SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE FUZZY MAMDANI, STUDI KASUS LAUNDRY “ FRESH” DI RUNGKUT ALANG-ALANG SURABAYA.

METODE FUZZY MAMDANI, STUDI KASUS LAUNDRY “ FRESH”

DI RUNGKUT ALANG-ALANG SURABAYA

SKRIPSI

Disusun Oleh :

SITI NUR HIDAYATI

0934010147

J URUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

J AWA TIMUR

karena atas kehendak kuasanya saya dapat menyelesaikan tugas akhir ini dengan judul “SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN J UMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE FUZZY MAMDANI, STUDI KASUS LAUNDRY “ FRESH” DI RUNGKUT ALANG-ALANG SURABAYA”.

Tugas akhir ini dengan beban 4 SKS ini disusun dan diajukan sebaga salah satu syarat untuk menyelesaikan program Strata satu (S1) pada program studi Teknik Informatika, Fakultas Teknologi Industri, Universitas Pembangunan Nasional “Veteran” Jawa Timur Surabaya.

Disadari bahwa dalam penulisan laporan ini masih banyak kekurangan dan jauh dari kata sempurna, oleh karena itu penulis menerima masukan, saran dan kritik yang sifatnya membangun dari pada pembaca agar penulisan selanjutnya akan lebih baik.

Dalam proses penyelesaian laporan ini tidak terlepas dari bantuan dan bimbingan berbagai pihak, pada kesempatan ini penulis menyampaikan terima kasih kepada :

1. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri Universitas pembangunan Nasional “Veteran” Jatim.

2. Ibu Dr.Ni Ketut sari, MT selaku ketua program studi Teknik Informatika Universitas Pembangunan Nasional “Veteran” Jatim.

Akhir ini.

4. Bapak Budi Nugroho, S.Kom,M.Kom, selaku dosen pembimbing II yang dengan sabar telah meluangkan banyak waktu untuk memberikan bimbingan dan kesempatan penulis untuk menyelesaikan proses pembuatan Tugas Akhir ini.

5. Bapak dan Ibu_Q tercinta yang luar biasa hebat yang selalu support dan tak henti-hentinya mendoakan serta memberikan kasih sayang agar tugas akhir ini segera penulis selesaikan.

6. Para sahabat tercinta Lincahya (Pakar Informatika yang rendah hati), Ayu Rahmawati (si cantik yang suka menolong), Dini Diroyati (bidadari penolong dan super jail selama di UPN), Merry Kristina (teman bercanda yang gaul) dan Susanti Nur Asiyah, yang telah banyak membantu penulis dari awal kuliah sampek akhir penyusunan Tugas Akhir ini yang tak pernah lelah memberi semangat dan keceriaan agar penulis selalu semangat menyelesaikan tugas akhir ini.

Akhirnya penulis hanya bisa berharap semoga laporan ini dapat berguna bagi kelangsungan dan perkembangan dunia keilmuan. Sekian dan terima kasih.

Hal.

2.2.1 Sistem Pendukung Keputusan... 7

2.2.1.1 Komponen SPK... 10

2.2.1.2 Validitas SPK ... 12

2.2.2 Himpunan Dan Logika Fuzzy... 13

2.2.2.1 Himpunan Fuzzy... 13

2.2.2.5 Fungsi Implikasi... 20

BAB III ANALISIS DAN PERANCANGAN SISTEM... 31

3.1.4.3 Rancangan Halaman Hitung Detergen ... 3.1.4.4 Rancangan Halaman Home Admin... 3.1.4.5 Rancangan Halaman admin... 3.1.4.6 Rancangan Halaman Laporan... 3.2 Rancangan Uji Coba dan Evaluasi ... 3.3 Jadwal Kegiatan Penelitian ... BAB IV HASIL DAN PEMBAHASAN ...

takaran detergen pada laundry menggunakan metode fuzzy mamdani, studi kasus Laundry “Fresh” di Rungkut Alang-alang Surabaya.

Dosen Pembimbing 1 : Eko Prasetyo S.Kom, M.kom Dosen Pembimbing 2 : Budi Nugroho S.Kom, M.Kom

ABSTRAK

Semakin pesatnya perkembangan teknologi sekarang ini banyak orang yang menggunakan jasa yang tersedia untuk memenuhi kebutuhan hidup sehari-hari. Seperti halnya pada jasa Laundry yang berkembang sangat pesat saat ini. Banyak kita jumpai dimana-mana jasa laundry yang tersedia, bagi masyarakat yang ingin mengambil jasa mudah untuk membantu kebutuhan hidup seperti pada proses pencucian pakaian yaitu memilih layanan cuci kering dibandingkan mencuci sendiri. Dari semua proses pencucian, komponen yang sangat diperlukan dalam proses tersebut yaitu detergen. Bagi pihak laundry, untuk pemakaian detergen pada saat pencucian diharapkan dapat diminimalisir tanpa mengurangi tingkat kebersihan cucian setelah dicuci. Untuk meminimalisir jumlah detergen harus menggunakan perhitungan yang tepat, bukan hanya menggunakan perkiraan saja

Oleh karena itu , pada pengerjaan tugas akhir ini akan diimplementasikan sebuah aplikasi sistem pendukung keputusan untuk menentukan jumlah takaran detergen pada laundry dengan menggunakan metode fuzzy mamdani.Variabel yang digunakan dalam sistem ini adalah variabel bobot, warna, tingkat ketebalan kain dan tingkat kekotoran pakaian. Rule yang digunakan dalam sistem ini ada 16 rule yang digunakan untuk menentukan aturan penggunaaan detergen sesuai dengan aturan pada laundry.

Dari hasil uji coba yang dilakukan pada penelitian, user dapat melakukan proses penakaran detergen secara otomatis dari sistem dengan memasukkan inputan bobot, warna, dan ketebalan pakaian. Untuk admin dapat mengetahui seberapa banyak detergen yang diperlukan dalam beberapa waktu tertentu menggunakan laporan penggunaan detergen dan mempunyai wewenang pada data admin. Diharapkan sistem yang dibuat dapat membantu pihak laundry dalam menentukan takaran detergen dan membantu penghitungan penggunaan detergen dengan lebih akurat.

PENDAHULUAN

1.1. Latar Belakang

Dewasa ini teknologi komputer berkembang sangat pesat, mengikuti kebutuhan hidup manusia. Komputer semakin banyak dibutuhkan untuk membantu manusia dalam kehidupan sehari-hari, bukan hanya untuk para pelajar, mahasiswa, dan pegawai, anak kecilpun sudah akrab dengan yang namanya komputer. Seperti juga banyak kita jumpai pada dunia bisnis yang kebanyakan perannya membutuhkan komputer.

Kasus yang di angkat dalam penelitian ini adalah mengenai jasa laundry. Nama Laundry sendiri sudah tidak asing lagi ditelinga kita, yaitu tempat yang menyediakan banyak fasilitas untuk mencuci baju secara praktis. Sekarang ini banyak sekali masyarakat yang menggunakan jasa laundry untuk membantu meringankan pekerjaan mereka. Bagi masyarakat seperti pegawai kantoran dan pegawai-pegawai perusahaan lainnya yang sangat sibuk dengan urusan pekerjaan yang tidak bisa ditinggal seperti masyarakat yang tidak bekerja atau ibu rumah tangga, banyak dari mereka yang merasa kerepotan dengan tidak adanya waktu untuk membersikan baju seperti mencuci dan setrika. Tentu saja hal ini memberatkan bagi mereka, apalagi jika cuaca yang tidak mendukung bisa menjadikan hari yang penting menjadi terkendala dengan adanya masalah seperti ini.

Tentunya dengan kemudahan ini masyarakat bisa mendapatkan keuntungan yang besar khususnya para pekerja atau pegawai yang sibuk bekerja sehingga tidak mempunyai waktu untuk mencuci atau menyetrika bajunya sendiri. Seperti pada saat musim hujan jasa Laundry merupakan pilihan yang tepat.

Pada penelitian ini masalah yang dibahas yaitu mengenai masih banyak ditemukannya kesalahan atau ketidakpastian dalam menggunakan takaran detergen pada saat proses pencucian di laundry sehingga mengakibatan banyak faktor yang mengakibatkan pelanggan merasa tidak puas seperti, pudarnya warna dan kotoran yang tidak bisa hilang secara merata. Tentu saja hal ini membuat pelanggan merasa tidak puas dengan jasa yang diberikan, dan hal ini bisa mengakibatkan kerugian pada pihak laundry karena pelanggan pasti enggan kembali lagi untuk mempercayai jasa laundry ini. Sedangkan masalah yang di didapat pihak laundry adalah mereka tidak bisa meminimalisir penggunaan detergen dengan tepat sesuai takaran setiap kali proses pencucian, sehingga mengakibatkan pemborosan detergen yang bisa menimbulkan kerugian besar bagi pihak laundry.

1.2. Rumusan Masalah

Berdasarkan latar belakang penelitian yang dikemukakan di atas, maka masalah yang akan diteliti dirumuskan sebagai berikut :

a. Bagaimana cara membuat sistem pendukung keputusan penentuan jumlah detergen yang tepat sesuai dengan aturan di laundry “Fresh” di Rungkut Alang-alang Surabaya.

b. Bagaimana memodelkan perlunya interferensi takaran detergen dalam penelitian di laundry “Fresh” di Rungkut Alang-alang Surabaya menggunakan metode Fuzzy mamdani.

1.3. Batasan Masalah

Dalam menganalisa dan menyelesaikan masalah, maka perlu diberikan pembatasan atau ruang lingkup pembahasan sehingga masalah yang dibahas tidak melebar kemana-mana. Adapun batasan-batasan masalah tersebut adalah sebagai berikut:

a. Aplikasi yang dibuat adalah untuk takaran detergen dalam bentuk bubuk. b. Aplikasi hanya memberikan informasi takaran detergen yang harus

digunakan dalam takaran gr (gram).

c. Variabel yang digunakan dalam SPK ini yaitu warna pakaian, berat pakaian, ketebalan kain dan tingkat kekotoran.

1.4. Tujuan Penelitian

Tujuan dari penelitian ini adalah sebagai berikut:

b. Memodelkan perlunya interferensi takaran detergen dalam penelitian di laundry “Fresh” di Rungkut Alang-alang Surabaya menggunakan metode Fuzzy mamdani.

1.5. Manfaat Penelitian

Dengan adanya sistem pendukung keputusan ini diharapkan dapat membawa manfaat bagi user (kasir) seperti dapat memperkirakan penggunaan jumlah detergen dengan tepat dan akurat sehingga mengurangi terjadinya kesalahan seperti pudarnya warna, sulitnya menghilangkan kotoran yang membandel, dan pemborasan detergen.

TINJ AUAN PUSTAKA

2.1 Tinjauan Umum

Sebuah sistem pendukung keputusan dibuat agar dapat membantu seseorang untuk menyelesaikan permasalahan tertentu tidak terkecuali juga masalah penentuan detergen. Meskipun penakaran detergen bisa dilakukan hanya dengan mengira saja tetapi hal tersebut tidak efektif digunakan, dikarenakan belum tentu perkiraan itu sesuai dengan kenyataan. Dengan itu dibuatlah sistem pendukung keputusan penakaran detergen pada laundry dengan menggunakan metode fuzzy mamdani.

Metode fuzzy mamdani merupakan metode fuzzy yang bisa dikatakan cocok untuk membuat sebuah sistem pendukung keputusan penentuan takaran detergen, yaitu dikarenakan metode mamdani dapat menghasilkan nilai yang tegas untuk menentukan jumlah detergen.

UD. MEUBEL ALMUNIUM, adalah unit dagang yang memproduksi mebel yang berlokasi di JL. Ngoro Industri Blok H-1, Mojosari- Mojokerto di ambil sebagai studi kasus perencaanaan jumlah produksi untuk meminimkan biaya produksi, sehingga profit yang dihasilkan meningkatkan. Produk yang dihasilkan adalah meja dan kursi rotan sintetis. Salah satu diantaranya yang paling diminati oleh konsumen adalah Meja ASR CT 004A dan Meja ASR CT 033.

Unit Dagang ini mempunyai kapasitas produksi mencapai 450 unit per bulan kemudian jumlah produk yang dihasilkan semakin meningkat seiring dengan bertambahnya permintaan konsumen. Namun kenyataan menunjukkan bahwa permintaan konsumen fluktuatif, tidak selalu tetap disetiap periode produksi sehingga memaksa perusahaan harus merencanakan kegiatan produksi sebaik-baiknya. Perusahaan harus bisa mengatasi masalah lonjakan permintaan atau penurunan permintaan sehingga proses produksi tetap berjalan lancar dan perusahaan tidak mengalami kerugian.

Metode fuzzy mamdani merupakan metode yang memetakan suatu input kedalam suatu output tanpa mengabaikan faktor-faktor yang ada. Metode ini merupakan kerangka matematis yang digunakan untuk mempresentasikan ketidakpastian, ketidakjelasan, ketidaktepatan, kekurangan informasi, dan kebenaran parsial, sehingga sangat sesuai dengan permasalahan permintaan yang fluktuatif dan jumlah produksi yang tidak pasti.

perencanaan jumlah produksi, diharapkan perusahaan dapat mengatasi fluktuasi permintaan konsumen dengan biaya produksi yang minimal.

Metode fuzzy mamdani dianggap mampu untuk memetakan suatu input kedalam suatu output tanpa mengabaikan faktor-faktor yang ada. Metode ini merupakan kerangka matematis yang digunakan untuk mempresentasikan ketidakpastian, ketidakjelasan, ketidaktepatan, kekurangan informasi, dan kebenaran parsial, sehingga sangat sesuai dengan permasalahan permintaan yang fluktuatif dan jumlah produksi yang tidak pasti. [Octavia, 2010]

Pada penelitian terdahulu lincahya dengan judul “ Sistem Pendukung Keputusan Untuk Menentukan Jumlah Takaran Detergen Pada Laundry Menggunakan Metode Fuzzy tsukamoto, Studi Kasus “Mister Londree” yaitu banyak orang yang menggunakan jasa cuci dan setrika untuk memudahkan pekerjaan, hanya tinggal membayar dan tunggu selesai. Banyak terdapat tempat laundry yang menyediakan jasa cuci dan setrika, namun pada saat melakukan pencucian pakaian masih terdapat kendala yaitu menentukan takaran seberapa banyak detergen yang harus digunakan untuk mencuci. Kebanyakan penggunaan jumlah detergen ini hanya perkiraan saja belum menggunakan perhitungan yang pasti, jadi hal ini tidak bisa mengoptimalkan jumlah penggunaan detergen untuk menghasilkan hasil cucian yang terbaik dan juga dapat terjadi pemborosan penggunaan detergen apabila perhitungan salah. [lincahya, 2013]

2.2Landasan Teori

2.2.1 Sistem Pendukung Keputusan

Sistem pendukung keputusan atau decision support system (DSS) merupakan suatu cara untuk memenuhi kebutuhan informasi yang tidak memadai untuk membuat suatu keputusan yang spesifik yang memecahkan permasalahan yang spesifik. Penambahan terbaru DSS adalah system pendukung keputusan berkelompok GDSS, dimana GDSS berusaha memperbaiki komunikasi di antara para anggota kelompok dengan menyediakan lingkungan yang mendukung.

Jelasnya, Sistem pendukung keputusan atau decision support system (DSS) adalah bagian dari sistem informasi berbasis komputer termasuk sistem berbasis pengetahuan atau manajemen pengetahuan yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Dapat juga dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi terstruktur yang spesifik.

Diciptakannya sistem pendukung keputusan (DSS) yaitu Sistem pendukung keputusan (SPK) mulai dikembangkan pada tahun 1960-an, tetapi istilah sistem pendukung keputusan itu sendiri baru muncul pada tahun 1971, yang diciptakan oleh G. Anthony Gorry dan Micheal S.Scott Morton, keduanya adalah profesor di MIT. Hal itu mereka lakukan dengan tujuan untuk menciptakan kerangka kerja guna mengarahkan aplikasi komputer kepada pengambilan keputusan manajemen. G. Anthony Gorry dan Micheal S.Scott Morton awalnya menggunakan DSS hanya untuk aplikasi pada computer di masa depan.

sama dengan Scott Morton telah mendefenisikan tiga tujuan yang harus dicapai oleh sistem pendukung keputusan, yaitu:

1. Sistem harus dapat membantu manajer dalam membuat keputusan guna memecahkan masalah semi terstruktur.

2. Sistem harus dapat mendukung manajer, bukan mencoba menggantikannya. 3. Sistem harus dapat meningkatkan efektivitas pengambilan keputusan

manajer.

Tujuan-tujuan tersebut berhubungan dengan tiga prinsip dasar sistem pendukung keputusan , yaitu:

1. Struktur masalah

Untuk masalah yang terstruktur, penyelesaian dapat dilakukan dengan menggunakan rumus-rumus yang sesuai, sedangkan untuk masalah terstruktur tidak dapat dikomputerisasi. Sementara itu, sistem pendukung keputusan dikembangkan khususnya untuk menyelesaikan masalah yang semi-terstruktur.

2. Dukungan keputusan

Sistem pendukung keputusan tidak dimaksudkan untuk menggantikan manajer, karena komputer berada di bagian terstruktur, sementara manajer berada dibagian tak terstruktur untuk memberikan penilaian dan melakukan analisis. Manajer dan komputer bekerja sama sebagai sebuah tim pemecah masalah semi terstruktur. 3. Efektivitas keputusan

Sistem pendukung keputusan dirancang secara khusus untuk mendukung seseorang yang harus mengambil keputusan-keputusan tertentu. Berikut ini beberapa karakteristik sistem pendukung keputusan :

a. Interaktif

SPK memiliki user interface yang komunikatif sehingga pemakai dapat

melakukan akses secara cepat ke data dan memperoleh informasi yang dibutuhkan.

b. Fleksibel

SPK memiliki sebanyak mungkin variabel masukkan, kemampuan untuk mengolah dan memberikan keluaran yang menyajikan alternatif-alternatif keputusan kepada pemakai.

c. Data kualitas

SPK memiliki kemampuan menerima data kualitas yang dikuantitaskan yang sifatnya subyektif dari pemakainya, sebagai data masukkan untuk pengolahan data. Misalnya: penilaian terhadap kecantikan yang bersifat kualitas, dapat dikuantitaskan dengan pemberian bobot nilai seperti 75 atau 90.

d. Prosedur Pakar

SPK mengandung suatu prosedur yang dirancang berdasarkan rumusan formal atau juga beberapa prosedur kepakaran seseorang atau kelompok dalam menyelesaikan suatu bidang masalah dengan fenomena tertentu.

2.2.1.1 Komponen SPK

a. Database

Sistem database adalah kumpulan smua data yang dimiliki oleh perusahaan baik data dasar maupun transaksi sehari-hari.

b. Model base

Model base adalah suatu model yang mempresentasikan permasalahan dalam format kuantitatif.

c. Sofware System

Software system adalah paduan antara database dan model base, setelah sebelumnya dipresentasikan ke dalam bentuk model yang dimengerti oleh sistem komputer.

Sedangkan menurut Tata Sutabri Sistem Pendukung Keputusan [4] terdiri dari 4 komponen yaitu:

a. Dialog

Alat untuk berinteraksi antara komputer dengan pemakai harus bisa mengerti apaarti informasi yang dihasilkan. Ini berati, system (komputer beserta programnya) mudah dipakai (user friendly). Ditinjau dari sudut pemakainya, pemakai harus pula belajar dan berlatih cara penggunaanya serta arti yang dihasilkan.

b. Model

Model serta system yang membolehkan pemakai memilih model yang cocok. Tiga macam model yang biasa digunakan adalah:

2) Statistik/matematis: menggambarkan masalah dengan standar kuantifikasi yang ada. Contohnya forecasting, fungsi kemungkinan (probabilitas), proyeksi penjualan, dan lain sebagainya.

3) Financial, mencari kesempatan yang baru yang lebih mengguntungkan. Contohnya: investasi, cash flow, manajemen resiko, dan lain sebagainya. c. Database

Menurut indira Rakanita (2008) Database adalah kumpulan dari item data yang saling berhubungan satu dengan yang lainnya yang diorganisasikan berdasarkan sebuah skema atau struktur tertentu, tersimpan di hardware computer dan dengan sofware untuk melakukan manipulasi untuk kegunaan tertentu.

d. Data

Data adalah suatu angka atau kelompok angka yang mempunyai arti atau nilai. Dari uraian megenai komponen SPK diatas, untuk mengembangkan SPK dengan metode Mamdani, dipilih komponen SPK sebagai berikut: Model base, database, dan software system.

2.2.1.2 Validitas SPK

2.2.2 Himpunan dan Logika Fuzzy

Logika fuzzy merupakan salah satu komponen pembentuk Soft Computing. Logika fuzzy pertama kali diperkenalkan oleh Prof.Lotfi A. Zadeh pada tahun 1965. Dasar dari logika fuzzy adalah himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi ciri utama dari penalaran dengan logika fuzzy.

2.2.2.1 Himpunan Fuzzy

Pada himpunan tegas(crisp), nilai keanggotaan suatu item x dalam suatu

himpunan A, yang sering ditulis dengan , memiliki dua kemungkinan, yaitu: 1) Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu

himpunan, atau

2) Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Contoh 1 : Jika diketahui :

S= {1,2,3,4,5,6} adalah semesta pembicaraan. A= {1,2,3}

B= {3,4,5,}

Bisa dikatakan bahwa:

.…… .…..

3) Nilai keanggotaan 4 pada himpunan A, , karena 4 A. 4) Nilai keanggotaan 2 pada himpunan B, , karena 2 B. 5) Nilai keanggotaan 3 pada himpunan B, , karena 3 B.

Contoh 2:

Misalkan variabel umur dibagi menjadi 3 kategori, yaitu: MUDA umur < 35 tahun

PAROBAYA 35 ≤ umur ≤ 55 tahun

TUA umur > 55 tahun

Nilai keanggotaan secara grafis, himpunan MUDA, PAROBAYA dan TUA ini dapat dilihat pada gambar 2.1.

1 1 1

) )

0 0 0

(a) (b) (c)

Gambar 2.1 Nilai Keanggotaan

Pada gambar 2.1, dapat dijelaskan bahwa:

1) Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA ( MUDA

(34) =1);

2) Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA (

3) Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA ( MUDA (35 th-1 hr) =0);

4) Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA (

PAROBAYA (35) =1);

5) Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA ( PAROBAYA(34) =0);

6) Apabila seseorang berusia 55 tahun, maka ia dikatakan PAROBAYA (

PAROBAYA (55) =1);

7) Apabila seseorang berusia 33 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA ( PAROBAYA(35 th- 1 hr) =0);

Dari sini bisa dikatakan bahwa pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil, adanya perubahan kecil saja pada suatu niali mengakibatkan perbedaan kategori yang cukup signifikan.

Himpunan fuzzy memiliki 2 atribut, yaitu:

a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA, PAROBAYA, TUA.

b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50, dsb.

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu: 1) Variabel fuzzy

2) Himpunan fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.

3) Semesta pembicaraan

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik(bertambah) secara monoton dari kiri ke kanan. Niali semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya.

4) Domain

Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam semsta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik(bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif.

2.2.2.2 Fungsi Keanggotaan

A. Representasi Linear

Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana danmenjadi pilihan yang baik untuk mendekati suatu konseo yang kurang jelas.

Ada 2 keadaan himpunan fuzzy yang lineat. Pertama, 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 (gambar 2.2)

1 Derajat

Keanggotaan

μ (x)

0

Gambar 2.2 Representasi Linear Naik

Fungsi keanggotaan :

0; x ≤ a

μ (x)= (x-a)/(b-a); a ≤ x ≤ b

1; x ≥ b

Derajat 1

Keanggotaan

μ (x)

0

Gambar 2.3 Representasi Linear Turun

Fungsi keanggotaan:

1 x ≤ a

μ (x)= (b-x)/(b-a) a ≤ x ≤ b

0; x ≥ b

B. Representasi Kur va Segitiga

Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear) seperti pada gambar 2.4.

Derajat

Keanggotaan

μ (x)

Gambar 2.4 Kurva Segitiga

a domain b

0 a b c

Fungsi keanggotaan :

0; x ≤ a atau x ≥ c

μ (x) = (x-a)/(b-a); a ≤ x ≤ b

(b-x)/(c-b); b ≤ x ≤ c

1 x = b

2.2.2.3 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy

Seperti halnya himpunan konvensional, ada beberapa operasi yang didefenisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebgai hasil dari operasi 2 himpunan sering dikenal

dengan nama fire strength atau - predikat. Ada 3 operator yang diciptakan oleh Zadeh yaitu (cox,1994):

A. Operator AND

Operator ini berhubungan dengan operasi interseksi pada himpunan. - predikat sebgai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antarelemen pada himpunan-himpunan yang bersangkutan.

A∩B = min( A(x), B(y))

B. Operator OR

Operator ini berhubungan dengan operasi union pada himpunan - predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antarelemen pada himpunan-himpunan yang bersangkutan.

C. Operator NOT

Operator ini berhubungan dengan operasi komplemen pada himpunan. - predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari

A’ = 1- A(x)

2.2.2.4 Penalaran Monoton

Metode penalaran secara monoton digunakan sebagai dasar untuk teknik implikasi fuzzy. Meskipun penalaran ini sudah jarang sekali digunakan, namun terkadang masih digunakan untuk penskalaan fuzzy. Jika 2 daerah fuzzy direlasikan dengan implikasi sederhana sebagai berikut(Cox,1994):

IF x is A THEN y is B Transfer fungsi:

y= f((x,A),B)

maka sistem fuzzy daapt berjalan tanpa harus melalui komposisi dan dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari nilai keanggotaan yang berhubungan dengan antesedennya.

2.2.2.5 Fungsi Implikasi

Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah :

IF x is A THEN y is B

mengikuti THEN disebut sebagai konsekuen. Proposisi dapat diperluas dengan menggunakan operator fuzzy,seperti (Cox,1994):

IF(x1 is A1) o (x2 is A2) o (x3 is A3) o ……. o (xN is AN) THEN y is B dengan o

adalah operator ( misal OR atau AND).

Secara umum ada 2 fungsi implikasi yang dapat digunakan, yaitu (Yan,1994): a. Min(minimum). Fungsi ini akan memotong output himpunan fuzzy.

b. Dot (product). Fungsi ini akan menskala output himpunan fuzzy.

2.2.3 Metode mamdani

Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan: (1) Pembentukan himpunan fuzzy; (2) Aplikasi fungsi implikasi (aturan); (3) Komposisi aturan; (4) Penegasan (deffuzy). 1. Pembentukan himpunan fuzzy

Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.

2. Aplikasi fungsi implikasi

Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. 3. Komposisi Aturan

Tidak seperti penalaran monoton, apabila sistem terdiri-dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan.

a. Metode Max (Maximum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi. Secara umum dapat dituliskan:

µsf[xi] <-- max(µsf[xi], µkf [xi])

dengan:

µsf [xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;

µkf [xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i;

Misalkan ada 3 aturan (proposisi) sebagai berikut:

[R1] IF Biaya Produksi RENDAH And Permintaan NAIK

THEN Produksi Barang BERTAMBAH;

[R2] IF Biaya Produksi STANDAR

THEN Produksi Barang NORMAL;

[R3] IF Biaya Produksi TINGGI And Permintaan TURUN

Proses inferensi dengan menggunakan metode Max dalam melakukan komposisi aturan seperti terlihat pada gambar 2.5 berikut.

Gambar 2.5 Proses inferensi menggunakan metode Max

Apabila digunakan fungsi implikasi MIN, maka metode komposisi ini sering disebut dengan nama MAX-MIN atau MIN-MAX atau MAMDANI.

b. Metode Additive (Sum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan:

µ

sf[xi] <-- min(1, µsf[xi]+ µkf [xi])

dengan:

µkf [xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i;

c. Metode Probabilistik OR (probor)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan

product terhadap semua output daerah fuzzy. Secara umum dituliskan:

µ

sf[xi] <-- ( µsf [xi]+ µkf [xi]) - (µsf[xi] * µkf[xi])

dengan:

µsf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;

µkf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i;

4) Penegasan (defuzzy)

Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crsip tertentu sebagai output seperti terlihat pada gambar 2.6 berikut.

Contoh dari beberapa metode defuzzifikasi pada komposisi aturan MAMDANI,

a. Metode Centroid (Composite Moment)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat. b. Metode Mean of Maximum (MOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum.

2.2.4 PHP

PHP adalah singkatan dari "PHP: Hypertext Preprocessor", yang merupakan sebuah bahasa scripting yang terpasang pada HTML. Sebagian besar sintaks mirip dengan bahasa C, Java dan Perl, ditambah beberapa fungsi PHP yang spesifik.Tujuan utama penggunaan bahasa ini adalah untuk memungkinkan perancang web menulis halaman web dinamik dengan cepat.Hubungan PHP dengan HTML Halaman web biasanya disusun dari kode-kode html yang disimpan dalam sebuah file berekstensi .html.

HTML yang telah dibubuhi program php harus diganti ekstensi-nya menjadi php3 atau PHP.

PHP merupakan bahasa pemograman web yang bersifat server-side HTML =embedded scripting, di mana script-nya menyatu dengan HTML dan berada si server. Artinya adalah sintaks dan perintah-perintah yang kita berikan akan sepenuhnya dijalankan di server tetapi disertakan HTML biasa. PHP dikenal sebagai bahasa scripting yang menyatu dengan tag HTML, dieksekusi di serverdan digunakan untuk membuat halaman web yang dinamis seperti ASP ( Active Server Pages ) dan JSP ( Java Server Pages ).

2.2.4.1 Sejar ah PHP

PHP pertama kali dibuat oleh Rasmus Lerdroft, seorang programmer C. Semula PHP digunakannya untuk menghitung jumlah pengunjung didalam webnya. Kemudian ia mengeluarkan Personal Home Page Tools versi 1.0secara gratis. Versi ini pertama kali keluar pada tahun 1995. Isinya adalah sekumpulan script PERL yang dibuatnya untuk membuat halaman webnya menjadi dinamis. Kemudian pada tahun 1996 ia mengeluarkan PHP versi 2.0 yang kemampuannya telah dapat mengakses database dan dapat terintegrasi dengan HTML. Pada tahun 1998 tepatnya pada tanggal 6 Juni 1998 keluarlah PHP versi 3.0 yang dikeluarkan oleh Rasmus sendiri bersama kelompok pengembang softwarenya. Versi terbaru, yaitu PHP 4.0 keluar pada tanggal 22 Mei 2000 merupakan versi yang lebih lengkap lagi dibandingkan dengan versi sebelumnya.

penyempurnaan dari PHP scripting engine. Yang lainnya adalah build in HTTP session, tidak lagi menggunakan library tambahan seperti pada PHP.

Tujuan dari bahasa scripting ini adalah untuk membuat aplikasi-aplikasi yang dijalankan di atas teknologi web. Dalam hal ini,aplikasi pada umumnya akan memberikan hasil pada web browser, tetapi prosesnya secara keseluruhan dijalankan web server.

2.2.4.2 Kelebihan PHP

E-commerce semakin berkembang, situs yang statis ditinggalkan, karena dianggap sudah tidak memenuhi keinginan pasar, padahal situs tersebut harus tetap dinamis.

2.2.5 MySql

MySQL adalah sebuah perangkat lunak iasm manajemen basis data SQL (bahasa Inggris: database management system) atau DBMS yang multithread, multi-user, dengan sekitar 6 juta instalasi di seluruh dunia. MySQL AB membuat MySQL tersedia sebagai perangkat lunak gratis dibawah lisensi GNU General Public License (GPL), tetapi mereka juga menjual dibawah lisensi komersial untuk kasus-kasus dimana penggunaannya tidak cocok dengan penggunaan GPL. Tidak sama dengan proyek-proyek seperti Apache, dimana perangkat lunak dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber dimiliki oleh penulisnya masing-masing, MySQL dimiliki dan disponsori oleh sebuah perusahaan komersial Swedia MySQL AB, dimana memegang hak cipta iasm atas semua kode sumbernya. Kedua orang Swedia dan satu orang Finlandia yang mendirikan MySQL AB adalah: David Axmark, Allan Larsson, dan Michael “Monty” Widenius.

MySQL memiliki beberapa keistimewaan, antara lain : 1. Portabilitas

MySQL dapat berjalan stabil pada berbagai sistem operasi seperti Windows, Linux, FreeBSD, Mac Os X Server, Solaris, Amiga, dan masih banyak lagi. 2. Open Sour ce

MySQL didistribusikan secara open source, dibawah lisensi GPL sehingga dapat digunakan secara cuma-cuma.

3. Multiuser

MySQL dapat digunakan oleh beberapa user dalam waktu yang bersamaan tanpa mengalami masalah atau konflik

4. Per formance tuning

MySQL memiliki kecepatan yang menakjubkan dalam menangani query sederhana, dengan kata lain dapat memproses lebih banyak SQL per satuan waktu. 5. J enis Kolom

MySQL memiliki tipe kolom yang sangat kompleks, seperti signed / unsigned integer, float, double, char, text, date, timestamp, dan lain-lain.

6. Perintah dan Fungsi

MySQL memiliki operator dan fungsi secara penuh yang mendukung perintah Select dan Where dalam perintah (query).

7. Keamanan

8. Skalabilitas dan Pembatasan

MySQL mampu menangani basis data dalam skala besar, dengan jumlah rekaman (records) lebih dari 50 juta dan 60 ribu tabel serta 5 milyar baris. Selain itu batas indeks yang dapat ditampung mencapai 32 indeks pada tiap tabelnya. 9. Konektivitas

MySQL dapat melakukan koneksi dengan klien menggunakan protokol TCP/IP, Unix soket (UNIX), atau Named Pipes (NT).

10. Lokalisasi

MySQL dapat mendeteksi pesan kesalahan pada klien dengan menggunakan lebih dari dua puluh bahasa. Meski pun demikian, bahasa Indonesia belum termasuk di dalamnya.

11. Antar Muka

MySQL memiliki interface (antar muka) terhadap berbagai aplikasi dan bahasa pemrograman dengan menggunakan fungsi API (Application Programming Interface).

12. Klien dan Peralatan

MySQL dilengkapi dengan berbagai peralatan (tool)yang dapat digunakan untuk administrasi basis data, dan pada setiap peralatan yang ada disertakan petunjuk online.

13.Struktur table

METODE PENELITIAN

3.1 Rancangan Penelitian

Dalam perkembangan teknologi dan informasi sekarang yang semakin global, banyak dijumpai berbagai masalah kehidupan masyarakat yang bertujuan untuk meringankan masalah sehari- hari, seperti halnya pada penelitian yang kami teliti disini yaitu masalah menentukan jumlah takaran detergen pada laundry. Pada penelitian sebelumnya sudah ada kasus yang sama yaitu menentukan jumlah takaran detergen pada laundry menggunakan metode fuzzy tsukamoto, sedangkan penelitian yang kami buat menggunakan perhitungan yang berbeda yaitu menghitung jumlah takaran detergen menggunakan metode fuzzy mamdani. Diharapkan dengan adanya penelitian ini bisa membantu mengurangi masalah dan membantu masyarakat dalam kehidupan sehari-hari khususnya bagi laundry dan bisa kita bandingkan hasil prosesnya dari kedua metode tersebut. Variabel yang digunakan pada penelitian disini yaitu bobot, warna, ketebalan, dan tingat kekotoran pada pakaian.

Dalam aplikasi Sistem Pendukung Keputusan Penentuan Takaran Detergen ini terdapat dua user yang memiliki hak untuk bisa mengakses ke aplikasi SPK. Hak akses yang dimiliki oleh user yaitu:

A. User (kasir)

yang diberikan hanya dapat melihat-lihat halaman profil dari laundry (Fresh) saja dan tidak bisa melakukan proses transaksi pada aplikasi tersebut.

Setelah melakukan login maka user bisa masuk ke dalam menu utama. Pada halaman menu utama terdapat beberapa menu yang dapat diakses oleh user yaitu home, hitung detergen, about dan logout. Rincian hak akses yang dimiliki user adalah:

a. Home. Yaitu dapat melihat profile dari Laundry Fresh, tetapi tidak bisa melakukan hal-hal yang dapat merubah isi data aplikasi yang sudah dibuat. b. Hitung Detergen. Yaitu menu yang berfungsi untuk menghitung dan menentukan jumlah takaran detergen yang akan digunakan dalam setiap proses laundry. Menu ini merupakan bagian utama dalam sistem ini. Pada sistemnya ini nanti akan ditampilkan form-form yang harus diisi dengan data pakaian yang akan dicuci. Data yang harus di isi yaitu bobot dari pakaian, warna dari pakaian, dan ketebalan pakaian tersebut. Setelah data diproses maka akan muncul informasi tentang berapa banyak detergen yang dibutuhkan untuk proses pencucian tersebut.

c. About. Yaitu menu yang digunakan oleh user (kasir) yang bertujuan untuk melihat apa saja yang mengenai tentang laundry “Fresh”, adapun isi yang ada dalam contact yaitu perhatian yang bertujuan untuk memberitahukan keterangan kepada costumer Laundry mengenai syarat ketentuan yang berlaku

B. Admin

Admin dapat menggunakan fasilitas yang disediakan oleh sistem. Hak akses yang dimiliki adalah:

a. Home. Yaitu admin dapat melihat profile Laundry Fresh, dan mempunyai wewenang untuk merubah semua isi dari data yang telah ada.

b. Admin. Yaitu admin dapat menambah user baru, mengedit, dan menghapus user lama.

c. Form data uji. Yaitu Admin dapat juga melakukan uji data seperti yang bisa dilakukan oleh user (kasir). Hal ini dilakukan agar admin juga bisa melakukan pengujian data pada form uji data yang telah tersedia.

d. Laporan. Yaitu admin bisa melihat laporan penggunaan detergen selama periode yang telah di inginkan oleh admin. Sehingga admin bisa mengetahui seberapa banyak detergen yang diperlukan dan yang kan dibeli dalam kurun waktu tertentu.

e. Contact. Yaitu berguna untuk melihat dan mengganti contact dari laundry “fresh“ sehingga apabila ada keluhan dari konsumen dapat menghubungi contact yang telah tersedia.

f. Logout. maka admin akan langsung keluar dari aplikasi tersebut.

x

7 ringan berat

untuk coding saya menggunakan bahasa pemrograman berbasis website yaitu PHP.

3.1.1 Desain Variabel

Pada SPK ini akan digunakan 4 variabel input yaitu bobot, warna, ketebalan dan Tingkat Kekotoran. Adapun penjelasan keempat desain variabel seperti berikut:

3.1.1.1 Variabel Bobot

Variabel bobot memiliki 2 himpunan fuzzy yaitu himpunan fuzzy bobot_RINGAN dan himpunan fuzzy bobot_BERAT. Dalam hal ini hanya di buat 2 himpunan fuzzy dikarenakan jumlah dari variabel bobot hanya sedikit. Himpinan fuzzy bobot_RINGAN menggunakan pendekatan fungsi keanggotaan linier turun, sedangkan fhimpunan fuzzy bobot_BERAT menggunakan fungsi keanggotaan linier naik. Gambar Himpunan fuzzy variabel bobot dapat dilihat pada Gambar 3.1.

0

Variabel warna memiliki 2 himpunan fuzzy yaitu himpunan warna_GELAP dan himpunan warna_TERANG. Dalam hal ini hanya di buat 2 himpunan fuzzy dikarenakan jumlah dari variabel warna hanya sedikit. Himpunan fuzzy warna_GELAP menggunakan pendekatan fungsi keanggotaan linier turun, sedangkan himpunan fuzzy warna_TERANG menggunakan fungsi keanggotaan linier naik. Gambar himpunan fuzzy variabel warna dapat dilihat pada Gambar 3.2.

x

Gambar 3.2. Himpunan Fuzzy Variabel Warna 1

tipis

0.1 20

Fungsi keanggotaan :

1 x ≤1

warna_GELAP(x)= (9-x)/(9-1) 1< x <9

0 x ≥9

0; x ≤ 1

μ warna_TERANG(x)= (x-1)/(9-1); 1< x <9

1; x ≥9

3.1.1.3 Var iabel Ketebalan

Himpunan fuzzy variabel ketebalan memiliki 2 himpunan yaitu himpunan fuzzy ketebalan_TIPIS dan himpunan fuzzy ketebalan_TEBAL. Himpunan fuzzy ketebalan_TIPIS menggunakan pendekatan fungsi keanggotaan linier turun, sedangkan himpunan fuzzy ketebalan_TEBAL menggunakan fungsi keanggotaan linier naik. Untuk melihat gambar fungsi keanggotaan variabel ketebalan dapat dilihat pada Gambar 3.3

x

Gambar 3.3. Himpunan Fuzzy Variabel Ketebalan tebal

1

Tidak kotor

1 6

Fungsi keanggotaan :

1 x ≤0.1

ketebalan_TIPIS(x)= (20-x)/(20-0.1) 0.1< x <20

0 x ≥20

0; x ≤ 0.1

μ ketebalan_TEBAL(x)= (x-0.1)/(20-0.1); 0.1< x <20

1; x ≥20

3.1.1.4 Var iabel Tingkat Kekotor an

Himpunan fuzzy variabel tingkat kekotoran memiliki 2 himpunan yaitu himpunan fuzzy kekotoran_TIDAK KOTOR dan himpunan fuzzy kekotoran_KOTOR. Himpunan fuzzy kekotoran_TIDAK KOTOR menggunakan pendekatan fungsi keanggotaan linier turun, sedangkan himpunan fuzzy kekotoran_KOTOR menggunakan fungsi keanggotaan linier naik. Untuk melihat gambar fungsi keanggotaan variabel tingkat kekotoran dapat dilihat pada Gambar 3.4

x

Gambar 3.4. Himpunan Fuzzy Variabel Tingkat Kekotoran kotor

1

30 ₁₆₀ 1

Sedikit Banyak

Fungsi keanggotaan :

1 x ≤1

kekotoran_TIDAK KOTOR(x) = (6-x)/(6-1) 1< x <6

0 x ≥ 6

0; x≤1μ

kekotoran_KOTOR (x) = (x-1)/(6-1); 1< x <6

1; x ≥6

3.1.1.5 Var iabel J umlah Detergen

Pada variabel jumlah detergen akan dibagi menjadi 2 himpunan fuzzy yaitu himpunan fuzzy jumlah_detergen_SEDIKIT dan himpunan fuzzy jumlah_det_BANYAK.Himpunan fuzzy jumlah_det_SEDIKIT menggunakan pendekatan fungsi keanggotaan linier turun, sedangkan himpunan fuzzy jumlah_det_BANYAK menggunakan fungsi keanggotaan linier naik. Gambar himpunan fuzzy variabel jumlah detergen dapat dilihat pada Gambar 3.5.

x

Fungsi keanggotaan :

1 x ≤30

jumlah_det_SEDIKIT(x)= (160-x)/(160-30) 30< x <160

0 x ≥160

0 x ≤ 30

jumlah_det_BANYAK(x)= (x-30)/(160-30) 30< x <160

1 x ≥160

3.1.1.6 Pembentukan Atur an Rule

Aturan (rule) adalah semua perpasangan miu-miu dari empat variabel input yang mungkin terjadi. Pada aturan disini digunakan 16 rule yaitu didapatkan dari perkalian jumlah himpunan fuzzy dari 4 variabel, karena bobot memiliki 2 himpunan, warna memiliki 2 himpunan, ketebalan memiliki 2 himpunan dan tingkat kekotoran memiliki 2 himpunan jadi jumlah rule = (2*2*2*2). Berikut ini rule yang digunakan dalam perhitungan.

1. IF bobot RINGAN AND warna GELAP AND ketebalan TIPIS AND kekotoran TIDAK KOTOR THEN jumlah_det SEDIKIT.

2. IF bobot RINGAN AND warna GELAP AND ketebalan TIPIS AND kekotoran KOTOR THEN jumlah_det SEDIKIT.

4. IF bobot RINGAN AND warna GELAP AND ketebalan TEBAL AND kekotoran KOTOR THEN jumlah_det SEDIKIT.

5. IF bobot RINGAN AND warna TERANG AND ketebalan TIPIS AND kekotoran TIDAK KOTOR THEN jumlah_det SEDIKIT.

6. IF bobot RINGAN AND warna TERANG AND ketebalan TIPIS AND kekotoran KOTOR THEN jumlah_det SEDIKIT.

7. IF bobot RINGAN AND warna TERANG AND ketebalan TEBAL AND kekotoran TIDAK KOTOR THEN jumlah_det SEDIKIT.

8. IF bobot RINGAN AND warna TERANG AND ketebalan TEBAL AND kekotoran KOTOR THEN jumlah_det SEDIKIT.

9. IF bobot BERAT AND warna GELAP AND ketebalan TIPIS AND kekotoran TIDAK KOTOR THEN jumlah_det BANYAK.

10.IF bobot BERAT AND warna GELAP AND ketebalan TIPIS AND kekotoran KOTOR THEN jumlah_det BANYAK.

11.IF bobot BERAT AND warna GELAP AND ketebalan TEBAL AND kekotoran TIDAK KOTOR THEN jumlah_det BANYAK.

12.IF bobot BERAT AND warna GELAP AND ketebalan TEBAL AND kekotoran KOTOR THEN jumlah_det BANYAK.

13.IF bobot BERAT AND warna TERANG AND ketebalan TIPIS AND kekotoran TIDAK KOTOR THEN jumlah_det BANYAK.

14.IF bobot BERAT AND warna TERANG AND ketebalan TIPIS AND kekotoran KOTOR THEN jumlah_det BANYAK.

16.IF bobot BERAT AND warna TERANG AND ketebalan TEBAL AND kekotoran KOTOR THEN jumlah_det BANYAK.

3.1.2 Perancangan Sistem

Didalam perancangan sistem ini akan dijelaskan mengenai rancangan sistem yang akan dibuat pada aplikasi hitung detergen pada laundry.

3.1.2.1 Flowchart User (kasir)

Dalam flowchart user (kasir) ini dijelaskan bagaiman alur sistem dari mulai kita login sebagai user sampai kita logout. Masing-massing proses akan dijelaskan secara jelas dalam flowchart ini. Pada perancangan proses berikut ini digunakan perancangan data flow karena data dari database tidak terlalu banyak digunakan dalam perhitungan. Flowchart User (kasir) dapat dilihat pada gambar 3.6

3.1.2.2 Flowchart Admin

Pada flowchart admin ini nanti akan dijelaskan alur dalam sistem dari mulai login sampai kita logout. Masing-massing proses akan dijelaskan secara jelas dalam flowchart ini. Pada perancangan proses berikut ini digunakan perancangan data flow dikarenakan data dari database tidak terlalu banyak digunakan didalam perhitungan. Flowchart Admin dapat dilihat pada gambar 3.7

3.1.3 Perancangan Basis Data (Database)

Perancangan basis data adalah sebuah langkah yang harus kita tempuh sebelum membangun sebuah sistem, mengingat database termasuk salah satu komponen yang penting dalam penyediaan informasi bagi para pemakai. Tetapi pada SPK yang dibuat ini database yang dibuat hanya untuk menyimpan data pencucian dan data-data lain yang tidak memiliki relasi antara satu tabel dengan tabel yang lain. Jadi model data yang ada dalam sistem tidak digunakan CDM dan PDM dikarenakan tabel-tabel dalam database tidak memiliki relasi satu sama lain jadi hanya digunakan perancangan database melalui tabel saja. Untuk melihat tabel rincian database laundry dapat dilihat pada tabel 3.1

Tabel 3.1 Tabel rincian Database Laundry

No Nama Keterangan

1. T_admin Tabel untuk menyimpan data-data admin

2. T_transaksi Table untuk menyimpan data-data hasil transaksi yang telah terjadi pada proses pencucian laundry.

3.1.3.1 Tabel t_admin

Tabel 3.2 Tabel t_admin

Pada tabel 3.2 t_admin diatas dapat dijelaskan bahwa rincian tabel t_admin terdiri dari 5 bagian yaitu id_usr, nama, username, password, dan level. Pada tabel id_usr yaitu tabel yang digunakan untuk menyimpan id_user pada laundry “fresh” seperti id yang digunakan kusus untuk membedakan user yang satu dengan yang lainnya. Table t_nama yaitu digunakan untuk menyimpan nama dari user yang telah ada maupun untuk menambah, mengurangi dan mengganti user lama maupun baru. Table t_username yaitu digunakan untuk menyimpan username yang digunakan untuk proses login ke dalam aplikasi baik username yang dimiliki oleh kasir atau yang dimiliki oleh admin. Table t_password yaitu hampir sama dengan tabel username yaitu tabel yang digunakan untuk menyimpan password yang digunakan untuk proses login ke dalam aplikasi baik password yang dimiliki oleh kasir atau yang dimiliki oleh admin. Tabel t_level yaitu tabel yang digunakan untuk menyimpan dan membedakan antara level kasir dan level admin, jika admin memiliki level 0 dan user (kasir) memiliki level 1. Dari penjelasan tabel t_admin diatas akan diteruskan dengan penjelasan mengenai tabel t_transaksi. Untuk melihat tabel t_transaksi dapat dilihat pada tabel 3.3.

No Nama Tipe_data Keterangan

1. Id_usr Varchar (7) Digunakan untuk menyimpan id user 2. Nama Varchar (35) Digunakan untuk menyimpan nama user 3. Username Varchar (20) Digunakan untuk menyimpan username user

3.1.3.2 Tabel t_tr ansaksi

Tabel 3.3 Tabel t_transaksi

No Nama Tipe Keterangan

1 Id Int (11) Untuk menyimpan id transaksi

2. Bobot Double Menyimpan data berat pakaian, sesuai dengan minimum dan maksimum kapasitas mesin cuci (untuk 1 kali pencucian).

3. Warna Double Menyimpan daftar warna pakaian, sesuai aturan pada laundry.

4. Tebal Double Menyimpan daftar tingkat ketebalan kain.

5. detergen Double Untuk menyimpan data detergen yang digunakan pada laundry

6. Tanggal Date Menyimpan data tanggal penakaran detergen.

7. Jam Time Menyimpan data waktu penakaran detergen.

3.1.4 Rancangan Interface

Pada perancangan interface akan dibuat beberapa rancangan untuk menu-menu pada aplikasi.

3.1.4.1 Rancangan Halaman Awal

Halaman ini merupakan halaman awal aplikasi, yaitu halaman yang dapat di diakses oleh siapapun tanpa harus melakukan login terlebih dahulu, halaman ini digunakan untuk melihat profil dari laundry. Untuk bisa melihat halaman rancangan awal dapat dilihat pada Gambar 3.8

Gambar 3.8 Rancangan Halaman Awal

3.1.4.2 Rancangan Halaman Login

Gambar 3.9 Rancangan Halaman Login

3.1.4.3 Rancangan Halaman Hitung Detergen

Rancangan halaman hitung detergen ini digunakan oleh user untuk menentukan jumlah takaran detergen (SPK). User (kasir) dapat mengisi kolom yang telah tersedia yaitu kolom bobot cucian, tingkat warna cucian, ketebalan cucian dan tingkat kekotoran. Rancangan halaman hitung detergen dapat dilihat pada gambar 3.10.

Pada gambar 3.10 diatas dapat dijelaskan bahwa kolom yang digunakan untuk mengisi bobot cucian parameternya menggunakan inputan 1 sampai 7kg, sedangkan untuk tingkat warna cucian parameternya menggunakan inputan 1 sampai 3, untuk ketebalan cucian parameternya menggunakan inputan 1 sampai 3, dan untuk tingkat kekotoran parameternya menggunakan inputan 1 sampai 6.

3.1.4.4. Rancangan Halaman Home Admin

Pada rancangan halaman home admin ini yang bisa mengakses hanyalah admin, dikarenakan ini merupakan wilayah admin yang digunakan untuk melakukan olah laporan-laporan data pencucian di laundry. Rancangan halaman home admin dapat dilihat pada gambar 3.11

Gambar 3.11 Rancangan Halaman Home Admin

3.1.4.5 Rancangan Halaman Admin

halnya jika admin ingin menambahkan user baru, mengganti user lama dengan yang baru atau menghapus id user yang sudah tidak dipakai lagi. Untuk melihat rancangan halaman admin dapat dilihat pada gambar 3.12.

Gambar 3.12 Rancangan Halaman Admin

3.1.4.6 Rancangan Halaman Laporan

Pada rancangan halaman laporan, admin dapat memilih periode tanggal mulai sampai tanggal akhir penggunaan detergen selama waktu yang diminta agar bisa mengetahui seberapa banyak detergen yang telah digunakan dalam waktu tertentu. Rancangan halaman laporan penggunaan detergen dapat dilihat pada gambar 3.13.

5

3.2 Rancangan Uji Coba Dan Evaluasi

Pada rancangan uji coba akan dilakukan uji coba yaitu : 1. Uji coba perhitungan manual dengan perhitungan system.

Bertujuan untuk mengetahui apakah perhitungan yang dilakukan manual sama dengan perhitungan yang dilakukan oleh system, apakah ada selisih nilai ataukah tidak. Dilakukan dengan cara melakukan perhitungan manual dengan fuzzy mamdani dan membandingkan hasilnya dengan perhitungan system.

3.3 J adwal Kegiatan Penelitian

Kegiatan ini akan dilakukan dalam beberapa bulan, mulai dari pengumpulan data hingga pembuatan aplikasi dan penyusunan laporan. Gambar jadwal kegiatan penelitian dapat dilihat pda gambar 3.14

Gambar 3.14 Jadwal Kegiatan Penelitian

4

3 2 1

Keterangan :

1. Untuk index angka yang digunakan :

• 1 untuk pengumpulan bahan dan data.

• 2 untuk perancangan sistem.

• 3 untuk Coding.

• 4 untuk iju coba dan analisa.

• 5 untuk pembuatan laporan.

2. Untuk keterangan warna chart.

• Untuk waktu pelaksanaan.

BAB IV

HASIL DAN PEMBAHASAN

4.1Implementasi

Pada implementasi berikut ini akan dijelaskan mengenai tampilan aplikasi SPK dalam penentuan takaran detergen pada laundry dengan metode fuzzy mamdani. Pada aplikasi ini terdiri dari 2 pengguna aplikasi yaitu aplikasi yang digunakan user (kasir)dan admin

4.1.1 Implementasi Aplikasi User (kasir)

Pada aplikasi untuk User (kasir) hak akses yang dapat dilakukan oleh user adalah home, hitung detergen dalam penentuan jumlah takaran detergen yang digunakan untuk setiap kali akan melakukan proses laundry, about dan logout.

Pada halaman awal ini user hanya bisa melihat halaman luar dari aplikasi spk ini, tetapi tidak bisa masuk kedalam aplikasi sebelum melakukan login terlebih dahulu. Untuk melihat halaman awal dapat dilihat pada gambar 4.1.

Pada gambar 4.1 diatas dapat dilihat bahwa untuk bisa melakukan proses selanjutnya seperti menghitung detergen maka user harus login terlebih dahulu untuk bisa masuk dan mengaksesnya. Halaman Hitung Detergen adalah merupakan halaman utama dari SPK. Halaman ini memudahkan kita untuk melakukan penjumlahan detergen, dengan cara mengisi data pada setiap variabel yang sudah disediakan pada field. Sebelum melakukan proses hitung detergen maka terlebih dahulu user harus login untuk bisa masuk dan melakukan proses - proses yang ada didalam aplikasi terutama untuk menentukan jumlah takaran detergen. Untuk halaman form Login User bisa dilihat pada gambar 4.2.

Gambar 4.2 Halaman form Login User

Gambar 4.3 Halaman isi username dan password

Dari gambar 4.3 diatas user (kasir) masuk kedalam aplikasi milik user yaitu melakukan data uji untuk menghitung jumlah detergen yang digunakan dalam proses pencucian laundry. Untuk melihat Halaman hitung detergen dapat dilihat pada gambar 4.4.

Dari gambar 4.4 diatas user (kasir) bisa langsung melakukan pengisian data kedalam field yang telah tersedia seperti field bobot cucian, tingkat warna cucian, ketebalan cucian dan tingkat kekotoran untuk pakaian yang akan dicuci. Untuk melihat halaman form isi data dapat dilihat pada gambar 4.5.

Gambar 4.5 Halaman Isi Data

Setelah data diisi semua pada gambar 4.5 maka tinggal klik button proses maka data akan dengan cepat dilakukan perhitungan dengan metode fuzzy Mandani. untuk melihat nilai takaran detergen yang lebih detail pada gambar 4.6.

Dari gambar 4.6 kita bisa melihat bahwa jika kita memasukkan nilai pada kolom button proses maka kita bisa melihat hasil perhitungan detergen. Di dalam gambar yang terlihat ada 2 button pilihan yang mana disana disana ada hitung ulang dan simpan. Untuk hitung ulang maka proses akan kembali seperti yang ada pada gambar 4.4 sedangkan untuk simpan maka data akan otomatis tersimpan dalam database yang yang nantinya juga tersimpan pada laporan penggunaan detergen.

Setelah user (kasir) mengklik button simpan maka akan menampilkan ke halaman berikutnya yaitu tampilan jumlah 2 takaran detergen yang diperlukan pada saat pencucian. Untuk melihat nilai jumlah 2 takaran yang terdapat pada hasil perhitungan dapat dilihat pada gambar 4.7.

Gambar 4.7 Halaman Melihat 2 Nilai Takaran

mamdani hasil perhitungannya ada 2 tipe yaitu Centroid dan MOM (mean of max). Pada perhitungan ini nantinya Harus dipilih salah satu dari 2 tipe diatas, bagaimana cara memilih tipe bisa dilihat dari hasil yang paling mendekati dari data aslinya. Dan disini data yang lebih mendekati dari data asli yaitu tipe Mean Of Max (MOM).

Pada gambar 4.7 juga terdapat button “lihat detail” untuk melihat secara detail hasil perhitungan dengan menggunakan rumus fuzzy mamdani mulai dari menghitung nilai miu, nilai alpha, nilai keanggotaan detergen banyak dan sedikit, nilai (a1 dan a2), nilai (M1,M2, dan M3), nilai (L1,L2,dan L3) dan nilai takaran detergen. Untuk melihat detail hasil perhitungan fuzzy mamdani dapat dilihat pada gambar 4.8 dan 4.9.

Pada gambar 4.8 dapat dilihat bahwa potongan perhitungan yang ditampilkan yaitu perhitungan miu warna dan nilai alpha dari inputan yang telah dimasukkan pada pilihan combo box hitung detergen.

Gambar 4.9. Halaman Hasil Perhitungan

Dari data yang telah dimasukkan pada halaman hitung detergen maka data akan di proses dan menghasilkan nilai-nilai sesuai dengan aturan yang telah ditentukan. Nilai yang ditampilkan hanyalah data inputan dan data hasil perhitungan saja. Nilai yang dihasilkan oleh perhitungan diatas yang lebih mendekati dari nilai aslinya adalah nilai takaran deteregen yang ditentukan oleh tipe Mean Of Max (MOM).

pada laundry “Fresh”, sehingga pelanggan yang hendak melakukan laundry di laundry “Fresh” bisa mengetahui apa saja ketentuan yang berlaku. Untuk melihat halaman about dapat dilihat pada gambar 4.10.

Gambar 4.10 Halaman About Laundry “Fresh”

Apabila user sudah tidak lagi menggunakan aplikasi ini, maka user bisa keluar dari dalam aplikassi ini dengan mengklik button logout, sehingga user secara otomatis dan cepat meninggalkan halaman aplikasi ini. Untuk melihat halaman logout pada aplikasi ini dapat dilihat pada gambar 4.11.

4.1.2 Implementasi Aplikasi Admin

Pada aplikasi untuk admin ada beberapa implementasi hak akses yang dapat dilakukan oleh admin diantaranya yaitu home, admin, form data uji, laporan, about dan logout.

Pada halaman awal admin bisa melihat halaman luar dari aplikasi spk ini, tetapi tidak bisa masuk kedalam aplikasi sebelum melakukan login terlebih dahulu. Untuk halaman login sama seperti pada gambar 4.2 yaitu halaman yang sama seperti halaman login untuk user, yang membedakan adalah setelah proses login yaitu beberapa menu yang berbeda yang terdapat didalam aplikasi admin. Untuk melihat halaman awal admin dapat dilihat pada gambar 4.12.

Pada halaman awal admin diatas ada beberapa menu yang dapat diakses oleh admin. pada menu home penjelasan dan isinya hampir sama seperti pada penjelasan home di user (kasir) yaitu penjelasan mengenai laundry “Fresh”.

Pada menu admin ini digunakan untuk keperluan data admin seperti menambah user, mengganti, dan menghapus user baik yang lama maupun baru. Untuk bisa melihat halaman admin dapat dilihat pada gambar 4.13

Gambar 4.13 Halaman Admin

Gambar 4.14 Halaman Tambah User

Pada gambar 4.14 diatas dapat dilihat halaman tambah user yang baru, admin bisa mengisikan data user baru yang ingin ditambahkan kedalam data admin seperti nama, username, password, jabatan dan simpan. Untuk melihat gambar isi data pada halaman tambah user dapat dilihat pada gambar 4.15.

Gambar 4.15 Halaman Isi Data User

Gambar 4.16 Halaman Hasil Tambah User

Pada data admin terdapat button ”edit”, untuk mengedit data user yang telah ada. Pada gambar 4.16 akan ditampilkan hasil pengeditan data user dini menjadi bayu. Untuk melihat hasil edit user dini menjadi bayu dapat dilihat pada gambar 4.17.

Gambar 4.17 Halaman Ubah Data User

Gambar 4.18 Halaman Hasil Edit User

Pada gambar 4.18 diatas dapat dilihat bahwa user no.3 sebelumnya bernama dini berubah menjadi bayu setelah di proses edit oleh admin. untuk button “delete” yaitu digunakan untuk menghapus user lama maupun baru yang sudah tidak diperlukan lagi oleh admin, contohnya nanti akan dihapus satu user yang bernama bayu pada no.3 sehingga user yang ada tinggal 3 user 1 admin dan 2 kasir. untuk melihat hasil delete user bayu dapat dilihat pada gambar 4.19.

Pada gambar 4.18 dan 4.19 diatas dapat dilihat jumah user sebelum dan sesudah di delete terdapat perbedaan yaitu sebelum di delete jumlah user ada 4 diantaranya 1 admin dan 3 user, sedangkan sesudah di delete jumlah user menjadi 3 diantaranya 1 admin dan 2 user.

Pada gambar 4.12 ditampilkan adanya menu form data uji, menu ini dimaksudkan sama seperti menu hitung detergen pada aplikasi milik user (kasir). Menu ini ditampilkan lagi dimaksudkan agar admin juga bisa melakukan hitung detergen sama seperti user (kasir). Tata cara mengaplikasikan menu form data uji sama seperti user (kasir), jika admin belum login kedalam aplikasi maka admin harus login terlebih dahulu, kemudian klik menu form data uji dan mengisi field-filed yang telah disediakan seperti field bobot cucian, warna cucian, dan ketebalan cucian dan di klik buton proses sehingga muncul jumlah nilai takaran jumlah Menu ini digunakan untuk mengetahui seberapa banyak detergen yang telah digunakan pada saat proses pencucian di laundry sesuai periode yang telah dipilih admin pada combo box tanggal, bulan dan tahun.

yang mungkin terjadi sebelum adanya aplikasi penentuan jumah takaran detergen pada laundry. Halaman penggunaan detergen dapat dilihat pada gambar 4.20.

Gambar 4.20 Halaman Laporan Penggunaan Detergen

Pada gambar 4.20 diatas dapat dilihat bahwa halaman laporan penggunaan detergen terdapat beberapa field-field yang harus diisi oleh admin seperti field tanggal mulai sampai tanggal akhir yang digunakan untuk menentukan periode yang diinginkan oleh admin. Halaman laporan ini ditampilkan agar memudahkan admin dalam melakukan perhitungan dalam penggunaan detergen pada laundry selama periode yang diinginkan menghabiskan berapa banyak detergen.

Gambar 4.21 Halaman Tampilan Laporan

Pada gambar 4.21 diatas dapat diperhatikan bahwa jumlah detergen yang diperlukan selama jangka waktu 10 hari pada bulan desember didapatkan jumlah pemakaian detergen sebanyak 243.409 gram.

4.2 Hasil Uji Coba Perhitungan Manual Dengan System

Setelah melakuakn implementasi maka dilakukan uji coba untuk mengetahui validitas data yang dihasilkan oleh SPK. Ada satu uji coba yang dilakukan.

tersebut detail perhitungan manual yang akan ditampilkan pada bab ini adalah 1 perhitungan dan hasil perhitungan manual akan ditampilkan pada tabel. Data hasil perhitungan system dengan 2 himpunan fuzzy pada setiap variabel dengan perhitungan manual dapat dilihat pada tabel 4.1

Tabel 4.1 Tabel Perbandingan Perhitungan System dengan perhitungan manual

No Input Hasil Selisih

Perhitungan manual :

1. Uji coba dengan input bobot 1, warna 2, ketebalan 13 dan tingkat kekotoran 6 A. Fuzzyfikasi (Menentukan nilai miu setiap input).

• Miu bobot_ringan [1] = (7-1)/(7-1)

• Miu tebal_tebal [13] = (13-0.1)/(20-0.1)

= min (0, 0.125, 0.351, 0)

= min (0, 0.125, 0.648, 0)

• Rule 14

Alfa predikat 14 = min (miu bobot berat, miu warna terang, miu tipis, miu kotor)

= min (0, 0.125, 0.648, 1)

• Rule 15

Alfa predikat 15 = min (miu bobot berat, miu warna terang, miu tebal, miu tidak kotor)

= min (0, 0.125, 0.648, 0)

• Rule 16

Alfa predikat 16 = min (miu bobot berat, miu warna terang, miu tebal, miu kotor)

= min (0, 0.125, 0.648, 1)

• Menghitung nilai keanggotaan detergen sedikit:

z1= diambil nilai tertinggi dari alpha (rule 1- rule 8) = 0.648

• Menghitung nilai keanggotaan detergen banyak:

z2= diambil nilai tertinggi dari alpha (rule 9- rule16) = 0 Jika z1>z2 maka grafik turun

Jika z1<z2 maka grafik naik

• perhitungan nilai a1 dan a2 untuk defuzzifikasi:

a1= 160 – (130*0.648) = 160 – 84.24 = 75.76

a2= (det_max-a2) / interval_det = nilai keanggotaan dari Z2

• untuk perhitungan hasil Mean Of Max

jika Z1 > Z2 Rumus (a1-0) /2

Jika Z1 < Z2 Rumus (det_max – a2) + (a2)

MOM(Mean Of Max) = (a1-0)/2 = (75.76) / 2 = 37.88 gr

Dari hasil perhitungan di atas didapatkan jumlah nilai takaran detergen sebesar 37.88 gr.

Takaran detergen pada laundry masih menggunakan takaran yang manual dengan cara mengira-ngira berapa sendok takar yang dipakai untuk setiap kali proses mencuci, sehingga cara ini dianggap tidak efisien karena setiap proses mencuci baik itu bobot cuciannya 1 atau 7 kg jumlah takarannya sama yaitu 40 gram.