DR00074201312_FIN
Transcript of DR00074201312_FIN
-
PEMBUATAN SISTEM REKOMENDASI UNTUK PEMILIHAN MOBIL PADA RENT CAR DENGAN
FUZZY DATABASE MODEL TAHANI BERBASIS WEB
Anita Isroatin H1, Marji2 dan Dian Eka Ratnawati3. Program Studi Ilmu Komputer, Program Teknologi Informatika dan Ilmu Komputer
Universitas Brawijaya Malang
Jalan Veteran No. 8, Malang
Email1:[email protected]
ABSTRAK
Dengan berkembangnya teknologi otomotif dan teknologi komputer memberikan dampak adanya variasi
mobil. Tapi tidak semua orang mampu membeli mobil sehingga memunculkan rent car(penyewaan mobil). Dalam
sistem rekomendasi pemilihan mobil dibutuhkan adanya penanganan pada data-data yang bersifat samar pada sistem
basis data. Maka untuk mengatasi masalah tersebut dapat digunakan konsep logika fuzzy. Penelitian ini akan
mengimplementasikan konsep logika fuzzy Model Tahani ke dalam basis data, atau biasa disebut Fuzzy Database
Model Tahani. Artinya, sistem basis data yang menerapkan konsep fuzzy Model Tahani sehingga dapat menangani
data-data yang bernilai fuzzy. Mobil yang direkomendasikan adalah mobil yang memiliki nilai fire strength atau
tingkat kesesuaian dengan kriteria pilihan diatas angka 0 (nol) sampai dengan angka 1 (satu). Dari penelitian ini
dapat dihasilkan sistem rekomendasi untuk pemilihan mobil sewa yang memiliki tingkat keakurasian perbandingan
hasil rekomendasi sistem aplikasi dan rekomendasi dari pakar(pemilik rent car) yaitu 90%.
Kata Kunci: Fuzzy Logic, Fuzzy Database Tahanis Model, Fire Strength
1. Pendahuluan 1.1 Latar Belakang
Salah satu alat transportasi darat yang ada dan
digunakan saat ini adalah mobil. Seiring dengan
perkembangan teknologi otomotif dan teknologi
komputer, maka mobil yang merupakan salah satu
alat transportasi juga menerima dampak dari
perkembangan tersebut. Pada mobil saat ini telah
tersedia fitur-fitur tambahan yang menerapkan
gabungan dari kedua teknologi otomotif dan
teknologi komputer. Sehubungan dengan
perkembangan teknologi otomotif dan teknologi
komputer maka masyarakat yang dalam hal ini adalah
yang akan menggunakan fasilitas mobil sedikit
banyak akan merasakan dampak dari adanya
beberapa varian mobil yang masing-masing memiliki
spesifikasi yang berbedabeda pula.
Saat ini mobil telah umum digunakan oleh
masyarakat baik pria maupun wanita, tua maupun
muda sudah mampu mengendarai mobil. Tetapi tidak
semua orang mampu membeli mobil hal tersebut
menyebabkan bermunculan Rent Car(penyewaan
mobil).
Pada skripsi ini akan membuat sistem
rekomendasi untuk pemilihan mobil yang dapat
memberikan informasi kepada pengguna(peminjam
mobil) sehingga dapat membantu peminjam dalam
menentukan mobil yang akan disewa. Dalam memilih
mobil seseorang terkadang membutuhkan informasi
dari data-data yang bersifat ambiguous. Apabila hal
ini terjadi, maka bisa digunakan basis data Fuzzy
yaitu Basis Data Fuzzy model Tahani yang masih
tetap menggunakan relasi standar, hanya saja model
ini menggunakan teori himpunan fuzzy untuk
mendapatkan informasi pada query-nya.
Dalam perancangan dan pembangunan aplikasi
ini akan digunakan metode fuzzy database model
Tahani untuk mengolah data-data mobil yang
nantinya akan menghasilkan output berupa data-data
mobil rekomendasi untuk pengguna. Untuk
memudahkan dalam memasukkan kriteria yang
diinginkan, maka penyampaian informasi
dipresentasikan dengan menggunakan fasilitas web.
Penggunaan aplikasi web karena sudah banyak
dikenal dan digunakan oleh masyarakat pengguna
internet, baik itu oleh kalangan individu
(perorangan), organisasi, dunia pendidikan, lembaga
pemerintahan, kalangan bisnis, dunia politik,
perdagangan dan sosial budaya.
-
1.2 Permasalahan Permasalahanya dapat dirumuskan, sebagai
berikut :
1. Bagaimana membuat sistem rekomendasi untuk pemilihan mobil pada rent car dengan Fuzzy
database model Tahani berbasis web?
2. Bagaimana akurasi dari rekomendasi yang diberikan?
1.3 Batasan Masalah Cakupan masalah dibatasi pada penyewaan
tanpa sopir.
1.4 Tujuan Penelitian Adapun tujuan dari penelitian ini adalah untuk
membuat sistem rekomendasi untuk pemilihan mobil
pada rent car dengan Fuzzy Database model Tahani
berbasis web.
1.5 Manfaat Penelitian Manfaat dari penelitian ini adalah untuk
membantu peminjam mobil dalam memilih mobil
yang akan disewa agar sesuai dengan keinginan
sehingga lebih mudah dalam mengatasi kebingungan
dengan adanya bermacam pilihan.
2. Landasan Teori 2.1 Sistem Rekomendasi
Konsep sistem rekomendasi telah digunakan
secara luas oleh hampir semua area bisnis dimana
seorang konsumen memerlukan informasi untuk
membuat suatu keputusan (Sharda N, 2010).
Sistem rekomendasi merupakan model aplikasi
dari hasil observasi terhadap keadaan dan keinginan
pelanggan. Oleh karena itu sistem rekomendasi
memerlukan model rekomendasi yang tepat agar
yang direkomendasikan sesuai dengan keinginan
pelanggan, serta mempermudah pelanggan
mengambil keputusan yang tepat dalam menentukan
produk yang akan digunakannnya (McGinty dan
Smyth., 2006).
2.2 Logika Fuzzy Logika fuzzy adalah suatu cara yang tepat
untuk memetakan suatu ruang input, ke dalam suatu
ruang output(Kusumadewi dan Purnomo, 2004).
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(Kusumadewi dan Purnomi,
2004).
2.3 Karakteristik Logika Fuzzy Di bawah ini akan dijelaskan tentang
karakteristik logika fuzzy.
2.3.1 Himpunan Fuzzy Jika pada himpunan tegas (crisp), nilai
keanggotaan hanya terdapat dua kemungkinan, yaitu
0 dan 1. Tapi pada himpunan fuzzy, nilai keanggotaan
terletak pada rentang 0 sampai 1. Apabila x memiliki
nilai keanggotaan fuzzy A[x] = 0, berarti x tidak menjadi anggota himpunan A, demikian pula apabila
x memiliki nilai keanggotaan fuzzy A[x] = 1, berarti x menjadi anggota penuh pada himpunan A
(Kusumadewi dan Purnomo, 2004).
2.3.2 Fungsi Keanggotaan Fungsi keanggotaan (membership function)
adalah suatu kurva yang menunjukkan pemetaan
titik-titik input data, ke dalam nilai keanggotaannya
(sering juga disebut dengan derajat keanggotaan),
yang memiliki interval antara 0 sampai 1. Terdapat
beberapa fungsi yang bisa digunakan, di antaranya
adalah: representasi linier, representasi kurva
segitiga, representasi kurva trapesium, representasi
kurva bentuk bahu, representasi kurva-s, representasi
kurva bentuk lonceng (Kusumadewi dan Purnomo,
2004).
2.3 Operator Dasar Zadeh Seperti pada himpunan konvensional, terdapat
beberapa operasi yang didefinisikan secara khusus
untuk mengkombinasi dan memodifikasi himpunan
fuzzy. Terdapat tiga operator dasar, yang diciptakan
oleh Zadeh, yaitu: operator AND, OR, dan NOT
(Kusumadewi dan Purnomo, 2004).
2.4 Fuzzy Database Model Tahani Fuzzy tahani adalah salah satu cabang dari
logika fuzzy, yang merupakan salah satu metode fuzzy
yang menggunakan basis data standar. Tahani
mendeskripsikan suatu metode pemrosesan query
fuzzy, dengan didasarkan atas manipulasi bahasa yang
dikenal dengan nama SQL (Structured Query
Language), sehingga model fuzzy tahani sangat tepat
digunakan dalam proses pencarian data yang tepat
dan akurat (Anggraeni, Indarto dan Kusumadewi,
2004).
Metode Tahani tersusun atas tahapan yaitu:
1. Menggambarkan Fungsi Keanggotaan Fungsi keanggotaan (membership function)
adalah suatu kurva yang menunjukkan pemetaaan
titik-titik input data ke dalam nilai keanggotaannya
(sering juga disebut dengan derajat keanggotaan)
yang memiliki internal antara 0 sampai 1, salah satu
cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan melalui pendekatan
fungsi. Beberapa fungsi yang dapat digunakan yaitu
Representasi kurva Linier, Representasi Kurva
Segitiga. Representasi Kurva Trapesium. Masing-
masing fungsi tersebut, akan menghasilkan nilai
-
antara 0 dan 1 dengan cara yang berbeda, sesuai dengan jenis representasi yang digunakan.
2. Fuzzifikasi Fuzzifikasi adalah fase pertama dari
perhitungan fuzzy yaitu pengubahan nilai tegas ke
nilai fuzzy. Prosesnya adalah sebagai berikut: Suatu
besaran analog dimasukkan sebagai masukan (crisp
input), lalu input tersebut dimasukkan pada batas
scope dari membership function. Membership
function ini biasanya dinamakan membership
function input. Keluaran dari proses fuzzifikasi ini
adalah sebuah nilai input fuzzy atau yang biasanya
dinamakan fuzzy input.
3. Fuzzifikasi Query Fuzzifikasi Query diasumsikan sebuah query
konvensional (nonfuzzy) DBMS yang akan mencoba
membuat dan menerapkan sebuah system dasar
logika fuzzy query .
4. Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy.
Nilai keanggotaan sebagai dari 2 himpunan
fuzzy dikenal dengan nama Fire Strength atau -predikat. Sangat mungkin digunakan operator dasar
dalam proses query berupa operator AND dan OR.
-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai
keanggotaan terkecil antar elemen pada himpunan-
himpunan yang bersangkutan, dinotasikan : AB =
min(A[x], B[x]). Sedangkan untuk hasil operasi
dengan operator OR diperoleh dengan mengambil
nilai keanggotaan terbesar antar elemen pada
himpunan-himpunan yang bersangkutan, dinotasikan
: AUB = max(A[x], B[x]).
Alternatif yang direkomendasikan adalah
alternatif yang memiliki nilai Fire Strength atau
tingkat kesesuaian dengan kriteria pilihan diatas
angka 0 (nol) sampai dengan angka 1 (satu).
3. Hasil Dan Diskusi 3.1 Perancangan Sistem
Perancangan yang mampu menangani masukan
yang berupa data fuzzy dan data non fuzzy.
Flowchart untuk perancangan sistem dapat dilihat
pada Gambar 2.
Start
Input
kriteria user
Penentuan
himpunan fuzzy
Penentuan fungsi
keanggotaan
Tampilkan
hasil
rekomenda
si mobil
End
Perhitungan Firestrength
Gambar 1. Flowchart design sistem
3.2 Fungsi Keanggotaan Pada dasarnya tidak ada tidak ada ketentuan
khusus dalam menentukan suatu fungsi keanggotaan
yang akan digunakan dalam proses fuzzifikasi, karena
masingmasing sistem bisa memiliki tingkat
kesesuaian yang berbeda-beda. Pada penelitian ini
setiap variabel fuzzy menggunakan fungsi
keanggotaan bahu dan segitiga sebagai pendekatan
untuk memperoleh derajat keanggotaan masing-
masing variabel dalam suatu himpunan fuzzy.
Berikut ini akan dijelaskan salah satu sampel
variabel fuzzy (variabel panjang mobil) yang
digunakan dengan menyertakan derajat
keanggotaannya pada tiap himpunan fuzzy setelah
dilakukan proses fuzzifikasi. Variabel panjang dibagi
menjadi 3 himpunan fuzzy yaitu PENDEK,
SEDANG, PANJANG. Himpunan PENDEK dan
PANJANG menggunakan pendekatan fungsi
keanggotaan yang berbentuk bahu, sedangkan
himpunan SEDANG menggunakan pendekatan
fungsi keanggotaan berbentuk segitiga. Dalam
penentuan fungsi keanggotaan terdapat beberapa
langkah yang dilakukan oleh sistem untuk mengubah
data mentah mobil menjadi data input fuzzy (proses
fuzzifikasi).
Pada data panjang mobil yang menjadi batasan
untuk PENDEK adalah 3495 dan 4500. Nilai 4500
digunakan sebagai batas puncak, sedangkan nilai
3495 sebagai batas bawah. Jika nilai masukan data
tersebut lebih kecil atau sama dengan 3495 maka data
tersebut mempunyai nilai fungsi keanggotaan 1(satu).
Jika nilai masukan tersebut lebih besar atau sama
dengan 3495 dan lebih kecil sama dengan 4500 maka
akan dilakukan perhitungan dengan rumus (4500-
-
x)/1005 untuk mendapatkan nilai fungsi
keanggotaannya. Dan jika nilai masukan tersebut
lebih besar atau sama dengan 4500 maka nilai fungsi
keanggotaannya adalah 0 (nol).
Untuk SEDANG mempunyai nilai batasan
yaitu 3495, 4500 dan 4865. Nilai 3495 digunakan
sebagai batas bawah, nilai 4500 digunakan sebagai
batas puncak sedangkan nilai 4865 digunakan
sebagai batas atas. Jika nilai masukan tersebut lebih
kecil atau sama dengan 3495, atau lebih besar sama
dengan 4865 maka data tersebut memiliki nilai fungsi
keanggotaan 0 (nol). Jika nilai masukan tersebut
lebih besar atau sama dengan 3465 dan lebih kecil
sama dengan 4500 maka akan dilakukan perhitungan
dengan rumus (x-3495)/1005 untuk mendapatkan
nilai fungsi keanggotaannya. Dan jika nilai masukan
tersebut lebih besar atau sama dengan 4500 dan lebih
kecil sama dengan 4865 maka akan dilakukan
perhitungan dengan rumus (4865-x)/365 untuk
mendapatkan nilai fungsi keanggotaannya.
Sedangkan untuk PANJANG mempunyai nilai
batasan yaitu 4500 dan 4865. Nilai 4500 digunakan
sebagai batas bawah sedangkan nilai 4865 digunakan
sebagai batas puncak. Jika nilai masukan data
tersebut lebih kecil atau sama dengan 4500 maka data
tersebut mempunyai nilai fungsi keanggotaan 0 (nol).
Jika nilai masukan tersebut lebih besar atau sama
dengan 4500 dan lebih kecil sama dengan 4865 maka
akan dilakukan perhitungan dengan rumus (x-
4500)/365 untuk mendapatkan nilai fungsi
keanggotaannya. Dan jika nilai masukan tersebut
lebih besar atau sama dengan 4865 maka nilai fungsi
keanggotaannya adalah 1 (satu).
Berikut ini adalah table fungsi keanggotaan pada
masing masing variabel fuzzy yang digunakan : Tabel 1. Fungsi Keanggotaan
No Fungsi
keanggotaan untuk
variabel
Dalam himpunan
1 Panjang mobil Pendek,sedang, panjang
2 Lebar mobil Sempit, sedang, lebar
3 Tinggi mobil Pendek, sedang, tinggi
4 Kapasitas
penumpang
Sedikit, sedang, banyak
5 Ukuran mesin Kecil, sedang, besar
6 Kapasitas tangki
bahan bakar
Sedikit, sedang, banyak
7 Harga sewa(dalam
ratus ribuan)
Murah, sedang, mahal
3.3 Implementasi Sistem Gambar 2. Merupakan tampilan untuk
pemilihan kriteria mobil
Gambar 2. Halaman Untuk Memilih Kriteria
Setelah user mengisikan kriteria yang
diinginkan maka sistem akan memberikan
rekomendasi mobil yang sesuai dengan kriteria yang
telah diinputkan. Pada Gambar 3. adalah contoh
tampilan hasil rekomendasi jika user memasukkan
kriteria kapasitas orang = banyak dan harga sewa =
murah.
Gambar 3. Contoh-1 Hasil Rekomendasi Pilihan
Mobil
Hasil dari rekomendasi pada Gambar 3.
menampilkan 7 mobil dengan rangking sesuai
dengan nilai fire stength.
Contoh lain jika user memasukkan kriteria
panjang mobil = panjang, ukuran mesin = sedang dan
harga sewa = murah maka hasil rekomendasi dapat
dilihat pada gambar 4.
-
Gambar 4. Contoh-2 Hasil Rekomendasi pilihan
mobil
4. Kesimpulan Dari hasil perancangan dan pembuatan sistem
rekomendasi untuk penyewaan mobil menggunakan
fuzzy database model tahani, dapat disimpulkan
bahwa sistem yang dibangun dapat membantu
menghasilkan keputusan yang lebih cepat untuk
dijadikan bahan pertimbangan dalam persiapan
penyewaan produk mobil. Dengan menerapkan
konsep logika fuzzy yang terbukti lebih flexibel dari
pada konsep konvensional, toleransi sistem terhadap
data masukan user yang mungkin berupa data tidak
pasti akan semakin tinggi. Hal ini akan berdampak
pada hasil rekomendasi pilihan yang lebih tepat.
User lebih terbantu dalam menentukan pilihan mobil
yang akan dibeli setelah mendapatkan beberapa
rekomendasi sistem sesuai dengan nilai fire
strengthnya.
5. Referensi Anggraeni, Rian, Indarto, Wawan, dan Kusumadewi,
Sri. 2004. Sistem Pencarian Kriteria Kelulusan
Menggunakan Metode FuzzyTahani: Kasus
pada Fakultas Teknologi Industri Universitas
Islam Indonesia.
McGinty, L. dan Smyth,B. 2006. Adaptive selection : analysis of critiquing and preference based
feed back in conversational recommender
systems,International Journal of Electronic Commerce, 11(2), pp 3557
Sharda, N. 2010. Building visual Travel
Recommender systems and tourism
communities for Effective User Experience.
Sri Kusumadewi, Hari Purnomo. 2004. Aplikasi
Logika Fuzzy Untuk Pendukung Keputusan.,
Graha Ilmu. Yogyakarta.
Sutarman, S.,Kom. Membangun Aplikasi Web
Dengan Php Dan Mysql : Graha Ilmu
Yogyakarta, 2003.
Tethi. C. Ling. Development Of Fuzzy Database
Systems: Malaysian Journal Of Computer
Science, Vol. 10 No. 1, 2001, Pp. 42-46.