Contoh Skripsi SPK

Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy

(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)

Skripsi

Diajukan kepadaFakultas Teknologi Informasi

Untuk memperoleh Gelar Sarjana Komputer

Oleh :

Martha Oktriani

NIM : 672003146

Program Studi Teknik InformatikaFakultas Teknologi Informasi

Universitas Kristen Satya WacanaSalatiga, Januari 2008

LEMBAR PENGESAHAN

Judul Tugas akhir : Aplikasi Pendukung Keputusan dengan

Menggunakan Logika Fuzzy (studi kasus :

Penentuan Spesifikasi Komputer untuk Suatu

Paket Komputer Lengkap

Nama Mahasiswa : Martha Oktriani

NIM : 672003146

Program Studi : Teknik Informatika

Fakultas : Teknologi Informasi

Menyetujui,

Sri Yulianto J.P., S.Si, M.Kom

Pembimbing 1

Indrastanti R.W., ST, MT

Pembimbing 2

Mengesahkan

Ir. Danny Manongga, M.Sc., Ph.D.Dekan

Sri Yulianto J.P., S.Si, M.KomKetua Program Studi

Dinyatakan Lulus Ujian tanggal: 15 Januari 2008

Penguji:

1. Dr. Ir. Eko Sediyono, M.Kom

____________________

2. M.A. Ineke Pakereng, M.Kom

i

____________________

3. Yessica Nataliani, S.Si, M.Kom____________________

ii

LEMBAR PERNYATAAN

Skripsi yang berikut ini :

Judul : Aplikasi Pendukung Keputusan

Dengan Menggunakan Logika Fuzzy

(Studi Kasus : Penentuan Spesifikasi

Komputer Untuk Suatu Paket

Komputer Lengkap)

Pembimbing : 1. Sri Yulianto J.P., S.Si, M.Kom

2. Indrastanti R.W., ST, MT

adalah benar hasil karya saya :

Nama : Martha Oktriani

NIM : 672003146

Saya menyatakan tidak mengambil sebagian atau seluruhnya dari

hasil karya orang lain kecuali sebagaimana tertulis pada daftar

pustaka.

Pernyataan ini dibuat dengan sebenar-benarnya sesuai dengan

ketentuan yang berlaku dalam penulisan karya ilmiah.

Salatiga, 16 November 2007

Martha Oktriani

iii

KATA PENGANTAR

Puji syukur ke hadirat Tuhan Yesus Kristus atas berkat,

rahmat, serta bimbingan-Nya sehingga penulis dapat menyelesaikan

Skripsi yang berjudul “Aplikasi Pendukung Keputusan Dengan

Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi

Komputer Untuk Suatu Paket Komputer Lengkap)”, yang diajukan

sebagai persyaratan dalam menyelesaikan Program Studi Strata Satu

Teknik Informatika pada Fakultas Teknologi Informasi Universitas

Kristen Satya Wacana.

Terselesaikannya penulisan Skripsi ini juga didukung oleh

berbagai pihak. Oleh karena itu, penulis mengucapkan terima kasih

atas bantuan serta dukungan kepada :

1. Bapak Ir. Danny Manongga, M.Sc., Ph.D selaku Dekan

Fakultas Teknologi Informasi Universitas Kristen Satya

Wacana Salatiga.

2. Bapak Kristoko Dwi Hartomo, M.Kom, selaku Koordinator

KP/TA Fakultas Teknologi Informasi Unversitas Kristen Satya

Wacana Salatiga

3. Bapak Sri Yulianto Joko Prasetyo, S.Si, M.Kom sebagai

kaprogdi sekaligus pembimbing pertama atas kesabaran dalam

memberikan bimbingan dan pengarahan selama penyusunan

Skripsi ini.

4. Ibu Indrastanti R.W., ST, MT selaku pembimbing kedua, yang

telah membimbing dengan sabar dan sangat membantu

menyelesaikan Skripsi ini.

iv

5. Pak Wiranto, Pak Erman, Pak Ari dan para dosen Fakultas

Teknologi Informasi lainnya yang telah turut membantu

penulis dalam menyelesaikan Tugas Akhir/ Skripsi ini.

6. Alm. Papa tercinta, Mama, dan Welly, yang telah memberikan

dukungan dan doa yang sangat berarti bagi penulis.

7. Teman-teman terbaikku (Henry Christianto, Lie Moy Fong,

Erika Purnamasari, Tommy Bulyan) Thanks God I have

friends like you.

8. Teman-teman kost di Dipo 18 (Pongde, C.Inneke, C.erna,

Bobo) thanks dah mau nemeni di saat kost lagi sepi-sepinya.

9. Teman-teman FTI (Steny, Albert, Dedy, Daniel, Nobita, Andy,

Ping-ping, Angkin, Fandy, Ivena, Hindarto, Lia) God bless you

10. Teman - teman FTI, khususnya angkatan 2003 dan transferan

yang telah membantu penulis baik secara langsung maupun

tidak langsung.

11. Dan pihak-pihak lain yang tidak bisa disebutkan satu per satu.

Penulis menyadari bahwa penulisan Skripsi ini masih jauh

dari sempurna, oleh karena itu penulis berterima kasih apabila ada

kritik dan saran demi penyempurnaan Skripsi ini.

Akhir kata, penulis berharap agar laporan ini dapat

bermanfaat bagi pembaca sekalian. TUHAN memberkati.

Salatiga, 16 November 2007

Penulis

v

DAFTAR ISI

KATA PENGANTAR ................................................................... i

DAFTAR ISI................................................................................... vi

DAFTAR TABEL .......................................................................... ix

DAFTAR GAMBAR...................................................................... x

ABSTRACT..................................................................................... xii

ABSTRAKSI...................................................................................

xiii

BAB I PENDAHULUAN............................................................... 1

1.1 Latar Belakang Masalah...................................................... 1

1.2 Tujuan…………….………………………………………. 2

1.3 Perumusan Masalah……………………………………….. 3

1.4 Pembatasan Masalah…..………………………………….. 3

1.5 Metode Pelaksanaan………………………………………. 4

1.6 Sistematika Penulisan……………………………………... 7

BAB II LANDASAN TEORI.......................................................... 9

2.1 Tinjauan Pustaka…..……………………………………… 9

2.2 DSS (Decision Support System)…………………………... 9

2.3 Arsitektur DSS (Decision Support System)……………….. 11

2.4 Konsep Dasar Logika Fuzzy......…………………………... 13

2.5 Karakteristik Logika Fuzzy ………………………………..

15

2.5.1 Himpunan Fuzzy....................................................... 15

2.5.2 Fungsi Keanggotaan (Membership Function).......... 17

vi

2.6 Operator Dasar Zadeh.........………………………………..

20

2.7 Fuzzifikasi.......................... ………………………………..

21

2.8 Inferensi Fuzzy (Logika Pengambilan Keputusan).....……..

22

2.8.1 Metode Tsukamoto................................................... 22

2.8.2 Metode Sugeno......................................................... 23

2.8.3 Metode Mamdani......................................................

24

2.9 Tipe-Tipe Fuzzy..........................................................…….. 28

2.9.1 Fuzzy Clustering....................................................... 28

2.9.2 Fuzzy Database........................................................ 29

2.9.3 Fuzzy Quantification Theory.................................... 29

2.9.4 Fuzzy Associative Memory (FAM)............................

29

2.9.5 Fuzzy Linear Programming (FLP)........................... 30

2.10 Fuzzy Database...........................................................……..

30

2.10.1 Fuzzy Database Model Tahani................................. 31

2.10.2 Pembentukan Query..................................................

31

BAB III METODOLOGI PERANCANGAN SISTEM................... 33

3.1 Metode Pembangunan Software........................................... 33

3.2 Analisis Sistem......................................................................

35

vii

3.2.1 Kebutuhan Input……………………………………

36

3.2.2 Proses Logika Fuzzy Pada Sistem………………….

36

3.2.3 Kebutuhan Output……………..………………..….

37

3.3 Perancangan Sistem.............................................................. 37

3.3.1 UML (Unified Modelling System)….……………....

37

3.3.1.1 Use Case Diagram……………..………...

38

3.3.1.2 Sequence Diagram………….………..…..

40

3.3.1.3 Activity Diagram………….………..…….

41

3.3.2 ERD Diagram…………………………..…………..

42

3.3.3 Perancangan Database………….………………….

44

3.3.3.1 Struktur Tabel…………………..………...

44

3.3.3.2 Relasi Antar Tabel …………………….... 56

3.3.4 Fungsi Keanggotaan………….….………………... 57

3.3.4.1 Variabel Kecepatan Prosesor…..………... 57

3.3.4.2 Variabel Kapasitas Memory...……..……..

59

viii

3.3.4.3 Variabel Kapasitas Harddisk..……..……. 61

3.3.4.4 Variabel Ukuran VGA……………………

63

3.3.4.5 Variabel Ukuran Monitor…...………..…..

65

3.3.4.6 Variabel Kapasitas Power Supply……..…

67

BAB IV IMPLEMENTASI DAN ANALISA SISTEM.................. 70

4.1 Implementasi Sistem............................................................ 70

4.1.1 Implementasi Tampilan Awal dan Menu Utama......

71

4.1.2 Implementasi Setup Data.......................................... 73

4.1.3 Implementasi Pencarian Paket Komputer.................

76

4.1.3.1 Cari Prosesor.....………………..…...…... 77

4.1.3.2 Cari Mainboard......................................... 80

4.1.3.3 Cari Memory.............................................. 81

4.1.3.4 Cari VGA................................................... 81

4.1.3.5 Cari Casing................................................ 82

4.1.3.6 Cari PSA.................................................... 83

4.1.3.7 Cari Harddisk............................................ 83

4.1.3.8 Cari Monitor.............................................. 84

4.1.3.9 Cari Optical................................................

84

4.1.3.10 Cari Optical2..............................................

85

ix

4.1.3.11 Cari Keyboard............................................

86

4.1.3.12 Cari Mouse.................................................

87

4.1.3.13 Form Prioritas............................................ 87

4.1.3.14 Form Konfirmasi....................................... 89

4.1.3.15 Form Hasil................................................. 90

4.1.3.16 Report Print Normal.................................. 91

4.1.3.17 Report Print Detail.....................................

92

4.2 Pengujian Sistem...................................................................

93

BAB V KESIMPULAN DAN SARAN..........................................

103

5.1 Kesimpulan .........................................................................

103

5.2 Saran....................................................................................

104

DAFTAR PUSTAKA …………………………………………….

105

LAMPIRAN

x

DAFTAR TABEL

Tabel 3.1 Tabel T_ TypeID……........................................ 44Tabel 3.2 Tabel T_Merek…………………………........... 45Tabel 3.3 Tabel TblBatas….……………………….......... 45Tabel 3.4 Tabel TblCasing..…........................................... 46Tabel 3.5 Tabel TblHarddisk…..…………………........... 47Tabel 3.6 Tabel TblKeyboard….…………………........... 48Tabel 3.7 Tabel TblMainboard.......................................... 49Tabel 3.8 Tabel TblMemory.……………………............. 50Tabel 3.9 Tabel TblMonitor………………………........... 51Tabel 3.10 Tabel TblMouse..…........................................... 51Tabel 3.11 Tabel TblOptical………………………............ 52Tabel 3.12 Tabel TblProsesor……………………….......... 53Tabel 3.13 Tabel TblPSA………......................................... 54Tabel 3.14 Tabel TblVGA…...……………………............. 55Tabel 4.1 Tabel Paket Hasil Rekomendasi Sampel

Pertama............................................................... 98Tabel 4.2 Tabel Paket Hasil Rekomendasi Sampel

Kedua.................................................................. 99Tabel 4.3 Tabel Paket Hasil Rekomendasi Sampel

Ketiga.................................................................. 100Tabel 4.4 Tabel Paket Hasil Rekomendasi Sampel

Keempat.............................................................. 101Tabel 4.5 Tabel Pengujian Tingkat Akurasi Terhadap 10

Sampel Pengguna ............................................... 101

xi

DAFTAR GAMBAR

Gambar 2.1 Komponen DSS (Decision Support System)........ 12Gambar 2.2 Fungsi Keanggotaan Kurva Segitiga................... 18Gambar 2.3 Fungsi Keanggotaan Kurva Bahu........................ 19Gambar 2.4 Himpunan Fuzzy untuk Suatu Variabel............... 20Gambar 2.5 Proses Defuzzifikasi…………............................ 27Gambar 3.1 Pemodelan Waterfall........................................... 35Gambar 3.2 Use Case Diagram Sistem yang Dibangun......... 38Gambar 3.3 Use Case Diagram Sistem Fuzzy…………….... 39Gambar 3.4 Sequence Diagram.............................................. 40Gambar 3.5 Activity Diagram………………………………. 41Gambar 3.6 ERD Diagram………………………………..... 42Gambar 3.7 Relasi Antar Tabel.............................................. 56Gambar 3.8 Himpunan Fuzzy untuk Variabel Kecepatan

Prosesor.............................................................. 57Gambar 3.9 Himpunan Fuzzy untuk Variabel Kapasitas

Memory.............................................................. 59Gambar 3.10 Himpunan Fuzzy untuk Variabel Kapasitas

Harddisk............................................................ 61Gambar 3.11 Himpunan Fuzzy untuk Variabel Ukuran

VGA…………................................................... 63Gambar 3.12 Himpunan Fuzzy untuk Variabel Ukuran

Monitor.............................................................. 65Gambar 3.13 Himpunan Fuzzy untuk Variabel Kapasitas

Power Supply..................................................... 67Gambar 4.1 Tampilan Login Awal….………………........... 71Gambar 4.2 Tampilan Awal Program………………........... 71Gambar 4.3 Tampilan Setup Prosesor.................................. 74Gambar 4.4 Tampilan Data Batas Himpunan....................... 74Gambar 4.5 Tampilan Data Merek………........................... 75Gambar 4.6 Tampilan Pencarian Prosesor........................... 77Gambar 4.7 Tampilan Pencarian Mainboard....................... 80Gambar 4.8 Tampilan Pencarian Memory............................ 81Gambar 4.9 Tampilan Pencarian VGA................................ 81Gambar 4.10 Tampilan Pencarian Casing………………….. 82Gambar 4.11 Tampilan Pencarian PSA…............................. 83Gambar 4.12 Tampilan Pencarian Harddisk.......................... 83Gambar 4.13 Tampilan Pencarian Monitor…………............ 84

xii

Gambar 4.14 Tampilan Pencarian Optical............................. 84Gambar 4.15 Messagebox...................................................... 85Gambar 4.16 Tampilan Pencarian Optical2........................... 85Gambar 4.17 Tampilan Pencarian Keyboard.......................... 86Gambar 4.18 Tampilan Pencarian Mouse............................... 87Gambar 4.19 Tampilan Form Prioritas................................... 87Gambar 4.20 Tampilan Form Konfirmasi……….................. 89Gambar 4.21 Tampilan Form Hasil………........................... 90Gambar 4.22 Tampilan Report Print Normal......................... 91Gambar 4.23 Tampilan Report Print Detail........................... 92

xiii

ABSTRACT

Aplikasi Pendukung Keputusan Dengan MenggunakanLogika Fuzzy


Fuzzy logic is a method to map an input into output. Fuzzy logic is used for supporting a dicey decision making. This method consist of three main process, there are fuzzification, fuzzy inferention, and defuzzification. The result of these processes depend on the limit of fuzzy compilation, fuzzy variable and non fuzzy variable.

This paper study about scheme of application to produce a packet of computer specifications according to the wish of the consumer. This case of study gives result in the form of computer packet taken from fuzzy processes based on the limit values of fuzzy compilation, fuzzy variables and non-fuzzy variables. The sum of fuzzy variables and non-fuzzy variables processes will affect the result and the sum of recommendation values.

Parameter taken as variable of fuzzy are speed of processor, capacity of memory, harddisk and power supply, size of monitor and vga, and price of each specification. The result of program testing by 10 sample of consumer is obtained about 68% of accuration.

Keywords : fuzzy logic, fuzzification, defuzzification, fuzzy inferention, fuzzy variable, non fuzzy variable, fuzzy compilation limit

xiv

ABSTRAKSI

Aplikasi Pendukung Keputusan Dengan MenggunakanLogika Fuzzy


Logika fuzzy merupakan sebuah metode untuk memetakan suatu ruang input ke dalam ruang output. Logika fuzzy berguna untuk mendukung suatu pengambilan keputusan. Metode ini terdiri dari tiga proses utama, yaitu fuzzifikasi, inferensi fuzzy (logika pengambilan keputusan) dan defuzzifikasi. Hasil dari proses-proses tersebut tergantung dari batas himpunan fuzzy, variabel fuzzy dan variabel non fuzzy.

Paper ini membahas tentang perancangan aplikasi untuk memudahkan dalam pencarian suatu paket komputer sesuai dengan keinginan pembeli. Studi kasus ini memberikan hasil berupa paket komputer hasil rekomendasi yang didapat dari proses-proses fuzzy berdasarkan nilai-nilai batas himpunan fuzzy, variabel-variabel fuzzy dan variabel-variabel non fuzzy.

Parameter yang dijadikan sebagai variabel fuzzy adalah kecepatan prosesor, kapasitas memori, harddisk dan power supply, ukuran monitor dan vga, serta harga dari masing-masing spesifikasi komputer. Hasil dari pengujian terhadap sistem, dengan 10 orang sampel pengguna, didapatkan tingkat akurasi sebesar 68 %.

Kata Kunci : logika fuzzy, fuzzifikasi, inferensi fuzzy, defuzzifikasi, batas himpunan fuzzy, variabel fuzzy, variabel non fuzzy.

xv

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Sebuah toko komputer ingin membangun suatu database yang

isinya tidak hanya komponen-komponen dasar komputer, tetapi juga

informasi yang dapat membantu dalam memberikan pilihan data

spesifikasi komputer untuk suatu paket komputer lengkap bagi para

konsumen berdasarkan kriteria-kriteria yang dibutuhkan oleh

konsumen.

Pada proses perancangan aplikasi ini, diterapkan metode

logika fuzzy dalam studi kasus pemilihan spesifikasi komputer

berdasarkan kebutuhan konsumen. Hal tersebut berdasarkan banyak

kasus selama ini, dimana konsumen banyak bertanya tentang

spesifikasi komputer yang menjadi dasar pertimbangan mereka

dalam pemilihan paket komputer lengkap. Biasanya pemilihan

spesifikasi komputer pada suatu toko komputer dilakukan dengan

berkonsultasi dengan para pegawai toko. Namun hal itu akan

memakan waktu yang lama dan tidak praktis. Terdapat suatu metode

yang lebih praktis, yaitu dengan membangun suatu aplikasi sistem

pendukung keputusan pada penentuan spesifikasi komputer yang di

dalamnya juga diterapkan metode logika fuzzy.

Salah satu metode Kecerdasan Buatan yang digunakan sebagai

alat prediksi adalah logika fuzzy. FDSS (Fuzzy Decision Support

1

2

System) menggunakan dasar pengetahuan dalam bentuk aturan “if –

then” untuk memproses informasi. Seperangkat aturan fuzzy

menggambarkan seperangkat relasi fuzzy antara input fuzzy dan

output fuzzy. Metode standar digunakan untuk membuat dasar

pengetahuan fuzzy melibatkan identifikasi dari input dan output

fuzzy, perluasan dari fungsi keanggotaan fuzzy untuk setiap input dan

output tersebut, dan akhirnya konstruksi dari aturan fuzzy [1].

Sistem yang akan dibangun merupakan sistem database fuzzy

(Fuzzy Database System), karena pada proses pengambilan

keputusan menggunakan logika fuzzy dan menggunakan database

dalam menyimpan dan mengambil data spesifikasi komputer. Model

yang digunakan pada database fuzzy ini adalah model Tahani, yang

masih menggunakan relasi database yang bersifat standar, dengan

lebih menekankan penggunaan fuzzy pada beberapa field dalam

tabel-tabel yang ada pada database tersebut dan pada perhitungan

matematisnya [2].

1.2 Tujuan

Tujuan dari pembuatan skripsi ini adalah:

1. Mendesain sistem menggunakan logika fuzzy untuk

proses pendukung keputusan dalam penentuan spesifikasi

komputer untuk suatu paket komputer lengkap, sesuai

dengan kebutuhan masing-masing pembeli.

2. Membangun sistem aplikasi penentuan spesifikasi

komputer untuk suatu paket komputer lengkap, sesuai

dengan kebutuhan masing-masing pembeli.

3

1.3 Perumusan Masalah

Berdasarkan latar belakang permasalahan pada subbab 1.1.

maka masalah-masalah yang ada dapat dirumuskan sebagai berikut:

1. Bagaimana merancang sistem pendukung keputusan

dengan menggunakan logika fuzzy.

2. Bagaimana mengimplementasikan pendekatan logika

fuzzy pada penentuan spesifikasi komputer untuk suatu

paket komputer lengkap, sesuai dengan kebutuhan

masing-masing pembeli, baik dari segi merek maupun

logika fuzzy seperti kecepatan prosesor, kapasitas

harddisk, kapasitas memory, ukuran monitor, ukuran

power supply, serta ukuran VGA.

1.4 Pembatasan Masalah

Dengan mengacu kepada subbab 1.2. maka ruang lingkup

permasalahan dibatasi pada :

1. Desain sistem pendukung keputusan dibatasi dengan

menggunakan metode logika fuzzy.

2. Implementasi dilakukan pada pengambilan keputusan

dari beberapa data spesifikasi komputer yang tersedia

pada database.

3. Implementasi dilakukan pada penentuan spesifikasi

komputer yang tersedia pada database, hanya spesifikasi

standard seperti prosesor, mainboard, memory, VGA,

casing, PSA, harddisk, monitor, optical drive, keyboard

4

dan mouse. Sedangkan aksesoris lainnya tidak

dimasukkan karena merupakan fasilitas pendukung saja,

yang sifatnya tidak terlalu penting.

4. Tidak dilakukan proses pembandingan dengan algoritma

lainnya.

1.5 Metode Pelaksanaan

Metode yang digunakan dalam pembuatan sistem aplikasi ini

adalah :

1. Studi Pustaka

Untuk mendukung pembuatan sistem aplikasi ini,

dilakukan studi pustaka dengan mengumpulkan bahan

dari beberapa sumber, seperti media internet, jurnal-

jurnal, dan beberapa buku referensi yang membahas

tentang logika fuzzy, seperti Artificial Inteligence, Fuzzy

System.

2. Data Perancangan Sistem

Penelitian dilakukan dengan menggunakan data-data

spesifikasi komputer dari beberapa merek yang sudah

ada, seperti Kingston dan Visipro untuk spesifikasi

Memory, Asus dan Gigabyte untuk spesifikasi

Mainboard, AMD dan Intel untuk spesifikasi Prosesor,

Maxtor dan Seagate untuk spesifikasi Harddisk, dan lain

sebagainya .

5

3. Langkah Perancangan Sistem

a. Studi Pendahuluan

Melakukan studi pendahuluan dan analisis mengenai

hal-hal yang berkaitan dengan penyelesaian masalah

dan pembuatan sistem aplikasi. Seperti halnya daftar

harga, merek-merek yang biasa digunakan atau yang

penjualannya cukup baik, kebutuhan konsumen

terhadap masing-masing spesifikasi komputer, dan

lain sebagainya.

b. Analisis dan Perancangan Sistem

Merancang sistem aplikasi dengan menggunakan

logika fuzzy, yang mudah dimengerti serta mudah

dioperasikan.

c. Pembuatan Program

Mengimplementasikan hasil rancangan sistem ke

dalam bahasa pemrograman.

Klasifikasi perangkat keras yang digunakan adalah :

- AMD Athlon (tm)XP 2500+ 1.83 GHz

- RAM 512 MB

- Hard Disk 80 GB

- CD-ROM 52X

6

Sedangkan perangkat lunak yang digunakan adalah :

- Sistem Operasi Windows 98 dan Windows XP

- Microsoft Visual Basic 6.0

- Microsoft Access 2003

d. Pengujian Program

Menguji dan menganalisis program, berdasarkan

input dari pengguna serta keakuratan output yang

dihasilkan. Pengujian sistem pada aplikasi ini

menggunakan enam variabel fuzzy dan beberapa

variabel non-fuzzy. Parameter yang digunakan

sebagai penilaian adalah :

1. Keakuratan proses fuzzifikasi dalam

mengelompokkan himpunan fuzzy pada suatu

variabel fuzzy yang dibatasi dengan nilai batas

himpunan.

2. Keakuratan dari proses inferensi fuzzy /

pengambilan keputusan dalam suatu variabel

fuzzy, berdasarkan nilai hasil dari proses

fuzzifikasi.

3. Keakuratan proses defuzzifikasi dalam

menghitung nilai rekomendasi untuk suatu

paket komputer yang sesuai dengan kriteria.

7

e. Kesimpulan

Menyimpulkan hal-hal yang dapat mempengaruhi

hasil perancangan sistem.

1.6 Sistematika Penulisan

Sistematika penulisan dalam skripsi ini terdiri dari:

BAB I PENDAHULUAN

Merupakan gambaran umum mengenai latar belakang

permasalahan yang ingin diselesaikan dengan pendekatan

logika fuzzy, perumusan masalah, pembatasan masalah,

tujuan penelitian, spesifikasi sistem, dan sistematika

penyusunan laporan.

BAB II LANDASAN TEORI

Berisi dasar-dasar teori yang melandasi penyusunan dan

perancangan dalam pengembangan sistem aplikasi ini.

BAB III PERANCANGAN SISTEM

Bab ini berisi analisa permasalahan dan rancangan sistem

yang digunakan, meliputi diagram aliran data,

perancangan database, dan desain antarmuka.

8

BAB IV IMPLEMENTASI DAN ANALISA SISTEM

Bab ini menjelaskan tentang penerapan rancangan

program ke dalam bahasa pemrograman, analisis hasil,

serta analisa mengenai kelebihan dan kekurangan sistem.

BAB V KESIMPULAN

Bab ini berisi tentang kesimpulan sesuai dengan hasil

pengujian sistem yang telah dibangun dan saran

pengembangan program.

BAB II

LANDASAN TEORI

2.1Tinjauan Pustaka

Sistem pengambilan keputusan menggunakan logika Fuzzy

pada studi kasus pemilihan handphone dengan metode Fuzzy model

Tahani, yang dibuat oleh Denny Cristiono, ditujukan untuk

menangani pencarian handphone yang sesuai dengan kriteria-kriteria

dari konsumen. Sedangkan pada sistem pemilihan spesifikasi

komputer yang akan dibuat, terdapat pencocokan antara item yang

satu dengan yang lain. Misalkan saja jika type jenis dari prosesor

adalah Intel socket LGA 775, maka mainboard-nya pun juga harus

dengan jenis yang sama. Dari berbagai macam item yang tersedia,

akan dipilih sesuai dengan kriteria yang diinginkan, untuk

selanjutnya digabungkan menjadi suatu paket yang utuh. Pada

sistem pemilihan handphone, tidak terdapat penggabungan antar

item, karena suatu handphone sendiri sudah merupakan satu

kesatuan yang mempunyai berbagai macam variabel fuzzy seperti

harga, dimensi (panjang, lebar dan tebal), berat, standby time, talk

time dan games maupun variabel non-fuzzy seperti polyphonic,

MMS, WAP, GPRS, bluetooth, infrared dan kamera [3].

9

10

2.2 DSS (Decision Support System)

DSS (Decision Support System) adalah suatu sistem informasi

yang mengevaluasi beberapa pilihan yang berbeda guna membantu

seseorang memberikan keputusan terhadap masalahnya.

Berdasarkan pada definisi yang bervariasi, DSS dapat

dijelaskan sebagai sistem pembuat keputusan manusia-komputer

interaktif berbasiskan komputer yang dapat:

1. Mendukung dalam pembuatan keputusan daripada

menggantinya dengan yang baru.

2. Memanfaatkan data dan model.

3. Memecahkan masalah dengan struktur yang derajatnya

bervariasi:

nonstruktur (unstruktur atau ill-struktur)

semistruktur

semistruktur dan unstruktur

4. Berpusat pada keefektifan daripada keefisienan dalam

proses pemberian keputusan.

Kecerdasan Buatan atau Artificial Intelligence (AI) merupakan

salah satu bagian ilmu komputer yang membuat mesin (komputer)

dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh

manusia. Agar komputer dapat bertindak seperti dan sebaik manusia,

maka komputer juga harus diberi bekal pengetahuan, dan

mempunyai kemampuan untuk menalar. Untuk itu AI memberikan

beberapa metoda untuk membekali komputer dengan kedua

komponen tersebut agar komputer dapat menjadi mesin yang pintar.

11

Untuk melakukan aplikasi kecerdasan buatan ada dua bagian

utama yang sangat dibutuhkan, yaitu :

a. Basis Pengetahuan (Knowledge Base), berisi fakta-

fakta, teori, pemikiran dan hubungan antara satu dengan

lainnya.

b. Motor Inferensi (Inference Engine), yaitu kemampuan

menarik kesimpulan berdasarkan pengalaman.

FDSS (Fuzzy Decision Support System) merupakan sistem

pembuat keputusan manusia-komputer untuk mendukung keputusan

manajerial, dan intuisi untuk memecahkan masalah manajerial

dengan memberikan informasi yang diperlukan, menghasilkan,

mengevaluasi dan memberikan putusan alternatif [4].

2.3 Arsitektur DSS (Decision Support System)

Langkah pertama pada proses pembuatan keputusan yaitu

dengan membuat model pendukung keputusan. Interface subsistem

user menjembatani untuk menuju ke DBMS (Database Management

Systems) dan MBMS (Model-Based Management Systems). DBMS

merupakan seperangkat program komputer yang membuat dan

mengatur database. DBMS dapat menjadi salah satu program

tersendiri atau disatukan dengan generator DSS yang mengijinkan

user untuk membuat file database yang digunakan sebagai input

pada DSS. MBMS merupakan seperangkat program komputer yang

tersimpan dalam generator DSS yang mengijinkan user untuk

membuat, meng-edit, meng-update dan/atau menghapus model.

User membuat beberapa model dan file relasi database untuk

12

membuat keputusan yang spesifik. Model dan database yang telah

dibuat disimpan di model utama dan database-nya di media

penyimpan seperti hardisk. Dari sudut pandang user, subsistem

interface user hanya merupakan bagian dari komponen DSS. Oleh

karena itu, dalam memberikan interface user yang efektif harus

mengambil beberapa persoalan penting sebagai bahan pertimbangan,

termasuk pemilihan media input dan output, desain layar,

penggunaan warna, format penyajian data dan informasi,

penggunaan jenis interface yang berbeda, dan lain-lain.

Gambar 2.1 Komponen DSS (Decision Support System)

13

2.4 Konsep Dasar Logika Fuzzy

Teori himpunan fuzzy diperkenalkan pertama kali oleh Lotfi A.

Zadeh pada tahun 1965. Ada beberapa alasan mengapa orang

menggunakan logika fuzzy, antara lain :

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang

mendasari penalaran fuzzy sangat sederhana dan mudah

dimengerti.

2. Logika fuzzy sangat fleksibel.

3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak

tepat.

4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang

sangat kompleks.

5. Logika fuzzy dapat membangun dan mengaplikasikan

pengalaman-pengalaman para pakar secara langsung tanpa harus

melalui proses pelatihan.

6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali

secara konvensional.

7. Logika fuzzy didasarkan pada bahasa alami.

Dalam logika fuzzy dikenal berhingga keadaan dari nilai “0”

sampai ke nilai “1”. Logika fuzzy tidak hanya mengenal dua keadaan

tetapi juga mengenal sejumlah keadaan yang berkisar dari keadaan

salah sampai keadaan benar [5].

14

Ada beberapa hal yang perlu diketahui dalam memahami

sistem fuzzy, yaitu :

1. Variabel Fuzzy

Variabel Fuzzy merupakan variabel yang hendak

dibahas dalam suatu sistem Fuzzy.

2. Himpunan Fuzzy

Himpunan Fuzzy adalah himpunan yang tiap

elemennya mempunyai derajat keanggotaan tertentu

terhadap himpunannya.

Himpunan Fuzzy memiliki dua atribut, yaitu :

Linguistik, yaitu penamaan suatu grup yang

mewakili suatu keadaan atau kondisi tertentu

dengan menggunakan bahasa alami.

Numeris, yaitu suatu nilai (angka) yang

menunjukkan ukuran dari suatu variabel.

3. Semesta Pembicaraan

Semesta pembicaraan adalah suatu keseluruhan nilai

yang diperbolehkan untuk dioperasikan dalam suatu

variabel Fuzzy. Nilai semesta pembicaraan dapat

berupa bilangan positif atau bilangan negatif.

4. Domain

15

Domain himpunan Fuzzy adalah keseluruhan nilai

yang diijinkan dalam semesta pembicaraan dan boleh

dioperasikan dalam suatu himpunan Fuzzy. Nilai

domain dapat berupa bilangan positif maupun

bilangan negatif [6].

2.5 Karakteristik Logika Fuzzy

Logika Fuzzy memiliki beberapa karakteristik yaitu himpunan

Fuzzy dan fungsi keanggotaan.

2.5.1 Himpunan Fuzzy

Pada logika boolean, sebuah individu dipastikan sebagai

anggota dari salah satu himpunan saja, sedangkan pada himpunan

fuzzy sebuah individu dapat masuk pada dua himpunan yang

berbeda. Seberapa besar eksistensinya dalam himpunan tersebut

dapat dilihat pada nilai keanggotaannya [6].

Himpunan fuzzy A pada semesta X dinyatakan sebagai

himpunan pasangan berurutan (set of ordered pairs) baik diskrit

maupun kontinu.

(2.1)

Dimana fungsi keanggotaan himpunan fuzzy A. Fungsi

keanggotaan memetakan setiap pada suatu nilai antara [0,1]

yang disebut derajat keanggotaan (membership grade atau

membership value).

16

Beberapa operasi pada himpunan fuzzy adalah sebagai

berikut [7] :

Support

Support dari himpunan fuzzy A adalah kumpulan semua

titik yang memberikan nilai , atau

Support(A) = (2.2)

Core

Core dari himpunan fuzzy A adalah kumpulan semua titik

yang memberikan nilai , atau

Core(A) = (2.3)

Crossover

Titik crossover dari himpunan fuzzy A adalah titik

dimana atau

Crossover(A) = (2.4)

Fungsi Singleton

17

Fungsi singleton adalah himpunan fuzzy yang memiliki

support pada satu titik dengan .

2.5.2 Fungsi Keanggotaan (Membership Function)

Fungsi keanggotaan adalah suatu kurva yang menunjukkan

pemetaan titik-titik input data ke dalam nilai keanggotaannya

(disebut juga dengan derajat keanggotaan) yang memiliki interval

antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk

mendapatkan nilai keanggotaan adalah dengan melalui pendekatan

fungsi [6]. Derajat keanggotaan dalam himpunan (degree of

membership) dilambangkan dengan µ.

Dalam sistem fuzzy banyak dikenal bermacam-macam fungsi

keanggotaan (membership function). Beberapa fungsi keanggotaan

yang sering digunakan adalah:

Fungsi keanggotaan Linear (2.5)

Fungsi keanggotaan segitiga (2.6)

µ[x] =

0;

1;

(x – a) / (b - a);

x ≤ a atau x ≥ c

a ≤ x ≤ b

x ≥ b

µ[x] =

0;

(c - x) / (c - b);

(x – a) / (b - a);


a ≤ x ≤ b

b ≤ x ≤ c

18

Fungsi Keanggotaan Trapesium (2.7)

Dalam kasus yang dibahas, fungsi keanggotaan yang dipakai

adalah Representasi Kurva Segitiga dan Representasi Kurva Bahu.

1. Representasi Kurva Segitiga

Kurva segitiga pada dasarnya merupakan gabungan

antara dua garis.

µ[x] =

0

(d - x) / (d - c)

(x – a) / (b - a)

x ≤ a atau x ≥ d

a < x < b

c < x < d

1 b < x < c

a b c0

1

Derajat keanggotaan

µ[x]

Domain

Gambar 2.2 Fungsi Keanggotaan Kurva Segitiga

19

Fungsi keanggotaan: (2.8)

2. Representasi Kurva Bahu

Kurva bahu merupakan daerah yang terletak di tengah-

tengah suatu variabel yang direpresentasikan dalam

bentuk segitiga, pada sisi kanan dan sisi kirinya akan

naik dan turun. Himpunan fuzzy bahu digunakan untuk

mengakhiri variabel suatu daerah fuzzy.

µ[x] =

0;

(c - x) / (c - b);

(x – a) / (b - a);


a ≤ x ≤ b

b ≤ x ≤ c

a b0

1

Derajat keanggotaan

µ[x]

Domain

Bahu Kiri Bahu Kanan

20

Fungsi keanggotaan pada kurva segitiga dan fungsi

keanggotaan pada kurva bahu dapat dilihat pada gambar 2.4

2.6 Operator Dasar Zadeh [2]

Operator AND

Operator ini berhubungan dengan operasi interseksi

pada himpunan. Fire strength sebagai hasil operasi dengan

operator AND diperoleh dengan mengambil nilai

keanggotaan terkecil antar elemen pada himpunan-himpunan

yang bersangkutan.

Gambar 2.3 Fungsi Keanggotaan Kurva Bahu

Variabel Fuzzy

50

1

Himp1 Himp2 Himp3

µ[x]

1 10

Gambar 2.4 Himpunan Fuzzy untuk Suatu Variabel

21

(2.9)

Operator OR

Operator ini berhubungan dengan operasi union pada

himpunan. Fire strength sebagai hasil operasi dengan

operator OR diperoleh dengan mengambil nilai keanggotaan

terbesar antara elemen pada himpunan-himpunan yang

bersangkutan.

(2.10)

Operator NOT

Operator ini berhubungan dengan operasi komplemen

pada himpunan. Fire strength sebagai hasil operasi dengan

operator NOT diperoleh dengan mengurangkan nilai

keanggotaan elemen pada himpunan yang bersangkutan dari

1.

(2.11)

2.7 Fuzzifikasi

Fuzzifikasi adalah pengubahan seluruh variabel input/output

ke bentuk himpunan fuzzy. Rentang nilai variabel input

dikelompokkan menjadi beberapa himpunan fuzzy dan tiap

himpunan mempunyai derajat keanggotaan tertentu.

22

Bentuk fuzzifikasi yang dipakai pada sistem ini adalah bentuk

segitiga dan bentuk bahu. Bentuk fuzzifikasi menentukan derajat

keanggotaan suatu nilai rentang input/output. Derajat keanggotaan

himpunan fuzzy dihitung dengan menggunakan rumus fungsi

keanggotaan dari segitiga fuzzifikasi [5].

2.8 Inferensi Fuzzy (logika Pengambilan Keputusan)

Setelah fungsi keanggotaan untuk variabel masukan dan

keluarannya ditentukan, basis aturan pengendalian dapat

dikembangkan untuk menghubungkan aksi keluaran pengendali

terhadap kondisi masukannya. Tahap ini disebut sebagai tahap

inferensi, yakni bagian penentuan aturan dari sistem logika fuzzy.

Sejumlah aturan dapat dibuat untuk menentukan aksi pengendali

fuzzy [8].

Pada basis aturan, aturan If-Then tersebut dapat

menghubungkan banyak variabel masukan dan keluaran. Masukan x

dipetakan menjadi keluaran y. Aturan if-then diinterpretasikan

sebagai implikasi fuzzy. Terdapat banyak sekali model interpretasi

implikasi yang telah dikembangkan. Pada sistem ini, metode yang

digunakan adalah Metode MAMDANI.

2.8.1 Metode Tsukamoto

Pada Metode Tsukamoto, setiap konsekuen pada aturan yang

berbentuk If-Then harus direpresentasikan dengan suatu himpunan

fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya,

output hasil inferensi dari tiap-tiap aturan diberikan secara tegas

23

(crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya

diperoleh dengan menggunakan rata-rata terbobot.

2.8.2 Metode Sugeno

Penalaran dengan Metode Sugeno hamper sama dengan

penalaran Mamdani, hanya saja output (konsekuen) sistem tidak

berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan

linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada

tahun 1985.

a. Model Fuzzy Sugeno Orde-Nol

Secara umum bentuk model fuzzy SUGENO Orde-Nol

adalah :

IF (x1 is A1) . (x2 is A2) . (x3 is A3) . ….. . (xn is An)

THEN z = k (2.12)

dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden,

dan k adalah suatu konstanta (tegas) sebagai konsekuen.

b. Model Fuzzy Sugeno Orde-Satu

Secara umum bentuk model fuzzy SUGENO Orde-Satu

adalah :

IF (x1 is A1) . ….. . (xn is An) THEN z = p1 * x1 + ….. +

pn * xn + q (2.13)

24

dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden,

dan pi adalah suatu konstanta (tegas) ke-i dan q juga

merupakan konstanta dalam konsekuen.

2.8.3 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 empat tahapan :

1. Pembentukan Himpunan Fuzzy

Pada Metode 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. Ada tiga metode

yang digunakan dalam melakukan inferensi system fuzzy,

yaitu max, additive dan probabilistic OR (probor).

a. Metode Max (Maximum)

25

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).

Secara umum dapat dituliskan :

µsf[xi] ← max (µsf[xi], µkf[xi]) (2.14)

dengan :

µsf[xi] = nilai keanggotaan solusi fuzzy sampai

aturan ke-i;

µkf[xi] = nilai keanggotaan konsekuen fuzzy

sampai aturan ke-i;

Apabila digunakan fungsi implikasi MIN, maka

metode komposisi ini sering disebut dengan nama

MAX-MIN atau MIN-MAX atau MAMDANI.

b. Metode Additive (Sum)


dengan cara melakukan bounded-sum terhadap

semua output daerah fuzzy. Secara umum

dituliskan :

µsf[xi] ← min (1, µsf[xi] + µkf[xi]) (2.15)

26

dengan :


aturan ke-i;


sampai aturan ke-i;

c. Metode Probabilistik OR (probor)


dengan cara melakukan product terhadap semua

output daerah fuzzy. Secara umum dituliskan :

µsf[xi] ← (µsf[xi] + µkf[xi]) - (µsf[xi] * µkf[xi])

dengan : (2.16)


aturan ke-i;


sampai 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,

27

maka harus dapat diambil suatu nilai crisp tertentu

sebagai output seperti terlihat pada gambar 2.5

Ada beberapa metode defuzzifikasi pada komposisi aturan

MAMDANI. Pada sistem ini proses defuzifikasinya menggunakan

metode Mean Of Maximum (MOM).

a. Metode Centroid (Composite Moment)

Pada metode ini, solusi crisp diperoleh dengan cara

mengambil titik pusat (z*) daerah fuzzy.

b. Metode Bisektor


mengambil nilai pada domain fuzzy yang memiliki nilai

Daerah Fuzzy ‘B’

Nilai yang diharapkan

Output:Daerah Fuzzy ‘D’

Daerah Fuzzy ‘C’

Daerah Fuzzy ‘A’

Gambar 2.5 Proses Defuzzifikasi.

28

keanggotaan separuh dari jumlah total nilai keanggotaan

pada daerah fuzzy.

c. Metode Mean Of Maximum (MOM)


mengambil nilai rata-rata domain yang memiliki nilai

keanggotaan maksimum.

d. Metode Largest Of Maximum (LOM)


mengambil nilai terbesar dari domain yang memiliki nilai


e. Metode Smallest Of Maximum (SOM)


mengambil nilai terkecil dari domain yang memiliki nilai


2.9 Tipe-Tipe Fuzzy

Ada beberapa macam tipe Fuzzy. Yang akan digunakan pada

sistem ini adalah tipe Fuzzy Database.

2.9.1 Fuzzy Clustering

Fuzzy Clustering adalah salah satu teknik untuk menentukan

cluster optimal dalam suatu ruang vektor yang didasarkan pada

29

bentuk normal Euclidian untuk jarak antar vektor. Beberapa

algoritma clustering data adalah :

1. Fuzzy C-Means (FCM)

2. Fuzzy Subtractive Clustering

2.9.2 Fuzzy Database

Fuzzy Database dapat diartikan sebagai merepresentasikan,

memasukkan, dan memanipulasi informasi yang tidak tepat dan

tidak pasti. Fuzzy Database bertujuan untuk memecahkan setiap

permasalahan yang berhubungan dengan representasi dan

menangani informasi yang tidak tepat [9].

1. Fuzzy Database Model Tahani

2. Fuzzy Database model Umano

2.9.3 Fuzzy Quantification Theory

Fuzzy Quantification Theory adalah metode untuk

mengendalikan data-data kualitatif dengan menggunakan teori

himpunan Fuzzy.

1. Fuzzy Quantification Theory I (analisis regresi

kualitatif)

2. Fuzzy Quantification Theory II (analisis deskriptif

kualitatif)

30

2.9.4 Fuzzy Associative Memory (FAM)

Fuzzy Associative Memory (FAM) merupakan suatu sistem

fuzzy yang memetakan himpunan-himpunan fuzzy ke himpunan-

himpunan fuzzy lainnya.

1. Fuzzy HEBB FAM

Correlation minimum encoding

Correlation product encoding

2. Relasi Komposisi

Max-Min Composition

Max-Product Composition

3. Superimposing FAM Rules

2.9.5 Fuzzy Linear Programming (FLP)

Fuzzy Linear Programming (FLP) merupakan suatu sistem

fuzzy yang mencari suatu nilai z yang merupakan fungsi obyektif

yang akan dioptimasikan sedemikian hingga tunduk pada batasan-

batasan yang dimodelkan dengan menggunakan himpunan fuzzy.

2.10 Fuzzy Database

Fuzzy Database dapat diartikan sebagai merepresentasikan,

memasukkan, dan memanipulasi informasi yang tidak tepat dan

tidak pasti. Query pada logika fuzzy dapat digunakan untuk

pengambilan data yang diinginkan, tanpa memerlukan pendefinisian

31

parameter yang pasti. Proses query fuzzy mencakup logika boolean

yang hasil pencariannya berupa nilai benar atau salah dan juga akan

menghasilkan nilai x% benar atau x% salah dari nilai

keanggotaannya.

2.10.1 Fuzzy Database Model Tahani

Dengan menggunakan database standar, kita bisa mencari

data-data dengan spesifikasi tertentu dengan menggunakan query.

Pada kenyataannya, seseorang kadang membutuhkan

informasi dari data yang bersifat ambiguous. Dan jika hal tersebut

terjadi maka dapat digunakan fuzzy database. Selama ini sudah ada

beberapa penelitian tentang fuzzy database. Salah satu diantaranya

adalah model Tahani.

Fuzzy database model Tahani masih menggunakan relasi

standar, tetapi model Tahani menggunakan teori himpunan fuzzy

pada suatu variabel untuk mendapatkan informasi pada query-nya.

Sehingga pada pencarian data menggunakan rumus dari derajat

keanggotaan pada suatu variabel himpunan fuzzy.

Dalam hal ini menggunakan rumus dari derajat keanggotaan

segitiga, dengan representasi kurva segitiga dan representasi kurva

bahu [2].

32

2.10.2 Pembentukan Query

Suatu sistem query adalah semacam sistem pengembalian

informasi yang digunakan untuk mendapatkan kembali obyek yang

relevan dari suatu database [10].

Pembentukan query pada database sistem fuzzy digunakan

pada proses fuzzifikasi dan proses defuzzifikasi.

Query digunakan untuk mencari data dari database serta

meng-input-kan data ke database. Seluruh nilai yang di-input-kan ke

database merupakan nilai yang memenuhi kriteria dari fungsi

derajat keanggotaan yang di-input-kan, dengan batas nilai antara 0

dan 1.

SELECT FIELD_A, FIELD_B, FIELD_C

FROM TABLE_A

WHERE FIELD_A >= 0 AND FIELD_B >= 0

Sedangkan data-data nilai yang diambil merupakan hasil

perhitungan dari rumus fungsi derajat keanggotaan yang disimpan

ke database. Nilai-nilai tersebut merupakan hasil dari proses

fuzzifikasi, yang berguna sebagai nilai input untuk proses

defuzzifikasi.

BAB III

METODOLOGI PERANCANGAN SISTEM

3.1 Metode Pembangunan Software

Metode yang digunakan untuk pengembangan sistem yang

dibuat ialah dengan menggunakan Metode Waterfall. Model ini

menawarkan cara pembuatan perangkat lunak secara lebih nyata.

Langkah-langkah yang penting dalam model ini adalah :

Penentuan dan analisis spesifikasi

Jasa, kendala dan tujuan dihasilkan dari konsultasi

dengan pengguna sistem. Kemudian semuanya itu

dibuat dalam bentuk yang dapat dimengerti oleh user

dan staf pengembang.

Desain sistem dan perangkat lunak

Proses desain sistem membagi kebutuhan-kebutuhan

menjadi sistem perangkat lunak atau perangkat keras.

Proses tersebut menghasilkan sebuah arsitektur

sistem keseluruhan. Desain perangkat lunak termasuk

menghasilkan fungsi sistem perangkat lunak dalam

bentuk yang mungkin ditransformasi ke dalam satu

atau lebih program yang dapat dijalankan.

33

34

Implementasi dan ujicoba unit

Selama tahap ini desain perangkat lunak disadari

sebagai sebuah program lengkap atau unit program.

Uji unit termasuk pengujian bahwa setiap unit sesuai

spesifikasi.

Integrasi dan ujicoba sistem

Unit program diintegrasikan dan diuji menjadi sistem

yang lengkap untuk menyakinkan bahwa persyaratan

perangkat lunak telah dipenuhi. Setelah ujicoba,

sistem disampaikan ke customer

Operasi dan pemeliharaan

Normalnya, ini adalah phase yang terpanjang. Sistem

dipasang dan digunakan. Pemeliharaan termasuk

pembetulan kesalahan yang tidak ditemukan pada

langkah sebelumnya. Perbaikan implementasi unit

sistem dan peningkatan jasa sistem sebagai

kebutuhan baru ditemukan.

35

3.2 Analisis Sistem

Sistem yang dibuat pada studi kasus pemilihan spesifikasi

komputer ini, ditujukan untuk menangani pencarian spesifikasi paket

komputer lengkap yang sesuai dengan kriteria-kriteria dari

konsumen. Dari data-data spesifikasi komputer yang ada, maka

digunakan untuk melakukan pencarian, paket komputer seperti

apakah yang sesuai dengan kriteria-kriteria yang diinginkan

konsumen.

Sistem yang akan dibangun merupakan sistem basisdata fuzzy

(Fuzzy Database System), dengan menggunakan model Tahani, yaitu

dengan menggunakan relasi standar dalam database dan penekanan

fuzzy pada beberapa field dalam tabel-tabel dalam database tersebut.

Gambar 3.1 Pemodelan Waterfall

36

3.2.1 Kebutuhan Input

Kebutuhan input pada sistem ini digolongkan menjadi dua

bagian input, yaitu input fuzzy dan input non fuzzy.

1. Input fuzzy, terdiri dari:

Data-data spesifikasi komputer yang menyangkut

kecepatan prosesor, ukuran memory, kapasitas

Harddisk, ukuran VGA, ukuran monitor, kapasitas

power supply, dan harga.

Batas bawah (parameter 1 untuk semua bentuk

fungsi), batas atas (parameter 2 untuk fungsi

berbentuk bahu dan parameter 3 untuk fungsi

segitiga), dan nilai tengah (parameter 2 untuk fungsi

segitiga) untuk variabel-variabel diatas.

2. Input non fuzzy, terdiri dari data-data spesifikasi

komputer yang menyangkut merek dan kecocokan antara

spesifikasi yang satu dengan yang lain.

3.2.2 Proses Logika Fuzzy Pada Sistem

Pada sistem ini proses fuzzy meliputi:

1. Pengambilan nilai input fuzzy ataupun non fuzzy

dari dalam database, sesuai dengan keterangan yang

disebutkan oleh pembeli.

2. Proses fuzzifikasi dari data input, dengan

menggunakan rumus fungsi keanggotaan kurva bahu dan

kurva segitiga.

37

3. Proses logika pengambilan keputusan melalui

pembentukan query.

4. Menampilkan hasil rekomendasi sesuai dengan

kriteria yang disebutkan oleh saksi.

3.2.3 Kebutuhan Output

Output pada sistem ini berupa rekomendasi paket komputer

lengkap yang sesuai dengan kriteria-kriteria yang diinginkan (di-

input-kan) oleh para pengguna.

3.3 Perancangan Sistem

Perancangan sistem dibutuhkan untuk membantu proses

pengembangan dan untuk dokumentasi perangkat lunak sistem. Pada

perancangan sistem ini, akan diuraikan mengenai elemen-elemen

pengembangan sistem yang digunakan, yaitu UML (Unified

Modelling System) dan perancangan antarmuka sistem dengan

pengguna.

3.3.1 UML (Unified Modelling Language)

UML adalah sebuah “bahasa” yang telah menjadi standar

untuk visualisasi, merancang dan mendokumentasikan sistem peranti

lunak. UML pada sistem yang dibangun ini terdiri dari use case

diagram, sequence diagram dan activity diagram.

38

3.3.1.1 Use Case Diagram

Use case diagram menggambarkan fungsionalitas yang

diharapkan dari sebuah sistem. Sebuah use case merepresentasikan

sebuah interaksi antara aktor dengan sistem.

Pengguna (Pembeli)

Masukkan Spesifikasi Komp yang Diinginkan

Paket Komputer Rekomendasi

Pengguna (Administrator)

Login PembeliLogin Administrator

Masukkan Data Batas Himpunan

Sistem Fuzzy

Masukkan Data Spesifikasi Komputer

Gambar 3.2 Use Case Diagram Sistem yang Dibangun

39

3.3.1.1.1 Use Case Diagram Sistem Fuzzy

Hasil Pencarian Tiap Item Prioritas Tiap Item

Pengacakan dengan metode Selection Sort

Penggabungan Menjadi Paket-Paket Lengkap

Paket Hasil Rekomendasi

Gambar 3.3 Use Case Diagram Sistem Fuzzy

40

3.3.1.2 Sequence Diagram

Sequence diagram menggambarkan interaksi antar objek di

dalam dan di sekitar sistem berupa message yang digambarkan

terhadap waktu.

: Pengguna (Administrator)

Batas Himpunan Fuzzy

Data Spesifikasi Komputer : Pengguna

(Pembeli)

Tampilan Inputan Fuzzy

Sistem Fuzzy Tampilan Paket Rekomendasi

Masukkan Data Spesifikasi Komputer yang Diinginkan

Proses Penghitungan Fuzzy

Hasil Penghitungan Fuzzy

Tampilan Paket Rekomendasi

Masukkan Data Batas Himpunan Fuzzy

Masukkan Data Spesifikasi Komputer

Proses Penghitungan Fuzzy Berdasarkan Data Spesifikasi Komputer Yang Diinginkan Pembeli

Gambar 3.4 Sequence Diagram

41

3.3.1.3 Activity Diagram

Activity diagrams menggambarkan berbagai alir aktivitas

dalam sistem yang sedang dirancang, bagaimana masing-masing alir

berawal, decision yang mungkin terjadi, dan bagaimana mereka

berakhir.

Start

Login Pembeli

Masukkan Spesifikasi Komputer yang Diinginkan

Tampilan Paket Rekomendasi

End

Batas Himpunan Fuzzy

Proses Fuzzy

Login Administrator

AdministratorPengguna (Pembeli)

Gambar 3.5 Activity Diagram

42

3.3.2 ERD (Entity Relationship Diagram)

Diagram ERD menggambarkan berbagai relasi antar entity

dalam suatu database.

Gambar 3.6 ERD Diagram

43

Kamus Data ERD

BatasHimpunan : (TypeJenis, TypeID, Min, Middle, Max, Murah,

Normal, Mahal)

Casing : (IDData, TypeID, TypeJenis, IDMerek,

SpesifikasiItem, Harga, PathGambar)

Memory : (IDData, TypeID, TypeJenis, IDMerek,

SpesifikasiItem, Kapasitas, Harga, PathGambar)

Optical : (IDData, TypeID, TypeJenis, IDMerek,


Mainboard : (IDData, TypeID, TypeJenis, IDMerek,


Harddisk : (IDData, TypeID, TypeJenis, IDMerek,

SpesifikasiItem, Ukuran, Harga, PathGambar)

Monitor : (IDData, TypeID, TypeJenis, IDMerek,


Keyboard : (IDData, TypeID, TypeJenis, IDMerek,


Mouse : (IDData, TypeID, TypeJenis, IDMerek,


PSA : (IDData, TypeID, TypeJenis, IDMerek,

SpesifikasiItem, Kapasitas, Harga, PathGambar)

VGA : (IDData, TypeID, TypeJenis, IDMerek,


Prosesor : (IDData, TypeID, TypeJenis, IDMerek,

SpesifikasiItem, Kecepatan, Harga, PathGambar)

Data Item : (IDData, SpesifikasiItem,

Ukuran/Kapasitas/Kecepatan, Harga)

44

Sistem Fuzzy : (IDData, TypeJenis,

MuUkuran/Kapasitas/Kecepatan, MuHarga)

3.3.3 Perancangan Database

Karena pada penelitian ini database-nya menggunakan model

Tahani, maka struktur database yang digunakan adalah struktur

database relasional. Ada empat belas tabel yang digunakan dalam

penyelesaian penelitian ini.

3.3.3.1 Struktur Tabel

1. Tabel T_TypeID

Tabel T_ TypeID digunakan untuk menyimpan data-data

tentang nama IDType untuk masing-masing spesifikasi komputer,

struktur tabelnya dapat dilihat pada tabel 3.1

*) Kunci Primer Tabel 3.1 Tabel T_ TypeID

Field Tipe Data Size Keterangan

TypeID(*) Text 20 ID Type untuk masing-masing spesifikasi komputer

Nama Text 20 Nama-nama spesifikasi komputer2. Tabel T_Merek

Tabel T_ Merek digunakan untuk menyimpan data-data

tentang merek-merek pada masing-masing spesifikasi komputer,

struktur tabelnya dapat dilihat pada tabel 3.2

*) Kunci Primer Tabel 3.2 Tabel T_Merek

45

Field Tipe Data Size KeteranganIDData AutoNumber IDData untuk Tabel T_Merek

TypeID Text 20 ID Type untuk masing-masing spesifikasi komputer

IDMerek (*)

Text 20ID Merek untuk masing-masing spesifikasi komputer

Merek Text 30 Nama Merek untuk masing-masing spesifikasi komputer

3. Tabel TblBatas

Tabel TblBatas digunakan untuk menyimpan data batas-batas

himpunan fuzzy maupun non fuzzy untuk masing-masing spesifikasi

komputer, struktur tabel TblBatas dapat dilihat pada tabel 3.3

*) Kunci Primer Tabel 3.3 Tabel TblBatas

Field Tipe Data Size KeteranganIDData AutoNumber IDData untuk Tabel TblBatas

TypeID Text 20 ID Type untuk masing-masing spesifikasi komputer

TypeJenis (*)

Text 50

Jenis dari spesifikasi komputer yang digunakan sebagai batasan dalam menentukan batas himpunan

Murah SingleNilai batas himpunan untuk variabel harga Murah

Normal SingleNilai batas himpunan untuk variabel harga Normal

Mahal SingleNilai batas himpunan untuk variabel harga Mahal

Min SingleNilai batas himpunan untuk variabel Fuzzy Kecil

Middle SingleNilai batas himpunan untuk variabel Fuzzy Sedang

46

Max SingleNilai batas himpunan untuk variabel Fuzzy Besar

4. Tabel TblCasing

Tabel TblCasing digunakan untuk menyimpan data-data

tentang spesifikasi dari item Casing. Struktur tabel TblCasing dapat

dilihat pada tabel 3.4

*) Kunci Primer Tabel 3.4 Tabel TblCasing


IDData (*) AutoNumber IDData untuk Tabel TblCasing

TypeID Text 20 ID Type untuk item Casing

IDMerek Text 20 ID Merek untuk item Casing

TypeJenisCasing Text 50 Type Jenis dari item Casing

NamaCasing Text 50Nama dari masing-masing item Casing

Bays Text 20 Rak CDRom dan Harddisk

PSU Yes / No Ada / tidaknya PSU

KapasitasPSU Long Integer Kapasitas PSU (jika ada)

FrontUSB Yes / No Ada / tidaknya Front USB

Firewire Yes / No Ada / tidaknya Firewire

Audio Yes / No Ada / tidaknya Audio

Harga DoubleHarga untuk masing-masing item Casing

Path_Gambar MemoData Gambar untuk masing-masing item Casing (jika ada)

5. Tabel TblHarddisk

47

Tabel TblHarddisk digunakan untuk menyimpan data-data

tentang spesifikasi dari item Harddisk. Struktur tabel TblHarddisk

dapat dilihat pada tabel 3.5

*) Kunci Primer Tabel 3.5 Tabel TblHarddisk


IDData (*) AutoNumber

IDData untuk Tabel TblHarddisk

TypeID Text 20 ID Type untuk item Harddisk

IDMerek Text 20 ID Merek untuk item HarddiskTypeJenisHarddisk

Text 50 Type Jenis dari item Harddisk

NamaHarddisk Text 50Nama dari masing-masing item Harddisk

RPM Long Integer Kecepatan putar Harddisk

L2Cache Long IntegerBuffer untuk membaca isi Harddisk

Kapasitas Long IntegerKapasitas untuk masing-masing item Harddisk

Harga DoubleHarga untuk masing-masing item Harddisk

Path_Gambar MemoData Gambar untuk masing-masing item Harddisk (jika ada)

6. Tabel TblKeyboard

Tabel TblKeyboard digunakan untuk menyimpan data-data

tentang spesifikasi dari item Keyboard. Struktur tabel TblKeyboard


*) Kunci Primer Tabel 3.6 Tabel TblKeyboard


48

IDData (*) AutoNumber IDData untuk Tabel TblKeyboard

TypeID Text 20 ID Type untuk item Keyboard

IDMerek Text 20 ID Merek untuk item Keyboard

TypeJenisKeyboard Text 50Type Jenis dari item Keyboard (Keyboard / Keyboard+Mouse)

NamaKeyboard Text 50Nama dari masing-masing item Keyboard

JenisKeyboard Text 50 Jenis dari item Keyboard

JenisMouse Text 50Jenis dari item Mouse (jika TypeJenisKeyboard berupa Keyboard+Mouse)

PS2 Yes / No Jenis Kabel

USB Yes / No Jenis Kabel

OpticalMouse Yes / No Jenis Optical Mouse

ScrollBallMouse Yes / No Jenis Scrollball Mouse

BluetoothWireless Yes / NoMendukung Bluetooth Wireless / tidak

Harga DoubleHarga untuk masing-masing item Keyboard

Path_Gambar MemoData Gambar untuk masing-masing item Keyboard (jika ada)

7. Tabel TblMainboard

Tabel TblMainboard digunakan untuk menyimpan data-data

tentang spesifikasi dari item Mainboard. Struktur tabel

TblMainboard dapat dilihat pada tabel 3.7

*) Kunci Primer Tabel 3.7 Tabel TblMainboard


IDData (*) AutoNumber IDData untuk Tabel TblMainboard

49

TypeID Text 20 ID Type untuk item Mainboard

IDMerek Text 20 ID Merek untuk item Mainboard

TypeJenisMainboard

Text 50Type Jenis dari item Mainboard (AMD / Intel)

Socket Text 10 Jenis socket dari item MainboardNamaMainboard

Text 50 Nama dari masing-masing item Mainboard

Chipset Text 50Jenis chipset yang terdapat pada masing-masing item Mainboard

SingleCore Yes / No Mendukung Single Core / tidak

Core2Duo Yes / No Mendukung Core2Duo / tidak

DualCore Yes / No Mendukung Dual Core / tidak

QuadCore Yes / No Mendukung Quad Core / tidak

TypeJenisMemory

Text 10Type Jenis Memory (DDR1 / DDR2)

MaxBusSpeed Long Integer Batas Maksimum Bus Speed

RAMSpeed Text 20RAM Speed (Dual Channel / tidak)

ATA Text 20 Kemampuan transfer data

SATA Text 20 Kemampuan transfer data

VGA Yes / No Ada / Tidaknya VGA

Audio Yes / No Ada / Tidaknya Audio

LAN Yes / No Ada / Tidaknya Fasilitas LAN

Wi-Fi Yes / No Ada / Tidaknya Fasilitas Wi-Fi

USB Yes / No Ada / Tidaknya Fasilitas USB

RAID Yes / No Ada / Tidaknya Fasilitas RAID

SlotVGA Text 20 Jenis Slot VGA

FSB Double Kecepatan transfer data

Harga Double Harga untuk masing-masing item Mainboard

Path_Gambar Memo Data Gambar untuk masing-masing item Mainboard (jika ada)

8. Tabel TblMemory

50

Tabel TblMemory digunakan untuk menyimpan data-data

tentang spesifikasi dari item Memory. Struktur tabel TblMemory


*) Kunci Primer Tabel 3.8 Tabel TblMemory


IDData (*) AutoNumber IDData untuk Tabel TblMemory

TypeID Text 20 ID Type untuk item Memory

IDMerek Text 20 ID Merek untuk item Memory

TypeJenisMemory Text 10Type Jenis dari item Memory (DDR1 / DDR2)

NamaMemory Text 50Nama dari masing-masing item Memory

PC Text 5 Nilai PC dari masing-masing item Memory

BusSpeed Text 5Nilai Bus Speed dari masing-masing item Memory

Kapasitas Long IntegerNilai Kapasitas dari masing-masing item Memory

Harga Double Harga untuk masing-masing item Memory

Path_Gambar MemoData Gambar untuk masing-masing item Memory (jika ada)

9. Tabel TblMonitor

Tabel TblMonitor digunakan untuk menyimpan data-data

tentang spesifikasi dari item Monitor. Struktur tabel TblMonitor


*) Kunci Primer Tabel 3.9 Tabel TblMonitor


51

10. Tabel TblMouse

Tabel TblMouse digunakan untuk menyimpan data-data

tentang spesifikasi dari item Mouse. Struktur tabel TblMouse dapat


*) Kunci Primer Tabel 3.10 Tabel TblMouse


IDData (*) AutoNumber IDData untuk Tabel TblMouse

TypeID Text 20 ID Type untuk item Mouse

IDMerek Text 20 ID Merek untuk item Mouse

TypeJenisMouse Text 20 Type Jenis dari item Mouse (Optical / Wireless / Laser)

NamaMouse Text 50Nama dari masing-masing item Mouse

JenisMouse Text 50 Jenis dari item Mouse

PS2 Yes / No Jenis konektor

USB Yes / No Jenis konektor

Harga Double Harga untuk masing-masing item Mouse

Path_Gambar MemoData Gambar untuk masing-masing item Mouse (jika ada)

11. Tabel TblOptical

Tabel TblOptical digunakan untuk menyimpan data-data

tentang spesifikasi dari item Optical Drive. Struktur tabel TblOptical


*) Kunci Primer Tabel 3.11 Tabel TblOptical


IDData (*) AutoNumber IDData untuk Tabel TblOptical

TypeID Text 20 ID Type untuk item Optical Drive

52

IDMerek Text 20 ID Merek untuk item Optical Drive

TypeJenisOptical Text 50Type Jenis dari item Optical Drive

Connector Text 50Konektor yang terdapat pada masing-masing item Optical Drive

NamaOptical Text 50Nama dari masing-masing item Optical Drive

CDR Text 10Besarnya kecepatan dari item Optical Drive jenis CDR

CDRW Text 10Besarnya kecepatan dari item Optical Drive jenis CDRW

DVDR Text 10Besarnya kecepatan dari item Optical Drive jenis DVDR

DVDRW Text 10Besarnya kecepatan dari item Optical Drive jenis DVDRW

Harga DoubleHarga untuk masing-masing item Optical Drive

Path_Gambar MemoData Gambar untuk masing-masing item Optical Drive (jika ada)

12. Tabel TblProsesor

Tabel TblProsesor digunakan untuk menyimpan data-data

tentang spesifikasi dari item Prosesor. Struktur tabel TblProsesor


*) Kunci Primer Tabel 3.12 Tabel TblProsesor


IDData (*) AutoNumber IDData untuk Tabel TblProsesor

TypeID Text 20 ID Type untuk item Prosesor

IDMerek Text 20 ID Merek untuk item Prosesor

TypeJenisProsesor Text 30 Type Jenis dari item Prosesor

53

NamaProsesor Text 50 Nama dari masing-masing item Prosesor

Socket Text 20Jenis Socket (AM2 / 939 / LGA 775)

SingleCore Yes / NoAdanya Fasilitas Single Core / tidak

Core2Duo Yes / No Adanya Fasilitas Core2Duo / tidak

DualCore Yes / No Adanya Fasilitas Dual Core / tidak

QuadCore Yes / NoAdanya Fasilitas Quad Core / tidak

Kecepatan DoubleBesarnya kecepatan dari masing-masing item Prosesor

L2Cache Text 20Ukuran L2Cache dari masing-masing item Prosesor

FSB DoubleBesarnya kecepatan FSB dari masing-masing item Prosesor

Harga DoubleHarga untuk masing-masing item Prosesor

Path_Gambar MemoData Gambar untuk masing-masing item Prosesor (jika ada)

13. Tabel TblPSA

Tabel TblPSA digunakan untuk menyimpan data-data tentang

spesifikasi dari item Power Supply. Struktur tabel TblPSA dapat


*) Kunci Primer Tabel 3.13 Tabel TblPSA


IDData (*) AutoNumber IDData untuk Tabel TblPSA

TypeID Text 20 ID Type untuk item Power Supply

IDMerek Text 20 ID Merek untuk item Power Supply

54

TypeJenisPSA Text 10Type Jenis dari item Power Supply (AT / ATX)

NamaPSA Text 50Nama dari masing-masing item Power Supply

Kapasitas Long IntegerBesarnya kapasitas dari masing-masing item Power Supply

Harga DoubleHarga untuk masing-masing item Power Supply

Path_Gambar MemoData Gambar untuk masing-masing item Power Supply (jika ada)

14. Tabel TblVGA

Tabel TblVGA digunakan untuk menyimpan data-data tentang

spesifikasi dari item VGA. Struktur tabel TblVGA dapat dilihat pada

tabel 3.14

*) Kunci Primer Tabel 3.14 Tabel TblVGA


IDData (*) AutoNumber IDData untuk Tabel TblVGA

TypeID Text 20 ID Type untuk item VGA

IDMerek Text 20 ID Merek untuk item VGA

TypeJenisVGA Text 20Type Jenis dari item VGA (ATI / NVIDIA)

NamaVGA Text 50Nama dari masing-masing item VGA

Chipset Text 50Jenis chipset yang terdapat pada masing-masing item VGA

TypeJenisMemory Text 10Type Jenis Memory yang didukung oleh masing-masing item VGA

SlotVGA Text 20Jenis Slot VGA (AGP 4x / AGP 8x / PCI-E 16x / Dual PCI-E 16x)

55

DualVGA Yes / NoAdanya Fasilitas Dual VGA / tidak

Ukuran Long Integer Besarnya Ukuran VGA

Harga DoubleHarga untuk masing-masing item VGA

Path_Gambar MemoData Gambar untuk masing-masing item VGA (jika ada)

3.3.3.2 Relasi Antar Tabel

56

3.3.4 Fungsi Keanggotaan Gambar 3.7 Relasi Antar Tabel

57

Pada kasus ini, setiap variabel fuzzy menggunakan fungsi

keanggotaan bahu dan fungsi keanggotaan segitiga sebagai

pendekatan untuk memperoleh derajat keanggotaan suatu nilai

dalam suatu himpunan fuzzy.

3.3.4.1 Variabel Kecepatan Prosesor

Variabel kecepatan prosesor dibagi menjadi tiga himpunan

fuzzy, yaitu min, middle dan max. Himpunan min dan max

menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu,

sedangkan himpunan middle menggunakan pendekatan fungsi

keanggotaan berbentuk segitiga.

Gambar 3.8 Himpunan Fuzzy untuk Variabel Kecepatan Prosesor

Keterangan dari gambar di atas adalah sebagai berikut :

Min Middle Max

Kecepatan (GHz)2,63

0

1

µ[x1]

1,8

58

- Min → Prosesor Berkecepatan Lambat

- Middle → Prosesor Berkecepatan Sedang

- Max → Prosesor Berkecepatan Cepat

Fungsi keanggotaan pada variabel kecepatan prosesor

dirumuskan sebagai berikut:

(3.1)

Keterangan dari rumusan di atas adalah sebagai berikut :

µKecepatanMin [x1]

1

0

(2,6–x1) / (2,6–1,8)

x1 ≤ 1,8

1,8 ≤ x1 ≤ 2,6

x1 ≥ 2,6

µKecepatanMiddle [x1]

0

(3-x1) / (3–2,6)

(x1–1,8) / (2,6–1,8)

x1 ≤ 1,8 atau x1 ≥ 3

1,8 ≤ x1 ≤ 2,6

2,6 ≤ x1 ≤ 3

µKecepatanMax [x1]

0

1

(x1-,26) / (3–2,6)

x1 ≤ 2,6

2,6 ≤ x1 ≤ 3

x1 ≥ 3

59

- 1,8 → Batas Atas Himpunan Fuzzy untuk variabel

kecepatan prosesor

- 2,6 → Batas Tengah Himpunan Fuzzy untuk

variabel kecepatan prosesor

- 3 → Batas Bawah Himpunan Fuzzy untuk

variabel kecepatan prosesor

3.3.4.2 Variabel Kapasitas Memory

Variabel kapasitas memory dibagi menjadi tiga himpunan





Gambar 3.9 Himpunan Fuzzy untuk Variabel Kapasitas Memory


Min Middle Max

Kapasitas (MB)256

512

0

1

µ[x2]

64

60

- Min → Memory Berkapasitas Kecil

- Middle → Memory Berkapasitas Sedang

- Max → Memory Berkapasitas Besar

Fungsi keanggotaan pada variabel kapasitas memory


(3.2)


µKapasitasMin [x2]

1

0

(256 – x2) / (256 – 64)

x2 ≤ 64

64 ≤ x2 ≤ 256

x2 ≥ 256

µKapasitasMiddle [x2]

0

(512 - x2) / (512 – 256)

(x2 – 64) / (256 – 64)

x2 ≤ 64 atau x2 ≥ 512

64 ≤ x2 ≤ 256

256 ≤ x2 ≤ 512

µKapasitasMax [x2]

0

1

(x2 - 256) / (512 – 256)

x2 ≤ 256

256 ≤ x2 ≤ 512

x2 ≥ 512

61

- 64 → Batas Atas Himpunan Fuzzy untuk variabel

kapasitas memory

- 256 → Batas Tengah Himpunan Fuzzy untuk

variabel kapasitas memory


variabel kapasitas memory

3.3.4.3 Variabel Kapasitas Harddisk

Variabel kapasitas Harddisk dibagi menjadi tiga himpunan





Gambar 3.10 Himpunan Fuzzy untuk Variabel Kapasitas Harddisk


Min Middle Max

Kapasitas (GB)160

400

0

1

µ[x3]

40

62

- Min → Harddisk Berkapasitas Kecil

- Middle → Harddisk Berkapasitas Sedang

- Max → Harddisk Berkapasitas Besar

Fungsi keanggotaan pada variabel kapasitas Harddisk


(3.3)


µKapasitasMin [x3]

1

0

(160 – x3) / (160 – 40)

x3 ≤ 40

40 ≤ x3 ≤ 160

x3 ≥ 160


0

(400 - x3) / (400 – 160)

(x3 – 40) / (160 – 40)

x3 ≤ 40 atau x2 ≥ 400

40 ≤ x3 ≤ 160

160 ≤ x3 ≤ 400

µKapasitasMax [x3]

0

1

(x3 - 160) / (400 – 160)

x3 ≤ 160

160 ≤ x3 ≤ 400

x3 ≥ 400

63


kapasitas Harddisk


variabel kapasitas Harddisk


variabel kapasitas Harddisk

3.3.4.4 Variabel ukuran VGA

Variabel ukuran VGA dibagi menjadi tiga himpunan fuzzy,

yaitu min, middle dan max. Himpunan min dan max menggunakan

pendekatan fungsi keanggotaan yang berbentuk bahu, sedangkan

himpunan middle menggunakan pendekatan fungsi keanggotaan

berbentuk segitiga.

Gambar 3.11 Himpunan Fuzzy untuk Variabel Ukuran VGA


Min Middle Max

Ukuran (MB)256

512

0

1

µ[x4]

64

64

- Min → VGA Berukuran Kecil

- Middle → VGA Berukuran Sedang

- Max → VGA Berukuran Besar

Fungsi keanggotaan pada variabel ukuran VGA dirumuskan

sebagai berikut:

(3.4)


µUkuranMin [x4]

1

0

(256 – x4) / (256 – 64)

x4 ≤ 64

64 ≤ x4 ≤ 256

x4 ≥ 256

µUkuranMiddle [x4]

0

(512 - x4) / (512 – 256)

(x4 – 64) / (256 – 64)

x4 ≤ 64 atau x4 ≥ 512

64 ≤ x4 ≤ 256

256 ≤ x4 ≤ 512

µUkuranMax [x4]

0

1

(x4 - 256) / (512 – 256)

x4 ≤ 512

256 ≤ x4 ≤ 512

x4 ≥ 512

65


ukuran VGA


variabel ukuran VGA


variabel ukuran VGA

3.3.4.5 Variabel Ukuran Monitor

Variabel ukuran monitor dibagi menjadi tiga himpunan fuzzy,

yaitu min, middle dan max. Himpunan min dan max menggunakan

pendekatan fungsi keanggotaan yang berbentuk bahu, sedangkan

himpunan middle menggunakan pendekatan fungsi keanggotaan

berbentuk segitiga.

Gambar 3.12 Himpunan Fuzzy untuk Variabel Ukuran Monitor


Min Middle Max

Ukuran (inch)19

22

0

1

µ[x5]

15

66

- Min → Monitor Berukuran Kecil

- Middle → Monitor Berukuran Sedang

- Max → Monitor Berukuran Besar

Fungsi keanggotaan pada variabel ukuran Monitor


(3.5)


µUkuranMin [x5]

1

0

(19 – x5) / (19 – 15)

x5 ≤ 15

15 ≤ x5 ≤ 19

x5 ≥ 19

µUkuranMiddle [x5]

0

(22 - x5) / (22 – 19)

(x5 – 15) / (19 – 15)

x5 ≤ 15 atau x5 ≥ 22

15 ≤ x5 ≤ 19

19 ≤ x5 ≤ 22

µUkuranMax [x5]

0

1

(x5 - 19) / (21 – 19)

x5 ≤ 19

19 ≤ x5 ≤ 22

x5 ≥ 22

67


ukuran Monitor


variabel ukuran Monitor


variabel ukuran Monitor

3.3.4.6 Variabel Kapasitas Power Supply

Variabel kapasitas power supply dibagi menjadi tiga

himpunan fuzzy, yaitu min, middle dan max. Himpunan min dan max




Gambar 3.13 Himpunan Fuzzy untuk Variabel Kapasitas Power Supply


Min Middle Max

Kapasitas (Watt)500

1000

0

1

µ[x6]

350

68

- Min → Power Supply Berkapasitas Kecil

- Middle → Power Supply Berkapasitas Sedang

- Max → Power Supply Berkapasitas Besar

Fungsi keanggotaan pada variabel kapasitas power supply


(3.6)


µKapasitasMin [x6]

1

0

(500 – x6) / (500 – 350)

x6 ≤ 350

350 ≤ x6 ≤ 500

x6 ≥ 500


0

(1000 - x6) / (1000 – 500)

(x6 – 350) / (500 – 350)

x6 ≤ 350 atau x6 ≥ 1000

350 ≤ x6 ≤ 500

500 ≤ x6 ≤ 1000

µKapasitasMax [x6]

0

1

(x6 - 500) / (1000 – 500)

x6 ≤ 500

500 ≤ x6 ≤ 1000

x6 ≥ 1000

69


kapasitas Power Supply


variabel kapasitas Power Supply


variabel kapasitas Power Supply

BAB IV

IMPLEMENTASI DAN ANALISA SISTEM

4.1Implementasi Sistem

Implementasi sistem pengambilan keputusan menggunakan

logika fuzzy untuk penentuan paket komputer sesuai dengan kriteria

konsumen. Implementasi sistem tersebut menggunakan spesifikasi

perangkat komputer sebagai berikut:

1. Perangkat Keras:

- AMD Athlon (tm)XP 2500+ 1.83 GHz

- RAM 512 MB

- Hard Disk 80 GB

- CD-ROM 52 X

2. Perangkat Lunak:

- Sistem Operasi Windows 98 dan Windows XP

- Microsoft Visual Basic 6.0

- Microsoft Access 2003

Implementasi sistem dibagi menjadi empat bagian, yaitu:

1. Implementasi tampilan awal dan menu utama

2. Implementasi setup data

3. Implementasi pencarian paket komputer

4. Implementasi menu tambahan.

70

71

4.1.1. Implementasi Tampilan Awal dan Menu Utama

Bentuk implementasi halaman login dan tampilan awal

program pada sistem adalah sebagaimana yang terdapat pada

Gambar 4.1 dan Gambar 4.2

Gambar 4.2 Tampilan Awal Program

Gambar 4.1 Tampilan Login Awal

72

Pada form menu utama program terdapat tiga pilihan yang

masing-masing terdiri dari beberapa sub menu, yaitu:

1. Menu File, terdiri dari dua sub menu, yaitu:

- Main Menu, untuk kembali ke form menu utama.

- Keluar, yang berfungsi untuk menutup aplikasi serta

keluar dari program.

2. Menu Setup Data, terdiri dari tiga sub menu, yaitu:

- Data Spesifikasi Komputer, yang berfungsi untuk

menampilkan form setup dari masing-masing

spesifikasi komputer, form ini berfungsi untuk

mengolah data masing-masing spesifikasi komputer

yang akan digunakan sebagai variabel dalam proses

fuzzy.

- Data Batas Himpunan, yang berfungsi untuk

menampilkan form batas himpunan, form ini

berfungsi untuk mengolah data batas himpunan fuzzy.

- Data Merek, yang berfungsi untuk menampilkan form

merek, form ini berfungsi untuk mengolah data merek

dari masing-masing spesifikasi komputer.

3. Menu Pencarian Paket Komputer, yang berhubungan

dengan dua sub menu, yaitu:

- Pemilihan Spesifikasi Komputer, yaitu form untuk

pemilihan masing-masing spesifikasi komputer yang

73

akan digunakan untuk penentuan paket komputer

rekomendasi.

- Tampilan Hasil Pencarian, yaitu form untuk

menampilkan hasil paket komputer yang

direkomendasikan sesuai dengan kriteria yang sudah

dimasukkan serta hasilnya dalam bentuk nilai.

4. Menu Info, yaitu:

- Info Program, yang berfungsi untuk menampilkan

form info program, yang berisi tentang informasi

pembuat program serta informasi singkat mengenai

program aplikasi yang dibangun.

4.1.2. Implementasi Setup Data

Implementasi setup data berisi tentang pengolahan data dalam

database yang akan digunakan dalam proses fuzzy. Setup data terdiri

dari tiga bagian yaitu:

1. Data Spesifikasi Komputer, yang berfungsi untuk

menambah, mengubah dan menghapus data-data masing-

masing spesifikasi komputer. Terdiri dari berbagai

macam menu setup dari masing-masing item spesifikasi

komputer (Gambar 4.3).

74

2. Data batas himpunan, yang berfungsi untuk

menambah, mengubah dan menghapus data-data batas

himpunan fuzzy (Gambar 4.4).

Gambar 4.4 Tampilan Data Batas Himpunan

Gambar 4.3 Tampilan Setup Prosesor

75

Pada form ini data yang diolah berupa type jenis batas

himpunan serta nilai batas himpunan, yang ditampilkan

pada textbox masing-masing. Keseluruhan data

ditampilkan pada objek listview, yang dapat dipilih

dengan memilih salah satu data pada listview. Data dapat

ditambah dengan memilih tombol Tambah, kemudian

disimpan dengan memilih tombol Simpan. Data dapat

diubah dengan memilih tombol Ubah, kemudian


dihapus dengan memilih tombol Hapus.

3. Data Merek, yang berfungsi untuk menambah,

mengubah dan menghapus data-data merek (Gambar

4.5).

Gambar 4.5 Tampilan Data Merek

76

Pada form ini data yang diolah berupa data merek dari

masing-masing item spesifikasi komputer. Keseluruhan

data ditampilkan pada objek listview, yang dapat dipilih

dengan memilih salah satu data pada listview. Data dapat

ditambah dengan memilih tombol Tambah, kemudian


diubah dengan memilih tombol Ubah, kemudian


dihapus dengan memilih tombol Hapus.

4.1.3. Implementasi Pencarian Paket Komputer

Implementasi pencarian paket komputer berisi tentang proses

fuzzy dalam proses pencarian paket komputer yang sesuai dengan

kriteria yang di-input-kan. Implementasi pencarian paket komputer

terdiri dari dua proses yaitu:

1. Pemilihan masing-masing spesifikasi komputer, yang

berfungsi untuk memilih kriteria-kriteria yang sesuai

dengan keinginan pemakai. Kriteria-kriteria tersebut

berfungsi sebagai variabel fuzzy.

77

4.1.3.1. Cari Prosesor

Pada form ini data yang diolah yaitu, pada frame Data

Prosesor terdapat TypeID, Merek Prosesor, Jenis Prosesor, Socket

dan Core. Pada frame Kecepatan Prosesor, terdapat pemilihan

kecepatan Kecil, Sedang atau Besar yang diolah dengan

menggunakan objek option button. Pada frame Harga Prosesor,

terdapat pemilihan harga Murah, Normal atau Mahal yang diolah

dengan menggunakan objek option button. Pada frame Gambar

Prosesor terdapat data gambar yang dapat tampil jika pengguna

mengklik data pada listview.

Pengguna dapat memulai pencarian dengan mengisi data pada

frame Data Prosesor, frame Kecepatan Prosesor dan frame Harga

Prosesor secara lengkap, dan kemudian tekan tombol Search. Maka

Gambar 4.6 Tampilan Pencarian Prosesor

78

keseluruhan hasil pencarian ditampilkan pada objek listview. Hasil

pencarian diurutkan sesuai dengan nilai MuRekomendasi, dari besar

ke kecil.

Adapun pemilihan kecepatan prosesor dan harga prosesor

dideklarasikan dengan bentuk :

If Me.ProsesorKecepatan = GRADE_MAX Then VarKecepatan = "MUMAX"ElseIf Me.ProsesorKecepatan = GRADE_MIDDLE Then VarKecepatan = "MUMIDDLE"Else VarKecepatan = "MUMIN"End If

If Me.ProsesorHarga = VALUE_EXPENSIVE Then VarHarga = "MUMAHAL"ElseIf Me.ProsesorHarga = VALUE_INTERMEDIATE Then VarHarga = "MUNORMAL"Else VarHarga = "MUMURAH"End If

Rumusan dari pencarian nilai fuzzy untuk variabel kecepatan prosesor adalah sebagai berikut:

IIf(KECEPATAN<=MIN,1, (IIf(KECEPATAN>=MIDDLE,0,((MIDDLE-KECEPATAN)/ (MIDDLE-MIN))))) AS MuMinIIf((IIf(KECEPATAN<=MIN Or KECEPATAN>=MAX, 0, (IIf(KECEPATAN>=MIN Or KECEPATAN<=MIDDLE, ((KECEPATAN-MIN)/(MIDDLE-MIN))))))>=1, ((MAX-KECEPATAN) / (MAX-MIDDLE)), (IIf(KECEPATAN<=MIN Or KECEPATAN>=MAX, 0, (IIf(KECEPATAN>=MIN Or KECEPATAN<=MIDDLE, ((KECEPATAN-MIN)/(MIDDLE-MIN))))))) AS MuMiddleIIf(KECEPATAN>=MAX,1,(IIf(KECEPATAN<=MIDDLE,0,((KECEPATAN-MIDDLE)/ (MAX-MIDDLE))))) AS MuMax(" & VarKecepatan & ") AS MuKecepatan

Rumusan dari pencarian nilai fuzzy untuk variabel harga prosesor adalah sebagai berikut:

79

IIf(HARGA<=MURAH,1,(IIf(HARGA>=NORMAL,0,((NORMAL-HARGA)/(NORMAL-MURAH))))) AS MuMurahIIf((IIf(HARGA<=MURAH Or HARGA>=MAHAL,0, (IIf(HARGA>=MURAH Or HARGA<=NORMAL,((HARGA-MURAH)/(NORMAL-MURAH))))))>=1,((MAHAL-HARGA)/(MAHAL-NORMAL)), (IIf(HARGA<=MURAH Or HARGA>=MAHAL,0, (IIf(HARGA>=MURAH Or HARGA<=NORMAL, ((HARGA-MURAH)/(NORMAL-MURAH))))))) AS MuNormalIIf(HARGA>=MAHAL,1,(IIf(HARGA<=NORMAL,0,((HARGA-NORMAL)/(MAHAL-NORMAL))))) AS MuMahal" & VarHarga & " AS MuHarga

MuRekomendasi didapatkan dari :

((MuKecepatan+MuHarga)/2) AS MuRekomendasi

Jika hanya terdapat satu variable fuzzy, yaitu variabel harga, maka MuHarga yang akan dijadikan sebagai MuRekomendasi.

Keterangan script :

Min, Middle, dan Max merupakan batas himpunan harga untuk

data prosesor

Murah, Normal, dan Mahal merupakan batas himpunan

kecepatan untuk data prosesor

MuMin merupakan besarnya fire strength fuzzy untuk

himpunan prosesor berkecepatan lambat

MuMiddle merupakan besarnya fire strength fuzzy untuk

himpunan prosesor berkecepatan sedang

MuMax merupakan besarnya fire strength fuzzy untuk

himpunan prosesor berkecepatan cepat

MuMurah merupakan besarnya fire strength fuzzy untuk

himpunan prosesor dengan harga murah

MuNormal merupakan besarnya fire strength fuzzy untuk

himpunan prosesor dengan harga normal

80

MuMahal merupakan besarnya fire strength fuzzy untuk

himpunan prosesor dengan harga mahal

Jika sudah terdapat data pada objek listview maka pencarian

dapat diteruskan pada item berikutnya dengan menekan tombol

Next.

4.1.3.2. Cari Mainboard

Gambar 4.7 Tampilan Pencarian Mainboard

81

4.1.3.3. Cari Memory

4.1.3.4. Cari VGA

Gambar 4.8 Tampilan Pencarian Memory

Gambar 4.9 Tampilan Pencarian VGA

82

4.1.3.5. Cari Casing

Jika pengguna memilih mengklik checkbox with/no

PSA, berarti pengguna memilih pencarian casing yang memiliki

PSA. Maka tombol next akan mengarah pada pencarian Harddisk.

Namun jika pengguna memilih pencarian casing tanpa PSA, maka

tombol next akan mengarah pada pencarian PSA.

Gambar 4.10 Tampilan Pencarian Casing

83

4.1.3.6. Cari PSA

4.1.3.7. Cari Harddisk

Gambar 4.11 Tampilan Pencarian PSA

Gambar 4.12 Tampilan Pencarian Harddisk

84

4.1.3.8. Cari Monitor

4.1.3.9. Cari Optical

Gambar 4.13 Tampilan Pencarian Monitor

Gambar 4.14 Tampilan Pencarian Optical

85

Jika pengguna menekan tombol next, maka akan tampil

messagebox seperti gambar 4.14 yang memberikan pilihan apakah

anda ingin memilih Optical Device tambahan atau tidak. Jika dipilih

Yes, maka tombol next akan mengarah pada pencarian Optical2.

Namun jika tita memilih No, maka tombol next akan mengarah pada

pencarian Keyboard.

4.1.3.10. Cari Optical2

Gambar 4.15 Messagebox

Gambar 4.16 Tampilan Pencarian Optical2

86

4.1.3.11. Cari Keyboard

Jika pengguna memilih Jenis Keyboard berupa

Keyboard+Mouse, maka tombol next akan mengarah pada tampilan

hasil pencarian paket komputer secara keseluruhan. Namun jika

pengguna memilih Jenis Keyboard berupa Keyboard, maka tombol

next akan mengarah pada pencarian Mouse.

Gambar 4.17 Tampilan Pencarian Keyboard

87

4.1.3.12. Cari Mouse

4.1.3.13. Form Prioritas

Gambar 4.18 Tampilan Pencarian Mouse

Gambar 4.19 Tampilan Form Prioritas

88

Form Prioritas digunakan sebagai acuan untuk

penentuan besarnya prioritas masing-masing spesifikasi komputer

yang telah dipilih sesuai dengan kriteria. Nilai prioritas dinyatakan

dalam bentuk persen, yang akan digunakan dalam pembentukan

paket komputer secara lengkap. Masing-masing item diacak dan

kemudian diurutkan mulai dari nilai rekomendasi tertinggi sampai

dengan terendah. Pengurutan ini dilakukan dengan teknik Selection

Sort.

Rumusan dari proses perhitungan besarnya nilai prioritas

dari masing-masing item adalah sebagai berikut :

TotalMURekomendasi = 0

TotalMURekomendasi = TotalMURekomendasi + (ProsesorMuRekomendasi *

(DataPrioritas.Prosesor / 100))

TotalMURekomendasi = TotalMURekomendasi + (MainboardMuRekomendasi *

(DataPrioritas.Mainboard / 100))

TotalMURekomendasi = TotalMURekomendasi + (MemoryMuRekomendasi *

(DataPrioritas.Memory / 100))

Begitu seterusnya sampai data prioritas mouse.

Sedangkan proses pengurutan total MuRekomendasi dengan

metode Selection Sort adalah sebagai berikut :

Dim X As Long

For i = 1 To MaximumRandom

'update loading

counter = counter + 1

UpdateLoading counter

X = i

89

For j = i + 1 To MaximumRandom

If ColData(j).TotalMURekomendasi > ColData(X).TotalMURekomendasi

Then

X = j

End If

Next j

Set d = ColData(i)

Set ColData(i) = ColData(X)

Set ColData(X) = d

Next i

4.1.3.14. Form Konfirmasi

Form Konfirmasi sebagai pemberi informasi, apa saja kriteria

yang telah ditentukan pada waktu pencarian masing-masing item.

Jika masih belum puas, maka pengguna dapat kembali mengulangi

pencarian dengan menekan tombol Back.

Gambar 4.20 Tampilan Form Konfirmasi

90

4.1.3.15. Form Hasil

Form Hasil menampilkan 5 macam paket yang akan

direkomendasikan, beserta dengan keterangan lengkap masing-

masing item. Jika sudah menemukan paket yang cocok, maka

pembeli dapat menekan tombol Print untuk mencetak daftar paket

yang nantinya akan digunakan sebagai acuan dalam pembelian paket

komputer.

4.1.3.16. Report Print Normal

Gambar 4.21 Tampilan Form Hasil

91

Report Print Normal menampilkan daftar paket beserta

keterangan masing-masing item. Akan tetapi keterangan yang

ditampilkan tidak secara keseluruhan, tetapi hanya sebagian saja,

sesuai dengan kebutuhan. Hasil pencarian untuk paket selanjutnya,

akan tampil pada halaman selanjutnya.

4.1.3.17. Report Print Detail

Gambar 4.22 Tampilan Report Print Normal

92

Berbeda dengan Report Print Normal, Report Print Detail

menampilkan daftar paket beserta keterangan masing-masing item

secara keseluruhan. Hasil pencarian untuk paket selanjutnya, akan

tampil pada halaman selanjutnya.

Gambar 4.23 Tampilan Report Print Detail

93

4.2Pengujian Sistem

Pengujian pada perancangan sistem ini menggunakan berbagai

macam variabel seperti tersebut di bawah ini :

1. Prosesor, digunakan dua variabel fuzzy dan empat variabel non

fuzzy. Variabel fuzzy terdiri dari variabel Kecepatan dan

variabel Harga. Sedangkan variabel non fuzzy terdiri dari

variabel merek, variabel jenis, variabel socket, dan variabel

core.

2. Mainboard, digunakan satu variabel fuzzy dan tujuh variabel

non fuzzy. Variabel fuzzy terdiri dari variabel Harga.

Sedangkan variabel non fuzzy terdiri dari variabel jenis

prosesor, variabel socket, variabel core, variabel merek,

variabel jenis memory, variabel connector harddisk, dan

variabel slot VGA.

3. Memory, digunakan dua variabel fuzzy dan tiga variabel non

fuzzy. Variabel fuzzy terdiri dari variabel Kapasitas dan


variabel merek, variabel jenis dan variabel BUS Speed.

4. VGA, digunakan dua variabel fuzzy dan empat variabel non

fuzzy. Variabel fuzzy terdiri dari variabel Ukuran dan variabel

Harga. Sedangkan variabel non fuzzy terdiri dari variabel

merek, variabel jenis, variabel slot VGA dan variabel RAM

Type.

5. Casing, digunakan satu variabel fuzzy dan tiga variabel non

fuzzy. Variabel fuzzy terdiri dari variabel Harga. Sedangkan

94

variabel non fuzzy terdiri dari variabel merek, variabel jenis

casing dan variabel PSA.

6. Power Supply, digunakan dua variabel fuzzy dan dua variabel

non fuzzy. Variabel fuzzy terdiri dari variabel Kapasitas dan


variabel merek dan variabel jenis PSA.

7. Harddisk, digunakan dua variabel fuzzy dan dua variabel non

fuzzy. Variabel fuzzy terdiri dari variabel Kapasitas dan


variabel merek dan variabel connector.

8. Monitor, digunakan dua variabel fuzzy dan dua variabel non

fuzzy. Variabel fuzzy terdiri dari variabel Ukuran dan variabel

Harga. Sedangkan variabel non fuzzy terdiri dari variabel

merek dan variabel jenis.

9. Optical Drive, digunakan satu variabel fuzzy dan tiga variabel


Sedangkan variabel non fuzzy terdiri dari variabel merek,

variabel jenis Optical Drive dan variabel jenis Connector.

10. Keyboard, digunakan satu variabel fuzzy dan enam variabel


Sedangkan variabel non fuzzy terdiri dari variabel merek,

variabel jenis keyboard, variabel jenis mouse, variabel PS/2,

variabel USB dan variabel Bluetooth Wireless.

11. Mouse, digunakan satu variabel fuzzy dan empat variabel non

fuzzy. Variabel fuzzy terdiri dari variabel Harga. Sedangkan

variabel non fuzzy terdiri dari variabel merek, variabel jenis

mouse, variabel PS/2 dan variabel USB.

95

Pada pengujian sistem dengan menggunakan logika fuzzy

dilakukan proses pencarian data dengan menggunakan kondisi

himpunan fuzzy yang berbeda-beda. Kondisi yang digunakan

tersebut antara lain sebagai berikut:

1. Kondisi nilai batas himpunan. Nilai tersebut

berfungsi sebagai batas yang memisahkan satu himpunan

fuzzy dengan himpunan lainnya dalam suatu variabel

fuzzy.

2. Kondisi dari variabel-variabel fuzzy dan variabel-

variabel non fuzzy. Variabel tersebut berfungsi sebagai

kriteria yang dipilih oleh pemakai untuk mencari

rekomendasi spesifikasi komputer yang sesuai.

3. Kondisi prioritas. Besarnya prioritas berfungsi

sebagai ukuran untuk penentuan masing-masing item

pada paket komputer yang akan direkomendasikan.

Penilaian dari hasil pengujian sistem dilihat dari:

1. Keakuratan dari proses fuzzifikasi dalam

mengelompokkan himpunan fuzzy pada suatu variabel

fuzzy yang dibatasi dengan nilai batas himpunan.

2. Keakuratan dari proses inferensi fuzzy / pengambilan

keputusan dalam suatu variabel fuzzy, berdasarkan nilai

hasil dari proses fuzzifikasi.

3. Keakuratan dari proses defuzzifikasi dalam menghitung

nilai rekomendasi untuk suatu paket komputer yang

sesuai dengan kriteria.

96

4. Keakuratan dari hasil akhir nilai rekomendasi fuzzy

terhadap pengguna, sesuai dengan kriteria yang telah

dipilih, baik berupa harga maupun ukuran dari variabel-

variabel spesifikasi komputer yang diinginkan.

Pengujian sistem dilakukan pada empat orang sampel.

Adapun data spesifikasi komputer ke-empat orang tersebut adalah

sama, hanya besarnya prioritas dan jumlah variabel yang dipilih

berbeda-beda.

Data orang pertama :

Prosesor ( 3 item )Merek :IntelJenis :Intel Core 2 DuoSocket :LGA 775Core :Core 2 DuoKecepatan :CepatHarga :MurahPrioritas :100%Mainboard ( 3 item )Merek :INTELJenis Prosesor :IntelSocket :LGA 775Core :Core 2 DuoJenis Memory :DDR 2Harddisk ATA :ATA 133Harddisk SATA :SATA II 300Slot VGA :PCI-E 16xHarga :MurahPrioritas :100%Memory ( 4 item )Merek :CORSAIRJenis :DDR 2Bus Speed :800Kapasitas :BesarHarga :NormalPrioritas :50%VGA ( 5 item )Merek :GECUBEJenis :ATISlot VGA :PCI-E 16xRAM Type :DDR 2

97

Ukuran :SedangHarga :MurahPrioritas :50%Casing ( 5 item )Merek :POWERLOGICJenis :Full TowerWith/No PSA :FalseHarga :MurahPrioritas :50%PSA ( 3 item )Merek :ENLIGHTJenis :ATKapasitas :BesarHarga :NormalPrioritas :100%Harddisk ( 8 item )Merek :SeagateATA :ATA 133SATA :SATA II 300Kapasitas :BesarHarga :NormalPrioritas :100%Monitor ( 4 item )Merek :SAMSUNGJenis :CRT MonitorUkuran :SedangHarga :MurahPrioritas :50%Optical ( 2 item )Merek :SEMUA MEREKJenis :CD-RWJenis Connector :ATAHarga :NormalPrioritas :50%Optical2 ( 5 item )Merek :SEMUA MEREKJenis :DVD-ROMJenis Connector :ATAHarga :MurahPrioritas :50%Keyboard ( 2 item )Merek :MICROSOFTJenis Keyboard :KeyboardPS2 :FalseUSB :TrueBluetooth Wireless :FalseHarga :NormalPrioritas :50%

98

Mouse ( 10 item )Merek :LOGITECHJenis Mouse :Optical MouseUSB :TruePS2 :FalseHarga :MurahPrioritas :50%

Lima paket hasil rekomendasinya adalah sebagai berikut :

Tabel 4.1 Tabel Paket Hasil Rekomendasi Sampel Pertama

Paket Harga Keseluruhan Total MuRekomendasiPaket 1Paket 2Paket 3Paket 4Paket 5

$1285$1138$925.5$996$893

4.2427454.09064.0758654.065844.03541

Data orang kedua dengan spesifikasi yang sama, tetapi

prioritasnya berbeda :

Prosesor ( 3 item )Prioritas :90%Mainboard ( 3 item )Prioritas :90%Memory ( 4 item )Prioritas :50%VGA ( 5 item )Prioritas :50%Casing ( 5 item )Prioritas :50%PSA ( 3 item )Prioritas :90%Harddisk ( 8 item )Prioritas :90%Monitor ( 4 item )Prioritas :50%Optical ( 2 item )Prioritas :50%Optical2 ( 5 item )Prioritas :50%Keyboard ( 2 item )Prioritas :50%Mouse ( 10 item )

99

Prioritas :50%


Tabel 4.2 Tabel Paket Hasil Rekomendasi Sampel Kedua


$787$1129.5$912$1063.5$961

3.9622583.9506173.9030173.847543.828085

Data orang ketiga dengan spesifikasi yang sama, serta

prioritas maksimal :

Prosesor ( 3 item )Prioritas : 100%Mainboard ( 3 item )Prioritas : 100%Memory ( 4 item )Prioritas : 100%VGA ( 5 item )Prioritas : 100%Casing ( 5 item )Prioritas : 100%PSA ( 3 item )Prioritas : 100%Harddisk ( 8 item )Prioritas : 100%Monitor ( 4 item )Prioritas : 100%Optical ( 2 item )Prioritas : 100%Optical2 ( 5 item )Prioritas : 100%Keyboard ( 2 item )Prioritas : 100%Mouse ( 10 item )Prioritas : 100%

100


Tabel 4.3 Tabel Paket Hasil Rekomendasi Sampel Ketiga


$919$1077$1068$1041$1112

6.81496.751216.696576.605996.59204

Data orang keempat dengan spesifikasi yang sama, prioritas

maksimal, tetapi variabel merek diabaikan (semua merek) :

Prosesor ( 3 item )Merek :IntelPrioritas :100%Mainboard ( 7 item )Merek :SEMUA MEREKPrioritas :100%Memory ( 31 item )Merek :SEMUA MEREKPrioritas :100%VGA ( 23 item )Merek :SEMUA MEREKPrioritas :100%Casing ( 5 item )Merek :SEMUA MEREKPrioritas :100%PSA ( 20 item )Merek :SEMUA MEREKPrioritas :100%Harddisk ( 18 item )Merek :SEMUA MEREKPrioritas :100%Monitor ( 8 item )Merek :SEMUA MEREKPrioritas :100%Optical ( 2 item )Merek :SEMUA MEREKPrioritas :100%Optical2 ( 5 item )Merek :SEMUA MEREKPrioritas :100%

101

Keyboard ( 3 item )Merek :SEMUA MEREKPrioritas :100%Mouse ( 15 item )Merek :SEMUA MEREKPrioritas :100%


Tabel 4.4 Tabel Paket Hasil Rekomendasi Sampel Keempat


$942$953$1225$816$986

8.253257.943977.90497.897337.86941

Pada pengujian dengan kondisi ini, dapat terlihat pengaruh

dari nilai batas himpunan, variabel fuzzy, variabel non fuzzy dan

besarnya prioritas terhadap pencarian paket komputer lengkap.

Pengujian sistem untuk mengetahui tingkat keakuratan dari

hasil akhir nilai rekomendasi fuzzy terhadap pengguna, dilakukan

pada sepuluh orang sampel, dengan pemilihan sebanyak 12 macam

spesifikasi komputer (lengkap). Adapun hasil yang didapat adalah

sebagai berikut :

Tabel 4.5 Tabel Pengujian Tingkat Akurasi Terhadap 10 Sampel Pengguna

Pengguna Jumlah variabelyang sesuai dengankeinginan pengguna

Tingkat Akurasi(%)

Sampel 1Sampel 2Sampel 3Sampel 4

8 variabel6 variabel7 variabel10 variabel

66 %50 %58 %83 %

102

Sampel 5Sampel 6Sampel 7Sampel 8Sampel 9Sampel 10

8 variabel11 variabel7 variabel8 variabel10 variabel7 variabel

66 %92 %58 %66 %83 %58 %

Pada hasil pengujian didapat :

a. Nilai batas himpunan mempengaruhi

pengelompokan masing-masing item pada suatu

himpunan fuzzy.

b. Variabel fuzzy dan variabel non fuzzy yang dipilih

mempengaruhi hasil pencarian dan jumlah nilai

rekomendasi. Semakin banyak variabel yang dipilih,

semakin sedikit hasil pencarian yang didapat.

c. Prioritas mempengaruhi proses pengacakan dalam

pemilihan masing-masing item dalam suatu paket

komputer lengkap. Semakin besar nilai prioritasnya,

makin tinggi nilai rekomendasi dari item tersebut.

d. Tingkat akurasi keseluruhan dari 10 sampel

pengguna ialah sebesar 68 %.

Bab V

Kesimpulan Dan Saran

Dari hasil penelitian perancangan sistem pendukung

keputusan pada penentuan spesifikasi komputer untuk suatu paket

komputer lengkap, dengan menggunakan logika fuzzy model Tahani,

dapat dilihat beberapa kesimpulan dan saran sebagai berikut:

5.1 Kesimpulan

Beberapa kesimpulan yang dapat diambil dari perancangan

sistem ini adalah:

1. Untuk mengetahui tingkat keberhasilan

pengambilan keputusan dengan menggunakan logika

fuzzy, maka harus dibutuhkan batasan himpunan pada

tiap-tiap himpunan fuzzy yang berfungsi sebagai

parameter. Batasan himpunan yang dimaksud ialah

seperti batasan murah, normal ataupun mahal pada

variabel harga, serta batasan min, middle dan max pada

variabel kapasitas/ukuran/kecepatan masing-masing

spesifikasi komputer.

2. Tingkat keberhasilan pengambilan keputusan

dengan menggunakan logika fuzzy juga dipengaruhi oleh

jumlah kriteria yang dipilih oleh pemakai yang berfungsi

sebagai variabel fuzzy.

103

104

3. Pengujian terhadap 10 orang sampel pemakai,

didapatkan tingkat akurasi sebesar 68 %.

4. Hasil dari pencarian yang tidak sesuai dengan

parameter harga atau besaran dari spesifikasi komputer

yang diinginkan pemakai, dapat dipengaruhi oleh data-

data spesifikasi komputer yang tidak akurat atau

kemajuan fitur-fitur dan fasilitas-fasilitas yang baru.

5.2 Saran

Beberapa saran yang dapat diberikan untuk pengembangan

penelitian ini adalah:

1. Dapat dikembangkan lagi dengan menggunakan

metode dan algoritma fuzzy lainnya.

2. Menambahkan beberapa fitur-fitur dan fasilitas-fasilitas

yang baru, yang sesuai dengan perkembangan

spesifikasi komputer saat ini.

Daftar Pustaka

Abdurohman, Asep, 2001, Pembuatan Prototipe Sistem Supervisi Kontrol Menggunakan Aturan Fuzzy, http://pink.tf.itb.ac.id/abstrak.pdf, Diakses tanggal: 26 November 2006.

Balazinski, M. and K.Jemielniak, 1998, Tool Conditions Monitoring using Fuzzy Decision Support System. V CIRP International Conference on Monitoring and Automatic Supervision in Manufacturing AC’98 Miedzeszyn, pp. 115–122.

Cristiono, Denny, 2005, Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (studi kasus Pemilihan Handphone Berdasarkan Kebutuhan Konsumen), Salatiga, FTI, UKSW.

Eminov, Mubariz, 1997, Querying a Database by Fuzzification of Attribute Values, http://idari.cu.edu.tr/sempozyum/bil46.htm, Diakses tanggal: 18 Januari 2007Kusumadewi, Sri, 2003, Artificial Intelligence (Teknik dan Aplikasinya), Yogyakarta : Graha Ilmu.

Kusumadewi, Sri dan Hari Purnomo, 2004, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Yogyakarta : Graha Ilmu.

Hellmann, M, 2001, Fuzzy Logic Introduction, Laboratoire Antennes Radar Telecom, F.R.E CNRS 2272, Equipe Radar Polarimetrie.

105

106

Marimin, Herdiyeni, Y. dan Nila Oktavia, 2004, Aplikasi Logika Fuzzy untuk Pembentukan Tipe Data Fuzzy dan Querynya pada Sistem Basis Data, Prosiding SNIKTI V, No 1, Departemen Ilmu Komputer - FMIPA - Institut Pertanian Bogor.

Nadlir, Syariful dan Oon Amroni, 2003, Teknologi Sistem Fuzzy, Jurnal Komputer dan Informatika 4 (2), FTI, Universitas Tarumanagara.

Wibawanto, Hari, 1998, Pengendali Berbasis Logika Kabur, Elektro Indonesia, Edisi ke Empat Belas.

.

LAMPIRAN

Satuan-Satuan Dalam Spesifikasi Komputer

1. Prosesor

a. Kecepatan → GHz (GigaHertz)

Kecepatan kinerja suatu prosesor

b. L2Cache → KB (KiloByte)

Kemampuan penyimpanan data

c. FSB (Front Side Bus) → MHz (MegaHertz)

Kecepatan bus atau jalur yang menghubungkan antara

prosesor dengan motherboard, lebih tepatnya antara

prosesor dengan chip north bridge pada motherboard

2. Memory

a. Kapasitas → MB (MegaByte)

b. RAM Speed → Dual Channel

Untuk memperoleh performa yang maksimal, harus

dipasang dua RAM yang mempunyai kapasitas sama

3. VGA

a. Ukuran → MB (MegaByte)

4. Harddisk

a. Kapasitas → GB (GigaByte)

b. RPM (Rotation Per Minute) → RPM

Kecepatan perputaran per menit

5. Casing

a. Bays → Inch

Tempat penyimpanan storage seperti optical drive dan

lain sebagainya

6. Monitor

a. Resolution → Pixel

b. Ukuran → Inch

7. Power Supply

a. Kapasitas → Watt

Kapasitas listrik

8. Optical Drive

a. CD-ROM → Kemampuan membaca CD

b. CD-RW → Kemampuan membaca serta menulis ke

dalam CD

c. DVD Combo → Kemampuan membaca serta tulis CD,

dan membaca DVD

d. DVD-ROM → Kemampuan membaca CD dan DVD

e. DVD-RW → Kemampuan membaca serta tulis CD, dan

membaca serta tulis DVD

Contoh Skripsi SPK

Documents

Transcript of Contoh Skripsi SPK