DECISION SUPPORT SYSTEM UNTUK MENENTUKAN KELUARGA MISKIN MENGGUNAKAN FUZZY QUERY DATABASE MODEL TAHANI
AHMAD ZAINUDIN
Sekolah Tinggi Elektronika dan Komputer Jl. Majapahit 605 & 304
Semarang Indonesia E-mail : zainudin@stekom.ac.id
Abstrak
Berbagai program dari bantuan Pemerintah dalam upaya penanggulangan kemiskinan memang telah banyak, tetapi berbagai bantuan yang sampai di tangan rakyat tidak sesuai dengan yang diharapkan serta banyaknya parameter/indikator kemiskinan mengakibatkan kurang efektifnya program penanganan kemiskinan. Hal ini juga menjadi masalah bagi Pemerintah berkaitan dengan penentuan keluarga miskin yang belum optimal yaitu banyak terjadi komplain dari pihak masyarakat karena keputusan dari pemerintah yang menangani masalah penentuan keluarga miskin. Hasil analisa terhadap data keluarga miskin setelah verifikasi ulang yang dilakukan Dinas Sosial menunjukkan bahwa penyebab terjadinya kesalahan penentuan keluarga miskin antara lain akibat kesalahan pada saat proses pendataan, dan perhitungan pada saat pendataan.
Subjek penelitian ini adalah membuat program aplikasi logika fuzzy untuk pendukung keputusan penentuan keluarga miskin di desa Tuntang menggunakan fuzzy query pada database model tahani yang didasarkan pada beberapa parameter, yaitu: pendapatan rata-rata anggota keluarga, jumlah anggota keluarga, kondisi rumah, nilai barang selain tanah, utilitas rumah tangga, akses pelayanan kesehatan, tingkat pendidikan, jumlah anak tingkat tolong menolong, tingkat kesulitan untuk membeli beras. Hasil penelitian ini menunjukkan bahwa Fuzzy Query Database model Tahani dapat digunakan untuk penetuan keluarga Miskin.
Kata Kunci: Penentuan Keluarga Miskin, Decision Support System, Fuzzy Query database Model Tahani
A. PENDAHULUAN
Berbagai program dari bantuan Pemerintah dalam upaya penanggulangan kemiskinan memang telah banyak, tetapi berbagai bantuan yang sampai di tangan rakyat tidak sesuai dengan yang diharapkan serta banyaknya parameter/indikator kemiskinan mengakibatkan kurang efektifnya program penanganan kemiskinan. Hal ini juga menjadi masalah bagi Pemerintah berkaitan dengan penentuan keluarga miskin yang belum optimal yaitu banyak terjadi komplain dari pihak masyarakat karena keputusan dari pemerintah yang menangani masalah penentuan keluarga miskin dalam pemberian bantuan kemiskinan masih belum sesuai dengan realita yang ada. Hasil
analisa terhadap data keluarga miskin setelah verifikasi ulang yang dilakukan Dinas Sosial menunjukkan bahwa penyebab terjadinya kesalahan penentuan keluarga miskin antara lain akibat kesalahan pada saat proses pendataan, dan perhitungan pada saat pendataan.
Pengelolaan data kemiskinan yang belum terakumulasi menggunakan database secara optimal juga menyebabkan kesulitan dalam pemrosesan data. Sistem database yang ada sampai sekarang ini, hanya mampu menangani data yang bersifat pasti (crips). Begitu pula pada query yang menggunakan bahasa Structure Query Languange (SQL), definisi yang diberikan hanya mampu menangani kondisi yang sifatnya juga pasti. Sedangkan dalam
kondisi nyata kehidupan sehari-hari, seringkali seseorang harus berhadapan dengan kondisi yang memiliki nilai yang samar, tidak pasti, atau ambigu. Pada kondisi yang samar berarti tidak terdapat suatu kondisi dimana terjadi ketidakjelasan dari beberapa alternatif yang harus diterima. Bahasa Structure Query Languange (SQL) tidak mampu memenuhi kebutuhan untuk seleksi data berdasarkan ekspresi linguistik dan derajat kebenaran (Gupta, 2011). Dalam prakteknya, sistem informasi didasarkan pada koleksi data yang sangat besar biasanya disimpan dalam database relasional.
Berdasarkan kriteria-kriteria yang ada nantinya aplikasi akan menganalisa data dengan menggunakan logika fuzzy. Dengan memanfaatkan logika Fuzzy, manipulasi data dapat diantisipasi dalam basis data yang mengandung ketidakpastian, baik dari sisi data maupun query-nya. Fuzzy Query tidak hanya sebagai alat query, akan tetapi dapat meningkatkan makna query dan dapat menampilkan informasi lebih dari hasil query tersebut (Hudec, 2009).
Seiring kemajuan dunia teknologi informasi, yang meliputi perkembangan perangkat keras dan perangkat lunak, ternyata membawa dampak yang multi kompleks dalam berbagai segi kehidupan manusia, salah satu diantaranya adalah munculnya model pengambilan keputusan yang dikenal dengan Decision Support System (DSS), dengan DSS para pengambil keputusan dalam menentukan kebijakannya dapat merekomendasikan dalam menentukan warga miskin sehingga berhak menerima bantuan.
Rumusan masalah pada penelitian ini adalah dalam penetuan keluarga miskin pada penelitian sebelumnya menggunakan parameter data pasti (crisp), dan masih terdapat beberapa faktor terkait yang dapat mempengaruhi dalam menentukan keluarga miskin, sehingga diperlukan pengukuran terhadap parameter yang terkait.
Tujuan penelitian ini adalah untuk membangun sistem rekomendasi otomatis untuk membantu dalam menentukan keluarga miskin sesuai dengan parameter yang sudah ditentukan dan menggunakan Fuzzy Database model Tahani.
B. DASAR TEORI
1. Konsep Sistem Pendukung Keputusan Konsep sistem pendukung keputusan diperkenalkan pertama kali oleh Michael S.
Scoott Morton pada tahun 1970-an dengan istilah Management Decision System (Sprague,1982). SPK dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan, dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif.
Pengembanag DSS berawal pada akhir tahun 1960-an dengan adanya pengguna komputer secara time-sharing (berdasarkan pembagian waktu). Pada mulanya seseorang dapatberinteraksi langsung dengan komputer tanpa harus melalui spesialis informasi.
Time-sharingmembuka peluang baru dalam penggunaan komputer.Tidak sampai tahun 1971, ditemukan istilah DSS, G Anthony Gorry dan Michael S. ScottMorton yang keduanya profesor MIT, bersama-sama menulis artikel dalam jurnal yangberjudul
“A Framework for Management Information System” mereka merasakanperlunya ada kerangka untuk menyalurkan aplikasi komputer terhadap pembuatankeputusan manajemen.
Gorry dan Scott Morton mendasarkan kerangka kerjanya pada jenis keputusan menurutSimon dan tingkat manajemen dari Robert N. Anthony. Anthony menggunakan istilahStrategic palnning, managemen control dan operational control (perencanaan strategis,control manajemen, dan control manajemen).
Usaha berikutnya dalam mendefinisikan konsep DSS dilakuikan oleh Steven L.
Alter.Alter melakukan study terhadap 56 sistem penunjang keputusan yang digunakan padawaktu itu, studi tersebut memberikan pengetahuan dalam mengidentifikasi enam jenisDSS, yaitu :
a. Retrive information element (memanggil eleman informasi)
b. Analyze entries files (menganali semua file)
c. Prepare reports form multiple files (laporan standart dari beberapa files) d. Estimate decisions qonsquences
(meramalkan akibat dari keputusan)
e. Propose decision (menawarkan keputusan ) f. Make decisions (membuat keputusan)
Dalam DDS terdapat tiga tujuan yang harus di capai yaitu :
a. Membantu manajer dalam pembuatan keputusan untuk memecahkan masalah semi terstruktur.
b. Mendukung keputusan manajer, dan
bukannya mengubah atau
menggantikeputusan tersebut.
c. Meningkatkan efektivitas menajer dalam
pembuatan keputusan, dan
bukannyapeningkatan efisiensi
Tujuan ini berkaitan dengan tiga prinsip dasar dari konsep DSS, yaitu struktur masalah,dukungan keputusan, dan efektivitas keputusan.
DSS sebagai sebuah sistem yang memberikan dukungan kepada seorang manajer, ataukepada sekelompok manajer yang relative kecil yang bekerja sebagai tim pemecahmasalah, dalam memecahkan masalah semi terstrukitur dengan memberikan informasiatau saran mengenai keputusan tertentu. Informasi tersebut diberikan oleh laporanberkala, laporan khusus, maupun output dari model matematis. Model tersebut juga mempunyai kemampuan untuk memberikan saran dalam tingkat yang bervariasi
2. Pengertian Fuzzy Logic
Fuzzy Logic diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965. Merupakan metode yang mempunyai kemampuan untuk memproses variabel yang bersifat kabur atau yang tidak dapat dideskripsikan secara eksak/pasti seperti misalnya tinggi, lambat, bising. Dalam fuzzy logic variabel yang bersifat kabur tersebut direpresentasikan sebagai sebuah himpunan yang anggotanya
adalah suatu nilai crisp dan derajat keanggotaannya (membershipfunction) dalam himpunan tersebut (DinKeSos, 2009).
Proses-proses dalam fuzzylogic adalah fuzzifikasi, penalaran (reasoning), dan defuzzifikasi:
a. Fuzzifikasi: merupakan proses untuk mendapatkan derajat keanggotaan dari sebuah nilai numerik masukan (crisp) b. Penalaran: proses untuk mendapatkan aksi
keluaran dari suatu kondisi input dengan mengikuti aturan-aturan (IF-THEN Rules) yang telah ditetapkan yang disebut sebagai inference/reasoning.
c. Defuzzifikasi: proses untuk merubah hasil penalaran yang berupa derajat keanggotaan keluaran menjadi variabel numerik kembali.
Fuzzy Logic (Logika Fuzzy) atau biasa juga disebut dengan Logika Samar merupakan suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output didasari oleh konsep himpunan fuzzy.
Gambar 3.Pemetaan input-outpu
Gambar 1. Konsep himpunan fuzzy Diantarainput dan output terdapat blackbox. Di dalam blackbox terdapat proses yang tidak diketahui, bisa didekati dengan pendekatan sistem linear, ekonometri, interpolasi, sistem pakar atau logika fuzzy, dan lain-lain. Namun, seperti yang diungkapkan Lotfi Zadeh: ”Dalam hampir setiap kasus, cara fuzzy lebih cepat dan lebih murah”.
Logika fuzzy sebagai komponen utama pembangun softcomputing, terbukti telah memiliki kinerja yang sangat baik untuk menyelesaikan masalah-masalah yang mengandung ketidakpastian. Implementasinya luas, baik di bidang engineering, psikologi, social, dan juga bidang ekonomi.
Input 1
Input 2
Black Box
Output
3. Alasan menggunakan logika fuzzy
Ada beberapa alasan mengapa orang menggunakan logika fuzzy:
a. Konsep logika fuzzy mudah dimengerti.
Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
b. Logika fuzzy sangat fleksibel.
c. Logika fuzzy punya toleransi terhadap data yang tidak tepat.
d. Logika fuzzy mampu memodelkan fungsi- fungsi non linier yang sangat kompleks.
e. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
f. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
g. Logika fuzzy didasarkan pada bahasa alami.
4. Himpunan fuzzy
Tahun 1965, Profesor L.A. Zadeh memperkenalkan teori himpunan fuzzy, yang secara tidak langsung mengisyaratkan bahwa tidak hanya teori probabilitas saja yang dapat merepresentasikan ketidakpastian. Teori himpunan fuzzy adalah merupakan perluasan dari teori logika Boolean yang menyatakan tingkat angka 1 atau 0 atau pernyataan benar atau salah, sedang pada teori logika fuzzy terdapat tingkat nilai, yaitu :
a. Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
b. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
C. METODOLOGI
Penelitian yang dilaksanakan adalah jenis penelitian eksperimen, yaitu melakukan pengujian tingkat akurasi Fuzzy Query dalam menentukan keluarga miskin di Desa Tuntang kecamatan Tuntang Kabupaten Semarang.
Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini berupa data primer dan data sekunder:
a. Data primer adalah berupa data yang diperoleh dari data BPS kecamatan Tuntang. Data primer ini meliputi informasi mengenai pendapatan anggota keluarga, jumlah anggota keluarga, Kondisi rumah, Nilai barang selain tanah, perlengkapan Utilitas Rumah, akses pelayanan kesehatan, tingkat pendidikan, jumlah anak tingkat tolong menolong, tingkat kesulitan untuk membeli beras.
b. Data sekunder adalah data yang bersifat pendukung data dalam menentukan keluarga Miskin di kecamatan Tuntang, yang diperoleh secara tidak langsung bersumber dari dokumentasi, literatur, buku, jurnal dan informasi lainnnya yang ada hubungannya dengan masalah yang diteliti.
Pengolahan Data Awal
Data diperoleh dari BPS kecamatan Tuntang, berdasarkan data warga yang di desa Tuntang tahun 2012 ada 1434 kepala keluarga dan data yang digunakan sebagai sampling sebanyak 20% yaitu 287 kepala keluarga. Untuk mendekati angka tersebut maka penulis mengambil data warga yang di RW.02 Dusun Gading yang jumlah kepala keluarganya berjumlah 288 kepala keluarga.
Tabel 1. Parameter Keluarga Miskin
No Aspek Parameter Bobot Jawab
1 Pendapatan dan Asset
1. Pendapatan rata-rata anggota keluarga setiap bulan kurang dari Rp. 150.000,-
2. Keluarga tidak memiliki barang selain tanah yang bernilai lebih dari Rp. 500.000,-
3. Jenis alat penerangan yang digunakan bukan listrik atau listrik tetapi bukan milik sendiri.
13 7 5
Ya/Tidak Ya/Tidak Ya/Tidak 2 Pangan 1. Keluarga tidak mampu memberi makan Anggota
keluarga 3 kali setiap hari.
2. Keluarga tidak mampu membeli dan menyediakan lauk daging/telur/ayam atau susu 1 kali dalam semingu
12 8
Ya/Tidak Ya/Tidak
3 Sandang Keluarga hanya bisa membelikan pakaian baru bagi Anggota keluarga maksimal 1 kali dalam satu tahun.
5 Ya/Tidak 4 Papan 1. Jenis bahan lantai bidang terluas dari tempat
tinggal berupa tanah/bambu/kayu kualitas rendah.
2. Jenis bahan dinding bidang terluas dari tempat tinggal berupa bambu kayu / bahan lain berkualitas rendah / tembok tanpa plester atau diplester kualitas rendah.
6
4
Ya/Tidak
Ya/Tidak
5 Kesehatan 1. Keluarga tidak mampu mengobatkan anggota keluarga yang sakit.
2. Sumber air minum yang digunakan berasal dari sumber air tidak terlindung.
3. Kebiasaan membuang air besar di sungai/MCK Umum/ Milik tetangga.
10 5 5
Ya/Tidak Ya/Tidak Ya/Tidak 6 Pendidikan Pendidikan Kepala Keluarga maksimal hanya lulus
SD.
10 Ya/Tidak 7 Sosial Keluarga tidak mengikuti aktifitas kegiatan
lingkungan sama sekali.
10 Ya/Tidak
TOTOL BOBOT 100
Berdasarkan parameter kemiskinan dan hasil survei data kemiskinan yang telah dilakukan maka bobot nilai yang diperoleh dikelompokkan sebagai berikut :
a. Tidak Miskin (TM) = 30;
b. Hampir Miskin (HM) = 45;
c. Miskin (M) = 50;
d. Fakir Miskin (FM) = 75;
Metode Pengukuran
Akurasi penerapan Fuzzy Query dalam menentukan pelabelan keluarga miskin di desa Tuntang kecamatan Tuntang Kabupaten Semarang dengan cara:
a. Hasil penentuan keluarga miskin menggunakan Fuzzy Query akan dibandingkan dengan hasil penentuan
keluarga miskin yang telah dilakukan oleh BPS secara manual.
b. Jika hasil yang ditentukan oleh BPS sama dengan hasil menggunakan Fuzzy Query, maka Fuzzy Query dinyatakan Akurat.
c. Jika hasil yang ditentukan oleh BPS tidak sama dengan hasil menggunakan Fuzzy menggunakan Fuzzy Query, maka Fuzzy Query dinyatakan Tidak Akurat.
d. Selanjutnya dihitung persentase tingkat akurasi Fuzzy Query dengan:
% Akurasi = (Jumlah Data Akurat/Total Sampel)*100
D. HASIL DAN PEMBAHASAN
Pengujian sistem merupakan tahapan penting dalam rekayasa perangkat lunak karena
dengan adanya pengujian dapat diketahui kesalahan yang mungkin terjadi sebelum sistem digunakan oleh user. Tahap pengujian yang dilakukan terdiri dari pengujian internal dan pengujian external. Pada tahap pengujian internal menggunakan teknik pengujian white box dan black box, dan pengujian external yaitu kepada calon konsumen pemilihan property.
Parameter untuk fuzzification input dan output adalah sebagai berikut :
1. Pendapatan setiap bulan, mempunyai nilai linguistik (rendah, sedang, tinggi)
2. Jumlah anggota keluarga, mempunyai nilai linguistik (sedikit, sedang, banyak)
3. Kondisi Rumah mempunyai nilai dengan linguistik (jelek, sedang, Baik )
4. Memiliki nilai barang selain tanah dan tanah, mempunyai nilai dengan linguistik (rendah, sedang, tinggi)
5. Apakah rumahtangga anda memiliki Kelengkapan Utilitas Rumah yaitu Air Bersih, MCK, Listrik, mempunyai nilai linguistik (sedikit, sedang, banyak)
6. Apakah rumahtangga anda selulu mendapatkan pelayanan kesehatan ketika ada anggota rumahtangga ada yang sakit, mempunyai nilai linguistik (tidak mendapat, kadang-kadang, ya selalu dapat) 7. Tingkat Pendidikan tertinggi dari anggota
keluarga termasuk kepala keluarga, mempunyai nilai linguistik (rendah, sedang, tinggi)
8. Apakah ada anak usia sekolah dirumah anda yang bersekolah (anak yang dibiayai oleh rumah tangga anda), mempunyai nilai linguistik (sedikit, sedang, banyak)
9. Bagaimana tingkat tolong menolong (baik sumbangan tenaga maupun uang) antar masyarakat di kampung ini? mempunyai nilai linguistik (rendah, sedang, tinggi) 10. Apakah tingkat kesulitan rumahtangga
untuk membeli beras, mempunyai nilai linguistik (sulit, sedang dan mudah) Proses Fuzzifikasi secara lebih detail dapat diuraikan sebagai berikut :
Pendapatan per bulan
Tabel 2. Nilai linguistik Pendapatan Perbulan
Nilai Linguistik Interval (Rp)
Rendah X ≤ 750.000,-
Sedang 750.000,- < X ≤ 1.500.000,-
Tinggi X> 1.500.000,-
Gambar 2. Fungsi Keanggotaann Pendapatan perbulan
Rendah Sedang Tinggi
1500000 0
1
750000 1 125000
µ[x]
Ekspresi untuk fungsi keanggotaan fuzzy Pendapatan perbulan
1 ; x ≤ 750000
µ Rendah [x] = 1125000 − 𝑋
1125000 −750000 ; 750000 < x < 1125000
0 ; x ≥ 1125000
0 ; x ≤ 750000 atau x ≥1500000
µ Sedang [x] = 𝑥 − 750000
1125000 − 750000 ; 750000 < x ≤ 1125000
1500000 − 𝑥
1500000 −1125000 ; 1125000< x < 1500000
0 ; x ≤ 1125000
µ Tinggi [x] = 𝑥 − 1125000
1500000 −1125000 ; 1125000 < x < 1500000
1 ; x ≥ 1500000
Tabel 3. Tabel perhitungan Derajat Penghasilan dan Jml Anggota Keluarga
No No_KTP Derajat Kenggotaan Penghasilan Derajat Keanggotaan Anggota Keluarga Rendah Sedang Tinggi Sedikit Sedang Banyak
1 3322060403470001 0,00 0,00 1,00 0,00 1,00 0,00
2 3322062507800003 1,00 0,00 0,00 0,00 0,00 1,00
3 3322060606500001 1,00 0,00 0,00 0,50 0,50 0,00
4 3322061005650001 1,00 0,00 0,00 1,00 0,00 0,00
5 3322060901610001 1,00 0,00 0,00 0,00 1,00 0,00
6 3322060706660001 1,00 0,00 0,00 0,00 0,00 1,00
7 3322062312670001 0,07 0,93 0,00 0,00 1,00 0,00
8 3322062811700001 0,00 0,00 1,00 0,00 0,00 1,00
9 3322061809720001 1,00 0,00 0,00 1,00 0,00 0,00
10 3322061411740001 0,00 0,00 1,00 0,50 0,50 0,00
... ... ... ... ... ... ... ...
288 3322063112310001 1,00 0,00 0,00 1,00 0,00 0,00
Tabel 4. Tabel bandingan Fakir Miskin sebelum dan sesudah menggunakan fuzzy database
No Domain Himpunan Sebelum Sesudah
1 Fakir Miskin 53 58
2 Miskin 73 73
3 Hampir Miskin 80 83
4 Tidak Miskin 82 74
(Ahmad Zainudin)
Dari data di atas diperoleh hasil pengujian menggunakan t-test sampel berpasangan (paired sample) sebagai berikut :
Tabel 5. Hasil t-test
Tabel diatas menunjukkan bahwa nilai mean dari data sebelum (Pre-Test) dan sesudah (Post-Test) menggunakan fuzzy query adalah 72, dan
korelasi antara dua variabel adalah sebesar 0,911 dengan sig sebesar 0,089. Hal ini menunjukkan bahwa korelasi antara duanya adalah kuat dan signifikan.
Tabel 6. Hasil t-test
Nilai t hitung adalah sebesar 0 dengan sig 1,00.
Karena sig > 0.05 maka dapat disimpulkan bahwa
aplikasi DSS untuk menentukan Keluarga Miskin menggunakan fuzzy database model tahani dapat digunakan sebagai rekomendasi dalam penentuan Keluarga miskin.
Apabila tabel hasil sebelum dan sesudah menggunakan fuzzy query digambarkan menjadi grafik, akan tampak seperti pada gambar berikut ini :
Gambar 3. Grafik Pre-Test dan Post-Test 0
20 40 60 80 100
Fakir Miskin Miskin Hampir Miskin
Tidak Miskin
Pre-Test Post-Test
E. KESIMPULAN DAN SARAN
Simpulan
Dari hasil penelitian yang dilakukan mulai dari tahap awal hingga pengujian dapat menghasilkan analisa dan informasi yang akurat sehingga penerapan sistem pendukung keputusan untuk menentukan Keluarga Miskin menggunakan fuzzy query model Tahani dapat digunakan sebagai rekomendasi dalam penentuan Keluarga miskin.
Saran
Berdasarkan hasil penelitian, penerapan sistem ini dapat membawa efek positif dalam proses penentuan seleksi Keluarga Miskin, namun terdapat beberapa hal yang perlu penulis sarankan bagi pengembangan sistem ini antara lain:
1. Perlu menambahkan lebih banyak sampel data sehingga kehandalan sistem yang digunakan lebih teruji.
2. Penentuan Keluarga Miskin dengan model algoritma yang lain perlu juga diterapkan untuk menambah kehandalan sistem diwaktu yang akan datang.
F. DAFTAR PUSTAKA
BPS, Profil Kemiskinan Di Indonesia Maret 2010, No. 45/07/Th. XIII, 1 Juli 2010 Sajogyo, 1980. Garis Kemiskinan dan
Kebutuhan Minimum Pangan. LPSP- IPB. Bogor.
DinKeSos, 2009, Laporan Data KeluargaMiskin, DinasKementrianSososial.
Gupta, P. (Oktober,2011). Fuzzy Querying In Traditional Database. International Journal of Artificial Intelligence and Knowledge Discovery Vol.1, Issue 4
Hudec, M. (Desember, 2009). An Approach to Fuzzy Database Querying, Analysis and Realisation. ComSIS Vol. 6, No. 2 Irma Irandha P.W.2008, Analisa Keluarga
Miskin dengan metode Fuzzy C-Means Clustering. Politeknik Elektro Negeri Surabaya.
Hari Purnomo Sri Kusumadewi, Aplikasi Logika Fuzzy. Yogyakarta: Graha Ilmu, 2010.
Miroslav Hudec, "An Approach to Fuzzy Database Querying, Analysis anad Realisation,"
Comsis, vol. VI, no. 2, pp. 127 - 140, December 2009.
Turban, E., dkk., 2005. Decision Support Systems and Intelligent Systems. Yogyakarta: Andi Kusumadewi, S., dkk. 2010. Aplikasi Logika Fuzzy
untuk Pendukung Keputusan. Yogyakarta:
Graha Ilmu
Klir GJ, Bo Y. 1995. Fuzzy Sets and Fuzzy Logic:
Theory and Applications. New York:
Prentice Hall, Englewood Cliffs. 1995.
Amalia, L., Fananie, Z.B. dan Utama, D.N. 2010.
Model fuzzy Tahani untuk pemodelan sistem pendukung keputusan. Prosiding Seminar Nasional Aplikasi Teknologi Informasi, Yogyakarta
Akhmad Fauzi Hasibuan. 2010. Penggunaan Fuzzy Database Dalam Rekomendasi Pembelian Perumahan Berbasis Sistem Pendukung Keputusan. Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
Dewi Novia Nursa. 2010. Implementasi Pangkalan Data Fuzzy model Tahani Pada
Perekomendasian Pembelian Mobil. Skripsi Program Studi S1 Ilmu Komputer
Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
Kusumadewi, S. 2007. Sistem Fuzzy Untuk Klasifikasi Indikator Kesehatan Daerah.
Seminar TEKNOIN 2007.
Drs. Peter Salim dan Yenny Salim, Kamus Bahasa Indonesia Kontemporer, Jakarta: Modern English Press, 1991, hal. 986.
Bupati, 2009, Rencana Aksi Daerah Penanggulangan Kemiskinan Dan Pengangguran, Keputusan Bupati Kabupaten Semarang Nomor 464/KEP/2009, Kabupaten Semarang.
Ginanjar Kartasasmita, Strategi Nasional
Penanggulangan Kemiskinan dalam PJP II Melalui Inpres Desa Tertinggal, 1994, 5Sundani, D. 2008. Perangkat Lunak SPSS Sebagai Alat Untuk Analisa Hubungan Kinerja Dosen Dengan Keberhasilan Belajar. Jurnal Informatika Komputer. No 3.
Volume 13.
Nikravesh, M. & Azvine, B. (2002). Fuzzy Queries, Search, And Decision Support System. Soft Computing Vol. 6, pp. 373–39
Rini, F. (Mei, 2008). Klasifikasi Kelulusan
Mahasiswa STIMIK NURDIN HAMZAH Menggunakan Fuzzy Database, Jurnal MEDIA SISFO Vol. 2, No. 2, pp. 13-21 Miroslav Hudec, "An Approach to Fuzzy Database
Querying, Analysis anad Realisation,"
Comsis, vol. VI, no. 2, pp. 127 - 140, December 2009.
Julius Hermawan, Membangun Decision Support System. ogyakarta: Andi, 2005.