Bab 2
Tinjauan Pustaka
2.1
Penelitian Terdahulu
Beberapa penelitian yang pernah dilakukan menggunakan algoritma fuzzy antara lain : Aplikasi Sistem Pendukung Keputusan dalam Pemilihan Mobil Toyota Menggunakan Logika Fuzzy Multi Atribute Decision Making (MADM), yang membahas tentang penggunaan logika fuzzy Multi Atribute Decision Making (MADM) dalam memberikan informasi yang mendekati naluri manusia dalam memberikan keputusan untuk memilih mobil Toyota yang layak dan pantas dibeli sesuai dengan kebutuhan. (Li’ulliyah, 2009).
Penelitian lainnya adalah Sistem Pendukung Keputusan Pemilihan Mobil Menggunakan Metode Simple Multi Attribute Rating Technique (SMART), yang mengimplementasikan Metode SMART untuk menentukan pilihan mobil yang paling sesuai dengan kebutuhan calon pembeli. (Theorema P, 2011).
Sedangkan dalam penelitian yang berjudul Implementasi Sistem Fuzzy untuk Proses Pendukung Keputusan Menggunakan Metode Inferensi Minimum : Studi Kasus pada Sistem Pendukung Keputusan Pembelian Motor (Novaldy, 2010), yang membahas tentang penggunaan logika fuzzy dan metode inferensi minimum
dalam menentukan pemilihan sepeda motor sesuai kebutuhan dan kemampuan calon pembeli. Penelitian ini menggunakan logika fuzzy
terhadap data-data yang tidak sepenuhnya benar atau tidak sepenuhnya salah sehingga sangat sesuai untuk digunakan apabila data yang tersedia hanya dalam bentuk data kualitatif. Pada penelitian ini, sistem akan dibangun menggunakan metode fuzzy database model Tahani, untuk memperoleh hasil yang akurat dalam menentukan kelayakan harga mobil dengan spesifikasi yang didapat, sebelum memutuskan untuk membeli mobil. Berbeda dengan ketiga penelitian terdahulu tersebut di atas, yang menggunakan metode SMART dan Fuzzy MADM dalam pemilihan mobil dan motor.
Mengacu pada penelitian-penelitian terdahulu dapat disimpulkan bahwa faktor efektifitas dan efisiensi sangat penting dalam proses pengambilan keputusan, maka penulis akan merancang sebuah aplikasi SPK untuk menentukan kelayakan mobil menurut harga dan spesifikasinya menggunakan metode fuzzy agar faktor efektifitas dan efisiensi dalam proses pengambilan keputusan dapat tercapai, dan juga dapat memberikan gambaran kepada calon pembeli mengenai mobil yang dipilih.
2.2
Sistem Pendukung Keputusan (SPK) atau
Decision Support System
(DSS)
2.2.1 Definisi SPKPengertian dari SPK itu sendiri menurut para ahli adalah sebagai berikut (Bonczek, 1980 dalam Turban, 2001):
1. Menurut Keen dan Scoot Morton
Sistem Pendukung Keputusan merupakan penggabungan sumber-sumber kecerdasan individu dengan kemampuan komponen untuk memperbaiki kualitas keputusan. Sistem Pendukung Keputusan juga merupakan sistem informasi berbasis komputer untuk manajemen pengambilan keputusan yang menangani masalah-masalah semi struktur.
2. SPK didefinisikansebagai sistem berbasis komputer yang terdiri dari komponen-komponen yang saling berinteraksi, yaitu : sistem bahasa, sistem pengetahuan, dan sistem pemrosesan masalah.
Dari pengertian SPK di atas dapat ditentukan karateristik SPK, yaitu (Haniif, 2007) :
1. Mendukung proses pengambilan keputusan, menitik beratkan pada management by perception.
2. Adanya interface manusia / mesin dimana manusia (user) tetap memegang kontrol proses pengambilan keputusan.
3. Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur dan tak struktur.
4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan.
5. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan item.
6. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen.
2.2.2 Tujuan SPK
Sistem Pendukung Keputusan (SPK) yang bisa dikatakan merupakan sistem yang terkomputerisasi sangat diperlukan dalam proses pengambilan keputusan untuk pemecahan suatu masalah. Hal tersebut didasarkan pada kenyataan bahwa SPK memiliki berbagai keunggulan dalam dukungannya dalam proses pengambilan keputusan. Berbagai keunggulan DSS ini dijabarkan sebagai tujuan dari SPK itu sendiri, yaitu (Alter, 1980) :
1. Kecepatan komputasi
Komputer memungkinkan para pengambil keputusan melakukan banyak perhitungan secara cepat dan tentunya dengan biaya yang lebih murah.
SPK dapat mengurangi jumlah personil dalam kelompok pengambil keputusan, yang biasanya untuk membangun satu kelompok yang terdiri dari para pakar membutuhkan biaya yang tinggi. Selain itu juga memungkinkan para anggota kelompok tersebut untuk berada pada lokasi atau tempat yang berbeda-beda, sehingga menghemat biaya perjalanan dan akomodasi. 3. Peningkatan atau perbaikan komunikasi
Pada sistem yang berbasis web, memungkinkan untuk kolaborasi dan komunikasi antar kelompok secara efektif dan efisien. Dalam hal ini kelompok yang saling berinteraksi adalah bagian dari sub sistem dari SPK, misalnya pelanggan dan penjual. 4. Dukungan teknis
SPK memungkinkan data disimpan dalam beberapa database, baik pada sistem stand-alone, client-server, maupun yang berbasis web, di manapun di dalam organisasi dan bahkan mungkin di luar organisasi. Aspek kemampuan transmisi data oleh komputer juga merupakan bagian dari dukungan teknis SPK.
5. Akses data warehouse
Data warehouse yang besar, seperti yang dioperasikan oleh Wal Mart, berisi petabyte data. Diperlukan metode-metode khusus, dan terkadang komputasi paralel untuk mengorganisasi dan mencari data.
6. Dukungan kualitas
dilakukan dengan cepat, dan pandangan dari para pakar dengan biaya rendah.
7. Berdaya saing
DSS membantu organisasi untuk meningkatkan daya saing dengan proses pengambilan keputusan yang cepat, tepat, dan efisien.
8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan. Komputer membantu manusia dalam hal memproses dan menyimpan informasi dengan tingkat kesalahan yang lebih rendah.
2.2.3 Jenis SPK
Sistem pendukung keputusan dapat dibedakan menurut tingkat dukungannya terhadap pemecahan masalah, yaitu (Amborowati, 2007):
1. Retrieve information elements.
Ini adalah dukungan terendah yang dapat diberikan oleh SPK yakni berupa akses selektif terhadap informasi. Misalkan manajer bermaksud mencari tahu informasi mengenai data penjualan atas suatu area pemasaran tertentu.
2. Analize entire file.
Dalam tahap ini para manajer diberikan akses untuk melihat dan menganalisa file secara lengkap. Misalnya, manajer dapat membuat laporan khusus penilaian persediaan dengan melihat file persediaan, atau manajer dapat memperoleh laporan gaji bulanan dari file penggajian.
Dukungan seperti ini cenderung dibutuhkan mengingat para manajer berhubungan dengan banyak aktifitas dalam satu momen tertentu. Contoh tahapan ini antara lain kemampuan melihat laporan rugi laba, analisa penjualan produk per pelanggan, dan lain-lain.
4. Estimate decision consequences.
Dalam tahap ini manajer dimungkinkan untuk melihat dampak dari setiap keputusan yang mungkin diambil. Misalkan seorang manajer memasukkan unsur harga dalam sebuah model untuk melihat pengaruhnya pada laba usaha. Model akan memberikan masukan, misalnya jika harga diturunkan menjadi Rp 25.000,00 keuntungan akan meningkat Rp 5.000,00. Model tersebut tidak dapat menentukan apakah harga sebesar Rp 25.000,00 adalah harga terbaik, sistem hanya memberikan informasi apa yang mungkin jika keputusan harga tersebut diambil.
5. Propose decision consequences.
Dukungan di tahap ini sedikit lebih maju lagi. Suatu alternatif keputusan dapat disodorkan ke hadapan manajer untuk dipertimbangkan. Contoh penerapannya antara lain manajer pabrik memasukkan data mengenai pabrik dan peralatan yang dimilikinya, maka SPK dapat menentukan rancangan tata letak (lay out) yang paling efisien.
6. Make decision.
Ini adalah jenis dukungan yang sangat diharapkan dari SPK. Tahapan ini akan memberikan sebuah keputusan yang tinggal menunggu legitimasi dari manajer untuk dijalankan.
Sistem Pendukung Keputusan terdiri dari tiga komponen utama atau subsistem, yaitu (Subakti, 2002) :
1. Subsistem Manajemen Basis Data
Subsistem data merupakan bagian yang menyelediakan data-data yang dibutuhkan oleh Data Base Management Subsystem
(DBMS). DBMS sendiri merupakan susbsistem data yang terorganisasi dalam suatu basis data. Data-data yang merupakan dalam suatu Sistem Pendukung Keputusan dapat berasal dari luar lingkungan. Keputusan pada manajemen level atas seringkali harus memanfaatkan data dan informasi yang bersumber dari luar perusahaan.
Kemampuan subsistem data yang diperlukan dalam suatu Sistem Pendukung Keputusan, antara lain :
- Mampu mengkombinasikan sumber-sumber data yang relevan melalui proses ekstraksi data.
- Mampu menambah dan menghapus secara cepat dan mudah. - Mampu menangani data personal dan non official, sehingga
user dapat bereksperimen dengan berbagai alternatif keputusan.
- Mampu mengolah data yang bervariasi dengan fungsi manajemen data yang luas.
2. Subsistem Manajemen Model
Sistem Pendukung Keputusan. Kemampuan Sistem Manajemen Basis Model (MBMS) antara lain :
- Mampu menciptakan model - model baru dengan cepat dan mudah.
- Mampu mengkatalogkan dan mengelola model untuk mendukung semua tingkat pemakai.
- Mampu menghubungkan model-model dengan basis data melalui hubungan yang sesuai.
- Mampu mengelola basis model dengan fungsi manajemen yang analog dengan database manajemen.
3. Subsistem Dialog
Subsistem dialog merupakan bagian dari Sistem Pendukung Keputusan yang dibangun untuk memenuhi kebutuhan representasi dan mekanisme control selama proses analisa dalam Sistem Pendukung Keputusan ditentukan dari kemampuan berinteraksi anatara sistem yang terpasang dengan user. Pemakai terminal dan sistem perangkat lunak merupakan komponen-komponen yang terlibat dalam susbsistem dialog yang mewujudkan komunikasi anatara user dengan sistem tersebut. Komponen dialog menampilkan keluaran sistem bagi pemakai dan menerima masukkan dari pemakai ke dalam Sistem Pendukung Keputusan. Adapun subsistem dialog dibagi menjadi tiga, antara lain :
Merupakan tindakan-tindakan yang dilakukan user dalam usaha untuk membangun komunikasi dengan sistem. Tindakan yang dilakukan oleh user untuk menjalankan dan mengontrol sistem tersebut tergantung rancangan sistem yang ada.
- Bahasa Tampilan (The Display or Presentation Langauage)
Merupakan keluaran yang dihasilkan oleh suatu Sistem Pendukung Keputusan dalam bentuk tampilan-tampilan akan memudahkan user untuk mengetahui keluaran sistem terhadap masukan-masukan yang telah dilakukan.
- Bahasa Pengetahuan (Knowledge Base Language)
Meliputi pengetahuan yang harus dimiliki user tentang keputusan dan tentang prosedur pemakaian Sistem Pendukung Keputusan agar sistem dapat digunakan secara efektif. Pemahaman user terhadap permasalahan yang dihadapi dilakukan di luar sistem, sebelum user
menggunakan sistem untuk mengambil keputusan. 4. Subsistem manajemen berbasis pengetahuan.
Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Selain itu, subsistem ini juga dapat memberikan intelegensi untuk memperbesar pengetahuan kepada si pengambil keputusan.
komponen utama tersebut. Di luar keempat komponen di atas, seperti layaknya semua sistem informasi manajemen, pengguna dapat dianggap sebagai salah satu komponen DSS (Kadarsah, 2002). Dari komponen-komponen ini jika digambarkan dalam bentuk bagan, maka akan menjadi seperti bagan pada Gambar 2.1.
Gambar 2.1 Model Konseptual SPK (Kadarsah, 2002)
2.3
Logika
Fuzzy
Logika fuzzy (Fuzzy Logic) diperkenalkan oleh Lotfi Zadeh pada tahun 1965. Merupakan metode yang mempunyai kemampuan untuk memproses variabel yang bersifat kabur atau yang tidak dapat dideskripsikan secara pasti, misalnya tinggi, lambat, dan bising.
suatu nilai. Dengan teori himpunan fuzzy, suatu objek dapat menjadi anggota dari banyak himpunan dengan derajat keanggotaan yang berbeda dalam masing-masing himpunan (Kusumadewi, 2004).
Beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain (Saelan, 2009) :
a. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sederhana dan mudah dimengerti. b. Logika fuzzy sangat fleksibel.
c. Logika fuzzy memiliki toleransi pada data-data yang tidak tepat. d. Logika fuzzy mampu memodelkan fungsi-fungsi non-linear yang
sangat kompleks.
e. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui pelatihan.
f. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
g. Logika fuzzy didasarkan pada bahasa alami.
Beberapa hal yang harus diketahui dalam sistem fuzzy, yaitu (Eliyani, 2009) :
1. Variabel Fuzzy
Merupakan variabel yang akan dibahas dalam suatu sistem fuzzy. Contoh : umur, temperatur, dan permintaan.
2. Himpunan Fuzzy
- Variabel temperatur, terbagi menjadi lima himpunan fuzzy, yaitu DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS. Himpunan fuzzy mempunyai dua atribut, yaitu :
- Linguistik
Linguistik adalah penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, sperti : MUDA, PAROBAYA, TUA.
- Numeris
Numeris adalah suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel, seperti : 4, 25, 50, dan sebagainya.
Gambar 2.2 Himpunan Fuzzy pada Variabel Temperatur (Eliyani, 2009)
3. Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk diopersikan 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. Ada kalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. Contoh semesta pembicaraan adalah sebagai berikut :
- Semesta pembicaraan untuk variabel temperatur adalah [0 40]
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan oleh semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya dengan semesta pembicaraan,
domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain
dapat berupa bilangan positif maupun negatif. Contoh domain adalah sebagai berikut : - DINGIN = [0, 20]
- SEJUK = [15, 25] - NORMAL = [20, 30] - HANGAT = [25, 35] - PANAS = [30, 40]
2.3.1 Fungsi Keanggotaan
Fungsi keanggotaan atau membership function adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan). Dalam logika tegas, fungsi keanggotaan menyatakan keanggotaan suatu himpunan. Fungsi keanggotaan χA(x) bernilai 1 jika x anggota himpunan A, dan bernilai 0 jika x bukan anggota himpunan A. Jadi fungsi kenggotaan ini hanya bisa bernilai 0 atau 1 (Andari, 2009).
Sedangkan dalam logika fuzzy, fungsi keanggotaan menyatakan derajat keanggotaan suatu himpunan. Nilai dari fungsi keanggotaan ini berada dalam selang [0,1], dinyatakan dengan µA.
µA : x = [0,1] (2.2)
Fungsi keangotaan µ A(x) bernilai 1 jika x anggota penuh himpunan A, dan bernilai 0 jika x bukan anggota himpunan A. Sedangkan jika derajat keanggotaan berada dalam selang (0,1), misalkan µ A(x) = µ, menyatakan x sebagai anggota himpunan A
dengan derajat keanggotaan sebesar µ.
Fungsi keanggotaan suatu himpunan fuzzy dapat ditentukan melalui pendekatan fungsi. Beberapa fungsi yang dapat digunakan adalah sebagai berikut (Irwan, 2008) :
- Respresentasi Linier Naik
Kenaikan himpunan dimulai pada domain yang memiliki derajat keanggotaan nol bergerak ke kanan menuju domain yang memiliki derajat keanggotaan lebih tinggi, seperti terlihat pada Gambar 2.3
Gambar 2.3 Representasi Linear Naik (Irwan, 2008)
Fungsi keanggotaan dari representasi linear naik adalah :
0 ; x ≤ a
1 ; x ≥ b
- Representasi Linier Turun
Merupakan kebalikan dari representasi linear naik. Garis lurus dimulai dari domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain dengan derajat keanggotaan kebih rendah, seperti terlihat pada Gambar 2.4
Gambar 2.4 Representasi Linear Turun (Irwan, 2008)
Fungsi keanggotaan dari representasi linear turun adalah :
1 ; x ≤ a
µ[x] = (b – x) / (b - a) a < x < b (2.4)
0 ; x ≥ b
- Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara dua garis linear, seperti terlihat pada Gambar 2.5
Fungsi keanggotaan dari representasi kurva segitiga adalah :
0 ; x ≤ a
( x - a) / (b - a); a < x ≤ b
µ[x] = (c - x) / (c - b); b< x < c (2.5)
1 ; x ≥ c
- Representasi Kurva Trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1, seperti terlihat pada Gambar 2.6.
Gambar 2.6 Representasi Kurva Trapesium (Irwan, 2008)
Fungsi keanggotaan dari representasi kurva trapesium adalah :
0; x ≤ a atau x ≥ d
( x – a ) / (b - a); a < x < b
µ[x] = 1; b ≤ x ≤ c
(2.6)
( d - x ) / ( d - c ) ; x > c
- Representasi Kurva Bahu
dan kurva trapesium. Daerah yang berada di tengah-tengah kurva bahu ini, dipresentasikan dengan fungsi keanggotaan segitiga. Pada sisi kiri dan kanannya nilai keanggotaan akan naik dan turun. Tetapi terkadang pada salah satu sisi variabel fuzzy yang ditinjau ini terdapat nilai yang konstan, yaitu pada himpunan ekstrim kiri dan ekstrim kanan, seperti terlihat pada Gambar 2.7
Gambar 2.7 Representasi Kurva Bahu (Irwan, 2008) 2.3.2 Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara kusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi dua himpunan sering dikenal sebagai derajat keanggotaan. Ada tiga operator dasar yang diciptakan oleh Zadeh, yaitu (Purnomo, 2004) :
1. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. Derajat keanggotaan sebagai hasil operasi AND
diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen.
2. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan. Derajat keanggotaan sebagai hasil operasi dengan operator OR
diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen.
µAUB = max(µA[x], µB[y]) (2.8) 3. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan. Derajat keanggotaan sebagai hasil operasi dengan operator NOT diperoleh dengan menggunakan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.
µA’ = 1 - µA[x] (2.9)
2.4
Spesifikasi Mobil
Sebuah mobil memiliki spesifikasi yang merupakan ukuran-ukuran dari komponen-komponennya yang terdiri dari :
1. Kapasitas Mesin 2. Torsi Maksimal 3. Daya Maksimal 4. Berat Kosong 5. Fitur Tambahan
2.4.1 Kapasitas Mesin
diameter silinder mesin dengan langkah piston. Kapasitas mesin digunakan dalam sistem ini karena kapasitas mesin merupakan satu hal yang paling dipertimbangkan dalam memilih mobil, kapasitas mesin biasanya mempengaruhi beberapa spesifikasi lain dari mobil, seperti daya maksimal dan torsi maksimal. Satuan yang digunakan adalah centimeter cubic atau cc (Sojuangan, 2007).
2.4.2 Torsi Maksimal
Segala bentuk energi pada mesin bakar dikonversi menjadi rotasi, sehingga gaya yang pada awalnya linier (gerak piston naik-turun) menjadi gerak putar karena poros engkol atau kruk as. Dari sini besar gaya dari gerakan naik-turun piston digunakan untuk mendorong poros engkol agar memberikan gerakan memutar. Torsi adalah perkalian dari besar gaya dan jarak titik gaya terhadap sumbu putar poros engkol. Torsi adalah gaya (dalam bentuk rotasi) yang dapat diberikan mesin untuk menggerakkan beban kendaraan. Semakin besar torsi maksimal mesin, maka semakin besar gaya dorong yang dapat diberikan pada roda, sehingga semakin besar percepatan yang didapat untuk memindahkan suatu massa. Jika percepatan semakin besar, maka akselerasi mobil semakin kuat. Satuan yang digunakan adalah Kgm/rpm (Sojuangan, 2007).
2.4.3 Daya Maksimal
didapatkan dari besar torsi pada putaran tertentu dan semakin tinggi torsi yang dihasilkan pada putaran yang tinggi, maka semakin besar tenaga yang dihasilkan mesin tersebut. Satuan yang digunakan adalah Ps/rpm (Sojuangan, 2007).
2.4.4 Berat Kosong
Berat kosong adalah berat mobil diukur tanpa adanya bahan bakar, pelumas, dan pengendara diatasnya. Satuan yang digunakan adalah Kilogram atau Kg (Sojuangan, 2007).
2.4.5 Fitur Tambahan
Fitur tambahan dalam sistem ini adalah fitur keamanan dan kenyamanan yang ada pada mobil (Sojuangan, 2007).
1. Fitur Keamanan
Fitur keamanan yang disediakan oleh produsen mobil diantaranya ABS (Antilock Brake System), EBD (Electronic Brake Distribution), airbag, seat belt, keyless door, corner sensor, back sensor, dan remote lock.
2. Fitur Kenyamanan
