalan TEBAL THEN jumlah_det BANYAK.
7. IF bobot BERAT AND warna TERANG AND ketebalan TIPIS THEN jumlah_det BANYAK.
8. IF bobot BERAT AND warna TERANG AND ketebalan TEBAL THEN jumlah_det BANYAK.
3.1.2 Perancangan Sistem
Perancangan adalah suatu kegiatan membuat desain berdasarkan evaluasi yang telah dilakukan pada kegiatan analisa. Sistem adalah seperangkat elemen-elemen yang dihimpun menjadi satu guna mencapai tujuan tertentu. Sub-bab ini akan menjelaskan mengenai proses desain dari sistem perangkat lunak yang akan dibuat. Proses desain sistem dalam sub-bab ini akan dibagi menjadi beberapa tahapan yaitu: perancangan proses, perancangan basisdata (database), dan perancangan antarmuka.
3.1.2.1 Flowchart User (Karyawan)
START
Bobot , Warna, Ketebalan
pakaian
Menu Home SPK PenggunaanDetergen Logout
Hitung Miu
Gambar 3.6 Flowchart User
Pada Flowchart user ini dapat dilihat tentang bagaimana proses berlangsung. Dari penjabaran Flowchartdiatas, maka secara global dalam sistem pendukung keputusan ini memiliki empat proses yaitu:
a. Proses login untuk karyawan atau user.
Dalam proses penentuan takaran deterjen inilah inti dari aplikasi ini. Dalam proses ini diperlukan beberapa input data yang akan diproses dalam sistem. Setelah data terisi dengan benar maka data akan segera diproses dan hasilnya adalah banyak jumlah deterjen yang harus digunakan dalam pencucian.
Dalam proses ini terdapat beberapa sub proses lagi yaitu sub proses hitung miu berat, hitung miu warna,hitung miu ketebalan dan proses inferensi fuzzy tsukamoto. Setelah semua sub proses dilalui maka akan menghasilkan nilai crisp atau jumlah takaran detergen yang harus digunakan dalam pencucian. Setelah jumlah detergen didapatkan maka data akan disimpan ke database, data yang telah disimpan akan digunakan untuk akumulasi jumlah detergen yang telah digunakan dalam pencucian.
c. Penghitungan penggunaan detergen
Pada menu ini akan dilakukan proses penghitungan(akumulasi) jumlah detergen yang telah digunakan. Data jumlah detergen didapatkan dari setiap proses inferensi fuzzy pada SPK.
User diminta untuk input data tanggal dan bulan, input data dan tanggal akan digunakan untuk mencari jumlah detergen yang ada dalam database. Setelah data yang dicari telah ditemukan maka akan dilakukan proses penjumlahan semua data, kemudian hasil penjumlahan akan di tampilkan pada halaman web.
3.1.2.1.1 Sub Proses Hitung Miu Bobot
Pada Flowchart sub proses hitung miu ini akan dijelaskan bagaimana proses penghitungan input yang masuk sehingga menghasilkan nilai miu bobot.
START
Gambar 3.7Flowchart SubProses Hitung Miu Bobot
dengan rumus yang telah ada. Jika bobot≥ maksimal_bobot maka perhitungan bobot_BERAT akan langsung bernilai 1.
3.1.2.1.2 Sub Proses Hitung Miu Warna
Pada Flowchart sub proses hitung miu ini akan dijelaskan bagaimana proses penghitungan input yang masuk sehingga menghasilkan nilai miu warna.
Flowchart sub proses hitung miu warna dapat dilihat pada Gambar 3.8.
START
Gambar 3.8 Flowchart Sub Proses Hitung Miu Warna
warna_GELAP akan bernilai 1. Jika minimal_warna < warna <maksimal_warna, maka akan masuk ke proses perhitungan warna_GELAP dan warna_TERANG. Jika warna ≥ maksimal_warna maka perhitungan warna_TERANG akan langsung bernilai 1.
3.1.2.1.3 Sub Proses Hitung Miu Ketebalan
START
maksimal_ketebalan maka perhitungan ketebalan_TEBAL akan langsung
warna yang dimasukkan. Rumus ketebalan yaitu ketebalan ≤ minimal_ketebalan, minimal_ketebalan < ketebalan < middle_ketebalan, ketebalan = middle_ketebalan , middle_ketebalan< ketebalan < max_ktebalan atau ketebalan ≥ maksimal_ketebalan.
3.1.2.1.4 Sub Proses Inferensi
Flowchart inferensi merupakan alur bagaimana proses inferensi fuzzy tsukamoto dilakukan. Mulai dari rule hinggan mendapatkan nilai rata-rata terbobot (Z).Flowchart sub prosesinferensidapat dilihat pada Gambar 3.11.
START
Gambar 3.11 Flowchart Sub Proses Inferensi
masing-masing rule. Setelah itu nilai dari α predikat digunakan untuk perhitungan nilai z dari setiap rule(z1,z2,...,z12).
3.1.2.2 Flowchart Administr ator (Admin)
START
Gambar 3.12 Flowchart Administrator
3.1.3 Perancangan Basisdata (Database)
Perancangan basis data adalah sebuah langkah yang harus kita tempuh sebelum membangun sebuah sistem, mengingat database termasuk salah satu komponen yang penting dalam penyediaan informasi bagi para pemakai. Tetapi pada SPK yang dibuat ini database yang dibuat hanya untuk menyimpan data pencucian dan data-data lain yang tidak memiliki relasi antara satu tabel dengan tabel yang lain. Jadi model data yang ada dalam sistem tidak digunakan CDM dan PDM dikarenakan tabel-tabel dalam database tidak memiliki relasi satu sama lain jadi hanya digunakan perancangan database melalui tabel saja.
Tabel 3.1 Tabel Rincian Database
No Nama Tabel Keterangan
1 Weight Menyimpan data berat pakaian, sesuai dengan minimum dan
maksimum kapasitas mesin cuci(untuk 1 kali pencucian).
2 Warna Menyimpan daftar warna pakaian, sesuai aturan pada laundry.
3 t_ketebalan Menyimpan daftar tingkat ketebalan kain.
4 Simpanhasil Menyimpan hasil perhitungan detergen .
5 Jumlah_det Menyimpan daftar banyaknya detergen yang digunakan untuk
pencucian, minimum dan mkasimum jumlah detergen.
6 User Menyimpan data user, username dan password.
7 Karyawan Menyimpan data-data semua karyawan laundry.
3.1.3.1 Tabel Wieght (bobot).
Tabel 3.2 Tabel Bobot
No Nama Tipe Data Keterangan
1 Id_berat Int(11) Menyimpan data id berat(bobot) 2 banyak_berat Double Menyimpan data jumlah berat(bobot) 3 Satuan_berat Char(15) Menyimpan data satuan dari berat(bobot)
Tabel weight ini adalah tabel yang digunakan untuk menyimpan daftar data berat pakaian untuk setiap kali pencucian.Dalam tabel weight terdapat tiga kolom yaitu id_berat, banyak_berat dan satuan_berat. Id_berat digunakan untuk menyimpan id setiap data yang dimasukkan, banyak_berat digunakan untuk menyimpan jumlah per kilogram pakaian yang bisa digunakan, sedangkan satuan_berat digunakan untuk menyimpan satuan berat dari banyak berat (yaitu kilogram).
Data dari tabel weight ini digunakan untuk menentukan minimum dan maksimum berat pakaian yang akan dilaundry dalam setiap 1 kali pencucian. Data tersebut digunakan untuk menentukan fungsi keanggotaan pada variabel bobot untuk menghasilakn nilai setiap
.
3.1.3.2 Tabel Warna.
Tabel 3.3 Tabel Warna
No Nama Tipe Data Keterangan
1 Id_warna Int(11) Menyimpan data id warna 2 Warna_kain Int(11) Menyimpan data index warna
Tabel warna digunakan untuk menyimpan daftar warna pakaian pada laundry. Terdapat tiga kolom dalam tabel warna, yaitu id_warna, warna_kain dan keterangan. Id_warna digunakan untuk menyimpan id setiap data yang masuk , warna_kain digunakan untuk menyimpan data warna (dalam bentuk angka) dan keterangan digunakan untuk menjelaskan maksud dari angka pada kolom warna_kain(misal 1 untuk warna gelap).
Data dari tabel ini digunakan untuk menentukan minimum dan maksimum warna. Kemudian digunakan untuk menentukan fungsi keanggotaan pada variabel warna dan menghasilakan nilai
.
3.1.3.3 Tabel t_ketebalan.
Tabel 3.4 Tabel Ketebalan
No Nama Tipe Data Keterangan
1 Id_tebal Int(11) Menyimpan data id ketebalan. 2 Ketebalan Double Menyimpan data angka ketebalan.
3 Keterangan_tebal Char(15) Menyimpan data keterangan dari ketebalan. Tabel t_ketebalan yaitu tabel yang digunakan untuk menyimpan tingkat ketebalan dari kain. Terdapat 3 kolom yaitu id_tebal, ketebalan dan keterangan tebal. Id_tebal untuk menyimpan id setiap data yang diamsukkan, ketebalan yaitu berisi angka yang menunjukkan tingkat ketebalan (mulai dari 0.1s/d 20) dan keterangan tebal untuk menyimpan keterangan dari angka yang aka pada kolom ketebalan (misal 0.1 untuk jilbab).
3.1.3.4 Tabel Simpanhasil.
Tabel 3.5 Tabel Simpan Hasil
No Nama Tipe Data Keterangan
1 Tanggal Varchar(15) Menyimpan data tanggal penakaran detergen. 2 Jam Time Menyimpan data waktu penakaran detergen. 3 Banyak_det Double Menyimpan data hasil penakaran detergen.
Tabel simpanhasil yaitu digunakan untuk menyimpan nilai perhitungan jumlah detergen pada SPK . Terdapat 3 kolom yaitu tanggal, jam dan banyak_det. Tanggal digunakan untuk menyimpan data tanggal ketika perhitungan tersebut digunakan. Data tanggal ini digunakan untuk melakukan akumulasi perhitungan detergen dalam jangka waktu tertentu pada menu penggunaan detergen. Kolom jam digunakan untuk menyimpan data jam pada saat melakukan perhitungan detergen dan untuk membedakan setiap perhitungan pada hari yang sama. Kolom banyak det digunakan untuk menyimpan data hasil perhitungan detergen yang nantinya data tersebut dilakukan penjumlahan apabila user ingin mengetahui jumlah penggunaan deterten dalam jangka waktu tertentu.
3.1.3.5 Tabel J umlah_det.
Tabel 3.6 Tabel Jumlah Detergen.
No Nama Tipe Data Keterangan
1 Id_jumlah Int(15) Menyimpan id dari jumlah detergen.
2 banyak Double Menyimpan data daftar jumlah detergen yang digunakan.
3 satuan_det Char(15) Menyimpan data satuan jumlah detergen.
satuan_det. Id_jumlah digunakan untuk menyimpan id setiap data yang masuk, kolom banyak digunakan untuk menyimpan data jumlah detergen dan kolo, satuan_det digunakan untuk menyimpan jenis satuan dari banyak(jumlah detergen).
Data dari tabel jumlah_det digunakan untuk menentukan nilai maksimum dan maksimum jumlah detergen dan untuk menghasilkan nilai output (crisp) pada SPK.
3.1.3.6 Tabel Middle
Tabel 3.7 Tabel Middle
No Nama Tipe Data Keterangan
1 Id_mid Int(11) Menyimpan id data pada middle.
2 nama Char(15) Menyimpan nama variabel yang memiliki nilai tengah (middle)
3 Tengah Double Menyimpan nilai tengah dari sebuah variabel input
Tabel middle digunakan untuk menyimpan nilai tengah dari variabel input. Terdapat 3 kolom yaitu id_mid, nama dan tengah. Id_mid yaitu digunakan untuk menyimpan id setiap data yang masuk, kolom nama digunakan untuk menyimpan nama dari variabel yang dimasukkan dan tengah yaitu menyimpan nilai yang menjadi nilai tengah pada variabel yang ada pada kolom nama.
3.1.3.7 Tabel User.
Tabel 3.8 Tabel User
No Nama Tipe Data Keterangan
1 Username Varchar(20) Menyimpan data username user (karyawan). 2 password Varchar(20) Menyimpan data password user.
Tabel user digunakan untuk menyimpan data-data dari user (pengguna aplikasi). Terdapat 2 kolom yaitu username dan password. Kolom username digunakan untuk menyimpan username dari user dan kolom password digunakan untuk menyimpan password dari user.
Data dari tabel ini digunakan untuk proses login. Yitu mencocokkan data username dan password yang dimasukkan oleh user dengan data username dan password yanag ada pada database.
3.1.3.8 Tabel Karyawan.
Tabel 3.9 Tabel Karyawan
No Nama Tipe Data Keterangan
1 Id_k Int Menyimpan id dari data karyawan
2 Nama Varchar(30) Menyimpan data nama karyawan
3 Jenis kelamin Char(15) Menyimpan data jenis kelamin karyawan. 4 Alamat Varchar(30) Menyimpan data alamat dari karyawan 5 Tempat/tanggal
lahir
Varchar(30) Menyimpan data tempat dan tanggal lahir karyawan.
6 Jabatan Char(15) Menyimpan keterangan jabatan dari user (karyawan).
7 Keterangan Varchar(40) Menyimpan keterangan tentang karyawan apabila memiliki riwayat tertentu.
menyimpan nama karyawan, jenis kelamin, alamat, tempat/tanggal lahir, jabatan, status dan keterangan.
Data dari tabel karyawan digunakan pemilik laundry untuk mengetahui berapa banyak karyawan yang bekerja pada laundry tersebut dan dapat mengetahui identitas lengkap karyawan. Juga digunakan sebagai acuan untuk menentukan gaji karyawan.
3.1.4 Rancangan Interface
Pada perancangan interface akan dibuat beberapa rancangan untuk menu-menu pada aplikasi. z
3.1.4.1 Rancangan Halaman Login
Halaman ini digunakan customer untuk login agar dapat mengakses aplikasi. Rancangan halaman login dapat dilihat pada Gambar 3.13.
LOGIN USER
Username :
Password :
Login
3.1.4.2 Rancanagn Halaman Home
Halaman ini merupakan halaman awal aplikasi, yaitu setelah user login maka akan langsung dialihkan ke halaman home. Rancangan halaman home dapat dilihat pada Gambar 3.14.
Welcome to our website
Gambar 3.14 Rancansgan Halaman Home 3.1.4.3 Rancangan Halaman Takaran Detergen
Halaman ini digunakan untuk menentukan takaran detergen (SPK ). User dapat mengisi kolom yang telah tersedia, yaitu berat pakaian, warna pakaian dan ketebalan kain. Rancangan halaman takaran detergen dapat dilihat pada Gambar 3.15.
Profil Takaran Detergen Penggunaan Detergen Logout
ergen
Berat Cucian = Kg
Warna Pakaian =
Ketebalan Kain = mm
Keterangan : 1... 2...
Gambar 3.15 Rancangan Halaman SPK Takaran Detergen 3.1.4.4 Rancangan Halaman Penggunaan Detergen
Pada halaman ini user dapat memilih periode penggunaan detergen untuk mengetahui seberapa banayak detergen yang telah digunakan dalam jangka waktu tertentu. Rancangan halaman penggunaan detergen dapat dilihat pada Gambar 3.16
Silahkan memilih periode penjumlahan detergen yang anda inginkan:
Tanggal awal = dd-mmyyyy(09-02-2013)
Tanggal Akhir = dd-mm-yyyy(15-02-2013)
Gambar3.16 Rancangan Halaman Penggunaan detergen 3.1.4.5 Rancangan Halaman Home Admin
Pada halaman ini yang dapat mengkases hanyalah administrator, dikarenakan ini merupakan admin area yang digunakan untuk melakukan pengolahan data-data cucian. Rancangan halaman home admin dapat dilihat pada Gambar 3.17.
Selamat Datang Aministartor
Gambar 3.17 Rancangan Halaman Home Admin
Profil Takaran Detergen Penggunaan Detergen Logout
Proses
3.1.4.6 Rancangan Halaman Penggunaan Det
Pada halaman ini administrator dapat melihat semua data penggunaan detergen. Tetapi administrator tidak dapat melakukan pengolahan data.Rancangan halaman penggunaan detergen dapat dilihat pada Gambar 3.18.
Data Penggunaaan Detergen: Tanggal Jam Jumlah_det ... .... .12...ml
Total ....ml
Gambar 3.18 Rancangan Halaman Penggunaan Det 3.1.4.7 Rancangan Halaman Karyawan
Pada halaman ini administrator dapat melakukan pengolahan data karyawan, yaitu edit, input dan delete data. Akan ditampilkan semua data karyawan yang ada dalam database. Rancangan halaman karyawan dapat dilihat pada Gambar 3.19.
Olah Data Karyawan :
Gambar 3.19 Rancangan Halaman Karyawan
3.1.4.8 Rancangan Halaman Olah Data
Pada halaman olah data administrator dapat melakukan pengolahan data bobot, warna dan ketebalan. Data akan ditampilkan dalam bentuk tabel kemudian ada button yang dapat digunakan untuk editinput dan delete.Rancangan halaman olah data dapat dilihat pada Gambar 3.20.
Olah Data Bobot :
Olah Data Warna :
Olah Data Ketebalan :
Gambar 3.20 Rancangan Halaman Olah Data
Home Penggunaan Det Karyawan Olah data Logout
No Nama J k Alamat Ttl Jabatan 1
Ket E I D
JKL l fghy Gh4
hy
hyh ...
Home Penggunaan Det Karyawan Olah data Logout
No Banyak Satuan
No
E I D
Banyak Satuan E I D
3.2 Rancangan Uji Coba Dan Evaluasi
Pada rancangan uji coba akan dilakukan 3 uji coba yaitu : 1). Uji coba perhitungan manual dengan perhitungan system.
Bertujuan untuk mengetahui apakah perhitungan yang dilakukan manual sama dengan perhitungan yang dilakukan oleh system, apakah ada selisih nilai ataukah tidak. Dilakukan dengan cara melakukan perhitungan manual dengan fuzzy tsukamoto dan membandingkan hasilnya dengan perhitungan system (harus dengan input yang sama).
2). Uji coba hasil perhitungan detergen antara fuzzy tsukamoto 2 fungsi keanggotaan dengan 3 fungsi keanggotaan dan uji coba dengan 2 himpunan fuzzy dari output dengan 3 himpunan fuzzy output.
5
Setelah diketahui manakah yang paling memiliki selisih paling sedikit maka akan dibandingkan lagi dengan perhitungan yang menggunakan 3 himpunan fuzzy pada output.
3). Uji coba perhitungan system dengan keadaan riil di laundry.
Bertujuan untuk mengetahui apakah jumlah yang diperoleh dari perhitungan system hampir mendekati keadaan nyata perhitungan detergen pada laundry, agar tidak terjadi kesalahan tentang peraturan yang sudah ditentukan. Dilakukan dengan cara memberikan formulir kepada pihak laundry untuk mengisi data cucian (bobot, warna, ketebalan dan jumlah detergen), kemudian setelah didapatkan data maka akan dibandingkan dengan perhitungan system.
3.3 J adwal Kegiatan Penelitian
Kegiatan penelitian ini akan dilakukan dalam beberapa bulan,mulai dari pengumpulan data hingga pembuatan aplikasi dan penyusunan laporan. Gambar jadwal kegiatan penelitian dapat dilihat pada gambar 3.21.
Gambar 3.21 Jadwal Kegiatan Penelitian
4
3 2 1
Keterangan :
1. Untuk index angka yang digunakan :
• 1 untuk pengumpulan bahan dan data.
• 2 untuk perancangan sistem.
• 3 untuk Coding.
• 4 untuk iju coba dan analisa.
• 5 untuk pembuatan laporan. 2. Untuk keterangan warna chart.
• Untuk waktu pelaksanaan.
BAB IV
HASIL DAN PEMBAHASAN
4.1Implementasi
Berikut ini merupakan tampilan aplikasi SPK penentuan penggunaan detergen pada laundry dengan metode fuzzy tsukamoto. Pada aplikasi ini terdiri dari 2 pengguna aplikasi yaitu aplikasi yang digunakan user (karyawan) dan admin.
4.1.1 Implementasi Aplikasi User
Pada aplikasi untuk user, akan dilakukan 2 implementasi yaitu implementasi untuk SPK penentuan takaran detergen dan implementasi Laporan penggunaan detergen dalam jangka waktu tertentu.
4.1.1.1 SPK Penentuan Takaran Detergen
Halaman Takaran detergen merupakan halaman inti yaitu SPK. Halaman ini memudahkan kita untuk melakukan penjumlahan detergen, sudah disediakan
field untuk mengisi data pada setiap variabel. Halaman takaran detergen dapat
Gambar 4.1 Halaman SPK penentuan takaran detergen
Pada SPK ini user dapat melakukan penakaran detergen secara otomatis oleh system, user hanya perlu memasukkan data bobot, warna dan tingkat ketebalan detergen. Petunjuk pengisian data juga sudah disediakan dibawah form pengisian data.
Gambar 4.2 Halaman Hasil perhitungan
Dari data yang telah dimasukkan pada halaman takaran detergen maka data akan di proses dan menghasilkan nilai-nilai sesuai dengan aturan yang telah ditentukan. Nilai hasil yang ditampilkan hanyalah data input dan data hasil perhitungan saja. Untuk melihat nilai yang lebih detail telah disediakan button
Gambar 4.3 Halaman Detail Perhitungan
Pada halaman semua perhitungan yang dilakukan akan ditampilkan semuanya mulai dari menghitung jumlah setiap nilai keanggotaan himpunan fuzzy.
if ($berat<=$min_berat){
$miu_berat_ringan=1; $miu_berat_berat=0; }
else if (($berat>=$min_berat) and ($berat<=$max_berat)){
$miu_berat_ringan=($max_berat-$berat)/($max_berat-$min_berat); $miu_berat_berat=($berat-$min_berat)/($max_berat-$min_berat); if ($berat>=$max_berat){
$miu_berat_ringan=0; $miu_berat_berat=1; }
}
Proses ini yang pertama untuk batasan nilai input data, kemudian untuk menghasilkan nilai miu berat. Input yang ada akan dihitung , kemudian akan masuk ke masing-masing himpunan fuzzy yang telah dibuat. Setelah masuk ke himpunan-himpunan fuzzy yang ada maka akan dihasilkan nilai miu dari setiap himpunan, proses inilah yang disebut dengan fuzzyfikasi.
//[R1]IF bobot RINGAN AND warna GELAP AND ketebalan TIPIS THEN jumlah deterjen SEDIKIT
$alfa_1=min($miu_berat_ringan,$miu_warna_gelap,$miu_tebal_tipis); $n1=number_format($alfa_1,2);
$z1=($max_jumlahdet-($n1*($max_jumlahdet-$min_jumlahdet))); //[R2]IF bobot RINGAN AND warna GELAP AND ketebalan TEBAL THEN jumlah deterjen BANYAK
$alfa_2=min($miu_berat_ringan,$miu_warna_gelap,$miu_tebal_tebal); $n2=number_format($alfa_2,2);
$z2=$n2*($max_jumlahdet-$min_jumlahdet)+$min_jumlahdet;
//[R3]IF bobot RINGAN AND warna TERANG AND ketebalan TIPIS THEN jumlah deterjen SEDIKIT
$alfa_3=min($miu_berat_ringan,$miu_warna_terang,$miu_tebal_tipis); $n3=number_format($alfa_3,2);
$z3=$max_jumlahdet-($max_jumlahdet-$min_jumlahdet)*$alfa_3; //[R4]IF bobot RINGAN AND warna TERANG AND ketebalan TEBAL THEN jumlah deterjen BANYAK
$alfa_4=min($miu_berat_ringan,$miu_warna_terang,$miu_tebal_tebal); $n4=number_format($alfa_4,2);
$z4=$n4*($max_jumlahdet-$min_jumlahdet)+$min_jumlahdet;
//[R5]IF bobot BERAT AND warna GELAP AND ketebalan TIPIS THEN jumlah deterjen BANYAK
$alfa_5=min($miu_berat_berat,$miu_warna_gelap,$miu_tebal_tipis); $n5=number_format($alfa_5,2);
$z5=$n5*($max_jumlahdet-$min_jumlahdet)+$min_jumlahdet;
//[R6]IF bobot BERAT AND warna GELAP AND ketebalan TEBAL THEN jumlah deterjen BANYAK
$alfa_6= min($miu_berat_berat,$miu_warna_gelap,$miu_tebal_tebal); $n6=number_format($alfa_6,2);
$z6=$n6*($max_jumlahdet-$min_jumlahdet)+$min_jumlahdet;
//[R7]IF bobot BERAT AND warna TERANG AND ketebalan TIPIS THEN jumlah deterjen BANYAK
$alfa_7= min($miu_berat_berat,$miu_warna_terang,$miu_tebal_tipis); $n7=number_format($alfa_7,2);
$z7=$n7*($max_jumlahdet-$min_jumlahdet)+$min_jumlahdet;
//[R8]IF bobot BERAT AND warna TERANG AND ketebalan TEBAL THEN jumlah deterjen BANYAK
Setelah proses fuzzyfikasi maka akan berlanjut ke proses inferensi. Pada proses inferensi nilai miu yang telah dihasilkan sebelumnya akan di masukkan ke
rule (aturan) yang telah ditentukan. Isi dari setiap rule yaitu pasangan semua miu
dari setiap variabelyang mungkin terjadi. Dari setiap rule akan didapatkan nilai alfa predikat, dari nila alfa predikat maka akan didapatkan nilai z1, z2, z3,...,z8 Menentukan penghitungan nilai z1, z2, ...,z8 tergantung dari kita menentukan setiap rule tersebut masuk kedalam himpunan output yang mana, masing-masing
rule ada memiliki hasil nilai yang sama dan ada juga yang tidak.
<?php
$Zcari=(($n1*$z1)+($n2*$z2)+($n3*$z3)+($n4*$z4)+($n5*$z5)+($n6*$z6 )+($n7*$z7)+($n8*$z8))/($n1+$n2+$n3+$n4+$n5+$n6+$n7+$n8);
Gambar 4.6 Potongan Program Mencari rata-rata Terbobot
Dari nilai yang dihasilkan oleh setiap rule maka akan dilakukan perhitungan mencari rata-rata terpusat yaitu mengkalikan nilai alfa predikat dengan nilai z1 dari semua rule kemudian dibagi dengan jumlah semua lafa predikat. Proses inilah yang disebut dengan proses defuzzyfikasi. Dan nilai inilah yang menjadi nilai akhir hasil perhitungan (crisp) yang digunakan sebagai jumlah detergen yang harus digunakan.
4.1.1.2 Laporan Penggunaan Detergen
Gambar 4.7 Halaman Penggunaan Detergen
Gambar 4.8 Halaman Hasil Pencarian Data Detergen
4.1.2 Implementasi Aplikasi Administrator
Pada aplikasi untuk administrator akan dilakukan 3 implementasi yaitu implementasi halaman untuk olah data karyawan, halaman olah data cucian dan halaman laporan penggunaan detergen.
4.1.2.1 Olah Data Karyawan
Gambar 4.9 Halaman Karyawan
Pengolahan data karyawan yang dilakukan yaitu delete dan update. Pada tombol delete di klik maka akan ada message box untuk mencegah user salah klik, dan apabila memang benar ingin menghapus data tinggal klik ya pada message box. Untuk update user tinggal klik update kemudian akan muncul form untuk merubah data kemudian klik update dan akan muncul message box berisi informasi apakah data berhasil di update atau tidak.
4.1.2.2 Olah Data Cucian
Gambar 4.10 Halaman Olah Data Cucian
Pada halaman ini admonistrator dapat melakukan delete dan update data. Untuk penambahan data dapat langsung dilakukan di database.
4.1.2.3 Laporan Penggunaan Detergen
Gambar 4.11 Halaman Laporan Penggunaan Detergen
Semua pengolahan data pada halaman ini sama saja dengan halaman penggunaaan detergen pada menu untuk user. Gambar hasil rincian penggunaan detergen dapat dilihat pada gambar 4.12.
