Download - 88422088 Skripsi Sistem Pakar
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
(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
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
(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
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);
x ≤ a atau x ≥ c
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);
x ≤ a atau x ≥ c
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)
Pada metode ini, solusi himpunan fuzzy diperoleh
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 :
µsf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
µkf[xi] = nilai keanggotaan konsekuen fuzzy
sampai aturan ke-i;
c. Metode Probabilistik OR (probor)
Pada metode ini, solusi himpunan fuzzy diperoleh
dengan cara melakukan product terhadap semua
output daerah fuzzy. Secara umum dituliskan :
µsf[xi] ← (µsf[xi] + µkf[xi]) - (µsf[xi] * µkf[xi])
dengan : (2.16)
µsf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
µkf[xi] = nilai keanggotaan konsekuen fuzzy
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
Pada metode ini, solusi crisp diperoleh dengan cara
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)
Pada metode ini, solusi crisp diperoleh dengan cara
mengambil nilai rata-rata domain yang memiliki nilai
keanggotaan maksimum.
d. Metode Largest Of Maximum (LOM)
Pada metode ini, solusi crisp diperoleh dengan cara
mengambil nilai terbesar dari domain yang memiliki nilai
keanggotaan maksimum.
e. Metode Smallest Of Maximum (SOM)
Pada metode ini, solusi crisp diperoleh dengan cara
mengambil nilai terkecil dari domain yang memiliki nilai
keanggotaan maksimum.
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,
SpesifikasiItem, Harga, PathGambar)
Mainboard : (IDData, TypeID, TypeJenis, IDMerek,
SpesifikasiItem, Harga, PathGambar)
Harddisk : (IDData, TypeID, TypeJenis, IDMerek,
SpesifikasiItem, Ukuran, Harga, PathGambar)
Monitor : (IDData, TypeID, TypeJenis, IDMerek,
SpesifikasiItem, Ukuran, Harga, PathGambar)
Keyboard : (IDData, TypeID, TypeJenis, IDMerek,
SpesifikasiItem, Harga, PathGambar)
Mouse : (IDData, TypeID, TypeJenis, IDMerek,
SpesifikasiItem, Harga, PathGambar)
PSA : (IDData, TypeID, TypeJenis, IDMerek,
SpesifikasiItem, Kapasitas, Harga, PathGambar)
VGA : (IDData, TypeID, TypeJenis, IDMerek,
SpesifikasiItem, Ukuran, Harga, PathGambar)
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
Field Tipe Data Size Keterangan
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
Field Tipe Data Size Keterangan
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
dapat dilihat pada tabel 3.6
*) Kunci Primer Tabel 3.6 Tabel TblKeyboard
Field Tipe Data Size Keterangan
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
Field Tipe Data Size Keterangan
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
dapat dilihat pada tabel 3.8
*) Kunci Primer Tabel 3.8 Tabel TblMemory
Field Tipe Data Size Keterangan
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
dapat dilihat pada tabel 3.9
*) Kunci Primer Tabel 3.9 Tabel TblMonitor
Field Tipe Data Size Keterangan
51
10. Tabel TblMouse
Tabel TblMouse digunakan untuk menyimpan data-data
tentang spesifikasi dari item Mouse. Struktur tabel TblMouse dapat
dilihat pada tabel 3.10
*) Kunci Primer Tabel 3.10 Tabel TblMouse
Field Tipe Data Size Keterangan
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
dapat dilihat pada tabel 3.11
*) Kunci Primer Tabel 3.11 Tabel TblOptical
Field Tipe Data Size Keterangan
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
dapat dilihat pada tabel 3.12
*) Kunci Primer Tabel 3.12 Tabel TblProsesor
Field Tipe Data Size Keterangan
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
dilihat pada tabel 3.13
*) Kunci Primer Tabel 3.13 Tabel TblPSA
Field Tipe Data Size Keterangan
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
Field Tipe Data Size Keterangan
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)2,6
0
1
µ[x1]
1,8 3
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
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 3.9 Himpunan Fuzzy untuk Variabel Kapasitas Memory
Keterangan dari gambar di atas adalah sebagai berikut :
Min Middle Max
Kapasitas (MB)256
0
1
µ[x2]
64 512
60
- Min → Memory Berkapasitas Kecil
- Middle → Memory Berkapasitas Sedang
- Max → Memory Berkapasitas Besar
Fungsi keanggotaan pada variabel kapasitas memory
dirumuskan sebagai berikut:
(3.2)
Keterangan dari rumusan di atas adalah sebagai berikut :
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
- 512 → Batas Bawah Himpunan Fuzzy untuk
variabel kapasitas memory
3.3.4.3 Variabel Kapasitas Harddisk
Variabel kapasitas Harddisk 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 3.10 Himpunan Fuzzy untuk Variabel Kapasitas Harddisk
Keterangan dari gambar di atas adalah sebagai berikut :
Min Middle Max
Kapasitas (GB)160
0
1
µ[x3]
40 400
62
- Min → Harddisk Berkapasitas Kecil
- Middle → Harddisk Berkapasitas Sedang
- Max → Harddisk Berkapasitas Besar
Fungsi keanggotaan pada variabel kapasitas Harddisk
dirumuskan sebagai berikut:
(3.3)
Keterangan dari rumusan di atas adalah sebagai berikut :
µKapasitasMin [x3]
1
0
(160 – x3) / (160 – 40)
x3 ≤ 40
40 ≤ x3 ≤ 160
x3 ≥ 160
µKapasitasMiddle [x3]
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
- 40 → Batas Atas Himpunan Fuzzy untuk variabel
kapasitas Harddisk
- 160 → Batas Tengah Himpunan Fuzzy untuk
variabel kapasitas Harddisk
- 400 → Batas Bawah Himpunan Fuzzy untuk
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
Keterangan dari gambar di atas adalah sebagai berikut :
Min Middle Max
Ukuran (MB)256
0
1
µ[x4]
64 512
64
- Min → VGA Berukuran Kecil
- Middle → VGA Berukuran Sedang
- Max → VGA Berukuran Besar
Fungsi keanggotaan pada variabel ukuran VGA dirumuskan
sebagai berikut:
(3.4)
Keterangan dari rumusan di atas adalah sebagai berikut :
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
- 64 → Batas Atas Himpunan Fuzzy untuk variabel
ukuran VGA
- 256 → Batas Tengah Himpunan Fuzzy untuk
variabel ukuran VGA
- 512 → Batas Bawah Himpunan Fuzzy untuk
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
Keterangan dari gambar di atas adalah sebagai berikut :
Min Middle Max
Ukuran (inch)19
0
1
µ[x5]
15 22
66
- Min → Monitor Berukuran Kecil
- Middle → Monitor Berukuran Sedang
- Max → Monitor Berukuran Besar
Fungsi keanggotaan pada variabel ukuran Monitor
dirumuskan sebagai berikut:
(3.5)
Keterangan dari rumusan di atas adalah sebagai berikut :
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
- 15 → Batas Atas Himpunan Fuzzy untuk variabel
ukuran Monitor
- 19 → Batas Tengah Himpunan Fuzzy untuk
variabel ukuran Monitor
- 22 → Batas Bawah Himpunan Fuzzy untuk
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
menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu,
sedangkan himpunan middle menggunakan pendekatan fungsi
keanggotaan berbentuk segitiga.
Gambar 3.13 Himpunan Fuzzy untuk Variabel Kapasitas Power Supply
Keterangan dari gambar di atas adalah sebagai berikut :
Min Middle Max
Kapasitas (Watt)500
0
1
µ[x6]
350 1000
68
- Min → Power Supply Berkapasitas Kecil
- Middle → Power Supply Berkapasitas Sedang
- Max → Power Supply Berkapasitas Besar
Fungsi keanggotaan pada variabel kapasitas power supply
dirumuskan sebagai berikut:
(3.6)
Keterangan dari rumusan di atas adalah sebagai berikut :
µKapasitasMin [x6]
1
0
(500 – x6) / (500 – 350)
x6 ≤ 350
350 ≤ x6 ≤ 500
x6 ≥ 500
µKapasitasMiddle [x6]
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
- 350 → Batas Atas Himpunan Fuzzy untuk variabel
kapasitas Power Supply
- 500 → Batas Tengah Himpunan Fuzzy untuk
variabel kapasitas Power Supply
- 1000 → Batas Bawah Himpunan Fuzzy untuk
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
disimpan dengan memilih tombol Simpan. Data dapat
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
disimpan dengan memilih tombol Simpan. Data dapat
diubah dengan memilih tombol Ubah, kemudian
disimpan dengan memilih tombol Simpan. Data dapat
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 Harga. Sedangkan variabel non fuzzy terdiri dari
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 Harga. Sedangkan variabel non fuzzy terdiri dari
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 Harga. Sedangkan variabel non fuzzy terdiri dari
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
non fuzzy. Variabel fuzzy terdiri dari variabel Harga.
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
non fuzzy. Variabel fuzzy terdiri dari variabel Harga.
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%
Lima paket hasil rekomendasinya adalah sebagai berikut :
Tabel 4.2 Tabel Paket Hasil Rekomendasi Sampel Kedua
Paket Harga Keseluruhan Total MuRekomendasiPaket 1Paket 2Paket 3Paket 4Paket 5
$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
Lima paket hasil rekomendasinya adalah sebagai berikut :
Tabel 4.3 Tabel Paket Hasil Rekomendasi Sampel Ketiga
Paket Harga Keseluruhan Total MuRekomendasiPaket 1Paket 2Paket 3Paket 4Paket 5
$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%
Lima paket hasil rekomendasinya adalah sebagai berikut :
Tabel 4.4 Tabel Paket Hasil Rekomendasi Sampel Keempat
Paket Harga Keseluruhan Total MuRekomendasiPaket 1Paket 2Paket 3Paket 4Paket 5
$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