TUGAS AKHIR
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Program Studi Teknik Informatika
Disusun Oleh :
CHRISTINA DENI RUMIARTI 045314013
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2008
FOR EARTHQUAKE RECONSTRUCTION USING FUZZY
LOGIC WITH TSUKAMOTO METHOD INFERENCE
FINAL ASSIGNMENT Presented as a Meaning for Gaining Engineering Holder in Informatics Engineering Study Program
By :
CHRISTINA DENI RUMIARTI 045314013
INFORMATICS ENGINEERING DEPARTEMENT
SCIENCE AND TECHNOLOGY FACULTY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2008
berbeda-beda.
Pada Tugas Akhir ini dibuat suatu program aplikasi untuk menentukan besarnya bantuan dana rekonstruksi gempa dengan menerapkan logika kabur. Program aplikasi ini dibuat menggunakan Java Netbeans versi 5.5 dengan basis data My SQL versi 5. Kriteria yang digunakan untuk menentukan besarnya bantuan rekonstruksi gempa adalah kondisi kerusakan rumah dan kondisi ekonomi dengan data sample sebanyak 15 pokmas (kelompok masyarakat) diambil dari Dusun Tangkilan, Desa Sumber Mulyo, Kecamatan Bambang Lipuro, Kabupaten Bantul, Provinsi Yogyakarta.
Konsep logika kabur yang digunakan adalah sistem penalaran fuzzy metode Tsukamoto. Penentuan bantuan dana rekonstruksi gempa ini memiliki 9 kombinasi aturan fuzzy dengan 3 tahapan penyelesaian, yaitu: unit fuzifikasi, mekanisme inferensi fuzzy, dan unit defuzifikasi. Unit fuzifikasi akan memetakan nilai kerusakan rumah dan penghasilan tiap bulan ke himpunan fuzzy yang telah didefinisikan. Mekanisme inferensi fuzzy akan melakukan perhitungan fire-strength (α −predikat) untuk setiap aturan menggunakan fungsi MIN. Unit defuzifikasi akan memetakan keluaran inferensi fuzzy (fire-strength) ke nilai tegas yang berupa bantuan dana rekonstruksi gempa.
Hasil akhir program aplikasi ini menunjukkan bahwa logika kabur sangat membantu mengatasi kondisi ketidaktegasan dan kekakuan kriteria dalam menentukan besarnya bantuan rekonstruksi, sehingga kondisi ketidakadilan dan kurang tepat sasaran-nya bantuan yang diberikan dapat lebih teratasi.
Fuzzy logic was an approach used to resolve uncertainty and criterion rigidity derived from different people assessments.
In this final assignment, an application program was created to decide total fund granting for earthquake reconstruction by implemented the fuzzy logic. This application program was built using Java Netbeans version 5.5 with My SQL version 5 database. Criteria used in deciding total earthquake reconstruction fund per household were house condition and economics class using sample data from 15 community groups derived from Tangkilan and Sumber Mulyo villages in Bambang Lipuro district, Bantul regency of D.I Yogyakarta Province.
The fuzzy logic concept used was Tsukamoto’s fuzzy logical system. The determination fund granting for earthquake reconstruction has nine combinations of fuzzy rules with three solution steps, which were fuzzyfication unit, fuzzy inference mechanism, and defuzzyfication unit. Fuzzyfication unit would map the house condition and monthly income into fuzzy group, which had defined. Fuzzy inference mechanism would perform fire-strength computation (α-predicate) for
each rule using MIN function. Defuzzyfication unit would map fuzzy inference output (fire-strength) into rigid values of fund granting for earthquake reconstruction.
Final result from this application program suggested that fuzzy logic was able to resolve uncertainty and criterion rigidity in deciding total fund granting for earthquake reconstruction per household, so that the inequality and fund mistargetting problems can be resolved.
Tugas Akhir “Program Aplikasi untuk Menentukan Bantuan Dana Rekonstruksi Gempa menggunakan Logika Kabur dengan Inferensi Metode Tsukamoto” ini. Pada kesempatan ini penulis bermaksud menghaturkan terima kasih pada seluruh pihak yang telah berkenan mempercayakan segala bantuan bagi penulis, yaitu: 1. Bapak dan ibu penulis.
2. Bapak Albertus Agung Hadhiatma, S.T., M.T., selaku pembimbing TA ini. 3. Bapak Puspaningtyas Sanjoyo Adi, S.T., M.T., beserta para dosen dan seluruh
keluarga besar Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta.
4. Romo Ir. Greg. Heliarko SJ, S.S., B.S.T., M.A., M.Sc., beserta seluruh keluarga besar Fakultas Sains dan Teknologi USD Yogyakarta.
5. Bapak Ronggo Warsito, selaku Kepala Dusun Tangkilan. 6. Mbak Erna dan Joe.
7. Vieta, Andis, Wening, Dian, Susi, dan Intan.
8. Teman – teman mahasiswa Teknik Informatika USD angkatan 2004. 9. Semua pihak yang tidak dapat penulis sebutkan satu – persatu.
Penulis menyadari akan kekurangan dalam penulisan naskah tugas akhir ini. Untuk itu penulis mengharapkan kritik dan saran dari pembaca. Akhir kata, semoga Tugas Akhir ini bermanfaat. Terima kasih.
Yogyakarta, 14 Agustus 2008
Penulis
Halaman
HALAMAN JUDUL ... i
HALAMAN JUDUL (BAHASA INGGRIS) ... ii
LEMBAR PERSETUJUAN PEMBIMBING ... iii
LEMBAR PENGESAHAN ... iv
LEMBAR PERNYATAAN KEASLIAN KARYA ... v
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ... vi
INTISARI ... vii
ABSTRACT ... viii
KATA PENGANTAR ... ix
DAFTAR ISI ... x
DAFTAR GAMBAR ... xvii
DAFTAR TABEL ... xxi
BAB I PENDAHULUAN ... 1
A. Latar Belakang Masalah ... 1
B. Rumusan Masalah ... 2
C. Batasan Masalah ... 3
D. Tujuan Penelitian ... 3
E. Langkah Penelitian ... 3
F. Sistematika Penulisan ... 4
2. Himpunan Fuzzy ... 6
3. Fungsi Keanggotaan ... 8
a. Representasi Linear ... 8
1) Representasi Linear Naik ... 8
2) Representasi Linear Turun ... 9
b. Representasi Kurva Segitiga ... 9
4. Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy ... 10
5. Penalaran Monoton ... 11
6. Fungsi Implikasi ... 12
B. Sistem Inferensi Fuzzy ... 12
C. Inferensi menggunakan Metode Tsukamoto ... 15
BAB III ANALISIS DAN PERANCANGAN SISTEM ... 17
A. Analisis Masalah ... 17
B. Gambaran Umum Sistem ... 18
C. Analisis Kebutuhan Sistem ... 20
1. Kebutuhan Input ... 20
2. Kebutuhan Proses ... 21
3. Kebutuhan Output ... 23
D. Perancangan Sistem Inferensi Fuzzy Metode Tsukamoto ... 23
1. Pembentukan Himpunan Fuzzy ... 23
b. Variabel Kondisi Ekonomi ... 24
c. Variabel Bantuan Rumah ... 25
2. Mekanisme Inferensi Fuzzy ... 27
a. Pembentukan Aturan Fuzzy ... 27
b. Penentuan fire-strength (α − predikat) ... 28
3. Unit Defuzifikasi ... 29
a. Perhitungan Nilai Z (Bantuan Rumah) Tiap Aturan Fuzzy ... 29
b. Perhitungan Rata-Rata Nilai Z ... 30
4. Contoh Perhitungan Manual ... 30
E. Perancangan Proses ... 34
1. Diagram Konteks Sistem ... 34
2. Bagan Berjenjang ... 35
3. Diagram Arus Data ... 36
a. Overview DAD Level 0 ... 36
b. Overview DAD Level 1 ... 37
c. Overview DAD Level 2 ... 37
d. Overview DAD Level 3 ... 38
e. Overview DAD Level 4 ... 39
f. Overview DAD Level 5 ... 39
g. Overview DAD Level 6 ... 40
h. Overview DAD Level 7 ... 40
i. Overview DAD Level 8 ... 41
2. Relasional Model ... 43
a. Entitas Login ... 43
b. Entitas BatasHimpunan ... 43
c. Relasi Pokmas, KepalaKeluarga, dan DerajatKeanggotaan .. 44
3. Perancangan Struktur Tabel ... 45
a. Tabel Login ... 45
b. Tabel BatasHimpunan ... 45
c. Tabel Pokmas ... 46
d. Tabel KepalaKeluarga ... 46
e. Tabel DerajatKeanggotaan ... 48
G. Perancangan Interface ... 50
1. Desain Interface Input ... 50
a. Login ... 50
b. Tambah Data Pokmas ... 50
c. Edit Data Pokmas ... 51
d. Tambah Data Kepala Keluarga ... 52
e. Edit Data Kepala Keluarga ... 52
f. Setting Batas Himpunan ... 53
g. Penentuan Bantuan Dana Rekonstruksi Gempa ... 54
2. Desain Interface Output ... 54
b. Menu Administrator ... 55
c. Manipulasi Data Pokmas ... 55
d. Manipulasi Data Kepala Keluarga ... 56
e. Pencarian Data Pokmas dan Data Kepala Keluarga ... 57
1) Pencarian Data Pokmas ... 57
2) Pencarian Data Kepala Keluarga ... 58
f. Detail Kepala Keluarga ... 59
g. Pencarian Data Derajat Keanggotaan ... 60
BAB IV IMPLEMENTASI DAN PEMBAHASAN ... 61
A. Implementasi Algoritma Sistem Inferensi FuzzyMetode Tsukamoto 61 1. Perhitungan Derajat Keanggotaan ... 61
a. Perhitungan
μ
RUSAKRINGAN [X1] ... 61b. Perhitungan
μ
RUSAKSEDANG [X1] ... 63c. Perhitungan
μ
RUSAKBERAT [X1] ... 64d. Perhitungan
μ
EKONOMIMISKIN [X2] ... 66e. Perhitungan
μ
EKONOMIMENENGAH [X2] ... 68f. Perhitungan
μ
EKONOMIKAYA[X2] ... 702. Mekanisme Inferensi Fuzzy ... 72
a. Perhitungan α-predikat1 ... 72
b. Perhitungan α-predikat2 ... 73
c. Perhitungan α-predikat3 ... 75
g. Perhitungan α-predikat7 ... 79
h. Perhitungan α-predikat8 ... 81
i. Perhitungan α-predikat9 ... 82
3. Unit Defuzifikasi ... 83
a. Perhitungan Nilai Z Tiap Aturan Fuzzy ... 83
1) Perhitungan z1 ... 84
2) Perhitungan z2 ... 84
3) Perhitungan z3 ... 85
4) Perhitungan z4 ... 85
5) Perhitungan z5 ... 86
6) Perhitungan z6 ... 86
7) Perhitungan z7 ... 87
8) Perhitungan z8 ... 88
9) Perhitungan z9 ... 88
b. Perhitungan Rata-Rata Nilai Z ... 89
B. Implementasi Interface ... 90
1. Interface Input ... 90
a. Login ... 90
b. Tambah Data Pokmas ... 91
c. Edit Data Pokmas ... 92
e. Edit Data Kepala Keluarga ... 93
f. Setting Batas Himpunan ... 94
g. Penentuan Bantuan ... 96
2. Interface Output ... 97
a. Menu User Biasa ... 97
b. Menu Administrator ... 97
c. Manipulasi Data Pokmas ... 98
d. Manipulasi Data Kepala Keluarga ... 99
e. Pencarian Data Pokmas dan Data Kepala Keluarga ... 101
1) Pencarian Data Pokmas ... 101
2) Pencarian Data Kepala Keluarga ... 102
f. Detail Kepala Keluarga ... 103
g. Pencarian Data Derajat Keanggotaan ... 104
h. Help ... 105
1) Info Aturan Fuzzy ... 105
2) Penggunaan Sistem ... 105
3) Tentang Sistem ... 107
C. Hasil dan Pembahasan ... 107
BAB V PENUTUP ... 112
A. Kesimpulan ... 112
B. Saran ... 112
DAFTAR PUSTAKA ... 113
LAMPIRAN ... 115
Gambar 2.2. Representasi Linear Turun ... 9
Gambar 2.3. Representasi Segitiga ... 9
Gambar 2.4. Diagram Sistem Inferensi Fuzzy ... 14
Gambar 2.5. Inferensi menggunakan Metode Tsukamoto ... 15
Gambar 3.1. Flowchart Sistem ... 19
Gambar 3.2. Usecase Diagram ... 22
Gambar 3.3. Fungsi Keanggotaan Variabel Kerusakan Rumah ... 24
Gambar 3.4. Fungsi Keanggotaan Variabel Kondisi Ekonomi ... 25
Gambar 3.5. Fungsi Keanggotaan Variabel Bantuan Rumah ... 26
Gambar 3.6. Nilai μRUSAKSEDANG dan μRUSAKBERAT ... 31
Gambar 3.7. Nilai μKAYA ... 31
Gambar 3.8. Nilai z7 pada [R7] ... 32
Gambar 3.9. Nilai z8 pada [R8] ... 33
Gambar 3.10. Diagram Konteks Sistem ... 34
Gambar 3.11. Bagan Berjenjang ... 35
Gambar 3.12. Overview DAD Level 0 ... 36
Gambar 3.13. Overview DAD Level 1 Proses 1 ... 37
Gambar 3.14. Overview DAD Level 1 Proses 2 ... 37
Gambar 3.15. Overview DAD Level 1 Proses 3 ... 38
Gambar 3.16. Overview DAD Level 1 Proses 4 ... 39
Gambar 3.18. Overview DAD Level 1 Proses 6 ... 40
Gambar 3.19. Overview DAD Level 1 Proses 7 ... 40
Gambar 3.20. Overview DAD Level 1 Proses 8 ... 41
Gambar 3.21. Overview DAD Level 1 Proses 9 ... 41
Gambar 3.22. Entity Relationship Diagram ... 42
Gambar 3.23. Translasi Entitas Login menjadi Relational Model ... 43
Gambar 3.24. Translasi Entitas BatasHimpunan menjadi Relational Model . 43 Gambar 3.25. ER Diagram Pokmas-KK-DerajatKeanggotaan ... 44
Gambar 3.26. Relational Model Pokmas-KK-DerajatKeanggotaan ... 44
Gambar 3.27. Desain Interface Login ... 50
Gambar 3.28. Desain Interface Tambah Data Pokmas ... 50
Gambar 3.29. Desain Interface Edit Data Pokmas ... 51
Gambar 3.30. Desain Interface Tambah Data Kepala Keluarga ... 52
Gambar 3.31. Desain Interface Edit Data Kepala Keluarga ... 52
Gambar 3.32. Desain InterfaceSetting Batas Himpunan ... 53
Gambar 3.33. Desain Interface Penentuan Bantuan ... 54
Gambar 3.34. Desain Interface Menu User Biasa ... 54
Gambar 3.35. Desain Interface Menu Administrator ... 55
Gambar 3.36. Desain Interface Manipulasi Data Pokmas ... 55
Gambar 3.37. Desain Interface Manipulasi Data Kepala Keluarga ... 56
Gambar 3.38. Desain Interface Pencarian Data Pokmas ... 57
Gambar 3.39. Desain Interface Pencarian Data Kepala Keluarga ... 58
Gambar 4.2. Fungsi Keanggotaan Rusak Sedang ... 63
Gambar 4.3. Fungsi Keanggotaan Rusak Berat ... 65
Gambar 4.4. Fungsi Keanggotaan Ekonomi Miskin ... 66
Gambar 4.5. Fungsi Keanggotaan Ekonomi Menengah ... 68
Gambar 4.6. Fungsi Keanggotaan Ekonomi Kaya ... 70
Gambar 4.7. Interface Login ... 90
Gambar 4.8. Interface Tambah Data Pokmas ... 91
Gambar 4.9. Interface Edit Data Pokmas ... 92
Gambar 4.10. Interface Tambah Data Kepala Keluarga ... 92
Gambar 4.11. Interface Edit Data Kepala Keluarga ... 93
Gambar 4.12. InterfaceSetting Batas Himpunan ... 94
Gambar 4.13. Gambar Fungsi Keanggotaan Suatu Variabel Fuzzy ... 95
Gambar 4.14. Interface Penentuan Bantuan ... 96
Gambar 4.15. Informasi Bantuan Rekonstruksi Gempa yang akan diterima . 96 Gambar 4.16. Interface Menu User Biasa ... 97
Gambar 4.17. Interface Menu Administrator ... 97
Gambar 4.18. Interface Manipulasi Data Pokmas ... 98
Gambar 4.19. Interface Manipulasi Data Kepala Keluarga ... 99
Gambar 4.20. Interface Pencarian Data Pokmas ... 101
Gambar 4.21. Interface Pencarian Data Kepala Keluarga ... 102
Gambar 4.23. Interface Pencarian Data Derajat Keanggotaan ... 104
Gambar 4.24. Interface Aturan Fuzzy ... 105
Gambar 4.25. Interface Cara Penggunaan Sistem (User Biasa) ... 106
Gambar 4.26. Interface Cara Penggunaan Sistem (Administrator) ... 106
Gambar 4.27. Interface Tentang Sistem ... 107
Gambar 4.28. Representasi Crisp Kerusakan Rumah ... 108
Gambar 4.29. Representasi Crisp Kondisi Ekonomi ... 108
Gambar 4.30. Representasi Fuzzy Kerusakan Rumah ... 110
Gambar 4.31. Representasi Fuzzy Kondisi Ekonomi ... 110
Gambar 4.32. Representasi Fuzzy Bantuan Rumah... 111
Tabel 3.2 Tabel Login ... 45
Tabel 3.3 Tabel BatasHimpunan ... 45
Tabel 3.4 Tabel Pokmas ... 46
Tabel 3.5 Tabel KepalaKeluarga ... 47
Tabel 3.6 Tabel DerajatKeanggotaan ... 48
Tabel 4.1 Tabel Batas Himpunan ... 110
Tabel 4.2 Tabel Derajat Keanggotaan Kerusakan Rumah ... 111
Tabel 4.3 Tabel Derajat Keanggotaan Kondisi Ekonomi ... 111
PENDAHULUAN
A. Latar Belakang Masalah
Pada tanggal 27 Mei 2006, gempa bumi berkekuatan 6,3 pada skala Richter melanda Propinsi Daerah Istimewa Yogyakarta dan sebagian Propinsi Jawa Tengah. Dampak gempa terbesar terjadi pada sektor perumahan. Rumah-rumah mengalami kerusakan terparah akibat tidak terpenuhinya standar konstruksi dan bahan bangunan yang tahan terhadap goncangan.
Bantuan dari berbagai pihak sangat dibutuhkan agar korban gempa dapat membangun rumahnya kembali. Salah satunya adalah bantuan dana rekonstruksi gempa yang diberikan oleh pemerintah pusat. Bantuan tersebut diharapkan dapat meringankan beban seorang kepala keluarga dalam membangun ataupun memperbaiki rumahnya.
Sebelum bantuan rekonstruksi gempa diberikan, pendataan mengenai keadaan rumah akibat gempa bumi harus dilakukan terlebih dahulu oleh petugas survei. Pada saat pendataan timbul masalah mengenai penilaian tingkat kerusakan rumah. Hal ini dikarenakan penilaian seorang petugas survei terhadap tingkat kerusakan suatu rumah pada suatu pokmas (kelompok masyarakat) tidak sama dengan penilaian petugas survei lainnya terhadap rumah dengan kerusakan yang hampir sama pada pokmas yang berbeda. Penilaian yang berbeda-beda ini mengakibatkan kriteria mengenai kondisi kerusakan rumah menjadi ambiguous (tidak pasti, tidak tepat, tidak tegas,
samar). Hal ini dapat menyebabkan bantuan yang diterima oleh tiap KK menjadi kurang adil dan sering tidak tepat sasaran.
Berkaitan dengan permasalahan tersebut, penulis tertarik untuk membuat suatu perangkat lunak menggunakan konsep logika kabur dengan penalaran (inferensi) fuzzy metode Tsukamoto untuk menentukan bantuan dana rekonstruksi gempa. Hal ini dikarenakan konsep logika kabur mudah dimengerti, dan memiliki toleransi terhadap data-data yang tidak tepat (Sri Kusumadewi & Hari P, 2004:2). Menurut Thomas Sri Widodo (2005:108), inferensi logika kabur mempunyai kemiripan dengan penalaran manusia dalam menilai sesuatu, sehingga memberikan fleksibilitas dibandingkan menggunakan logika tegas. Selain itu, inferensi fuzzy metode Tsukamoto dipilih untuk menyelesaikan permasalahan ini karena memiliki tahapan perhitungan yang mudah dan tidak memboroskan waktu (Thomas Sri Widodo, 2005:125).
B. Rumusan Masalah
C. Batasan Masalah
Sesuai dengan rumusan masalah di atas, maka dibuat batasan masalah berupa:
1. Data sample sebanyak 15 pokmas (kelompok masyarakat) diambil dari Dusun Tangkilan, Desa Sumbermulyo, Kecamatan Bambanglipuro, Kabupaten Bantul, Provinsi Yogyakarta.
2. Variabel yang digunakan untuk menentukan besarnya bantuan adalah besarnya kerusakan rumah (%), dan kondisi ekonomi (penghasilan/bulan). 3. Program dibuat menggunakan Java Netbeans versi 5.5 dengan
menggunakan basisdata My SQL versi 5.
D. Tujuan Penelitian
Tujuan penulisan Tugas Akhir ini adalah membuat suatu perangkat lunak untuk menentukan besarnya bantuan dana rekonstruksi gempa bagi masing-masing KK secara adil dan tepat sasaran.
E. Langkah Penelitian
Langkah penelitian pada penyusunan Tugas Akhir ini, adalah: 1. Pengumpulan data penerima bantuan dana rekonstruksi gempa.
2. Studi Pustaka teori logika fuzzy dan sistem inferensi fuzzy metode Tsukamoto, serta referensi lainnya.
sistem inferensi fuzzy menggunakan metode Tsukamoto, perancangan proses, perancangan basisdata, dan perancangan interface.
4. Implementasi rancangan sistem penentuan bantuan dana rekonstruksi gempa.
F. Sistematika Penulisan BAB I PENDAHULUAN
Bab I berisi tentang deskripsi umum isi Tugas Akhir, meliputi latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, metode penelitian, dan sistematika penulisan.
BAB II LANDASAN TEORI
Bab II berisi tentang teori logika fuzzy dan fuzzy inference system metode Tsukamoto, serta referensi penunjang lainnya.
BAB III ANALISIS DAN PERANCANGAN SISTEM
Bab III berisi tentang analisis dan perancangan sistem, meliputi: analisis masalah, gambaran umum sistem, analisis kebutuhan sistem, perancangan sistem inferensi fuzzy metode Tsukamoto, perancangan proses, perancangan basisdata, dan perancangan interface.
BAB IV IMPLEMENTASI, HASIL, DAN PEMBAHASAN
Bab IV berisi tentang penjelasan hasil implementasi dan pembahasan program.
BAB V PENUTUP
LANDASAN TEORI
A. Pendahuluan
1. Gejala Kekaburan
Kita berjumpa dengan gejala kekaburan di mana-mana dalam kehidupan kita. Misal, dalam suatu kelas seorang guru menyuruh para murid yang mempunyai sepeda untuk mengangkat tangan. Maka dalam seketika kelas itu terbagi menjadi dua kelompok (himpunan) secara tegas, yaitu kelompok para murid yang mengangkat tangannya (yaitu mereka yang mempunyai sepeda) dan kelompok para murid yang tidak mengangkat tangannya (yaitu mereka yang tidak mempunyai sepeda). Tetapi kalau sang guru kemudian menyuruh para muridnya yang pandai untuk mengangkat tangan, maka akan timbul keragu-raguan di antara para murid itu, yaitu mereka ragu-ragu apakah mereka termasuk kelompok murid yang pandai atau tidak. Batas antara “punya sepeda” dan “tidak punya sepeda” adalah jelas dan tegas, tetapi tidak demikian halnya dengan batas antara “pandai” dan “tidak pandai”. Dengan perkataan lain, himpunan para murid yang pandai dan himpunan para murid yang tidak pandai seakan-akan dibatasi secara tidak tegas (kabur). Masih banyak contoh kata/istilah lainnya dalam kehidupan sehari-hari yang mengandung ketidaktegasan semacam itu, misalnya: tinggi, mahal, cantik, muda, kotor, dingin, cepat, dan sebagainya.
2. Himpunan Fuzzy
Bahasa keilmuan yang dapat menangani kekaburan istilah-istilah dari bahasa sehari-hari itulah yang diciptakan oleh Prof. L.A. Zadeh. Zadeh mendefinisikan himpunan fuzzy dengan menggunakan apa saja yang disebutnya fungsi keanggotaan (membership function), yang nilainya berada dalam selang tertutup [0, 1] (Frans Susilo, 2003:5). Jadi, keanggotaan dalam himpunan fuzzy tidak lagi merupakan sesuatu yang tegas atau crisp (yaitu anggota atau bukan anggota), melainkan sesuatu yang berderajat atau bergradasi secara kontinu.
Pada himpunan fuzzy, nilai keanggotaan terletak pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy sama dengan nol (ditulis: μA[x]=0) berarti x tidak menjadi anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzy sama dengan satu (ditulis: μA[x]=1) berarti x menjadi anggota penuh pada himpunan A. Himpunan fuzzy memiliki 2 atribut, yaitu:
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: MUDA, PAROBAYA, dan TUA.
b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel, seperti: 40, 25, dan 50.
a. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: umur, dan temperatur.
b. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
Contoh:
• Variabel umur, terbagi menjadi 3 himpunan fuzzy, yaitu MUDA, PAROBAYA, dan TUA.
• Variabel temperatur, terbagi menjadi 5 himpunan fuzzy, yaitu: DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS.
c. Semesta pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Contoh:
• Semesta pembicaraan untuk variabel umur: [0 +∞]
• Semesta pembicaraan untuk variabel temperatur: [0, 40] d. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Contoh domain himpunan fuzzy:
• MUDA = [0, 45]
• PAROBAYA = [35, 55]
3. Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaan (derajat keanggotaan) yang memiliki interval antara 0 sampai 1 (Sri Kusumadewi & Hari P, 2004:8). Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan, antara lain: 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 konsep yang kurang jelas.
Ada 2 keadaan himpunan fuzzy linear, yaitu: 1) Representasi Linear Naik
Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan, menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi.
a domain b 1
0 derajat keanggotaan
] [
μ x
0 x ≤ a -a) ≤ x ≤ b (x-a) / (b a
= ] [x
1 x ≥ b
μ
Fungsi keanggotaan:
(2.1)
2) Representasi Linear Turun
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.
a domain b 1 0 derajat keanggotaan ] [ μ x
Gambar 2.2. Representasi Linear Turun (Sri Kusumadewi & Hari P, 2004 : 10)
Fungsi keanggotaan:
(2.2)
b. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear).
a b c
domain 1 0 derajat keanggotaan ] [ μ x
Gambar 2.3. Representasi Segitiga (Sri Kusumadewi & Hari P, 2004 : 11)
(b-x) / (b-a) a ≤ x ≤ b
0 x ≥ b
Fungsi keanggotaan:
(2.3) 0 x ≤ a atau x ≥ c
(x-a) / (b a =
]
[x -a) ≤ x ≤ b
(c-x) / (c-b) b ≤ x ≤ c
μ
4. Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy a. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan
predikat
−
α atau fire-strength, yaitu nilai keanggotaan sebagai hasil operasi dengan operator AND yang diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan.
[ ] [ ]
(
A x B yB
A μ μ
)
μ ∩ =min , (2.4)
b. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan
predikat
−
α sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan.
[ ] [ ]
(
A x B yB
A μ μ
)
μ ∪ =max , (2.5)
c. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan
predikat
−
] [ 1
' A x
A μ
μ = − (2.6)
5. Penalaran Monoton
Metode penalaran secara monoton digunakan sebagai dasar untuk teknik implikasi fuzzy. Jika 2 daerah fuzzy direlasikan dengan implikasi sederhana berikut ini:
IF x is A THEN y is B transfer fungsi:
y = f((x, A), B)
maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi aturan (pengumpulan dan korelasi antar aturan). Nilai output dapat diestimasi secara langsung dari nilai keanggotaan yang berhubungan dengan antesedennya (premisnya), yaitu daerah fuzzy A.
Implikasi secara monoton akan menyeleksi daerah fuzzy A dan B dengan algoritma sebagai berikut:
• Untuk suatu elemen x pada domain A, tentukan nilai keanggotaannya dalam daerah fuzzy A, yaitu μA[x];
• Pada daerah fuzzy B, nilai keanggotaan yang berhubungan dengan tentukan permukaan fuzzy-nya. Tarik garis lurus ke arah domain. Nilai pada sumbu domain y merupakan solusi dari fungsi implikasi tersebut. Dapat dituliskan:
6. 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, serta A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut dengan anteseden (premis), sedangkan proposisi yang mengikuti THEN disebut dengan konsekuen (kesimpulan). Proposisi ini dapat diperluas dengan menggunakan operator fuzzy, seperti:
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 fungsi implikasi yang dapat digunakan, yaitu: a. Min (minimum)
Fungsi ini akan memotong output himpunan fuzzy. b. Dot (product)
Fungsi ini akan men-skala output himpunan fuzzy.
B. Sistem Inferensi Fuzzy
Sistem inferensi fuzzy merupakan suatu kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dan penalaran fuzzy(J.S.R.Jang, C.T.Sun, & E.Mizutani, 1997:73).
1. Pengetahuan (knowledge) : melibatkan penalaran fuzzy yang dinyatakan sebagai aturan dalam bentuk IF-THEN.
2. Fakta : merupakan masukan fuzzy yang harus dicari inferensinya dengan menggunakan aturan fuzzy.
3. Konklusi : inferensi yang sepadan parsial diperoleh berdasarkan fakta fuzzy dan basis pengetahuan fuzzy.
Contoh:
Pengetahuan : Jika jarak jauh, maka kecepatan mobil harus sangat tinggi. Fakta : Jaraknya dekat.
Konklusi : Maka kecepatan mobil harus rendah.
Pengetahuan dapat dinyatakan secara logika fuzzy seperti ”sangat”, ”cukup”, ”kurang”, sehingga memberikan fleksibilitas dibandingkan logika tegas (biner).
Struktur utama sistem inferensi fuzzy terdiri dari 3 bagian pengertian, yaitu (J.S.R.Jang, C.T.Sun, & E.Mizutani, 1997:73):
1. Rule base (basis aturan) ← berisi pilihan sejumlah aturan fuzzy yang
memetakan nilai masukan fuzzy ke nilai keluaran fuzzy.
2. Database (basis data) ← berisi fungsi keanggotaan (membership functions) dari himpunan fuzzy yang digunakan sebagai nilai bagi setiap variabel fuzzy.
3. Reasoning mechanism (mekanisme penalaran fuzzy) ← melakukan
Gambar 2.4. Diagram Sistem Inferensi Fuzzy
(J.S.R.Jang, C.T.Sun, & E.Mizutani, 1997:74)
Proses inferensi fuzzy terdiri dari langkah-langkah sebagai berikut: 1. Pembentukan Himpunan Fuzzy
Variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
2. Mekanisme inferensi fuzzy
Sistem inferensi fuzzy akan mengevaluasi kaidah/aturan/rule fuzzy untuk menghasilkan output yang fuzzy dari tiap rule. Fire-strength akan dicari pada setiap aturan. Apabila jumlah aturan lebih dari satu, maka akan dilakukan agregasi (komposisi) dari semua aturan.
3. Unit Defuzifikasi
Unit defuzzifikasi akan mengubah output berupa himpunan fuzzy (fuzzy set) menjadi nilai tunggal yang tegas (crisp single value).
anteseden dari rule mendefinisikan daerah fuzzy (fuzzy region) pada input space, sedangkan konsekuen menentukan output pada fuzzy region.
C. Inferensi menggunakan Metode Tsukamoto
Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari masing-masing aturan (rule) ditetapkan secara tegas (crisp) berdasarkan
predikat
−
α (fire-strength). Hasil akhirnya didapat dari rata-rata terbobot dari masing-masing output rule. Alur inferensi untuk mendapatkan suatu nilai
crisp z dari 2-input dan 2-rule output seperti terlihat pada gambar 2.5 berikut ini:
Gambar 2.5. Inferensi menggunakan Metode Tsukamoto
(J.S.R.Jang, C.T.Sun, & E.Mizutani, 1997:85)
himpunan, yaitu C1 dan C2 (C1 dan C2 HARUS MONOTON). Ada 2 aturan yang digunakan, yaitu:
[R1] IF (x is A1) and (y is B1) THEN (z is C1) [R2] IF (x is A2) and (y is B2) THEN (z is C2)
17
ANALISIS DAN PERANCANGAN SISTEM
A. Analisis Masalah
Masalah utama dalam pemberian bantuan rekonstruksi gempa adalah
menentukan kriteria apa saja yang digunakan sebagai bahan pertimbangan
dalam menentukan bantuan rekonstruksi. Selama ini, besarnya bantuan hanya
berdasarkan tingkat kerusakan rumah tanpa melihat aspek lainnya. Oleh
karena itu, walaupun memiliki tingkat kerusakan yang sama, tidak semua
korban gempa dapat melakukan rekonstruksi rumah. Hal ini dikarenakan
minimnya bantuan yang diberikan dan tidak semua korban gempa memiliki
modal yang cukup untuk memperbaiki rumahnya kembali.
Berdasarkan data survei keadaan rumah akibat gempa bumi 27 Mei
2006 dari Dusun Tangkilan, data kerusakan rumah dan penghasilan tiap bulan
dapat digunakan sebagai bahan pertimbangan untuk menentukan bantuan
rekonstruksi gempa. Dengan mekanisme penilaian seperti ini diharapkan
bantuan yang diterima korban gempa betul-betul menyentuh pihak yang
benar-benar memerlukan. Selain itu, agar tidak menimbulkan konflik, sebuah
rumah hanya berhak mendapatkan satu paket bantuan rekonstruksi meskipun
B. Gambaran Umum Sistem
Ada tahapan-tahapan yang harus dijalani dalam menentukan bantuan
dana rekonstruksi gempa. Secara umum, jalannya kerja sistem untuk
menentukan bantuan dana rekonstruksi gempa adalah sebagai berikut:
1. User harus menginputkan besarnya kerusakan rumah (%) dan penghasilan
tiap bulan seorang kepala keluarga.
2. Sistem menghitung derajat keanggotaan dari masing-masing kriteria yang
diinputkan tersebut.
3. Sistem menghitung fire-strength dari masing-masing aturan fuzzy
menggunakan fungsi MIN.
4. Sistem menghitung nilai Z (rekomendasi bantuan) untuk tiap aturan fuzzy.
5. Sistem menghitung rata-rata terbobot nilai Z dari semua aturan fuzzy.
6. Jika kepala keluarga merupakan pemilik rumah, maka akan keluar output
berupa rekomendasi bantuan yang akan diterima tersebut.
7. Tetapi, jika KK tersebut bukan pemilik rumah yang ditempatinya, maka
rekomendasi bantuan yang diterima sebesar NOL dan akan diajukan untuk
mendapatkan bantuan “JRF Livehood”, yaitu bantuan rekonstruksi gempa
Berikut ini gambar yang menunjukkan gambaran umum cara kerja sistem
penentuan bantuan dana rekonstruksi gempa:
START
Input: Kerusakan rumah dan
penghasilan/bulan
Perhitungan derajat keanggotaan tiap
himpunan fuzzy
Perhitungan rata-rata nilai z dari semua
aturan fuzzy
Output: Rekomendasi jumlah bantuan dana rekonstruksi
gempa yang diterima
END Kepala Keluarga Pemilik Rumah ?
YA
Output: Rekomendasi bantuan
gempa sebesar NOL dan Direkomendasikan
untuk Mendapat Bantuan JRF Livehood BUKAN
Perhitungan fire-strengh
tiap aturan fuzzy
Perhitungan nilai z tiap aturan fuzzy
C. Analisis Kebutuhan Sistem
Kebutuhan sistem “Penentuan Bantuan Dana Rekonstruksi Gempa” yang akan
dibuat ini terbagi menjadi 3, yaitu: kebutuhan input, kebutuhan proses, dan
kebutuhan output sistem.
1. Kebutuhan Input
Kebutuhan input sistem digolongkan menjadi 2, yaitu input fuzzy, dan
input domain himpunan fuzzy.
a. Input Fuzzy, terdiri dari data-data mengenai:
1) kondisi kerusakan rumah, dan
2) kondisi ekonomi.
b. Domain Himpunan Fuzzy, yaitu:
1) Kerusakan rumah (%)
a) Rusak ringan : [0, 50]
b) Rusak sedang : [0, 100]
c) Rusak berat : [50, 100]
2) Kondisi ekonomi (ribu rupiah)
a) Miskin : [0, 1500]
b) Menengah : [500, 2500]
c) Kaya : [1500, +∞]
3) Bantuan rumah (juta rupiah)
a) Bantuan sedikit : [1, 10]
b) Bantuan sedang : [7, 23]
2. Kebutuhan Proses
Sistem ini memiliki 2 aktor yang terlibat, yaitu administrator dan
user. Kebutuhan proses masing-masing aktor berbeda. Hal ini karena
masing-masing aktor memiliki level akses yang berbeda. Use case
diagram dapat digunakan untuk menggambarkan siapa yang akan
menggunakan sistem dan dengan cara apa pengguna mengharapkan untuk
berinteraksi dengan sistem. Untuk lebih jelasnya, berikut ini uraian
bagaimana masing-masing aktor berinteraksi dengan sistem yang
ditunjukkan pada gambar 3.2:
a. Admin harus login terlebih dahulu dengan memasukkan username dan
password untuk masuk ke dalam ”Menu Admin”. Sedangkan user
tidak perlu memasukkan username dan password untuk masuk ke
dalam ”Menu User”.
b. User hanya dapat melakukan proses penentuan bantuan dana
rekonstruksi gempa tanpa bisa menginputkan data KK secara detail,
pencarian data pokmas, dan pencarian data KK.
c. Skenario proses yang dapat dilakukan oleh admin adalah menambah
data pokmas, mengedit data pokmas, menghapus data pokmas,
menambah data KK, mengedit data KK, menghapus data KK,
mengedit batas himpunan, serta mencari data derajat keanggotaan.
d. Proses manipulasi data yang dilakukan oleh administrator tersebut
proses login tidak berhasil dilakukan, maka tidak dapat melakukan
proses manipulasi data tersebut.
e. Pada skenario logout, admin akan keluar dari sistem aplikasi ini
setelah menjalankan perintah logout.
Login
Menambah Data Pokmas
Menghapus Data Pokmas
Mengedit Data Batas Himpunan Mengedit Data Pokmas
Mengedit Data KK
Menghapus Data KK Menambah Data KK
Mencari Data Derajat Keanggotaan
Menentukan Jumlah Bantuan Dana Rekonstruksi Gempa
Mencari Data KK Mencari Data Pokmas
User
Logout Administrator
depend on
3. Kebutuhan Output
Output sistem berupa rekomendasi bantuan dana rekonstruksi
gempa yang diterima KK sesuai dengan data yang diinputkan oleh admin
ataupun user.
D. Perancangan Sistem Inferensi Fuzzy Metode Tsukamoto
1. Pembentuan Himpunan Fuzzy
Pada kasus ini digunakan 3 variabel fuzzy, yaitu kerusakan rumah,
kondisi ekonomi, dan bantuan rumah dengan fungsi keanggotaan, yaitu
linear turun, linear naik, dan segitiga sebagai pendekatan untuk
memperoleh derajat keanggotaan suatu nilai dalam suatu himpunan fuzzy.
Variabel masukan meliputi kerusakan rumah dan kondisi ekonomi,
sedangkan variabel keluaran adalah bantuan rumah.
a. Variabel Kerusakan Rumah
Kerusakan rumah ini diasumsikan berdasarkan seberapa persen
bagian rumah yang mengalami kerusakan akibat gempa. Variabel
Kerusakan Rumah dibagi menjadi 3 himpunan fuzzy, yaitu RUSAK
RINGAN, RUSAK SEDANG, dan RUSAK BERAT. Himpunan
RUSAK RINGAN menggunakan pendekatan fungsi keanggotaan yang
berbentuk linear turun. Himpunan RUSAK BERAT menggunakan
pendekatan fungsi keanggotaan yang berbentuk linear naik. Sedangkan
himpunan RUSAK SEDANG menggunakan pendekatan fungsi
Rusak Berat
0 50 100 1
0
Kerusakan Rumah (Persen) Rusak Ringan
Rusak Sedang
] [
µ x1
Gambar 3.3. Fungsi Keanggotaan Variabel Kerusakan Rumah
Fungsi keanggotaan pada variabel Kerusakan Rumah dapat
dirumuskan sebagai berikut :
=
] [x1
RINGAN RUSAK µ
=
] [x1
SEDANG RUSAK µ
=
] [x1
BERAT RUSAK µ
b. Variabel Kondisi Ekonomi
Variabel Kondisi Ekonomi dibagi menjadi 3 himpunan fuzzy,
yaitu MISKIN, MENENGAH, dan KAYA. Himpunan MISKIN
menggunakan pendekatan fungsi keanggotaan yang berbentuk linear
turun. Himpunan KAYA menggunakan pendekatan fungsi
keanggotaan yang berbentuk linear naik. Sedangkan himpunan
MENENGAH menggunakan pendekatan fungsi keanggotaan
berbentuk segitiga.
0 50 x1 100
(50- x1) / (50-0) 0 x1 50
(x1-0) / (50-0) 0 x1 50
(100- x1) / (100-50) 50 x1 100
0 0 x1 50
500 1500 2500 1
0
Kondisi Ekonomi (Rupiah)
Miskin Menengah
] [
µ x2 Kaya
(ribu/bln)
Gambar 3.4. Fungsi Keanggotaan Variabel Kondisi Ekonomi
Fungsi keanggotaan pada variabel Kondisi Ekonomi dapat
dirumuskan sebagai berikut :
c. Variabel Bantuan Rumah
Variabel Bantuan Rumah dibagi menjadi 3 himpunan fuzzy,
yaitu SEDIKIT, SEDANG, dan BANYAK. Himpunan fuzzy
BANTUAN SEDIKIT menggunakan pendekatan fungsi keanggotaan
yang berbentuk linear turun. Himpunan fuzzy BANTUAN BANYAK
1 0 x2 500
(1500-x2) / (1500-500) 500 x2 1500
0 x2 1500
=
] [x2
MISKIN µ
0 0 x2 500
atau x2 2500
(x2-500) / (1500-500) 500 x2 1500
(2500-x2) / (2500-1500) 1500 x2 2500
=
]
[
x
2MENENGAH
µ
0 0 x2 1500
(x2-1500) / (2500-1500) 1500 x2 2500
1 x2 2500
=
] [x2
menggunakan pendekatan fungsi keanggotaan yang berbentuk linear
naik. Sedangkan himpunan BANTUAN SEDANG menggunakan
pendekatan fungsi keanggotaan berbentuk segitiga.
1 7 10 15 20 23 30 1
0
Bantuan Rumah (Rupiah)
Sedikit Sedang
] [
µ z Banyak
(juta)
Gambar 3.5. Fungsi Keanggotaan Variabel Bantuan Rumah
Fungsi keanggotaan pada variabel Bantuan Rumah dapat dirumuskan
sebagai berikut :
= ] [z SEDIKIT µ = ] [z SEDANG µ = ] [z BANYAK µ
0 z 10
(10-z) / (10-1) 1 z 10
0 1 z 7 atau z 23
(z-7) / (15-7) 7 z 15
(23-z) / (23-15) 15 z 23
0 1 z 20
2. Mekanisme Inferensi Fuzzy
a. Pembentukan Aturan Fuzzy
Penentuan bantuan dana rekonstruksi gempa ini memiliki 9
kombinasi pilihan (3 x 3), yaitu dari 2 variabel fuzzy (kerusakan rumah
dengan 3 himpunan fuzzy, dan kondisi ekonomi dengan 3 himpunan
fuzzy). Sehingga, aturan fuzzy yang terbentuk ada 9 aturan, dengan
catatan bahwa setiap aturan yang dibentuk menyertakan semua
variabel fuzzy. Ke-9 aturan fuzzy yang terbentuk adalah sebagai
berikut:
Tabel 3.1 Tabel Aturan Fuzzy
Aturan Kondisi ekonomi Kerusakan rumah Bantuan rumah
[R1] MISKIN BERAT BANYAK
[R2] MISKIN SEDANG BANYAK
[R3] MISKIN RINGAN SEDANG
[R4] MENENGAH BERAT BANYAK
[R5] MENENGAH SEDANG SEDANG
[R6] MENENGAH RINGAN SEDANG
[R7] KAYA BERAT SEDANG
[R8] KAYA SEDANG SEDIKIT
[R9] KAYA RINGAN SEDIKIT
Aturan fuzzy ini dibentuk berdasarkan kondisi di masyarakat
yang sesuai dengan prinsip keadilan. Maksudnya, bantuan rumah yang
akan diterima disesuaikan dengan kondisi ekonomi dan kerusakan
rumah yang dialami. Pada kasus ini, warga dengan kondisi ekonomi
miskin akan lebih diprioritaskan dibandingkan menengah maupun
kaya dalam jumlah bantuan yang diterima walaupun memiliki tingkat
b. Penentuan fire-strength (α −predikat)
Setelah masing-masing variabel fuzzy dihitung derajat
keanggotaannya, kemudian ditentukan fire-strength dengan mengambil
nilai minimum (MIN) dari seluruh derajat keanggotaan. Operator yang
digunakan untuk menghitung fire-strength rekomendasi jumlah
bantuan dana rekonstruksi gempa adalah operator AND. Hasil operasi
dengan operator AND dari masing-masing aturan diperoleh dengan:
B A∩
µ = min
(
µA[ ]
x1 ,µB[ ]
x2)
Keterangan:
A : Kerusakan Rumah
B : Kondisi Ekonomi
Berikut ini perhitungan fire-strength ke-9 aturan fuzzy:
[R1] α −predikat1 = min (µEkonomiMiskin, µRusakBerat)
[R2] α −predikat2 = min (µEkonomiMiskin, µRusakSedang)
[R3] α −predikat3 = min (µEkonomiMiskin, µRusakRingan)
[R4] α −predikat4 = min (µEkonomiMenengah, µRusakBerat)
[R5] α −predikat5 = min (µEkonomiMenengah, µRusakSedang)
[R6] α −predikat6 = min (µEkonomiMenengah, µRusakRingan)
[R7] α −predikat7 = min (µEkonomiKaya, µRusakBerat)
[R8] α −predikat8 = min (µEkonomiKaya, µRusakSedang)
3. Unit Defuzifikasi
Unit defuzikasi melakukan pemetaan dari keluaran inferensi fuzzy
(fire-strength) ke nilai tegas yang berupa bantuan dana rekonstruksi
gempa. Unit defuzikasi memiliki 2 tahap perhitungan, yaitu perhitungan
nilai z tiap aturan fuzzy dan perhitungan rata-rata nilai z dari semua aturan
fuzzy tersebut. Berikut ini penjelasan lebih detail mengenai tahapan
defuzifikasi:
a. Perhitungan Nilai Z (Bantuan Rumah) Tiap Aturan Fuzzy
Perhitungan nilai z ini merupakan perhitungan bantuan dana
rekonstruksi gempa yang direkomendasikan pada tiap aturan. Berikut
ini perhitungan nilai z untuk tiap rule:
[R1] z1 = 20 + (α −predikat1* (30 - 20))
[R2] z2 = 20 + (α −predikat2* (30 - 20))
[R3] z3 = 23 - (α− predikat3* (23 - 15))
[R4] z4 = 20 + (α −predikat4* (30 – 20))
[R5] z5 = 23 - (α− predikat5* (23 - 15))
[R6] z6 = 7 + (α −predikat6* (15 - 7))
[R7] z7 = 7 + (α −predikat7* (15 - 7))
[R8] z8 = 10 - (α− predikat8* (10 - 1))
b. Perhitungan Rata-Rata Nilai Z
Setelah nilai z untuk tiap aturan fuzzy diketahui, langkah yang
terakhir adalah menghitung rata-rata nilai z dari ke-9 aturan tersebut.
Rata-rata nilai z dicari dengan cara sebagai berikut:
z =
9 1
9 9 1
1* ) ( * )
( predikat predikat z predikat z predikat − + + − − + + − α α α α
4. Contoh Perhitungan Manual
Berikut ini adalah contoh perhitungan jumlah bantuan yang akan
diterima berdasarkan data ”Survei Keadaan Rumah / Tempat Tinggal
Akibat Gempa Bumi Tanggal 27 Mei 2006” warga RT 01, dusun
Tangkilan, desa Sumbermulyo:
Misalkan dalam suatu kasus di pokmas Tangkilan 1, ditemukan
seorang KK bernama Bramijo dengan penghasilan/bulan Rp 2.500.000,00
memiliki rumah yang mengalami kerusakan sebesar 80 %. Maka, dapat
dihitung:
1. Perhitungan Derajat Keanggotaan
a. Kerusakan tempat tinggal : 80 %
N RUSAKRINGA
µ [x1] = 0
G RUSAKSEDAN
µ [x1] =
50 100 80 100 − − = 50 20 = 0,4 RUSAKBERAT
µ [x1] =
Rusak Berat
0 50 80 100 1
0
Kerusakan Rumah (Persen) Rusak Ringan
Rusak Sedang
] [
µ x1
0,6 0,4
Gambar 3.6. Nilai µRUSAKSEDANG dan µRUSAKBERAT
b. Penghasilan : Rp 2.500.000,00/bulan
MISKIN
µ [x2] = 0
MENENGAH
µ [x2] = 0
KAYA
µ [x2] =
1500 2500 1500 2500 − − = 1000 1000 = 1
500 1500 2500 1
0
Kondisi Ekonomi (Rupiah) Miskin Menengah
] [
µ x2 Kaya
(ribu/bln)
Gambar 3.7. Nilai µKAYA 2. Penentuan α − predikatSetiap Aturan
Pada proses inferensi fuzzy ini dilakukan perhitungan
fire-strength (α −predikat) untuk setiap aturan dengan menggunakan
fungsi MIN pada aplikasi fungsi implikasinya. Berikut ini perhitungan
nilai z untuk tiap rule:
[R1] α − predikat1 = min (0; 0,6) = 0
[R2] α − predikat2 = min (0; 0,4) = 0
[R3] α − predikat3 = min (0; 0) = 0
[R5] α − predikat5 = min (0; 0,4) = 0
[R6] α − predikat6 = min (0; 0) = 0
[R7] α − predikat7 = min (1; 0,6) = 0,6
[R8] α − predikat8 = min (1; 0,4) = 0,4
[R9] α − predikat9 = min (0; 0,5) = 0
3. Unit Defuzifikasi
a. Perhitungan Nilai Z Tiap Aturan Fuzzy
[R1] z1 = 20 + (0 * (30 - 20)) = 20
[R2] z2 = 20 + (0 * (30 - 20)) = 20
[R3] z3 = 23 - (0 * (23 - 15)) = 23
[R4] z4 = 20 + (0 * (30 – 20)) = 20
[R5] z5 = 23 - (0 * (23 - 15)) = 23
[R6] z6 = 7 + (0 * (15 - 7)) = 7
[R7] z7 = 7 + (α −predikat7* (15 - 7))
Nilai z7 pada rule 7 dapat dihitung sebagai berikut (seperti
terlihat pada gambar 3.8):
z7 = 7 + (α −predikat7* (15 - 7))
z7 = 7 + (0,6 * 8)
z7 = 7 + 4,8 z7 = 11,8
7 11,8 15 23 1
0
Sedang
(juta)
] [
µ z
0,6
[R8] z8 = 10 - (α− predikat8* (10 - 1))
Nilai z8 pada rule 8 dapat dihitung sebagai berikut (seperti
terlihat pada gambar 3.9):
z8 = 10 - (α− predikat8 * (10 - 1))
z8 = 10 - (0,4 * 9)
z8 = 10 – 3,6 z8 = 6,4
1 6,4 10 1
0
Bantuan Rumah (Rupiah) Sedikit (juta) ] [ µ z 0,4
Gambar 3.9. Nilai z8 pada [R8]
[R9] z9 = 10 - (0 * (10 - 1)) = 10
b. Perhitungan Rata-Rata Nilai Z
Nilai z akhir dicari dengan cara sebagai berikut:
z =
9 1
9 9 1
1* ) ( * )
( predikat predikat z predikat z predikat − + + − − + + − α α α α
z =
4 , 0 6 , 0 ) 4 , 6 * 4 , 0 ( ) 8 , 11 * 6 , 0 ( + +
z = 1 56 , 2 08 , 7 +
z = 1
64 , 9
z = 9,64 (juta)
Jadi jumlah bantuan dana rekonstruksi gempa yang akan diterima Bramijo
E. Perancangan Proses
1. Diagram Konteks Sistem
Diagram konteks sistem digunakan untuk menunjukkan antarmuka
utama sistem dengan lingkungannya. Ada 2 entitas luar yang terlibat pada
“Sistem Penentuan Bantuan Dana Rekonstruksi Gempa” ini, yaitu:
administrator, dan user. Dari admininistrator akan diperoleh data untuk
melakukan login, data pokmas, data KK, dan data batas himpunan fuzzy.
Selain itu, administrator bisa mendapatkan informasi mengenai data KK,
data pokmas, data batas himpunan, data derajat keanggotaan, rekomendasi
jumlah bantuan yang akan diterima, serta mendapatkan status login dan
status logout-nya. Sedangkan pengguna (user) akan mendapatkan
rekomendasi jumlah bantuan yang akan diterima sesuai dengan kriteria
yang diinputkan. Selain itu, user bisa mendapatkan informasi mengenai
data pokmas, dan data KK.
0
Sistem Penentuan Bantuan Dana Rekonstruksi Gempa
Data Kepala Keluarga, Data Pokmas, Kriteria Kondisi Rumah
User b Administrator
a
Rekomendasi Jumlah Bantuan yang Diterima, Data Kepala Keluarga, Data Pokmas Data Login,
Data Pokmas, Data Kepala Keluarga, Data Batas Himpunan Data Kepala Keluarga, Data Pokmas,
Data Derajat Keanggotaan, Data Batas Himpunan, Rekomendasi Jumlah Bantuan yang Diterima, Status Login, Status Tambah Data, Status Edit Data, Status Hapus Data, Status Logout
2. Bagan Berjenjang
Bagan berjenjang menunjukkan struktur fungsional top-down atau hirarki suatu sistem aplikasi, dan menyediakan
awal garis besar penggambaran aliran data. Bagan berjenjang sistem ini terdiri dari 9 proses, yaitu proses login administrator,
manipulasi data pokmas (tambah, edit, hapus), manipulasi data KK (tambah, edit, hapus), edit batas himpunan fuzzy,
pencarian data pokmas, pencarian data KK, proses penentuan bantuan dana rekonstruksi gempa, pencarian data derajat
keanggotaan, serta yang terakhir adalah proses logoutadministrator.
0 Sistem Penentuan Bantuan Dana Rekonstruksi Gempa 1.P Login 2 Manipulasi Data Pokmas 2.2.P Edit Data Pokmas 2.1.P Tambah Data Pokmas 2.3.P Hapus Data Pokmas 9.P Logout 4.P Edit Batas Himpunan 7.P Penentuan Bantuan Dana Rekonstruksi 3 Manipulasi Data Kepala Keluarga 3.2.P Edit Data Kepala Keluarga 3.1.P Tambah Data Kepala Keluarga 3.3.P Hapus Data Kepala Keluarga 5.P Cari Data Pokmas 6.P Cari Data Kepala Keluarga 8.P Cari Data Derajat Keanggotaan
3. Diagram Arus Data
Diagram aliran data digunakan untuk menggambarkan aliran data
yang melalui sistem dan tugas atau pengolahan yang dilakukan oleh
sistem. Berikut ini penjelasan lebih lanjut mengenai aliran data sistem.
a. Overview DAD Level 0
UserName, Password Validasi Login 1.P Login Validasi Login D1 Login D2 BatasHimpunan
Data batas himpunan yang akan diedit
Status edit batas himpunan
Data batas himpunan 4.P
Edit Batas Himpunan
D4 KepalaKeluarga
Administrator a
Data Kepala Keluarga
Status Tambah, Edit, Hapus Data Kepala Keluarga
Data Kepala Keluarga 3 Manipulasi Data Kepala Keluarga Validasi Login Validasi Login Perintah Logout Status Logout D3 Pokmas User b 2 Manipulasi Data Pokmas Data Pokmas Data Pokmas
Status Tambah, Edit, Hapus Data Pokmas 10.P Logout Validasi Login 5.P Cari Data Pokmas Data Pokmas Data Pokmas yang akan dicari
Data Pokmas
Data Pokmas yang akan dicari Data Pokmas
6.P
Cari Data Kepala Keluarga
Data Kepala Keluarga Data KK
Data KK yang akan dicari
Data KK
Data KK yang akan dicari
D5 DerajatKeanggotaan
Derajat keanggotaan kerusakan rumah, Derajat keanggotaan kondisi ekonomi, Rekomendasi bantuan dana rekonstruksi 7.P
Penentuan Bantuan Dana Rekonstruksi
Gempa Rekomendasi bantuan dana rekonstruksi
gempa yang diterima
Kerusakan rumah, penghasilan KK Batas himpunan fuzzy
Kerusakan rumah, Penghasilan KK Rekomendasi bantuan dana rekonstruksi
gempa yang diterima Validasi
Login
8.P
Cari Data Derajat Keanggotaan
Data derajat keanggotaan Validasi
Login Nama KK, jumlah bantuan
Data derajat keanggotaan yang dicari
9.P
Hapus Data Derajat
Keanggotaan Data derajat
keanggotaan Data Derajat Keanggotaan
yang akan dihapus
Status Hapus Data Derajat Keanggotaan
Validasi Login
b. Overview DAD Level 1 Proses 1
Administrator
a UserName, Password Validasi Login
1.P
Login
Validasi Login
D1 Login
Gambar 3.13. Overview DAD Level 1 Proses 1
Sebelum memulai manipulasi data, administrator harus
melakukan proses login terlebih dahulu dengan username dan
password yang sesuai untuk mendapatkan validasi login. Setelah
username dan password-nya sesuai, maka administrator dapat
melakukan proses manipulasi data pokmas, manipulasi data KK,
mengedit data batas himpunan, dan cari data derajat keanggotaan.
c. Overview DAD Level 1 Proses 2
D3 Pokmas Administrator
a
Data Pokmas yang akan diedit
Status Edit Data Pokmas
Data Pokmas 2.2.P
Edit Data Pokmas Status Tambah Data Pokmas
Data Pokmas 2.1.P
Tambah Data Pokmas
Data Pokmas yang akan dihapus
Status Hapus Data Pokmas
Data Pokmas 2.3.P
Hapus Data Pokmas Data Pokmas
Gambar 3.14. Overview DAD Level 1 Proses 2
Pada proses manipulasi data pokmas, administrator dapat
melakukan proses tambah, edit, dan hapus data pokmas. Setelah
melakukan proses manipulasi data, administrator akan memperoleh
data, dan status hapus data), yaitu apakah proses manipulasi terhadap
data pokmas berhasil dilakukan atau tidak. Data-data pokmas ini
disimpan dan diambil dari tabel Pokmas.
d. Overview DAD Level 1 Proses 3
D4 Kepala Keluarga Administrator
a
Data KK yang akan diedit
Status Edit Data KK Data KK 3.2.P
Edit Data Kepala Keluarga Status Tambah Data KK
Data KK 3.1.P
Tambah Data Kepala Keluarga
Data KK yang akan dihapus
Status Hapus Data KK
Data KK 3.3.P
Hapus Data Kepala Keluarga
Data KK Kerusakan rumah, penghasilan KK 7.P
7.P Kerusakan rumah,
penghasilan KK
Gambar 3.15. Overview DAD Level 1 Proses 3
Pada proses manipulasi data KK, administrator dapat
melakukan proses tambah, edit, dan hapus data KK. Setelah
melakukan proses manipulasi data, administrator akan memperoleh
status untuk tiap proses yang dilakukan (status tambah data, status edit
data, dan status hapus data), yaitu apakah proses manipulasi terhadap
data KK berhasil dilakukan atau tidak. Setelah proses tambah data atau
edit data selesai, dilanjutkan dengan proses penentuan bantuan dana
rekonstruksi gempa pada DAD Level 1 Proses 7. Sedangkan user
hanya dapat menentukan bantuan dana rekonstruksi gempa
berdasarkan kriteria kondisi kerusakan rumah dan kondisi ekonomi
bantuan dana rekonstruksi gempa hasil perhitungan administrator akan
disimpan dalam basisdata, tetapi perhitungan yang dilakukan user
tidak akan disimpan dalam basisdata (hanya sebagai informasi saja).
Data-data KK pada proses manipulasi yang dilakukan administrator ini
disimpan dan diambil dari tabel KepalaKeluarga.
e. Overview DAD Level 1 Proses 4
D2 BatasHimpunan Administrator
a
Data batas himpunan yang akan diedit
Status edit batas himpunan
Data batas himpunan 4.P
Edit Batas Himpunan
Gambar 3.16. Overview DAD Level 1 Proses 4
Pada proses edit batas himpunan fuzzy, administrator
menginputkan data batas himpunan yang akan diedit dan akan
memperoleh status edit-nya, yaitu apakah data batas himpunan berhasil
diedit atau tidak. Data-data batas himpunan ini disimpan dan diambil
dari tabel BatasHimpunan.
f. Overview DAD Level 1 Proses 5
5.P
Cari Data Pokmas
Data Pokmas Data Pokmas yang akan dicari
Data Pokmas
User
b Data Pokmas yang akan dicari Data Pokmas
Administratora D3 Pokmas
Gambar 3.17. Overview DAD Level 1 Proses 5
User dapat melakukan proses pencarian data pokmas yang diambil dari
g. Overview DAD Level 1 Proses 6
6.P
Cari Data Kepala Keluarga
Data KK Data KK yang akan dicari
Data KK
User
b Data KK yang akan dicari Data KK Administrator
a
D4 Kepala Keluarga
Gambar 3.18. Overview DAD Level 1 Proses 6
User dapat melakukan proses pencarian data KK yang diambil dari
tabel KepalaKeluarga.
h. Overview DAD Level 1 Proses 7
Kerusakan rumah, penghasilan KK Kerusakan rumah, penghasilan KK 7.P Penentuan Bantuan Dana Rekonstruksi Gempa Rekomendasi bantuan dana
rekonstruksi gempa yang diterima
User b Admin a
Rekomendasi bantuan dana rekonstruksi gempa yang diterima
D2 BatasHimpunan
D5 DerajatKeanggotaan Derajat keanggotaan kondisi kerusakan rumah, Derajat keanggotaan kondisi ekonomi, Rekomendasi bantuan dana rekonstruksi
Batas himpunan fuzzy 3.2.P
3.1.P
Kerusakan rumah, penghasilan KK
Gambar 3.19. Overview DAD Level 1 Proses 7
Sebelum proses penentuan bantuan dana rekonstruksi gempa
dilakukan, admin harus melakukan proses tambah seluruh data KK
pada DAD Level 1 Proses 3.1.P, ataupun melakukan edit data KK
(kerusakan rumah, dan penghasilan per bulan) pada DAD Level 1
Proses 3.2.P. Sedangkan user hanya menginputkan kondisi kerusakan
rekomendasi jumlah bantuan dana rekonstruksi gempa yang akan
diterima.
i. Overview DAD Level 1 Proses 8
8.P
Cari Data Derajat Keanggotaan
Data Derajat Keanggotaan Nama KK, jumlah bantuan
Data Derajat Keanggotaan Administrator
a
D5 DerajatKeanggotaan
Gambar 3.20. Overview DAD Level 1 Proses 8
Admin dapat melihat dan mencari data derajat keanggotaan yang
digunakan untuk menampung hasil perhitungan derajat keanggotaan
tiap himpunan fuzzy dari masing-masing variabel fuzzy (kondisi
kerusakan rumah, dan kondisi ekonomi).
j. Overview DAD Level 1 Proses 9
Administrator
a Perintah Logout
Status Logout
10.P
Logout
Gambar 3.21. Overview DAD Level 1 Proses 9
Setelah selesai melakukan manipulasi data, admin harus melakukan
F. Perancangan Basisdata
1. Entity Relationship Diagram
Login UserName Password BatasHimpunan HimpunanFuzzy BatasBawah BatasTengah BatasAtas MuMiskin IDPokmas
Pokmas memiliki KepalaKeluarga
NamaPokmas AlamatPokmas 1, 15 1, 1 NamaKK NamaPemilikRumah AlamatRumah KerusakanRumah DindingRumah LantaiRumah LuasRumah JumlahSuami JumlahBayi Keterangan JumlahAnggotaLain JumlahUmur>17 JumlahUmur6-16 JumlahUmur1-5 JumlahIstri JumlahMgl JumlahHilang JumlahLB JumlahLR ID_KK memiliki 1, 1 DerajatKeanggotaan MuRusakRingan MuRusakSedang MuRusakBerat MuMenengah MuKaya JumlahBantuan 1, 1 Keterangan Penghasilan
Gambar 3.22. Entity Relationship Diagram Keterangan:
a. Entitas yang terlibat ada 4, yaitu Login, BatasHimpunan, Pokmas,
KepalaKeluarga, dan DerajatKeanggotaan.
b. Setiap entitas memiliki atribut masing-masing.
c. Entitas Login dan BatasHimpunan tidak memiliki relasi dengan entitas
manapun.
d. Relasi Pokmas dengan KepalaKeluarga adalah 1 to 15.
Maksudnya, setiap Pokmas dapat memiliki anggota
KepalaKeluarga dana rekonstruksi gempa maksimal sebanyak 15
kepala keluarga (KK). Dan setiap KK tersebut hanya boleh menjadi
e. Relasi KepalaKeluarga dengan DerajatKeanggotaan adalah 1 to 1 (one
to one)
Setiap KK hanya boleh memiliki nilai derajat keanggotaan dari
masing-masing kriteria (kondisi kerusakan rumah, dan kondisi
ekonomi) sebanyak 1 untuk proses perhitungan fire-strength.
2. Relational Model
a. Entitas Login
Login
UserName Password
Login
UserName Password *
Gambar 3.23. Translasi Entitas Login menjadi Relational Model
b. Entitas BatasHimpunan
BatasHimpunan
HimpunanFuzzy BatasBawah
BatasTengah BatasAtas
BatasHimpunan
HimpunanFuzzy BatasBawah BatasTengah BatasAtas *
c. Relasi Pokmas, KepalaKeluarga, dan DerajatKeanggotaan
MuMiskin IDPokmas
Pokmas memiliki KepalaKeluarga
NamaPokmas AlamatPokmas 1, 15 1, 1 NamaKK NamaPemilikRumah AlamatRumah KerusakanRumah DindingRumah LantaiRumah LuasRumah JumlahSuami JumlahBayi Keterangan JumlahAnggotaLain JumlahUmur>17 JumlahUmur6-16 JumlahUmur1-5 JumlahIstri JumlahMgl JumlahHilang JumlahLB JumlahLR ID_KK memiliki 1, 1 DerajatKeanggotaan MuRusakRingan MuRusakSedang MuRusakBerat MuMenengah MuKaya JumlahBantuan 1, 1 Keterangan Penghasilan
Gambar 3.25. ER Diagram Pokmas-KepalaKeluarga-DerajatKeanggotaan
Atribut IDPokmas ditambahkan ke tabel KepalaKeluarga,
sehingga IDPokmas ini menjadi foreign key (kunci tamu) bagi tabel
KepalaKeluarga. Sedangkan atribut ID_KK ditambahkan ke
DerajatKeanggotaan, sehingga ID_KK ini menjadi foreign key (kunci
tamu) bagi tabel DerajatKeanggotaan. Sehingga, ER diagram gambar
3.25 ditranslasikan ke relational model menjadi sebagai berikut:
Pokmas IDPokmas NamaPokmas AlamatPokmas Keterangan * KepalaKeluarga ID_KK IDPokmas NamaKK NamaPemilikRumah AlamatRumah Penghasilan KerusakanRumah LuasRumah DindingRumah LantaiRumah JumlahSuami JumlahIstri JumlahBayi JumlahUmur1-5 JumlahUmur6-16 JumlahUmur>17 JumlahAnggotaLain JumlahMgl JumlahHilang JumlahLB JumlahLR Keterangan * ** DerajatKeanggotaan ID_KK MuRusakRingan MuRusakSedang MuRusakBerat MuMiskin MuMenengah MuKaya JumlahBantuan **
3. Perancangan Struktur Tabel
a. Tabel Login
Tabel Login digunakan untuk menyimpan data UserName dan
Password dari user.
Nama File Data : login.sql
Primary Key : UserName
Tabel 3.2 Tabel Login
Nama Field Tipe Data
Lebar Keterangan
PK UserName varchar 25 Nama user untuk login ke
sistem
Password varchar 25 Password user untuk login
ke sistem
b. Tabel BatasHimpunan
Tabel BatasHimpunan digunakan untuk menyimpan data-data batas
himpunan fuzzy.
Nama File Data : batasHimpunan.sql
Primary Key : HimpunanFuzzy
Tabel 3.3 Tabel BatasHimpunan
Nama Field Tipe
Data Lebar Keterangan
PK HimpunanFuzzy varchar 25 Nama suatu himpunan
fuzzy
BatasBawah int 10 Nilai batas bawah suatu
Nama Field Tipe
Data Lebar Keterangan
BatasTengah int 10 Nilai batas tengah suatu
himpunan fuzzy
BatasAtas int 10 Nilai batas atas suatu
himpunan fuzzy
c. Tabel Pokmas
Tabel Pokmas digunakan untuk menyimpan data-data suatu Pokmas
(Kelompok Masyarakat).
Nama File Data : pokmas.sql
Primary Key : IDPokmas
Tabel 3.4 Tabel Pokmas
Nama Field Tipe
Data Lebar Keterangan PK IDPokmas int 10 Kode suatu kelompok
masyarakat
NamaPokmas varchar 25 Nama pokmas
AlamatPokmas varchar 200 Alamat pokmas
Keterangan varchar 200 Keterangan tambahan
d. Tabel KepalaKeluarga
Tabel KepalaKeluarga digunakan untuk menyimpan data-data KK
korban gempa.
Nama File Data : kepalaKeluarga.sql
Primary Key : ID_KK
Tabel 3.5 Tabel KepalaKeluarga
Nama Field Tipe Data
Lebar Keterangan
PK ID_KK int 10 Kode KK korban
gempa
FK IDPok