LANDASAN TEORI
2.1 Definisi Keputusan
Definisi keputusan pada umumnya adalah pilihan (choice), yaitu pilihan dari dua atau lebih kemungkinan. Jika berhubungan dengan proses, maka keputusan adalah keadaan akhir dari suatu proses yang lebih dinamis yang diberi label pengambilan keputusan. Keputusan dipandang sebagai proses karena terdiri atas satu rangkaian aktivitas yang berhubungan dan tidak hanya dianggap sebagai tindakan bijaksana. Dengan kata lain, keputusan merupakan kesimpulan yang dicapai sesudah dilakukan petimbangan,yang terjadi setelah kemungkinan dipilih, sementara yang lain dikesampingkan (Turban, et al ,2005).
Bila dikaitkan dengan suatu organisasi, keputusan ini disebut dengan Sistem Keputusan dan sistem keputusan ini adalah salah satu bagian dari sistem organisasi.
Keputusan dapat diklasifikasikan menjadi 3 tingkatan:
1. Strategis, keputusan dengan ciri kepastian besar dan orientasi masa depan. 2. Taktis, keputusan dengan ciri berhubungan dengan aktivitas jangka pendek
dan alokasi sumber-sumber daya guna mencapai sasaran.
3. Teknik, keputusan dengan ciri standar-standar ditetapkan dan bersifat deterministik, mengusahakan agar tugas spesifik diimplementasikan dengan efektif dan efisien.
2.1.1 Proses Pengambilan Keputusan
Ada 3 fase dalam proses pengambilan keputusan, yaitu: 1. Penelusuran (intelligence)
Tahan ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika serta pengenalan masalah.
2. Perancangan (design)
Tahap ini merupakan proses menemukan, mengembangkan, dan menganalisis alternatif yang bisa dilakukan. Tahap ini merupakan proses untuk mengerti masalah, mencari solusi dan menguji kelayakan solusi.
Beberapa hal yang dilakukan dalam pembentukan model tahap perancangan ini diantaranya:
a. Strukturisasi model
b. Pemilihan kriteria untuk evaluasi c. Pengembangan alternatif
d. Memperkirakan hasil, dikaitkan dengan ketersedian informasi yang mungkin dijalankan. Hasil pemilihan tersebut kemudian diimplementasikan dalam proses pengambilan keputusan.
3. Pemilihan (choice)
Dilakukan pemilihan diantara berbagai alternatif tindakan yang mungkin dijalankan. Hasil pemilihan tersebut kemudian diimplementasikan dalam proses pengambilan keputusan.
4. Implementasi (implementation)
Tahap ini sebenarnya adalah bagian dari tahap pemilihan, tahap ini merupakan pelaksanaan dari keputusan yang diambil.
Gambar 2.1 Proses Pengambilan Keputusan Gambar 2.1 Proses Pengambilan Keputusan
(Sumber: Turban, et al, 2005)
2.1.2 Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) pertama kali diungkapkan pada tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision System. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur (Saaty dan Thomas, 2001).
Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Untuk memberikan pengertian yang lebih mendalam, akan diuraikan beberapa definisi mengenai SPK yang dikembangkan oleh beberapa ahli, diantaranya oleh Man dan Watson yang memberikan definisi sebagai berikut, SPK merupakan suatu sistem yang interaktif, yang membantu mengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur.
Kerangka dasar dalam pengambilan keputusan manajerial dalam tipe keputusan dibagi menjadi:
Intelligence (penelusuran lingkup masalah)
Design (perancangan penyelesaian masalah)
Choice (pemilihan tindakan)
Implementation (pelaksanaan tindakan)
1. Terstruktur
Berisi masalah rutin yang sering terjadi, solusinya adalah standard dan baku. Prosedur yang berisi solusi terbaik dari pemecahan masalah yang ada atau mendekati solusi standar. Teknologi yang digunakan adalah Sistem Informasi Manajemen (SIM) dan Penelitian Operasional.
2. Tidak terstruktur
Berisi masalah kompleks menggunakan pemecahan masalah yang tidak standar. Pencarian solusi melibatkan intuisi manusia sebagai dasar pembuat keputusan. Teknologi yang digunakan adalah sistem pakar.
3. Semiterstruktur
Merupakan gabungan antara terstruktur dan tidak terstruktur, solusi masalah merupakan gabungan antara prosedur solusi standar dan kemampuan manusia. Teknologi yang digunakan adalah SPK.
2.1.3 Keberadaan dan Karakteristik SPK pada Pengolahan Informasi
Pada pengolahan data atau informasi terdapat konsep-konsep pengolahan, yaitu: Pengolahan Data Elektronik (PDE), Sistem Informasi Manajemen (SIM), dan Sistem Pendukung Keputusan (SPK). SPK pada pengolahan informasi adalah kemajuan revolusioner dari SIM dan PDE. PDE pengolahan data yang hanya terfokus pada data, dan SIM pengolahan data yang terfokus pada informasi, sedangkan SPK pengolahan data yang terfokus pada keputusan. Hubungan dari ketiga konsep ini ditunjukkan oleh gambar berikut (Gambar 2.2). Perbedaan dari SIM, PDE, dan SPK ditunjukkan dengan penjelasan dari karakter masing-masing.
PDE diterapkan pada level operasional organisasi. Karakteristik PDE meliputi aktivitas-aktivitas:
a. Menitikberatkan pada data, penyimpanan, pengolahan dan aliran pada level operasional.
b. Membantu pengolahan transaksi-transaksi secara efisien.
c. Memungkinkan pengolahan komputer secara lebih terjadwal dan optimal d. Menyediakan pembukuan terpadu untuk kegiatan yang saling berkaitan.
e. Memberikan laporan umum atau ikhtisar kepada manajer.
SIM diterapkan dan difokuskan pada tingkat yang lebih tinggi dalam organisasi, yaitu penitikberatan pada aktivitas penyediaan informasi dengan penekanan pada integrasi informasi dan perencanaan fungsi-fungsi sistem informasi. SIM diorientasikan pada struktur aliran informasi dan operasional (rutinitas). Karakter SIM meliputi:
a. Menitikberatkan pada informasi bagi manajer menengah. b. Menangani aliran-aliran informasi yang terstruktur.
c. Memadukan PDE dari kegiatan-kegiatan berdasarkan fungsi usaha.
d. Melayani kebutuhan informasi dan pembuatan laporan, umumnya database.
SPK merupakan sistem yang ditujukan pada tingkat manajemen yang lebih tinggi lagi, dengan karakteristik sebagai berikut:
a. Berfokus pada keputusan, ditujukan pada manager puncak dan pengambil keputusan.
b. Menekankan pada fleksibilitas, adaptabilitas, dan respon cepat.
c. Mampu mendukung berbagai tipe pengambilan keputusan dari masing-masing pribadi manager.
SPK dari sudut teorikal, tidak hanya sekedar evolusiner dari PDE dan SIM, tetapi SPK merupakan kelas Sistem Informasi yang berinteraksi dengan bagian-bagian lain dari sistem informasi manajemen secara keseluruhan untuk mendukung aktivitas pengambilan keputusan dalam organisasi.
SPK mempunyai karakteristik-karakteristik dasar yang efektif, yang ditunjukkan sebagai berikut:
a. Mendukung proses pengambilan keputusan, menitikberatkan pada management by perception.
b. Adanya interface manusia-mesin dimana manusia (user) tetap mengontrol pengambilan keputusan.
c. Mendukung pengambilan keputusan untuk membahas masalah-masalah terstruktur, semiterstruktur, dan tidak terstruktur.
e. Memiliki kapabilitas dialog untuk memperoleh informasi sesuai dengan kebutuhan model interaktif.
f. Hasil keluaran ditujukan untuk personil organisasi dalam semua tingkatan. g. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga
dapat berfungsi sebagai kesatuan sistem.
h. Membutuhkan struktur data kompehensif yang dapat melayani kebutuhan informasi seluruh tingkat manajemen.
i. Pendekatan easy to use, ciri suatu SPK yang efektif adalah kemudahan untuk digunakan dan memungkinkan keleluasaan pemakai untuk memilih atau mengembangkan pendekatan-pendekatan baru dalam membahas masalah yang dihadapi.
j. Kemampuan sistem beradaptasi secara cepat, dimana pengambil keputusan dapat menghadapi masalah-masalah baru, dan pada saat yang sama dapat menangani dengan cara mengadaptasikan sistem terhadap kondisi-kondisi perubahan yang terjadi.
Strategi Perancangan Kontrol Manajerial Kontrol Operasional Pengolahan Transaksi DSS SIM EDP
Gambar 2.2 Hubungan antara PDE, SIM, dan SPK (Sumber: Turban, et al, 2005)
2.1.4 Komponen-komponen SPK
SPK terdiri dari 3 komponen utama atau subsistem, yaitu: a. Subsistem Basis Data (database)
Subsistem data merupakan komponen SPK penyedia data bagi sistem. Data tersebut disimpan dalam suatu basis data (database) yang diorganisasikan oleh suatu sistem yang disebut sistem manajemen basis data (database management system atau DBMS).
b. Subsistem Manajemen Basis Model (model base)
Keunikan dari SPK adalah kemampuan dalam mengintegrasikan data dengan model-model keputusan. Model tersebut diorganisasikan oleh pengelola model yaitu basis model (model base). Model adalah gambaran dari keadaan yang sebenarnya. Kendala yang paling sering dihadapi dalam merancang suatu model adalah bahwa model yang dibuat tenyata tidak mampu mencerminkan seluruh variabel pada keadaan sebenarnya, sehingga keputusan yang diambil menjadi tidak akurat dan tidak sesuai kebutuhan. Oleh karena itu, pentingnya menjaga fleksibilitas dalam menyimpan berbagai model pada sistem basis model.
c. Subsistem Manajemen Basis Dialog (user interface system)
Melalui sistem dialog inilah sistem diimplementasikan sehingga pemakai dapat berkomunikasi dengan sistem yang dirancang.
Gambar 2.3 Model Konseptual SPK (Sumber: Turban, et al, 2005)
2.2 Logika Fuzzy
2.2.1 Konsep Kekaburan (fuzziness)
Ketidaktegasan atau kekaburan merupakan salah satu ciri dari bahasa sehari-hari manusia untuk mengungkapkan konsep atau gagasan dalam berkomunikasi dengan orang lain. Pada taraf tertentu banyak kata atau istilah yang memuat salah satu bentuk kekaburan. Bentuk-bentuk kekaburan atau ketidakjelasan lainnya adalah:
1. Keambiguan (ambiguity), yang terjadi karena suatu kata atau istilah mempunyai makna ganda.
2. Keacakan (randomness), yaitu ketidakpastian mengenai sesuatu hal karena hal itu belum terjadi (akan terjadi).
3. Ketidakjelasan akibat tidak lengkapnya informasi yang ada (incompleteness). 4. Ketidaktepatan (imprecision) yang disebabkan oleh keterbatasan alat dan
5. Kekaburan semantik, yaitu kekaburan yang disebabkan karena makna dari suatu kata atau istilah tidak dapat didefinisikan secara tegas, misalnya cantik, tinggi, kaya, pintar dan sebagainya.
Istilah fuzzy pada tulisan ini lebih menekankan pada bentuk kekaburan semantik. Suatu kata atau istilah dikatakan kabur (fuzzy, vague) secara semantik apabila kata atau istilah tersebut tidak dapat didefinisikan secara tegas (benar atau salah) apakah suatu objek tertentu memiliki ciri atau sifat yang diungkapkan oleh kata atau istilah itu atau tidak. Meskipun secara umum manusia dapat berkomunikasi secara cukup memadai mengenai makna dari suatu istilah, tetapi pasti terdapat perbedaan pemaknaan terhadap istilah tersebut oleh masing-masing individu, yang diakibatkan misalnya oleh persepsi pribadi, lingkungan kebudayaan, latar belakang pengalaman dan pendidikan dan lain-lain. (Susilo, 2006)
Ketidaktegasan semantik ini dari segi keilmuan seringkali menimbulkan masalah karena penelitian ilmiah pada umumnya memerlukan ketepatan dan kepastian berkenaan dengan makna istilah-istilah yang dipakai. Untuk mengatasi masalah tersebut biasanya diciptakan suatu bahasa sendiri sesuai dengan bidang ilmu yang bersangkutan yang mampu menangkap dan mengungkap ketidakjelasan atau kekaburan istilah-istilah dari bahasa sehari-hari secara memadai. Bahasa yang dimaksud harus dapat memecahkan permasalahan tidak hanya dengan menggunakan angka-angka saja. Tetapi juga dapat melakukan perhitungan dengan menggunakan kata-kata (linguistik) atau variabel-variabel yang mengandung ketidakpastian atau ketidakjelasan.
Bahasa yang dapat menangani kekaburan semacam itulah yang diciptakan oleh Lotfi Asker Zadeh, seorang guru besar pada University of California, Berkeley, Amerika Serikat. Sejak tahun 1960 Profesor Zadeh telah merasa bahwa sistem analisis matematik tradisional yang dikenal sampai saat itu bersifat terlalu eksak sehingga tidak dapat berfungsi dalam banyak masalah dunia nyata yang seringkali amat kompleks. Zadeh kemudian menjabarkan perhitungan matematik untuk menggambarkan ketidakjelasan atau kesamaran dalam bentuk variabel linguistik. Ide tersebut dapat diartikan sebagai generalisasi dari teori himpunan klasik yang menggabungkan pendekatan kualitatif dengan kuantitatif. Dengan kata lain bahwa
himpunan himpunan klasik (crisp set) merupakan kejadian khusus dari himpunan Kabur (Saaty dan Thomas, 2001)
2.2.2 Keunggulan Logika Fuzzy
Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.
8. Sangat mudah dihibridkan dengan teknologi lain, misalnya algoritma genetika, jaringan saraf, dan lain-lain.
2.2.3 Himpunan Fuzzy
Prinsip dasar dan persamaan matematika dari teori himpunan fuzzy adalah sebuah teori pengelompokan objek dalam batas yang samar. Himpunan tersebut dikaitkan dengan suatu fungsi yang menyatakan derajat kesesuaian unsur-unsur dalam semestanya dengan konsep yang merupakan syarat keanggotaan himpunan tersebut. Fungsi itu disebut fungsi keanggotaan dan nilai fungsi itu disebut derajat keanggotaan suatu unsur dalam himpunan itu, yang selanjutnya disebut himpunan kabur (fuzzy set). Dengan demikian setiap unsur dalam semesta wacananya mempunyai derajat keanggotaan tertentu dalam himpunan tersebut. Derajat keanggotaan dinyatakan dengan suatu bilangan real dalam selang tertutup [0, 1]. Dengan perkataan lain, fungsi keanggotaan dari suatu himpunan kabur A dalam semesta X adalah pemetaan μA dari X ke selang [0,1], yaitu μA : X → [0,1]. Nilai fungsi μA(x) menyatakan derajat
keanggotaan unsur x ∈ X dalam himpunan kabur A. Nilai fungsi sama dengan satu menyatakan keanggotaan penuh, dan nilai fungsi sama dengan nol menyatakan sama sekali bukan anggota himpunan kabur tersebut. Maka himpunan tegas (crisp) juga dapat dipandang sebagai kejadian khusus dari himpunan kabur, yaitu himpunan kabur yang fungsi keanggotaannya hanya bernilai satu atau nol saja (Kusumadewi dan Purnomo, 2010).
Himpunan fuzzy memiliki dua atribut, yaitu:
1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: MAHAL, SEDANG, MURAH dan sebagainya.
2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti 100 juta, 200 juta, 500 juta dan lain sebagainya.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu: 1. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: harga, lama pemakaian, kecepatan dan sebagainya.
2. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
3. Semesta wacana (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. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak ada batas atasnya.
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif dan negatif.
25 40 55
0.5
Murah Sedang Mahal
Age Crisp Input Scope/Domain Universe of discourse Membership function DOM Degree of Membership 0 1 Label/himpunan
Gambar 2.4 Himpunan Fuzzy (Sumber: Robandi, 2006)
2.3 Logika Fuzzy Model Tahani
Metode fuzzy model Tahani tersusun atas 4 tahapan, yaitu: 1. Menggambarkan Fungsi Keanggotaan
2. Fuzzyfikasi 3. Fuzzyfikasi Query
4. Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy
2.3.1 Menggambarkan Fungsi Keanggotaan
Fungsi keanggotaan (membersip function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval antara nol sampai satu. Salah satu cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan melalui pendekatan fungsi. Representasi dari fungsi keanggotaan ini dapat digambarkan dengan dua bentuk yaitu linear atau garis lurus dan kurva (Galindo, et al, 2006).
Ada beberapa fungsi yang bisa digunakan, yaitu: 1. 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 konsep yang kurang jelas.
Ada dua keadaan himpunan fuzzy yang linear, yaitu: a. Representasi Linear Naik
Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol bergerak ke kanan menuju kenilai domain yang memiliki derajat keanggotaan lebih tinggi.
Gambar 2.5 Representasi Linear Naik (Sumber: Mata, et al, 2000)
Fungsi keanggotaan:
0; x ≤ a
μ[x] = (x-a) / (b-a); a ≤ x ≤ b
1; x ≥ b
b. Representasi Linear Turun
Repersentasi linear turun merupakan kebalikan dari linear naik. Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi
kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.
Gambar 2.6 Representasi Linear Turun (Sumber: Mata, et al, 2000)
Fungsi keanggotaan:
0; x ≥ b
μ[x] = (b-x) / (b-a); a ≤ x ≤ b
1; x ≤ a
2. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara dua garis (linear).
Gambar 2.7 Kurva Segitiga (Sumber: Mata, et al, 2000)
Fungsi keanggotaan:
0; x ≥ c atau x ≤ a μ[x] = (x-a) / (b-a); a ≤ x ≤ b
(c-x) / (c-b); b ≤ x ≤ c
2.3.2 Fuzzyfikasi
Fuzzyfikasi adalah fase pertama dari perhitungan fuzzy yaitu pengubahan nilai tegas ke nilai fuzzy. Prosesnya adalah suatu besaran analog dimasukkan sebagai input (crisp input), lalu input tersebut dimasukkan pada batas scope atau domain dari membership function. Membership function ini biasanya dinamakan membership function input. Output dari proses fuzzyfikasi ini adalah sebuah nilai input fuzzy atau yang biasanya dinamakan fuzzy input.
2.3.3 Fuzzyfikasi Query
Fuzzyfikasi Query diasumsikan sebuah query konvensional (nonfuzzy) Database Management System (DBMS) yang akan mencoba membuat dan menerapkan sebuah sistem dasar logika fuzzy query (fuzzy logic based querting system). Konsep dari sebuah relasi fuzzy dalam sebuah database Management System menggunakan derajat keanggotaan µ yang didefinisikan pada kumpulan domain X = (X1,...,Xn), dan telah di-generate pada relasi luar oleh nilai tengah fuzzy. Sintaks query yang digunakan adalah “select from where”.
2.3.4 Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan tegas (crisp), operasi biner komplemen dan operasi-operasi biner gabungan dan irisan juga dapat didefinisikan pada himpunan kabur. Karena suatu himpunan tegas dapat dinyatakan secara lengkap dengan fungsi karakteristiknya, maka ketiga operasi pada himpunan tegas itu dapat didefinisikan dengan menggunakan fungsi karakteristik itu. Nilai derajat keanggotaan sebagai hasil dari operasi dua himpunan disebut dengan fire strength atau α-predikat.
1. Operator NOT
Misalnya A adalah suatu nilai derajat keanggotaan, maka komplemen dari A, yaitu A’, dapat didefinisikan dengan nilai kebenaran sebagai berikut:
Tabel 2.1 Tabel Nilai Kebenaran operator NOT x ∈ X x ∈ X’
1 0
0 1
Operator ini berhubungan dengan operasi komplemen pada himpunan. Α predikat sebagai hasil operasi NOT diperoleh dengan mengurangkan nilai derajat keanggotaan pada himpunan yang bersangkutan dari satu.
μA = 1 – μ(x) 2. Operator OR
Gabungan dari derajat keanggotaan himpunan-himpunan A dan B yaitu AUB, dapat didefinisikan dengan menggunakan tabel nilai kebenaran sebagai berikut:
Tabel 2.2 Tabel Nilai Kebenaran operator OR x ∈ A x ∈ B x ∈ AUB
1 1 1
1 0 1
0 1 1
0 0 0
Operator ini berhubungan dengan operasi union pada himpunan. α-predikat sebagai hasil operasi OR diperoleh dengan mengambil nilai derajat keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan.
3. Operator AND
Irisan dari derajat keanggotaan himpunan-himpunan A dan B yaitu A∩B, dapat didefinisikan dengan menggunakan tabel nilai kebenaran sebagai berikut:
Tabel 2.3 Tabel Nilai Kebenaran operator AND x ∈ A x ∈ B x ∈ A∩B
1 1 1
1 0 0
0 1 0
0 0 0
Operator ini berhubungan dengan operasi interseksi pada himpunan. α-predikat sebagai hasil operasi AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan.
μA∩B = min(μA(x), μB(y)) 2.4 Pembentukan Query
Suatu sistem query adalah semacam sistem pengembalian informasi yang digunakan untuk mendapatkan kembali obyek yang relevan dari suatu database. Pembentukan query pada database sistem fuzzy digunakan pada proses fuzzifikasi dan proses defuzzifikasi. Query digunakan untuk mencari data dari database serta meng-input-kan data ke database. Seluruh nilai yang di-input-meng-input-kan ke database merupameng-input-kan nilai yang memenuhi kriteria dari fungsi derajat keanggotaan yang di-input-kan, dengan batas nilai antara 0 dan 1. Sedangkan data-data nilai yang diambil merupakan hasil perhitungan dari rumus fungsi derajat keanggotaan yang disimpan ke database. Nilai-nilai tersebut merupakan hasil dari proses fuzzifikasi, yang berguna sebagai Nilai-nilai input untuk proses defuzzifikasi.
2.5 Flowchart
Flowchart adalah penggambaran secara grafik dari langkah-langkah dan urutan-urutan prosedur suatu program (Setiawan, 2006). Simbol-simbol dari flowchart memiliki fungsi yang berbeda antara satu simbol dengan simbol lainnya (Davis, 1999). Fungsi dari simbol-simbol flowchart adalah sebagai berikut:
Tabel 2.4 Fungsi simbol-simbol flowchart
Simbol Fungsi
Simbol process, yaitu menyatakan suatu tindakan (proses) yang dilakukan didalam program.
Simbol offline connector yaitu menyatakan penghubung bila flowchart terputus disebabkan oleh pergantian halaman (misalanya tidak cukup dalam satu halaman).
Simbol online connector, berfungsi untuk menyatakan sambungan dari prose ke proses yang lainnya dalam halaman yang sama.
Simbol arus/flowline, yaitu menyatakan jalannya arus suatu proses.
Simbol decision yaitu menunjukkan suatu kondisi tertentu yang akan menghasilkan dua kemungkinan jawaban yaitu : ya/ tidak.
Tabel 2.4 Fungsi simbol-simbol flowchart (Lanjutan)
Simbol Fungsi
Simbol input/output, menyatakan proses input atau output tanpa tergantung jenis peralatannya.
Simbol terminal yaitu menyatakan permulaan atau akhir suatu program.
Simbol document, mencetak keluaran dalam bentuk dokumen.
2.6 Bahasa Pemograman PHP
PHP (Hypertext Preprocessor) adalah bahasa computer yang dibuat untuk pengembangan web dinamis. Pada umumnya PHP digunakan di server namun juga dapat berdiri sendiri sebagai aplikasi graphical (www.php.net.).
Penggunaan PHP dan MySQL dipilih karena PHP dan MySQL memiliki beberapa kelebihan seperti dinyatakan oleh Nugroho (2008) kelebihannya sebagai berikut:
1. Bahasa pemograman PHP adalah sebuah bahasa script yang tidak melakukan sebuah kompilasi dalam penggunaannya.
2. Web Server yang mendukung PHP dapat ditemukan dimana-mana dari mulai IIS sampai dengan Apache dengan konfigurasi yang relatif mudah.
3. Dalam sisi pengembangan lebih mudah, karena banyaknya milis milis dan developer yang siap membantu dalam pengembangan.
4. Dalam sisi pemahaman, PHP adalah bahasa scripting yang paling mudah karena referensi yang banyak.
5. PHP adalah bahasa opensource yang dapat digunakan di berbagai mesin (Linux, Unix, Windows) dan dapat dijalankan secara runtime melalui console serta juga dapat menjalankan perintah-perintah sistem.
Sedangkan database MySQL memiliki beberapa kelebihan, yaitu:
1. Portability
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 dapat didistribusikan secara open source (gratis), dibawah lisensi GPL sehingga dapat digunakan secara cuma- cuma.
3. Multiuser
MySQL dapat digunakan oleh beberapa user dalam waktu yang bersamaan tanpa mengalami masalah atau konflik.
4. Performance tuning
MySQL memiliki kecepatan yang menakjubkan dalam menangani query sederhana, dengan kata lain dapat meproses lebih banyak SQL per satuan waktu.
5. Column types
MySQL memiliki tipe kolom yang sangat kompleks, seperti signed/ unsigned integer, float, double, char, text, date, timestamp, dan lain-lain.
6. Command dan functions
MySQL memiliki operator dan fungsi secara penuh yang mendukung perintah Select dan Where dalam query.
7. Security
MySQL memiliki beberapa lapisan sekuritas seperti level subnetmask, nama host, dan izin akses user dengan sistem perizinan yang perizinan yang mendetail serta password terenkripsi.
8. Scalability dan limits
MySQL mampu mengani database dalam skala besar, dengan jumlah records lebih dari 50 juta dan 60 juta ribu serta 5 milyar baris. Selain itu batas indeks yang dapat ditampung mencapai 32 indeks pada tiap tabelnya.
9. Connectivity
MySQL dapat melakukan koneksi dengan client menggunakan protocol TCP/IP, Unix soket (UNIX), atau Named Pipes (NT).
10.Localization
MySQL dapat mendeteksi pesan kesalahan pada client dengan menggunakan lebih dari dua puluh bahasa. Meskipun demikian, bahasa Indonesia belum termasuk di dalamnya.
11.Interface
MySQL memiliki interface (antar muka) terhadap berbagai aplikasi dan bahasa pemograman dengan menggunakan fungsi API (Application Programming Interface).
12.Clients dan tools
MySQL dilengkapi dengan berbagai tool yang dapat digunakan untuk adminsitrasi database, dan pada setiap tool yang ada disertakan petunjuk online.
13.Struktur Tabel
MySQL memiliki struktur table yang lebih fleksibel dalam menangani ALTER TABLE, dibandingkan database lainnya semacam PostgreSQL ataupun Oracle.
2.7 Penelitian Terdahulu
Pada penulisan skripsi ini digunakan beberapa penelitian terdahulu yang berkaitan dengan skripsi ini:
No Penulis / Tahun
Judul Keterangan
1. Akhmad Fauzi / 2010
Penggunaan Fuzzy Database Dalam Rekomendasi Pembelian Perumahan Berbasis Sistem Pendukung Keputusan.
Metode yang dipakai pada penelitian ini adalah fuzzy database model Tahani dengan objek masalah yang diselesaikan adalah rekomendasi pembelian rumah pada suatu perumahan.
2. Novitasari / 2011
Sistem Pendukung Keputusan Penentuan Spesifikasi Komputer Menggunakan Logika Fuzzy Database Model Tahani
Hasil dari proses penerapan Metode Fuzzy Database ini akan memberikan solusi berupa spesifikasi komputer yang sesuai kebutuhan pelanggan berdasarkan urutan prioritas nilai keanggotaan yang paling tinggi.
3. Hafsah / 2010
Aplikasi Berbasis Web Pemilihan Obyek Pariwisata Di Yogyakarta Menggunakan Metode Tahani
Dari perancangan dan implementasi dari aplikasi ini kesimpulanya telah dapat dibuat aplikasi pemilihan obyek pariwisata menggunakan metode tahani yang dapat di akses oleh pengguna dengan menggunakan kriteria yang mudah dimengerti sehingga dapat memudahkan pengguna dalam menentukan pilihan obyek wisata yang sesuai dan dapat digunakan sebagai bahan pertimbangan yang baik dalam
menentukan pilihan sebuah obyek wisata.
4. Yuti Irawati / 2009
Sistem Pendukung Keputusan Menggunakan Fuzzy Database Metode Tahani Untuk Penilaian Skala Prioritas Kriteria Penerima Manfaat PNPM Mandiri Perkotaan
Dari penelitian ini diketahui keluarga mampu dan 3 (tiga) prioritas keluarga tidak mampu dimana prioritas warga diketahui dari jumlah bobot penilaian kriteria kemiskinan dan setiap prioritas menunjukkan prioritas warga dalam menerima bantuan langsung masyarakat yang akan diberikan PNPM MP.
5. Mardia / 2010
sistem pendukung keputusan menggunakan basisdata fuzzy model tahani untuk membantu pemilihan telepon seluler
Metode yang digunakan pada penelitian ini yaitu metode fuzzy model Tahani ke dalam database, dengan fungsi keanggotaan yang ditunjukkan melalui kurva yang menggambarkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai 1.
