Penerapan Logika Fuzzy Menggunakan Metode Mamdani Pada Prediksi Jumlah Kasus Positif Covid-19

(1)

Penerapan Logika Fuzzy Menggunakan Metode Mamdani Pada Prediksi Jumlah Kasus Positif Covid-19

Graha Prakarsa, Vani Maharani Nasution^*

Fakultas Teknologi dan Informatika, Sistem Informasi, Universitas Informatika dan Bisnis Indonesia, Bandung, Indonesia Email: ¹[email protected] , ^2,*[email protected]

Email Penulis Korespondensi: [email protected]

Abstrak−Pandemi Covid-19 menye babkan banyak rumah sakit di seluruh dunia mengalami kesulitan baik secara manajemen maupun saran prasarana dalam memberikan pelayanan karena jumlah pasien melonjak dalam waktu singkat sehingga penanganan seperti menyediakan layanan, fasilitas, dan tenaga medis tak dapat diprediksi. Oleh karena itu, diperlukan sebuah aplikasi yang dapat memprediksi jumlah kasus positif Covid-19 14 hari ke kemudian untuk membantu tim Gugus Tugas Percepatan Penanganan Covid-19 agar dapat memberikan kebijakan yang tepat untuk penanganan penyediaan layanan, fasilitas, dan tenaga medis. Logika fuzzy yang dapat digunakan untuk menganalisis masalah Covid-19 yang mengandung ketidakpastian pada saat ini. Penelitian yang dilakukan untuk merancang sistem diperoleh dari pengamatan data-data yang ada, dalam penelitian ini mengunakan metode penelitian deskriptif. Hasil penelitian ini menyimpulkan bahwa logika fuzzy metode mamdani pada prediksi jumlah kasus positif covid-19 di Provinsi Jawa Barat mempunyai tingkat error sebesar 50,16%. Aplikasi logika fuzzy pada prediksi jumlah kasus positif covid-19 menggunakan model logika fuzzy metode mamdani pada prediksi jumlah kasus positif covid-19 di Provinsi Jawa Barat dengan tingkat error sebesar 50,16%..

Kata Kunci: Prediksi; Covid-19; Jawa Barat; Fuzzy; Mamdani

Abstract−The Covid-19 pandemic has caused many hospitals around the world to experience difficulties both in terms of management and infrastructure advice in providing services because the number of patients soared in a short time so that treatments such as providing services, facilities, and medical personnel were unpredictable. Therefore, we need an application that can predict the number of positive Covid-19 cases 14 days later to help the Covid-19 Handling Acceleration Task Force team in order to provide the right policies for handling the provision of services, facilities, and medical personnel. Fuzzy logic that can be used to analyze Covid-19 problems that contain uncertainty at this time. The research conducted to design the system was obtained from the observation of existing data, in this study using descriptive research methods. The results of this study conclude that the fuzzy logic of the Mamdani method in predicting the number of positive cases of COVID-19 in West Java Province has an error rate of 50.16%. The application of fuzzy logic in predicting the number of positive cases of covid- 19 uses the fuzzy logic model of the mamdani method to predict the number of positive cases of covid-19 in West Java Province with an error rate of 50.16%.

Keywords: Prediction; Covid-19; West Java; Fuzzy; Mamdani

1. PENDAHULUAN

Seiring dengan perkembangan teknologi informasi, kemampuan pemecahan masalah teknologi juga semakin meningkat, termasuk pengembangan aplikasi yang dapat memprediksi kejadian. Contoh aplikasi yang dapat memprediksi sesuatu kejadian adalah aplikasi yang menggunakan logika fuzzy. Logika fuzzy adalah logika yang dapat digunakan untuk menganalisis masalah yang mengandung unsur ketidakpastian, salah satunya adalah proses prediksi [1]. Logika fuzzy adalah ilmu yang mempelajari ketidakpastian. Logika fuzzy dianggap dapat memetakan suatu masukan ke suatu keluaran tanpa mengabaikan faktor-faktor yang ada. Logika fuzzy dianggap sangat fleksibel dan mentolerir data yang ada [2].

Metode Mamdani merupakan salah satu metode yang terdapat dalam logika fuzzy. Ada beberapa penelitian sebelumnya yang menggunakan logika fuzzy dengan metode Mamdani untuk memprediksi sesuatu, di antaranya penelitian yang dilakukan [3] dalam memprediksi hasil produksi gula pasir, menghasilkan tingkat keakuratan mencapai 85,9%. Penelitian Nurhayati & Immanudin (2019) mempunyai hasil tingkat keakuratan 81,1% dalam memprediksi pengadaan peralatan rumah tangga rumah sakit dengan logika fuzzy metode mamdani. Adapun penelitian [4] memprediksi jumlah produksi karet menggunakan logika fuzzy metode mamdani, mempunyai hasil tingkat keakuratan 87,82706% dan tingkat error mencapai 12,17294%. Pramana [5] melakukan penelitian prediksi jumlah kasus demam berdarah di Kabupaten Malang menggunakan logika fuzzy metode mamdani dengan hasil tingkat error untuk kecamatan di dataran rendah sebesar 6%, dataran sedang sebesar 12%, dan dataran tinggi sebesar 14%. Terdapat juga penelitian yang membandingkan logika fuzzy metode tsukamoto, sugeno, dan mamdani dalam memprediksi jumlah pendaftar mahasiswa baru Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Gunung Djati Bandung yang dilakukan [6] dengan kesimpulan metode mamdani mempunyai tingkat error yang lebih kecil sebesar 19,76% dibandingkan dengan metode tsukamoto sebesar 39,93% dan sugeno sebesar 86,41%. Berdasarkan penelitian-penelitian yang disebutkan, dapat disimpulkan metode mamdani memiliki tingkat error yang kecil karena mendekati 0% dan tingkat keakuratan besar karena mendekati 100% pada kasus memprediksi. Metode mamdani juga mempunyai tingkat error yang terendah dibandingkan metode tsukamoto dan sugeno pada memprediksi.

Pandemi penyakit coronavirus tahun 2019 (Covid19) adalah masalah yang sedang berlangsung di 200 negara di seluruh dunia. Covid19 diidentifikasi sebagai penyebab berjangkitnya penyakit pernapasan menular di

(2)

Wuhan, Republik Rakyat Tiongkok. Pada 31 Maret 2020, ada 719.758 kasus yang dikonfirmasi di seluruh dunia.

Jumlah kematian terkait Covid-19 juga telah mencapai 33.673 orang di seluruh dunia. Indonesia telah mengkonfirmasi 1.528 kasus Covid-19 dan 136 kematian terkait penyakit tersebut [7]. Pandemi Covid-19 membuat banyak rumah sakit di seluruh dunia baik dalam infrastruktur manajemen maupun konsultasi mengalami penurunan dalam memberikan pelayanan karena jumlah pasien yang melonjak hanya dalam waktu singkat (Kompas.com, 2020). Dari kasus pertama hingga sekarang, jumlah pasien yang terinfeksi virus corona terus mengalami peningkatan. Pada Senin, 9 Maret 2020, Dinas Kesehatan Provinsi Jawa Barat mengakui minimnya fasilitas perawatan Covid19 di 52 Rumah Sakit Umum Daerah (RSUD) Provinsi Jawa Barat untuk memantau secara ketat jumlah pasien positif Covid-19 sehingga jumlahnya pengobatan seperti pemberian layanan, fasilitas dan staf medis tidak dapat diprediksi. Oleh karena itu, diperlukan sebuah aplikasi yang dapat memprediksi jumlah kasus positif Covid19 14 hari kemudian untuk membantu Gugus Tugas Percepatan Penanganan Covid19 Provinsi Jawa Barat menghasilkan kebijakan yang tepat untuk mengelola pasokan, pelayanan kesehatan, fasilitas dan persiapan jumlah tenaga kesehatan.

Menurut [8] terdapat 4 (empat) sebutan orang terkait Covid-19 untuk membantu pemerintah dan pihak kesehatan menganalisis para pasiennya, yaitu Orang Dalam Pengawasan (ODP), Pasien Dalam Pengawasan (PDP), Orang Tanpa Gejala (OTG), dan positif Covid-19. Orang yang dikategorikan ODP, PDP, dan OTG mempunyai peluang menjadi positif Covid-19 dikarenakan 3 kategori tersebut mempunyai ciri-ciri orang yang tertular coronavirus. Oleh karena itu pemerintah menyarankan untuk ODP, PDP, dan OTG melakukan karantina mandiri selama 14 hari. Indikator yang mengakibatkan terjadinya kenaikan pasien positif Covid-19 adalah peningkatan ODP, PDP, dan positif Covid-19. Indikator tersebut dapat dibagai menjadi tiga kelompok yaitu rendah, sedang, dan tinggi (mediaindonesia, 2020). Tiga kelompok tersebut dapat menjadikan himpunan pada variabel peningkatan ODP hari ini, PDP hari ini, kasus positif hari ini, dan kasus positif 14 hari kemudian untuk kebutuhan logika fuzzy. Argumentasi tersebut diperkuat dengan adanya penelitian yang dilakukan di Negara Mexico meneliti kenaikan Covid-19 menggunakan kombinasi dari fractal dimension dan logika fuzzy membagi himpunan pada variabel kenaikan kasus positif Covid-19 di dunia menjadi tidak kelompok yaitu low (rendah), medium (sedang), dan high (tinggi) [9].

Hal tersebut di atas yang melatarbelakangi peneliti untuk melakukan penelitian dalam memprediksi jumlah pasien yang terkonfirmasi Covid-19 dengan tujuan untuk mempermudah pemerintah Provinsi Jawa Barat khususnya Gugus Tugas Percepatan Penanganan Covid-19 di Provinsi Jawa Barat dalam memprediksi jumlah kasus positif Covid-19 14 hari kemudian, sehingga pihak bersangkutan dapat memprediksi penanganan seperti menyediakan layanan, fasilitas, dan tenaga medis yang efektif.

2. METODOLOGI PENELITIAN

Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan untuk melakukan penelitian. Jadi metodologi penelitian berisi langkah-langkah yang digunakan dalam penelitian ini agar terstruktur dengan baik. Sistematika ini proses penelitian dapat dipahami dan diikuti oleh pihak lain. Penelitian yang dilakukan untuk merancang sistem diperoleh dari pengamatan data-data yang ada. Dalam penelitian ini, penulis melakukan penelitian berdasarkan skema penelitian. Adapun langkah-langkah yang dilakukan untuk mencapai tujuan dari penelitian ini dapat dilihat pada gambar 1.

(3)

Graha Prakarsa, Copyright ©2021, MIB, Page 1662 Tahap identifikasi masalah bertujuan untuk mengetahui permasalahan yang sedang dialami dalam penelitian dan sudah dijelaskan pada BAB I. Pada tahap ini dijabarkan masalah apa yang diangkat untuk dijadikan penelitian. Masalah yang diangkat nantinya akan dikaji dan didapatkan informasi yang berkaitan dengan masalah tersebut.

Tahap ini, penulis melakukan studi literatur untuk mencari referensi mengenai permasalahan yang ada dan mendukung penelitian yang dilakukan. Dengan mencari beberapa bahan baik dari buku-buku, jurnal-jurnal ilmiah, dan hasil-hasil penelitian terkait penerapan logika fuzzy menggunakan metode Mamdani.

Tahap pengumpulan data merupakan kegiatan penulis mengumpulkan data yang dibutuhkan untuk pengembangan aplikasi. Teknik pengumpulan data yang dilakukan penulis adalah observasi pada website pikobar.

Tujuan dari observasi ini adalah untuk mendapatkan data yang digunakan untuk pengembangan aplikasi, yaitu berupa data jumlah ODP, jumlah PDP, dan jumlah positif Covid-19.

Tahap analisis dan perancangan merupakan awal mula kegiatan pengimplementasian metode pengembangan sistem yaitu Rapid Application Development (RAD) pada penelitian ini.berawal dari kegiatan merencanakan kebutuhan meliputi perencanaan dan analisa sistem. Pada tahap ini penulis menganalisis segala kebutuhan yang telah dikumpulkan sebelumnya untuk memahami sifat program yang akan dibangun. Kemudian penulis mendefinisikan kebutuhan aplikasi yang akan dibangun berupa karakteristik pengguna, kebutuhan data, dan kebutuhan fungsional dan non-fungsional. Setelah kebutuhan sistem yang sudah didefinisikan, penulis membuat model logika fuzzy metode mamdani pada prediksi peningkatan jumlah kasus positif Covid-19 14 hari kemudian dengan variabel-variabel yang dibutuhkan dapat dilihat pada tabel 1.

Tabel 1. Variabel dan Himpunan Fuzzy

Variabel Himpunan

Variabel Input

Peningkatan ODP Rendah, Sedang, dan Tinggi

Peningkatan PDP Rendah, Sedang, dan Tinggi

Peningkatan Positif Covid-19 Rendah, Sedang, dan Tinggi Variabel Output

Peningkatan Positif Covid-19 14 Hari Kemudian Rendah, Sedang, dan Tinggi

Model logika fuzzy yang dibuat kemudian diterapkan pada aplikasi yang dibangun pada penelitian ini.

Arsitektur perancangan yang digunakan untuk merancang aplikasi yang digunakan pada penelitian ini adalah Object Oriented Analysis and Design (OOAD), maka penulis menggunakan Unified Modelling Language (UML) untuk membuat model objek desain perangkat lunak. Adapun diagram UML yang akan dibuat yaitu diagram use case, diagram kelas, diagram sequence, dan diagram state. Penulis hanya membuat empat diagram tersebut dikarenakan empat diagram tersebut merupakan diagram utama yang cukup digunakan untuk aplikasi yang tidak terlalu besar. Pada tahap ini juga penulis membuat prototype berupa mockup aplikasi yang akan dibangun.

3. HASIL DAN PEMBAHASAN

Analisis merupakan bagian penting dari tahap pembangunan aplikasi. Analisis adalah tahap mendefinisikan penyelesaian masalah dan kebutuhan aplikasi. Berdasarkan permasalahan yang sudah dipaparkan di BAB 1, dibutuhkan aplikasi untuk memprediksi jumlah kasus positif Covid-19 14 hari kemudian. Logika fuzzy metode mamdani digunakan untuk memprediksi jumlah kasus positif Covid-19 14 hari kemudian. Model logika fuzzy metode mamdani tersebut di terapkan pada aplikasi yang akan dibangun pada penelitian ini.

Agar aplikasi yang dibangun sesuai dengan tujuan dari penelitian ini, maka pada tahap analisis ini penulis mengidentifikasi kebutuhan aplikasi. Adapun tahapan analisis yang diperlukan untuk mengidentifikasi kebutuhan aplikasi yaitu meliputi analisis karakteristik pengguna untuk mengidentifikasi karakteristik pengguna aplikasi, analisis kebutuhan data untuk mengidentifikasi data masukan dan data keluaran yang nantinya dijadikan acuan untuk mendapatkan fungsi-fungsi yang relevan dan akurat, analisis fungsionalitas berisi kebutuhan yang terkait dengan fungsi yang harus dipenuhi perangkat lunak, dan analisis non-fungsional untuk menggambarkan kebutuhan luar sistem yang diperlukan untuk menjalankan aplikasi yang dibangun.

Penelitian ini menggunakan model logika fuzzy dengan metode mamdani untuk proses perhitungan prediksi jumlah kasus positif Covid-19. Model logika fuzzy metode mamdani yang suda dibuat, nantinya akan diterapkan ke dalam aplikasi. Metode mamdani terdiri dari 4 tahapan yaitu pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan, dan penegasan (defuzzifikasi). Pada bab ini penulis menggunakan satu data sebagai contoh untuk perhitungan logika fuzzy metode mamdani, yaitu data peningkatan ODP, PDP, dan Positif Covid-19 pada tanggal 15 Maret 2020 dengan peningkatan ODP sebesar 10%, peningkatan PDP sebesar 3,45%, dan peningkatan positif Covid-19 50%. Contoh data tersebut diambil karena nilai prediksi mendekati dengan angka positif Covid-19 14 hari kemudian pada kenyataannya. Adapun pemaparan dari tiap tahap metode mamdani pada prediksi jumlah kasus positif Covid-19 14 hari kemudian adalah sebagai berikut:

(4)

1. Pembentukan Himpunan Fuzzy

Tahapan pembentukan himpunan fuzzy diawali dengan penentuan data semesta pembicaraan sebagai acuan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Penelitian ini menggunakan tiga variabel input dan satu variabel output. Variabel-variabel tersebut dapat dilihat pada Tabel 1. Semesta pembicaraan dari setiap variabel dapat dilihat pada tabel 2.

Tabel 1. Semesta Pembicara

Variabel Semesta Pembicaraan

Variabel Input

Peningkatan ODP [1%; ∞%]

Peningkatan PDP [1%; ∞%]

Peningkatan Positif Covid-19 [1%; ∞%]

Variabel Output

Peningkatan Positif Covid-19 14 Hari Kemudian [1%; ∞%]

Setelah semesta pembicaraan terdefinisikan, selanjutnya penulis menentukan himpunan beserta domainnya pada setiap variabel. Seperti yang sudah dipaparkan di bab 1, bahwa himpunan pada tiap variabel dibagi menjadi tiga, yaitu rendah sedang, dan tinggi. Domain setiap himpunan didapat dari hasil analisis data dengan mencari persentase peningkatan per harinya, persentase peningkatan tertinggi, persentase peningkatan terendah, dan rata- rata persentase peningkatan. Adapun domain dari tiap himpunan dapat dilihat pada tabel 3.

Tabel 2. Domain Himpunan tiap Variabel Fuzzy

Variabel Himpunan Domain (%)

Peningkatan ODP

Rendah [1,60; 18,29]

Sedang [1,60; 18,29; 50,91; 67,60]

Tinggi [50,91; 67,60; ∞]

Peningkatan PDP

Rendah [1,26; 13,27]

Sedang [1,26; 13,27; 50,84; 62,89]

Tinggi [50,84; 62,86; ∞]

Peningkatan Positif Covid-19

Rendah [1,29; 10,50]

Sedang [1,29; 10,50; 45,05; 55,56]

Tinggi [45,05; 55,56; ∞]

Peningkatan Positif Covid-19 14 Hari Kemudian

Rendah [1,20; 8,26]

Sedang [1,20; 8,26; 41,71; 48,77]

Tinggi [41,71; 48,77; ∞]

Berdasarkan tabel 3, maka dibuat representasi kurva dari masing-masing variabel untuk mengetahui fungsi keanggotaan dari tiap himpunan. Adapun representasi kurva dari tiap variabel adalah sebagai berikut:

a. Kurva Variabel Peningkatan ODP

Gambar 2. Kurva Variabel Peningkatan ODP Fungsi keanggotaan himpunan Rendah adalah sebagai berikut:

𝜇_{𝑂𝐷𝑃𝑅𝑒𝑛𝑑𝑎ℎ}[𝑥] = {

1; 𝑥 ≤ 1,60

18,29 − 𝑥

18,29 − 1,60; 1,60 < 𝑥 < 18,29

0; 𝑥 ≥ 18,29

Fungsi keanggotaan himpunan Sedang adalah sebagai berikut:

(5)

{

0; 𝑥 < 1,60 𝑥 − 1,60

18,29 − 1,60; 1 < 𝑥 < 18,29

1 18,29 ≤ 𝑥 ≤ 50,91

67,60 − 𝑥

67,60 − 50,91; 50,91 < 𝑥 < 67,60

0; 𝑥 ≥ 67,60

Fungsi keanggotaan himpunan Tinggi adalah sebagai berikut:

𝜇_{𝑂𝐷𝑃𝑇𝑖𝑛𝑔𝑔𝑖}[𝑥] = {

0; 𝑥 ≤ 50,91

𝑥 − 50,91

67,60 − 50,91; 50,91 < 𝑥 < 67,60

1; 𝑥 ≥ 67,60

b. Kurva Variabel Peningkatan PDP

Gambar 3. Kurva Variabel Peningkatan PDP

Fungsi keanggotaan himpunan Rendah didapat menggunakan rumus 2.2 di bab 2, adapun fungsi keanggotaan himpunan Rendah adalah sebagai berikut:

𝜇𝑃𝐷𝑃𝑅𝑒𝑛𝑑𝑎ℎ[𝑥] = {

1; 𝑥 ≤ 1,26

13,27 − 𝑥

13,27 − 1,26; 1,26 < 𝑥 < 13,27

0; 𝑥 ≥ 13,27

Fungsi keanggotaan himpunan Sedang didapat menggunakan rumus 2.4 di bab 2, adapun fungsi keanggotaan himpunan Sedang adalah sebagai berikut:

𝜇_{𝑃𝐷𝑃𝑆𝑒𝑑𝑎𝑛𝑔}[𝑥] =

{

0; 𝑥 < 1,26 𝑥 − 1,26

13,27 − 1,26; 1 < 𝑥 < 13,27

1 13,27 ≤ 𝑥 ≤ 50,84

50,84 − 𝑥

62,89 − 50,84; 50,84 < 𝑥 < 62,89

0; 𝑥 ≥ 62,89

Fungsi keanggotaan himpunan Tinggi didapat menggunakan rumus 2.1 , adapun fungsi keanggotaan himpunan Tinggi adalah sebagai berikut:

𝜇_{𝑃𝐷𝑃𝑇𝑖𝑛𝑔𝑔𝑖}[𝑥] = {

0; 𝑥 ≤ 50,84

𝑥 − 50,84

62,89 − 50,84; 50,84 < 𝑥 < 62,89

1; 𝑥 ≥ 62,89

c. Kurva Variabel Peningkatan Positif Covid-19

(6)

Gambar 4. Kurva Variabel Peningkatan Positif Covid-19 14 Hari Kemudian

Fungsi keanggotaan himpunan Rendah didapat menggunakan rumus 2.2 di bab 2, adapun fungsi keanggotaan himpunan Rendah adalah sebagai berikut:

𝜇𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖𝑅𝑒𝑛𝑑𝑎ℎ[𝑥] = {

1; 𝑥 ≤ 1,20

8,26 − 𝑥

8,26 − 1,20; 1,20 < 𝑥 < 8,26

0; 𝑥 ≥ 8,26

Fungsi keanggotaan himpunan Sedang didapat menggunakan rumus 2.4 di bab 2, adapun fungsi keanggotaan himpunan Sedang adalah sebagai berikut:

𝜇𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖𝑆𝑒𝑑𝑎𝑛𝑔[𝑥] =

{

0; 𝑥 < 1,20

𝑥 − 1,20

8,26 − 1,20; 1 < 𝑥 < 8,26

1 8,26 ≤ 𝑥 ≤ 41,71

48,77 − 𝑥

48,77 − 41,71; 41,71 < 𝑥 < 48,77

0; 𝑥 ≥ 48,77

Fungsi keanggotaan himpunan Tinggi didapat menggunakan rumus 2.1 di bab 2, adapun fungsi keanggotaan himpunan Tinggi adalah sebagai berikut:

𝜇𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖𝑇𝑖𝑛𝑔𝑔𝑖[𝑥] = {

0; 𝑥 ≤ 41,71

𝑥 − 41,71

48,77 − 41,71; 41,71 < 𝑥 < 48,77

1; 𝑥 ≥ 48,77

Fungsi keanggotaan berguna untuk mencari derajat keanggotaan dari suatu himpunan berdasarkan nilai input.

Proses pencarian derajat keanggotaan tersebut disebut dengan fuzzifikasi.

4. KESIMPULAN

Kesimpulan merupakan hasil penelitian yang telah dilakukan dengan menyimpulkan model logika Fuzzy metode mamdani pada prediksi jumlah kasus positif covid-19 di Provinsi Jawa Barat mempunyai tingkat error sebesar 50,16%. Aplikasi logika fuzzy pada prediksi jumlah kasus positif covid-19 menggunakan model logika fuzzy metode mamdani pada prediksi jumlah kasus positif covid-19 di Provinsi Jawa Barat dengan tingkat error sebesar 50,16% dianggap cukup akurat untuk memprediksi jumlah pasien yang positif covid-19.

UCAPAN TERIMAKASIH

Ucapan terima kasih kepada yang terhormat Graha Prakarsa S.T., M.T., selaku rekan peneliti yang sudah bekerja sama selama proses penelitian berlansung dan selalu memberikan masukan dalam proses pengolahan data.

REFERENCES

[1] S. Nurhayati dan I. Immanudin, “Penerapan Logika Fuzzy Mamdani Untuk Prediksi Pengadaan Peralatan Rumah Tangga Rumah Sakit,” Komputika J. Sist. Komput., vol. 8, no. 2, hal. 81–87, 2019, doi: 10.34010/komputika.v8i2.2254.

(7)

Inform. Budidarma, vol. 4, no. 1, hal. 129, 2020, doi: 10.30865/mib.v4i1.1719.

[3]H. Rahmawati, “Penerapan Fuzzy Inference System,” Universitas Islam Negeri Sunan Kalijaga, 2017.

[4] D. L. Rahakbauw, F. J. Rianekuay, dan Y. A. Lesnussa, “Penerapan Metode Fuzzy Mamdani Untuk Memprediksi Jumlah Produksi Karet (Studi Kasus: Data Persediaan Dan Permintaan Produksi Karet Pada Ptp Nusantara Xiv (Persero) Kebun Awaya, Teluk Elpaputih, Maluku-Indonesia),” J. Ilm. Mat. Dan Terap., vol. 16, no. 1, hal. 51–59, 2019, doi:

10.22487/2540766x.2019.v16.i1.12764.

[5] I. P. A. A. Pramana, “Peramalan Jumlah Kasus Demam Berdarah Di Kabupaten Malang Menggunakan Metode Fuzzy Inference System,” J. Tek. ITS, vol. 5, no. 1, 2016, doi: 10.12962/j23373539.v5i1.14114.

[6] M. Irfan, L. P. Ayuningtias, dan J. Jumadi, “Analisa Perbandingan Logic Fuzzy Metode Tsukamoto, Sugeno, Dan Mamdani ( Studi Kasus : Prediksi Jumlah Pendaftar Mahasiswa Baru Fakultas Sains Dan Teknologi Uin Sunan Gunung Djati Bandung),” J. Tek. Inform., vol. 10, no. 1, hal. 9–16, 2018, doi: 10.15408/jti.v10i1.6810.

[7] S. Setiati dan M. K. Azwar, “COVID-19 and Indonesia,” Acta Med. Indones., vol. 52, no. 1, hal. 84–89, 2020.

[8] Kompas.com, “Mengapa Rumah Sakit Kewalahan Hadapi Corona dan Apa Dampaknya? Halaman all - Kompas.com,”

kompas.com, 2020. https://www.kompas.com/sains/read/2020/05/08/130400523/mengapa-rumah-sakit-kewalahan- hadapi-corona-dan-apa-dampaknya-?page=all#page1 (diakses Jun 26, 2020).

[9] Liputan6.com, “Dinkes Jabar Akui Fasilitas untuk Penanganan COVID-19 Masih Kurang - Health Liputan6.com,”

liputan6.com, 2020. https://www.liputan6.com/health/read/4198171/dinkes-jabar-akui-fasilitas-untuk-penanganan- covid-19-masih-kurang (diakses Jun 26, 2020).

[10] R. Abudi, Y. Mokodompis, dan A. N. Magulili, “Stigma Terhadap Orang Positif Covid-19,” Jambura J. Heal. Sci. Res., vol. 2, no. 2, hal. 77–84, 2020, doi: 10.35971/jjhsr.v2i2.6012.

[11] mediaindonesia, “Ini Tiga Indikator Agar Aktivitas Ekonomi dan Sosial Bisa Dimulai,” 2020.

https://mediaindonesia.com/read/detail/315906-ini-tiga-indikator-agar-aktivitas-ekonomi-dan-sosial-bisa-dimulai (diakses Sep 27, 2020).

[12] O. Castillo dan P. Melin, “Forecasting of COVID-19 Time Series for Countries in the World Based on a Hybrid Approach Combining the Fractal Dimension and Fuzzy Logic,” no. January, 2020.

[13] N. Syafitri N, “Simulasi Sistem Untuk Pengontrolan Lampu Dan Air Conditioner Dengan Menggunakan Logika Fuzzy,”

J. Inform., vol. 10, no. 1, hal. 1164–1172, 2016, doi: 10.26555/jifo.v10i1.a3348.

[14] H. P. Sri Kusumadewi, Aplikasi Logika Fuzzy Pendukung Keputusan, 2 ed. Yogyakarta: Graha Ilmu, 2010.

[15] Putra D. J. 2019. Aplikasi Monitoring Permintaan Dan Persediaan Barang Pada Politeknik Negeri Sriwijaya Berbasis Web. Other Thesis, Politeknik Negeri Sriwijaya.

[16] Minarni, & Aldyanto, F. (2016). Prediksi Jumlah Produksi Roti Menggunakan Metode Logika Fuzzy (Studi Kasus : Roti Malabar Bakery). Jurnal TEKNOIF, 4(2), 59–65.

[17] Tahyudin, I., & Kurniawan, A. A. (2013). Aplikasi Fuzzy Servqual untuk Identifikasi Preferensi Keputusan Nasabah Bank X. Sustainable Competitive Advantage, 3-4