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:ant_ngin@yahoo.co.id

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.