Aplikasi Pendukung Keputusan Dengan Menggunakan Logika
Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk
Suatu Paket Komputer Lengkap)
Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Email : martha_oktriani@yahoo.com
Abstract
Fuzzy logic is a method to map an input into output. Fuzzy logic is used for supporting a
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 case 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 processed will affect the result and the sum of recommendation value.
Keywords : fuzzy logic, fuzzification, defuzzification, fuzzy inferention, fuzzy variable,
non fuzzy variable, fuzzy compilation limit
1. Pendahuluan
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.
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 [1].
Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy
(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
(Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani)
160
2. Tinjauan Pustaka
Sistem yang dibuat 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. Data
fitur-fitur handphone yang ada, digunakan untuk melakukan pencarian, handphone
yang sesuai dengan kriteria-kriteria yang diinginkan konsumen. Tidak terdapat
penggabungan dari berbagai item yang berbeda. Sedangkan 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 berbagai macam item yang tersedia, akan dipilih sesuai
dengan kriteria yang diinginkan, untuk selanjutnya digabungkan menjadi suatu
paket yang utuh. Dari proses penggabungan ini kemudian dipilih lima paket yang
mempunyai nilai rekomendasi tertinggi sesuai dengan kriteria dan prioritas
konsumen, untuk ditampilkan sebagai hasil akhir dari sistem pencarian ini [2].
Sistem Pendukung Keputusan (SPK) adalah suatu sistem informasi yang
mengevaluasi beberapa pilihan yang berbeda guna membantu seseorang
memberikan keputusan terhadap masalahnya. Berdasarkan pada definisi yang
bervariasi, SPK dapat dijelaskan sebagai sistem pembuat keputusan manusiakomputer
interaktif berbasiskan komputer yang dapat mendukung dalam
pembuatan keputusan daripada menggantinya dengan yang baru, memanfaatkan
data dan model, memecahkan masalah dengan struktur yang derajatnya bervariasi
seperti nonstruktur, semistruktur dan unstruktur, serta berpusat pada keefektifan
daripada keefisienan dalam proses pemberian keputusan.
FDSS (Fuzzy Decision Support System) atau SPKF (Sistem Pendukung Keputusan
dengan logika Fuzzy) 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 [3].
Teori himpunan fuzzy diperkenalkan pertama kali oleh Lotfi A. Zadeh pada tahun
1965. Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain
yaitu konsep logika fuzzy mudah dimengerti, logika fuzzy sangat fleksibel, logika
fuzzy memiliki toleransi terhadap data-data yang tidak tepat, logika fuzzy mampu
memodelkan fungsi-fungsi nonlinear yang sangat kompleks, logika fuzzy dapat
membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara
langsung tanpa harus melalui proses pelatihan, logika fuzzy dapat bekerjasama
dengan teknik-teknik kendali secara konvensional, dan logika fuzzy juga 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 [4]. Ada beberapa
hal yang perlu diketahui dalam memahami sistem fuzzy, antara lain variabel fuzzy,
Jurnal Informatika, Vol.4, No. 2, Desember 2008: 159 - 173
161
himpunan fuzzy, semesta pembicaraan dan domain. Variabel Fuzzy merupakan
variabel yang hendak dibahas dalam suatu sistem Fuzzy. Dalam makalah ini,
variabel fuzzy yang digunakan adalah kecepatan prosesor, kapasitas memory,
kapasitas harddisk, ukuran VGA, ukuran monitor, kapasitas power supply, serta
harga dari masing-masing spesifikasi komputer. Himpunan Fuzzy adalah himpunan
yang tiap elemennya mempunyai derajat keanggotaan tertentu terhadap
himpunannya. Himpunan Fuzzy memiliki dua atribut, yaitu linguistik dan numeris.
Atribut linguistik yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami. Sedangkan atribut numeris
yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel. Dalam
makalah ini, himpunan fuzzy yang digunakan adalah himpunan kecepatan lambat,
sedang dan cepat untuk variabel kecepatan prosesor, himpunan kapasitas kecil,
sedang dan besar untuk variabel kapasitas memory, harddisk dan power supply,
himpunan ukuran kecil, sedang dan besar untuk variabel ukuran VGA dan monitor,
serta himpunan harga murah, normal dan mahal untuk variabel harga. Semesta
pembicaraan adalah suatu keseluruhan nilai yang diperbolehkan untuk dioperasikan
dalam suatu variabel Fuzzy. Nilai semesta pembicaraan dapat berupa bilangan
positif atau bilangan negatif. 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
negative [5]. Dalam makalah ini, domain untuk variabel kecepatan prosesor adalah
lambat [0, 2.6], sedang [1.8, 3] dan cepat [2.6, +], variabel kapasitas memory
kecil [0, 256], sedang [64, 512] dan besar [256, +], variabel kapasitas harddisk
kecil [0, 160], sedang [40, 400] dan besar [160, +], variabel ukuran VGA kecil [0,
256], sedang [64, 512] dan besar [256, +], serta variabel kapasitas power supply
kecil [0, 256], sedang [64, 512] dan besar [256, +].
Logika Fuzzy memiliki beberapa karakteristik yaitu himpunan Fuzzy dan fungsi
keanggotaan. 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 [5].
Himpunan fuzzy A pada semesta X dinyatakan sebagai himpunan pasangan
berurutan (set of ordered pairs) baik diskrit maupun kontinu.
(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).
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 [5]. Derajat keanggotaan dalam himpunan (degree of
membership) dilambangkan dengan μ. Dalam kasus yang dibahas, fungsi
Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy
(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
(Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani)
162
keanggotaan yang dipakai adalah Representasi Kurva Segitiga dan Representasi
Kurva Bahu. Representasi Kurva Segitiga pada dasarnya merupakan gabungan
antara dua garis.
Gambar 1 Fungsi Keanggotaan Kurva Segitiga
Fungsi keanggotaan:
(2)
Sedangkan representasi kurva bahu merupakan daerah yang terletak di tengahtengah
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.
0 a b c
1
Derajat
keanggotaan
μ[x]
Domain
μ[x] =
0;
(c - x) / (c - b);
(x – a) / (b - a);
x a atau x c
a x b
b x c
Jurnal Informatika, Vol.4, No. 2, Desember 2008: 159 - 173
163
Gambar 2 Fungsi Keanggotaan Kurva Bahu
Fungsi keanggotaan pada kurva segitiga dan fungsi keanggotaan pada kurva bahu
dapat dilihat pada Gambar 3.
Akan dilakukan perhitungan untuk memperoleh nilai fire strength fuzzy dengan
menggunakan gabungan fungsi keanggotaan kurva segitiga dan kurva bahu.
Perhitungan tersebut berhubungan dengan tiga operator dasar Zadeh yang terdiri
dari operator AND, operator OR dan operator NOT [1]. Operator AND merupakan
operator yang 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.
A B ( [x] [y]) μ ∩ = min μ A ,μ B (3)
Variabel Fuzzy
5
0
1
Himp1 Himp2 Himp3
μ[x]
1 10
Gambar 3 Himpunan Fuzzy Untuk Suatu Variabel
0 a b
1
Derajat
keanggotaa
n μ[x]
Domain
Bahu Kiri Bahu
Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy
(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
(Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani)
164
Operator OR merupakan operator yang berhubungan dengan operasi union pada
himpunan. Fire strength sebagai hasil operasi dengan operator OR diperoleh
dengan mengambil nilai keanggotaan terbesar antara elemen pada himpunanhimpunan
yang bersangkutan.
A B ( [x] [y]) μ ∪ = max μ A ,μ B (4)
Serta operator NOT yang merupakan operator yang 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.
A [x] μ = 1−μ A 1 (5)
Pada proses perancangan sistem yang akan dibuat, dibutuhkan suatu basis data
fuzzy. Basis data fuzzy dapat diartikan sebagai representasi, pemasukan, dan
manipulasi informasi yang tidak tepat dan tidak pasti. Query pada logika fuzzy
dapat digunakan untuk pengambilan data yang diinginkan, tanpa memerlukan
pendefinisian parameter yang pasti. Proses query fuzzy mencakup logika boolean
yang hasil pencariannya berupa nilai benar atau salah dan juga akan menghasilkan
nilai x% mendekati benar atau x% mendekati salah dari nilai keanggotaannya.
Basis data fuzzy bertujuan untuk memecahkan setiap permasalahan yang
berhubungan dengan representasi dan menangani informasi yang tidak tepat [6].
Logika fuzzy terdiri dari 3 proses utama, yaitu fuzzifikasi, Inferensi fuzzy dan
defuzzifikasi. 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. 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 [4].
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 [7]. 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.
Jurnal Informatika, Vol.4, No. 2, Desember 2008: 159 - 173
165
Proses yang terakhir adalah defuzzifikasi, yaitu kerja yang mengubah aksi dari
himpunan fuzzy menjadi suatu nilai tunggal [4]. 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, maka harus dapat diambil suatu nilai tegas (crisp) tertentu sebagai
output [1].
3. 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.
Kebutuhan input pada sistem ini digolongkan menjadi dua bagian input, yaitu input
fuzzy dan input non fuzzy. Input fuzzy, terdiri dari data spesifikasi komputer yang
menyangkut kecepatan prosesor, kapasitas memory, kapasitas Harddisk, ukuran
VGA, ukuran monitor, kapasitas power supply, dan harga. Sedangkan input non
fuzzy terdiri dari data spesifikasi komputer yang menyangkut merek dan kecocokan
antara spesifikasi yang satu dengan yang lain.
Pada sistem ini proses fuzzy meliputi pengambilan nilai input fuzzy ataupun non
fuzzy dari dalam database, sesuai dengan keterangan yang disebutkan oleh
pembeli, proses fuzzifikasi dari data input, dengan menggunakan rumus fungsi
keanggotaan kurva bahu dan kurva segitiga, proses logika pengambilan keputusan
melalui pembentukan query, dan menampilkan hasil rekomendasi sesuai dengan
kriteria yang disebutkan oleh pengguna.
Output pada sistem ini berupa rekomendasi paket komputer lengkap yang sesuai
dengan kriteria-kriteria yang diinginkan (di-input-kan) oleh para pengguna.Adapun
variabel dalam fungsi fuzzy adalah sebagaimana pada Gambar 4 berikut ini.
Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy
(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
(Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani)
166
Semua variabel akan ditransformasikan nilainya dalam suatu variabel fuzzy
sebagaimana pada Gambar 3 dan Gambar 4. Setiap variabel dapat memiliki besaran
yang berbeda, demikian pula dapat memiliki nilai μ[x] yang berbeda.
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.
Variabel kecepatan prosesor
2.5
0
1
Rendah Sedang Tinggi
μ[x]
1 5
Gambar 3 Himpunan Fuzzy Untuk Variabel kecepatan prosesor
Variabel Fuzzy kapasitas hard disk
5
0
1
Kecil Sedang Besar
μ[x]
1 10
Gambar 4 Himpunan Fuzzy Untuk Variabel kapasitas hard disk
Jurnal Informatika, Vol.4, No. 2, Desember 2008: 159 - 173
167
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.
Use case diagram menggambarkan fungsionalitas yang diharapkan dari sebuah
sistem. Sebuah use case merepresentasikan sebuah interaksi antara aktor dengan
sistem. Secara umum sistem ini memiliki dua aktor yaitu aktor pengguna yang
menggambarkan pembeli dan aktor pengguna yang menggambarkan administrator.
Untuk dapat melakukan interaksi dengan sistem, pembeli harus memasukkan
kriteria dan spesifikasi komputer yang diinginkan. Sistem fuzzy akan melakukan
komputasi untuk menghasilkan rekomendasi paket set komputer. Aktor pengguna
administrator harus memasukkan data spesifikasi komputer sebagai data batas
himpunan, seperti data harga dan data item. Data ini akan menjadi dasar bagi fuzzy
untuk pembuatan rekomendasi paket set komputer sesuai dengan masukan
pengguna, sebagaimana pada Gambar 5.
Sistem fuzzy bekerja melalui beberapa tahapan, yaitu identifikasi hasil pencarian
item (data spesifikasi komputer yang menyangkut kecepatan prosesor, kapasitas
memory, kapasitas Harddisk, ukuran VGA, ukuran monitor, kapasitas power
supply, dan harga ) yang akan menjadi masukan bagi proses penentuan prioritas
setiap itemnya. Setelah ditentukan prioritas setiap item tersebut dilakukan
pengacakan. Tahapan berikutnya adalah penggabungan masing – masing item
menjadi paket lengkap sebagai set item yang akan direkomendasikan, sebagaimana
pada Gambar 6.
Pengguna
(Pembeli)
Masukkan Spesifikasi Komp yang
Diinginkan
Paket Komputer Rekomendasi
Pengguna
(Administrator)
Login Pembeli
Login Administrator
Masukkan Data Batas Himpunan
Sistem Fuzzy
Masukkan Data Spesifikasi
Komputer
Gambar 5 Use Case Diagram Sistem yang Dibangun
Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy
(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
(Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani)
168
Activity diagram menggambarkan berbagai alir aktivitas dalam
sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision
yang mungkin terjadi, dan bagaimana berakhir.
Start
Login Pembeli
Masukkan Spesifikasi
Komputer yang Diinginkan
Tampilan Paket
Rekomendasi
End
Batas Himpunan
Fuzzy
Proses Fuzzy
Login
Administrator
Pengguna (Pembeli) Administrator
Aktivitas sistem berawal pada saat pengguna melakukan login. Setelah login
pengguna masuk pada halaman spesifikasi komputer untuk memilih spesifik yang
dikehendaki. Sistem akan melakukan komputasi menggunakan fuzzy. Peranan
admin dalam hal ini adalah melakukan pengelolaan dengan memasukkan batas
himpunan fuzzy (fuzzy set) sesuai dengan variabel fuzzy sebagaimana pada Gambar
7.
Hasil Pencarian Tiap Item Prioritas Tiap Item
Pengacakan dengan metode
Selection Sort
Penggabungan Menjadi
Paket-Paket Lengkap
Paket Hasil Rekomendasi
Gambar 6 Use Case Diagram Sistem Fuzzy
Gambar 7 Activity Diagram Sistem yang Dibangun
Jurnal Informatika, Vol.4, No. 2, Desember 2008: 159 - 173
169
Diagram ERD menggambarkan berbagai relasi antar entity dalam suatu database.
Entitas data dalam basisdata meliputi kecepatan prosesor, kapasitas memory,
kapasitas Harddisk, ukuran VGA, ukuran monitor, kapasitas power supply, dan
harga. Setiap entitas memiliki atribut yang menggambarkan infromasi secara lebih
detail. Antar entitas terhubung dengan entitas lainnya dalam bentuk relasional.
Seluruh entitas akan terhubung dengan fungsi fuzzy sebagai sistem komputasi
dalam aplikasi. Setiap relasional dapat digambarkan tingkat keterhubungannya
melalui bilangan kardinalitas dala relasi tersebut. Hal ini dapat dilihat sebagaimana
pada Gambar 8.
Gambar 8 Diagram ERD
Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy
(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
(Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani)
170
4. Implementasi dan Evaluasi
Implementasi sistem dibagi menjadi empat bagian, yaitu implementasi tampilan
awal dan menu utama, implementasi setup data, implementasi pencarian paket
komputer dan implementasi menu tambahan.
Proses pencarian, dilakukan dengan pemilihan variabel fuzzy dan variabel non
fuzzy yang berfungsi untuk memilih kriteria-kriteria yang sesuai dengan keinginan
pembeli
Proses pencarian dilakukan secara berurutan mulai dari prosesor, mainboard,
memory, VGA, casing, PSA, harddisk, monitor, optical, keyboard dan mouse.
Setelah memilih masing-masing item maka proses berikutnya adalah pemasukan
besarnya nilai prioritas untuk masing-masing item yang berfungsi untuk
pengacakan masing-masing item hasil rekomendasi sehingga terbentuk menjadi
suatu paket komputer lengkap.
Setelah kedua proses tersebut maka ditampilkan hasil konfirmasi, yang berfungsi
sebagai pemberi informasi, apa saja kriteria yang telah kita tentukan pada waktu
pencarian masing-masing item.
Jika konfirmasi data masing-masing item sudah sesuai dengan keinginan pembeli,
maka akan ditampilkan hasil pencarian paket komputer, sebanyak 5 macam paket
komputer dengan nilai rekomendasi tertinggi.
Gambar 9 Form Prioritas
Jurnal Informatika, Vol.4, No. 2, Desember 2008: 159 - 173
171
Pengujian dilakukan dengan menggunakan data riil spesifikasi produk yang ada di
pasaran untuk membuat rekomendasi paket komputer. Pengujian menghasilkan
rekomendasi yang berisi 10 kelompok item dalam satu paket rekomendasi. Adapun
rekomendasi yang dihasilkan dalam pengujian adalah sebagaimana berikut pada
Gambar 11 dan 12.
Gambar 10 Form Paket Komputer Hasil Rekomendasi
Gambar 11 Report Print Normal
Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy
(Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
(Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani)
172
5. Kesimpulan
Beberapa kesimpulan dapat diambil dari perancangan sistem pendukung keputusan
dengan menggunakan logika fuzzy model Tahani ini. 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.
Tingkat keberhasilan pengambilan keputusan dengan menggunakan logika fuzzy
juga dipengaruhi oleh jumlah kriteria yang dipilih oleh pemakai yang berfungsi
sebagai variabel fuzzy. Dari pengujian terhadap 10 orang sampel pemakai,
didapatkan tingkat akurasi sistem sebesar 68 %. Sedangkan hasil dari pencarian
yang tidak sesuai dengan parameter harga atau besaran dari spesifikasi komputer
Gambar 12 Report Print Detail
Jurnal Informatika, Vol.4, No. 2, Desember 2008: 159 - 173
173
yang diinginkan pemakai, dapat dipengaruhi dari data-data spesifikasi komputer
yang tidak akurat atau kemajuan fitur-fitur dan fasilitas-fasilitas yang baru.
6. Daftar Pustaka
[Cri05] Cristiono, Denny, 2005, Aplikasi Pendukung Keputusan Dengan
Menggunakan Logika Fuzzy (studi kasus Pemilihan Handphone
Berdasarkan Kebutuhan Konsumen), Salatiga, Fakultas Teknologi
Informasi, Universitas Kristen Satya Wacana.
[Hel01] Hellmann, M, 2001, Fuzzy Logic Introduction, Laboratoire Antennes
Radar Telecom, F.R.E CNRS 2272, Equipe Radar Polarimetrie.
[Nad03] Nadlir, Syariful dan Oon Amroni, 2003, Teknologi Sistem Fuzzy, Jurnal
Komputer dan Informatika 4(2), FTI, Universitas Tarumanagara.
[Kus04] Kusumadewi, Sri dan Hari Purnomo, 2004, Aplikasi Logika Fuzzy Untuk
Pendukung Keputusan, Yogyakarta: Graha Ilmu.
[Kus03] Kusumadewi, Sri, 2003, Artificial Intelligence (Teknik dan Aplikasinya),
Yogyakarta : Graha Ilmu.
[Mar04] 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.
[Wib98] Wibawanto, Hari, 1998, Pengendali Berbasis Logika Kabur, Elektro
Indonesia, Edisi ke Empat Belas.