APLIKASI PEMILIHAN LOKASI HUNIAN DENGAN
Jurnal . ………….. Vol. XX …, No. X, Bulan 20XX, XX-XX
1
APLIKASI PEMILIHAN LOKASI HUNIAN DENGAN DATABASE
FUZZY
T. Ryan Francis1, Rika Perdana Sari, S.T., M.Eng2, Agus Urip Ari Wibowo, S.T., M.T3
1
Program Studi Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265,
email:teukuryanfrancis@yahoo.com
2
Program Studi Teknik Informatika Politeknik Caltex Riau, Pekanbaru 28265, email:rika@pcr.ac.id
3
Program Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265, email:agus@pcr.ac.id
Abstrak
Pada saat akan membeli tanah/perumahan untuk lokasi hunian, banyak faktor yang harus
dipertimbangkan oleh pencari hunian. Melihat hal seperti ini tentu saja menyulitkan para
pembeli untuk memilih lokasi yang diinginkan. Apalagi yang tidak memiliki banyak waktu untuk
meninjau semua lokasi yang ada. Aplikasi pemilihan lokasi hunian dengan database fuzzy ini
dibangun untuk memudahkan pencari hunian untuk memilih lokasi hunian. Setelah pengguna
memasukkan kriteria jumlah fasilitas, jarak dari pusat kota, harga, luas bangunan, dan luas
tanah yang diinginkan, maka sistem memberikan informasi perumahan dan rekomendasi rumah
yang dimaksud. Sistem ini juga menampilkan jalur lokasi dari pusat kota menuju ke perumahan
dengan menggunakan Google Maps. Hasil rekomendasi pemilihan lokasi hunian yang diberikan
sistem sangat sesuai dengan yang responden inginkan.
Kata kunci: Lokasi Hunian, Tahani, Umano, Database Fuzzy, Google Maps
Abstract
At the time of going to buy land / residential for residential location, There are many factors to
considered by residential search. Seeing things like this of course makes it difficult for buyers to
choose the desired location. Moreover, did not have much time to review all the existing
location. Application residential site selection with fuzzy database is built to make it easy to
choose a residential location. After users enters some criteria such as the number of facilities,
distance from the city center, prices, building area, and the desired land area, the system
provides housing information and recommend house that users want. This system also displays
lane the location of the city center leading to the housing by using Google Maps. The suitability
of the recommendations given system according to the respondents wanted was very accordance
Keywords: Residential Location, Tahani, Umano, Database Fuzzy, Google Maps
1
Pendahuluan
Sejak diberlakukan Undang-Undang Nomor 32 Tahun 2004 tentang Otonomi Daerah,
kota Pekanbaru berkembang dari sebuah kotamadya menjadi kota metropolitan. Sebagaimana
kota metropolitan, tingkat pembangunannya berkembang dengan sangat pesat dan pertumbuhan
penduduk meningkat cukup tinggi karena arus urbanisasi ataupun perpindahan penduduk dari
kota-kota lain di Indonesia. Jumlah penduduk yang meningkat ini memiliki dampak yang
berbeda-beda. Di satu sisi merupakan potensi untuk sasaran produksi suatu produk, di lain sisi
timbulnya masalah sosial. Beberapa masalah sosial yang akan terjadi adalah tempat tinggal
(perumahan), mobilisasi warga kota, dan penyediaan lapangan kerja.
Lokasi perumahan yang nyaman untuk tempat tinggal, terjangkau dari berbagai sudut
kota, dan dapat diakses dengan transportasi publik memerlukan keterampilan dalam memilih
dan waktu dalam memutuskan. Karena salah dalam membuat keputusan akan mempengaruhi
kenyamanan penghuni. Oleh sebab itu diperlukan informasi yang relevan, akurat, terkini,
reliable, dan ekonomis tentang lokasi, fasilitas, harga dari suatu rumah yang ditawarkan
developer. Karakteristik dari warga kota besar adalah tingkat kesibukan yang tinggi, sehingga
2
T. Ryan Francis
tidak mempunyai cukup waktu dalam melakukan survey ke lokasi perumahan. Menyadari
kondisi ini, peluang bagi developer untuk mengembangkan atau memasarkan bisnis
perumahannya dengan menggunakan teknologi komunikasi dan informasi (TIK) yang berbasis
Internet.
Untuk memudahkan pembeli dalam menentukan lokasi dan memudahkan developer
dalam mempromosikan perumahannya, maka dibangunlah aplikasi “Aplikasi Pemilihan Lokasi
Hunian Dengan Database Fuzzy”. Aplikasi yang dibangun menggunakan basis data fuzzy model
tahani dan fuzzy model umano. Fuzzy model tahani ini digunakan untuk mengolah kriteriakriteria lokasi yang bernilai crisp, sedangkan fuzzy model umano digunakan untuk mengolah
kriteria lokasi hunian yang memiliki data ambiguous. Aplikasi menghasilkan output berupa
lokasi rekomendasi untuk calon pembeli perumahan yang dibangun developer.
1.1
Tujuan
Tujuan dari penelitian ini yaitu:
1. Membangun sebuah sistem pendukung keputusan pemilihan lokasi hunian dengan
menggunakan basis data fuzzy.
2. Menampilkan lokasi hunian dalam bentuk visualisasi peta.
1.2
Manfaat
Manfaat dari penelitian ini yaitu:
1. Membantu user untuk mendapatkan informasi lokasi hunian sesuai dengan kriteria yang
diinginkan.
2. Mengaplikasikan basis data fuzzy dalam memberikan rekomendasi lokasi hunian.
3. Membantu para developer untuk memasarkan perumahannya.
2
2.1
Tinjauan Pustaka
Penelitian Terdahulu
Penelitian terdahulu yang menjadi referensi dalam pembuatan rancang bangun sistem
pemilihan lokasi hunian adalah “Sistem Pendukung Keputusan untuk Rekomendasi Laptop
Sesuai Kriteria Konsumen dengan Basis Data Fuzzy Model Tahani”, yang disusun oleh Ria
Catur Kumala, 2011 [3]. Berikut adalah tabel perbandingannya.
Tabel 1 Perbandingan penelitian
Perbandingan
Penelitian sebelumnya
Penelitian yang akan dilakukan
Metode
Tahani
Tahani dan Umano
Input
Output
Fungsi
Keanggotaan
variabel fuzzy (harga laptop, besarnya
RAM, kapasitas harddisk, dan besarnya
memori VGA) dan variabel non fuzzy
(daya tahan baterai, komunikasi (wiFi,
bluetooth), dan tipe prosesor)
variabel fuzzy (harga rumah, luas
bangunan, luas tanah, jumlah
fasilitas sarana dan prasarana, dan
jarak dari pusat kota) dan variabel
non fuzzy (Fasilitas keamanan
(security, cctv dan pagar)).
Rekomendasi laptop berdasarkan
kriteria yang dipilih.
Rekomendasi lokasi hunian
berdasarkan kriteria yang dipilih.
Kurva bahu dan segitiga
Kurva bahu dan segitiga
Aplikasi Pemilihan Lokasi Hunian dengan Database Fuzzy
Perbandingan
Bahasa
Pemograman
2.2
Penelitian sebelumnya
ASP.NET
3
Penelitian yang akan dilakukan
PHP
Perumahan
Bila dikaji melalui pengertian yang tertuang dalam Undang-undang Nomor 4 Tahun
1992 tentang Perumahan dan Pemukiman, perumahan adalah kelompok rumah yang
berfungsi sebagai lingkungan tempat tinggal atau lingkungan hunian yang dilengkapi
dengan prasarana dan sarana lingkungan [1]. Berdasarkan kuesioner yang telah dibagikan
untuk memperoleh kriteria yang biasanya konsumen lihat dalam mencari rumah, terdapat
beberapa kriteria yaitu fasilitas sarana dan prasarana, harga, jarak ke pusat kota, tipe rumah,
dan keamanan lingkungan tempat tinggal.
2.3
Database Fuzzy
Basis data adalah kumpulan dari data yang saling berhubungan satu dengan yang
lainnya, tersimpan di perangkat keras komputer dan digunakan perangkat lunak untuk
memanipulasinya. Database system adalah suatu sistem informasi yang mengintegrasikan
kumpulan data yang saling berhubungan satu dengan lainnya dan membuatnya tersedia untuk
beberapa aplikasi dalam suatu organisasi. Sebagian besar basis data standar diklasifikasikan
berdasarkan bagaimana data tersebut dipandang oleh user. Dengan menggunakan basis data
standar, data dapat dicari spesifikasi tertentu dengan menggunakan query. Namun pada
kenyataannya, kadang dibutuhkan informasi dari data-data yang bersifat ambiguous. Apabila
hal ini terjadi, maka digunakanlah fuzzy database. Selama ini sudah ada penelitian tentang
fuzzy database. Salah satu diantaranya adalah model Tahani. Fuzzy database model Tahani
masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan
fuzzy untuk mendapatkan informasi query-nya [4].
Salah satu fungsi yang dipakai pada database fuzzy adalah fungsi kurva segitiga. Kurva
Segitiga pada dasarnya merupakan gabungan antara 2 garis (linear).
Gambar 1 Kurva Segitiga
Fungsi Keanggotaan :
0;
µ[x] = (x - a) / (b - a);
(b - x) / (c - b);
x ≤ a atau x ≥ c
a≤x≤b
b≤x≤c
(1)
Pada basis data fuzzy model Umano, data-data yang ambiguous diekspresikan dengan
menggunakan distribrusi posibilitas. Distribusi posibilitas merupakan nilai atribut dari suatu
model relasi. Seiring dengan kebutuhan akan kemudahan pemakaian aplikasi bagi para
pengguna aplikasi komputer, konsep teori himpunan fuzzy juga menyediakan kemudahan yang
mendukung dikembangkannya aplikasi yang bersifat human-oriented interface (HOI). Pada
HOI, dimungkinkan seorang user yang tidak ahli sekalipun dapat melakukan proses pencarian
pada basis data dengan menggunakan bahasa sehari-hari.Distribusi posibilitas merupakan nilai
atribut dari suatu model relasi. Data ambiguous ini biasanya berupa:
4
T. Ryan Francis
1. Data-data yang tidak jelas beradaannnya dalam domain tertentu (misal: tidak diketahui
apakah suatu bahan pangan memiliki kandungan protein). Untuk data yang berbentuk seperti
ini, akan memiliki nilai posibilitas sebesar 0.
2. Data-data yang diketahui berada pada domain tertentu, namun tidak diketahui secara pasti
berapa nilainya (misal: suatu bahan pangan diketahui memiliki kandungan protein, namun
tidak diketahui berapa besar kandungan proteinnya). Untuk data yang berbentuk seperti ini,
akan memiliki nilai posibilitas sebesar 1. Data-data yang belum jelas nilai kebenarannya
karena dimungkinkan memiliki lebih dari 1 nilai (misal: suatu bahan pangan memiliki
kandungan protein yang tidak jelas apakah sebesar 10 gram atau 11 gram). Untuk data yang
berbentuk seperti ini, akan dirumuskan nilai posibilitas pada setiap elemen himpunannya [4].
2.4
Google Maps
Google Maps adalah layanan peta yang dapat dilihat di browser pengguna. Tergantung
pada lokasinya, pengguna dapat melihat peta dasar atau kustom dan informasi bisnis lokal,
termasuk lokasi bisnis, informasi kontak, dan arah perjalanan. Bagian lain peta dapat dilihat
dengan fasilitas click and drag. Gambar satelit dari lokasi yang pengguna inginkan dapat
diperbesar dan diperkecil [2].
3
Perancangan
3.1
3.1.1
Perancangan Sistem
Perancangan ERD
Berikut penjelasan Entity Relationship Diagram yang menjelaskan hubungan antar data
di dalam database terlihat pada Gambar 2..
Gambar 2 Entity Relationship Diagram
3.1.2
Perancangan Fuzzy
Pada aplikasi pemilihan lokasi hunian dengan database fuzzy ini, terdapat 5 variabel
fuzzy di mana setiap variabel fuzzy tersebut menggunakan fungsi keanggotaan bahu dan
segitiga sebagai pendekatan untuk memperoleh derajat keanggotaan suatu nilai dalam suatu
himpunan fuzzy. Setiap variabel fuzzy dibagi menjadi 3 himpunan fuzzy.
1. Variabel jumlah fasilitas sarana dan prasarana
Aplikasi Pemilihan Lokasi Hunian dengan Database Fuzzy
5
Variabel fasilitas dikategorikan ke dalam himpunan SEDIKIT (kurang dari 8), SEDANG (6
s/d 11), dan BANYAK (lebih dari 9) seperti ditunjukkan pada Gambar 3.
Gambar 3 Fungsi keanggotaan variabel jumlah fasilitas
Fungsi Keanggotaan:
1;
x≤6
µsedikit[x] =
(8 - x) / 2;
6 < x < 8 …………………………………(1)
0;
x≥8
0;
x ≤ 6 atau x ≥ 11
µsedang[x] = (x - 6) / 3;
6 < x ≤ 9 …………………………………(2)
(11 - x) / 2;
9 ≤ x < 11
0;
x≤9
µbanyak[x] = (x - 9) / 2;
9 < x < 11 ………………………………..(3)
1;
x ≥ 11
2. Variabel Jarak
Variabel jarak dikategorikan ke dalam himpunan DEKAT (kurang dari 7 km), SEDANG (6
s/d 17), dan JAUH (lebih dari 17 km) seperti ditunjukkan pada Gambar 4
Gambar 4 Fungsi keanggotaan variabel jarak
Fungsi Keanggotaan:
1;
x≤8
µdekat [x] = (8 - x) / 1;
7 < x < 8 …………………………………(1)
0;
x≥8
0;
x ≤ 7 atau x ≥ 17
µsedang [x] = (x - 7) / 3;
7 < x ≤ 10 ………………………………..(2)
(17 - x) / 7;
10 ≤ x < 17
0;
x ≤ 16
µjauh[x] = (x - 16) / 1;
16 < x < 17 ………………………………(3)
1;
x ≥ 17
3. Variabel Harga
Variabel harga dikategorikan ke dalam himpunan MURAH (kurang dari 500), SEDANG
(350 s/d 1000), dan MAHAL (lebih dari 1000) seperti ditunjukkan pada Gambar 5
Gambar 5 Fungsi keanggotaan variabel harga
Fungsi Keanggotaan
6
T. Ryan Francis
1;
x ≤ 350
(500 - x) / 150;
350 < x < 500 ………………………..(1)
0;
x ≥ 500
0;
x ≤ 350 atau x ≥ 1000
µsedang[x] = (x - 350) / 150;
350 < x ≤ 500 ………………………..(2)
(1000 - x) / 500;
500 ≤ x < 1000
0;
x ≤ 500
µmahal[x] =
(x - 500) / 500;
500 < x < 1000 ……………………....(3)
1;
x ≥ 1000
4. Variabel Luas Bangunan
Variabel luas bangunan dikategorikan ke dalam himpunan KECIL (kurang dari 85),
SEDANG (48 s/d 155), dan LUAS (lebih dari 85) seperti ditunjukkan pada Gambar 5.
µmurah[x] =
Gambar 6 Fungsi keanggotaan variabel luas bangunan
Fungsi keanggotaan
1;
x ≤ 48
µkecil[x] =
(85 - x) / 37;
48 < x < 85 ……………………………….(1)
0;
x ≥ 85
0;
x ≤ 48 atau x ≥ 155
µsedang[x] = (x - 48) / 37;
48 < x ≤ 85 ……………………………….(2)
(155 - x) / 70;
85 ≤ x < 155
0;
x ≤ 85
µLuas[x] =
(x - 85) / 70;
85 < x < 155 ……………………………...(3)
1;
x ≥ 155
5. Variabel luas tanah
Variabel luas tanah dikategorikan ke dalam himpunan KECIL (kurang dari), SEDANG (s/d),
dan LUAS (lebih dari) seperti ditunjukkan pada Gambar 6.
Gambar 7 Fungsi keanggotaan variabel luas tanah
Fungsi keanggotaan:
1;
µkecil[x] =
(169 - x) / 85;
0;
0;
µsedang[x] = (x - 84) / 85;
(316.16 - x) / 147.16;
0;
µLuas[x] =
(x - 169) / 147.16;
1;
x ≤ 84
84 < x < 169 …………………………….(1)
x ≥ 169
x ≤ 84 atau x ≥ 169
84 < x ≤ 169 …………………………….(2)
169 ≤ x < 316.16
x ≤ 169
169 < x < 316.16 ……………………....(3)
x ≥ 316.16
Aplikasi Pemilihan Lokasi Hunian dengan Database Fuzzy
4
4.1
7
Hasil dan Pengujian
Hasil Rekomendasi Pengguna
Berikut adalah halaman dimana pengguna dapat melakukan pencarian berdasarkan
rekomendasi sistem menggunakan metode fuzzy. Pengguna menentukan kriteria yang
diinginkan untuk mencari rumah seperti jumlah fasilitas, jarak dari pusat kota, harga, luas
bangunan, dan luas tanah. Seperti yang ditampilkan pada Gambar 7 berikut
Gambar 8 Halaman rekomendasi guest
Berikut ini merupakan halaman hasil dari rekomendasi yang dipilih oleh pengguna.
Gambar 9 Halaman hasil rekomendasi guest
8
T. Ryan Francis
4.2
Pengujian
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
5
5.1
Berikut adalah tabel pengujian setiap hasil proses user yaitu admin, member, dan guest
Tabel 2 Hasil pengujian
Nama Proses
Kesesuaian dengan keluaran yang
diharapkan
Proses Rekomendasi Berhasil
Sesuai
Proses Rekomendasi Gagal
Sesuai
Proses Pencarian Perumahan
Sesuai
Proses Pencarian Rumah
Sesuai
Proses Tambah Member Berhasil
Sesuai
Proses Tambah Member Gagal
Sesuai
Proses Login Berhasil
Sesuai
Proses Login Gagal
Sesuai
Proses Tambah Perumahan Berhasil
Sesuai
Proses Tambah Perumahan Gagal
Sesuai
Proses Tambah Rumah Berhasil
Sesuai
Proses Tambah Rumah Gagal
Sesuai
Proses Pencarian Perumahan Member
Sesuai
Proses Pencarian Rumah Member
Sesuai
Proses Hapus Perumahan
Sesuai
Proses Hapus Rumah
Sesuai
Proses Pencarian Perumahan Admin
Sesuai
Proses Pencarian Rumah Admin
Sesuai
Proses Pencarian Member
Sesuai
Proses Edit Himpunan Berhasil
Sesuai
Analisa
Analisa Kuesioner
Kuesioner dibagikan kepada 30 orang responden dengan pertanyaan “Apakah hasil
rekomendasi pemilihan lokasi hunian yang diberikan sistem kepada anda sesuai dengan yang anda
inginkan?”. Berikut adalah hasil grafik analisa pada pencari lokasi hunian. Seperti yang terlihat
pada Gambar 9. Berdasarkan data untuk pertanyaan pertama, 82%, responden menyatakan
bahwa hasil rekomendasi pemilihan lokasi hunian yang diberikan sistem sangat sesuai dengan yang
di inginkan.
0%
20%
40%
60%
80%
100%
sangat tidak sesuai
tidak sesuai
ragu-ragu
sesuai
sangat sesuai
Gambar 10 Persentase responden pencari lokasi hunian
Kuesioner juga dibagikan kepada 10 pemilik perumahan. Didapatkan 88% responden
menyatakan sangat setuju sistem ini memberikan kemudahan kepada pengguna. Sebanyak 86%
responden menyatakan sangat setuju sistem ini menampilkan informasi yang sesuai dengan
kebutuhan. Sebanyak 84% responden menyatakan sangat setuju fungsi-fungsi dalam sistem
sudah berjalan dengan baik. Sebanyak 84% responden menyatakan sangat setuju sistem ini
mudah dimengerti dan digunakan. Grafik dapat dilihat pada Gambar 10.
Aplikasi Pemilihan Lokasi Hunian dengan Database Fuzzy
9
Gambar 11 Grafik persentase pemilik perumahan
5.2
Analisa Sistem
Pengujian sistem dilakukan dengan cara membandingkan hasil perhitungan manual
dengan hasil perhitungan yang dilakukan oleh sistem pada saat memberikan rekomendasi
rumah.
6
Kesimpulan dan Saran
Setelah melalui tahap pengujian pada aplikasi pemilihan lokasi hunian dengan
menggunakan database fuzzy, maka dapat diambil beberapa kesimpulan sebagai berikut:
1. Hasil rekomendasi pemilihan lokasi hunian yang diberikan sistem sangat sesuai dengan yang
responden inginkan.
2. Sistem ini memberikan kemudahan kepada pengguna.
3. Hasil rekomendasi yang dilakukan sistem sudah sesuai dengan perhitungan yang dilakukan
secara manual.
4. Aplikasi ini telah berjalan dengan baik, dan juga menambahkan fasilitas Google Map
didalamnya.
Saran yang dapat diberikan untuk pengembangan sistem selanjutnya yaitu:
1. Sistem ini dapat ditambah e-commerce sebagai fasilitas pendukung antara pencari rumah dan
pemilik rumah.
2. Kriteria perumahan dan rumah yang dijadikan sebagai variabel fuzzy dan variabel non
fuzzy dalam aplikasi ini dapat diperbanyak.
3. Menambahkan fitur komentar pada perumahan dan rumah.
7
[1]
[2]
[3]
[4]
Daftar Pustaka
Indonesia, Pemerintah. (2004). Undang-Undang No.32 Tahun 2004 Tentang
Pemerintahan Daerah. Jakarta Selatan: Visimedia.
Google.
(2012).
Google
Maps.
Diambil
26
November
2012
dari
http://support.google.com/maps/bin/answer.py?hl=en&topic=1687350&answer=144352
Kumala, R.C. (2011). Sistem Pendukung Keputusan untuk Rekomendasi Laptop Sesuai
Kriteria Konsumen dengan Basis Data Fuzzy Model Tahani. Pekanbaru: Politeknik
Caltex Riau
Kusumadewi, S., dan Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung
Keputusan Edisi 2. Yogyakarta: Graha Ilmu.
1
APLIKASI PEMILIHAN LOKASI HUNIAN DENGAN DATABASE
FUZZY
T. Ryan Francis1, Rika Perdana Sari, S.T., M.Eng2, Agus Urip Ari Wibowo, S.T., M.T3
1
Program Studi Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265,
email:teukuryanfrancis@yahoo.com
2
Program Studi Teknik Informatika Politeknik Caltex Riau, Pekanbaru 28265, email:rika@pcr.ac.id
3
Program Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265, email:agus@pcr.ac.id
Abstrak
Pada saat akan membeli tanah/perumahan untuk lokasi hunian, banyak faktor yang harus
dipertimbangkan oleh pencari hunian. Melihat hal seperti ini tentu saja menyulitkan para
pembeli untuk memilih lokasi yang diinginkan. Apalagi yang tidak memiliki banyak waktu untuk
meninjau semua lokasi yang ada. Aplikasi pemilihan lokasi hunian dengan database fuzzy ini
dibangun untuk memudahkan pencari hunian untuk memilih lokasi hunian. Setelah pengguna
memasukkan kriteria jumlah fasilitas, jarak dari pusat kota, harga, luas bangunan, dan luas
tanah yang diinginkan, maka sistem memberikan informasi perumahan dan rekomendasi rumah
yang dimaksud. Sistem ini juga menampilkan jalur lokasi dari pusat kota menuju ke perumahan
dengan menggunakan Google Maps. Hasil rekomendasi pemilihan lokasi hunian yang diberikan
sistem sangat sesuai dengan yang responden inginkan.
Kata kunci: Lokasi Hunian, Tahani, Umano, Database Fuzzy, Google Maps
Abstract
At the time of going to buy land / residential for residential location, There are many factors to
considered by residential search. Seeing things like this of course makes it difficult for buyers to
choose the desired location. Moreover, did not have much time to review all the existing
location. Application residential site selection with fuzzy database is built to make it easy to
choose a residential location. After users enters some criteria such as the number of facilities,
distance from the city center, prices, building area, and the desired land area, the system
provides housing information and recommend house that users want. This system also displays
lane the location of the city center leading to the housing by using Google Maps. The suitability
of the recommendations given system according to the respondents wanted was very accordance
Keywords: Residential Location, Tahani, Umano, Database Fuzzy, Google Maps
1
Pendahuluan
Sejak diberlakukan Undang-Undang Nomor 32 Tahun 2004 tentang Otonomi Daerah,
kota Pekanbaru berkembang dari sebuah kotamadya menjadi kota metropolitan. Sebagaimana
kota metropolitan, tingkat pembangunannya berkembang dengan sangat pesat dan pertumbuhan
penduduk meningkat cukup tinggi karena arus urbanisasi ataupun perpindahan penduduk dari
kota-kota lain di Indonesia. Jumlah penduduk yang meningkat ini memiliki dampak yang
berbeda-beda. Di satu sisi merupakan potensi untuk sasaran produksi suatu produk, di lain sisi
timbulnya masalah sosial. Beberapa masalah sosial yang akan terjadi adalah tempat tinggal
(perumahan), mobilisasi warga kota, dan penyediaan lapangan kerja.
Lokasi perumahan yang nyaman untuk tempat tinggal, terjangkau dari berbagai sudut
kota, dan dapat diakses dengan transportasi publik memerlukan keterampilan dalam memilih
dan waktu dalam memutuskan. Karena salah dalam membuat keputusan akan mempengaruhi
kenyamanan penghuni. Oleh sebab itu diperlukan informasi yang relevan, akurat, terkini,
reliable, dan ekonomis tentang lokasi, fasilitas, harga dari suatu rumah yang ditawarkan
developer. Karakteristik dari warga kota besar adalah tingkat kesibukan yang tinggi, sehingga
2
T. Ryan Francis
tidak mempunyai cukup waktu dalam melakukan survey ke lokasi perumahan. Menyadari
kondisi ini, peluang bagi developer untuk mengembangkan atau memasarkan bisnis
perumahannya dengan menggunakan teknologi komunikasi dan informasi (TIK) yang berbasis
Internet.
Untuk memudahkan pembeli dalam menentukan lokasi dan memudahkan developer
dalam mempromosikan perumahannya, maka dibangunlah aplikasi “Aplikasi Pemilihan Lokasi
Hunian Dengan Database Fuzzy”. Aplikasi yang dibangun menggunakan basis data fuzzy model
tahani dan fuzzy model umano. Fuzzy model tahani ini digunakan untuk mengolah kriteriakriteria lokasi yang bernilai crisp, sedangkan fuzzy model umano digunakan untuk mengolah
kriteria lokasi hunian yang memiliki data ambiguous. Aplikasi menghasilkan output berupa
lokasi rekomendasi untuk calon pembeli perumahan yang dibangun developer.
1.1
Tujuan
Tujuan dari penelitian ini yaitu:
1. Membangun sebuah sistem pendukung keputusan pemilihan lokasi hunian dengan
menggunakan basis data fuzzy.
2. Menampilkan lokasi hunian dalam bentuk visualisasi peta.
1.2
Manfaat
Manfaat dari penelitian ini yaitu:
1. Membantu user untuk mendapatkan informasi lokasi hunian sesuai dengan kriteria yang
diinginkan.
2. Mengaplikasikan basis data fuzzy dalam memberikan rekomendasi lokasi hunian.
3. Membantu para developer untuk memasarkan perumahannya.
2
2.1
Tinjauan Pustaka
Penelitian Terdahulu
Penelitian terdahulu yang menjadi referensi dalam pembuatan rancang bangun sistem
pemilihan lokasi hunian adalah “Sistem Pendukung Keputusan untuk Rekomendasi Laptop
Sesuai Kriteria Konsumen dengan Basis Data Fuzzy Model Tahani”, yang disusun oleh Ria
Catur Kumala, 2011 [3]. Berikut adalah tabel perbandingannya.
Tabel 1 Perbandingan penelitian
Perbandingan
Penelitian sebelumnya
Penelitian yang akan dilakukan
Metode
Tahani
Tahani dan Umano
Input
Output
Fungsi
Keanggotaan
variabel fuzzy (harga laptop, besarnya
RAM, kapasitas harddisk, dan besarnya
memori VGA) dan variabel non fuzzy
(daya tahan baterai, komunikasi (wiFi,
bluetooth), dan tipe prosesor)
variabel fuzzy (harga rumah, luas
bangunan, luas tanah, jumlah
fasilitas sarana dan prasarana, dan
jarak dari pusat kota) dan variabel
non fuzzy (Fasilitas keamanan
(security, cctv dan pagar)).
Rekomendasi laptop berdasarkan
kriteria yang dipilih.
Rekomendasi lokasi hunian
berdasarkan kriteria yang dipilih.
Kurva bahu dan segitiga
Kurva bahu dan segitiga
Aplikasi Pemilihan Lokasi Hunian dengan Database Fuzzy
Perbandingan
Bahasa
Pemograman
2.2
Penelitian sebelumnya
ASP.NET
3
Penelitian yang akan dilakukan
PHP
Perumahan
Bila dikaji melalui pengertian yang tertuang dalam Undang-undang Nomor 4 Tahun
1992 tentang Perumahan dan Pemukiman, perumahan adalah kelompok rumah yang
berfungsi sebagai lingkungan tempat tinggal atau lingkungan hunian yang dilengkapi
dengan prasarana dan sarana lingkungan [1]. Berdasarkan kuesioner yang telah dibagikan
untuk memperoleh kriteria yang biasanya konsumen lihat dalam mencari rumah, terdapat
beberapa kriteria yaitu fasilitas sarana dan prasarana, harga, jarak ke pusat kota, tipe rumah,
dan keamanan lingkungan tempat tinggal.
2.3
Database Fuzzy
Basis data adalah kumpulan dari data yang saling berhubungan satu dengan yang
lainnya, tersimpan di perangkat keras komputer dan digunakan perangkat lunak untuk
memanipulasinya. Database system adalah suatu sistem informasi yang mengintegrasikan
kumpulan data yang saling berhubungan satu dengan lainnya dan membuatnya tersedia untuk
beberapa aplikasi dalam suatu organisasi. Sebagian besar basis data standar diklasifikasikan
berdasarkan bagaimana data tersebut dipandang oleh user. Dengan menggunakan basis data
standar, data dapat dicari spesifikasi tertentu dengan menggunakan query. Namun pada
kenyataannya, kadang dibutuhkan informasi dari data-data yang bersifat ambiguous. Apabila
hal ini terjadi, maka digunakanlah fuzzy database. Selama ini sudah ada penelitian tentang
fuzzy database. Salah satu diantaranya adalah model Tahani. Fuzzy database model Tahani
masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan
fuzzy untuk mendapatkan informasi query-nya [4].
Salah satu fungsi yang dipakai pada database fuzzy adalah fungsi kurva segitiga. Kurva
Segitiga pada dasarnya merupakan gabungan antara 2 garis (linear).
Gambar 1 Kurva Segitiga
Fungsi Keanggotaan :
0;
µ[x] = (x - a) / (b - a);
(b - x) / (c - b);
x ≤ a atau x ≥ c
a≤x≤b
b≤x≤c
(1)
Pada basis data fuzzy model Umano, data-data yang ambiguous diekspresikan dengan
menggunakan distribrusi posibilitas. Distribusi posibilitas merupakan nilai atribut dari suatu
model relasi. Seiring dengan kebutuhan akan kemudahan pemakaian aplikasi bagi para
pengguna aplikasi komputer, konsep teori himpunan fuzzy juga menyediakan kemudahan yang
mendukung dikembangkannya aplikasi yang bersifat human-oriented interface (HOI). Pada
HOI, dimungkinkan seorang user yang tidak ahli sekalipun dapat melakukan proses pencarian
pada basis data dengan menggunakan bahasa sehari-hari.Distribusi posibilitas merupakan nilai
atribut dari suatu model relasi. Data ambiguous ini biasanya berupa:
4
T. Ryan Francis
1. Data-data yang tidak jelas beradaannnya dalam domain tertentu (misal: tidak diketahui
apakah suatu bahan pangan memiliki kandungan protein). Untuk data yang berbentuk seperti
ini, akan memiliki nilai posibilitas sebesar 0.
2. Data-data yang diketahui berada pada domain tertentu, namun tidak diketahui secara pasti
berapa nilainya (misal: suatu bahan pangan diketahui memiliki kandungan protein, namun
tidak diketahui berapa besar kandungan proteinnya). Untuk data yang berbentuk seperti ini,
akan memiliki nilai posibilitas sebesar 1. Data-data yang belum jelas nilai kebenarannya
karena dimungkinkan memiliki lebih dari 1 nilai (misal: suatu bahan pangan memiliki
kandungan protein yang tidak jelas apakah sebesar 10 gram atau 11 gram). Untuk data yang
berbentuk seperti ini, akan dirumuskan nilai posibilitas pada setiap elemen himpunannya [4].
2.4
Google Maps
Google Maps adalah layanan peta yang dapat dilihat di browser pengguna. Tergantung
pada lokasinya, pengguna dapat melihat peta dasar atau kustom dan informasi bisnis lokal,
termasuk lokasi bisnis, informasi kontak, dan arah perjalanan. Bagian lain peta dapat dilihat
dengan fasilitas click and drag. Gambar satelit dari lokasi yang pengguna inginkan dapat
diperbesar dan diperkecil [2].
3
Perancangan
3.1
3.1.1
Perancangan Sistem
Perancangan ERD
Berikut penjelasan Entity Relationship Diagram yang menjelaskan hubungan antar data
di dalam database terlihat pada Gambar 2..
Gambar 2 Entity Relationship Diagram
3.1.2
Perancangan Fuzzy
Pada aplikasi pemilihan lokasi hunian dengan database fuzzy ini, terdapat 5 variabel
fuzzy di mana setiap variabel fuzzy tersebut menggunakan fungsi keanggotaan bahu dan
segitiga sebagai pendekatan untuk memperoleh derajat keanggotaan suatu nilai dalam suatu
himpunan fuzzy. Setiap variabel fuzzy dibagi menjadi 3 himpunan fuzzy.
1. Variabel jumlah fasilitas sarana dan prasarana
Aplikasi Pemilihan Lokasi Hunian dengan Database Fuzzy
5
Variabel fasilitas dikategorikan ke dalam himpunan SEDIKIT (kurang dari 8), SEDANG (6
s/d 11), dan BANYAK (lebih dari 9) seperti ditunjukkan pada Gambar 3.
Gambar 3 Fungsi keanggotaan variabel jumlah fasilitas
Fungsi Keanggotaan:
1;
x≤6
µsedikit[x] =
(8 - x) / 2;
6 < x < 8 …………………………………(1)
0;
x≥8
0;
x ≤ 6 atau x ≥ 11
µsedang[x] = (x - 6) / 3;
6 < x ≤ 9 …………………………………(2)
(11 - x) / 2;
9 ≤ x < 11
0;
x≤9
µbanyak[x] = (x - 9) / 2;
9 < x < 11 ………………………………..(3)
1;
x ≥ 11
2. Variabel Jarak
Variabel jarak dikategorikan ke dalam himpunan DEKAT (kurang dari 7 km), SEDANG (6
s/d 17), dan JAUH (lebih dari 17 km) seperti ditunjukkan pada Gambar 4
Gambar 4 Fungsi keanggotaan variabel jarak
Fungsi Keanggotaan:
1;
x≤8
µdekat [x] = (8 - x) / 1;
7 < x < 8 …………………………………(1)
0;
x≥8
0;
x ≤ 7 atau x ≥ 17
µsedang [x] = (x - 7) / 3;
7 < x ≤ 10 ………………………………..(2)
(17 - x) / 7;
10 ≤ x < 17
0;
x ≤ 16
µjauh[x] = (x - 16) / 1;
16 < x < 17 ………………………………(3)
1;
x ≥ 17
3. Variabel Harga
Variabel harga dikategorikan ke dalam himpunan MURAH (kurang dari 500), SEDANG
(350 s/d 1000), dan MAHAL (lebih dari 1000) seperti ditunjukkan pada Gambar 5
Gambar 5 Fungsi keanggotaan variabel harga
Fungsi Keanggotaan
6
T. Ryan Francis
1;
x ≤ 350
(500 - x) / 150;
350 < x < 500 ………………………..(1)
0;
x ≥ 500
0;
x ≤ 350 atau x ≥ 1000
µsedang[x] = (x - 350) / 150;
350 < x ≤ 500 ………………………..(2)
(1000 - x) / 500;
500 ≤ x < 1000
0;
x ≤ 500
µmahal[x] =
(x - 500) / 500;
500 < x < 1000 ……………………....(3)
1;
x ≥ 1000
4. Variabel Luas Bangunan
Variabel luas bangunan dikategorikan ke dalam himpunan KECIL (kurang dari 85),
SEDANG (48 s/d 155), dan LUAS (lebih dari 85) seperti ditunjukkan pada Gambar 5.
µmurah[x] =
Gambar 6 Fungsi keanggotaan variabel luas bangunan
Fungsi keanggotaan
1;
x ≤ 48
µkecil[x] =
(85 - x) / 37;
48 < x < 85 ……………………………….(1)
0;
x ≥ 85
0;
x ≤ 48 atau x ≥ 155
µsedang[x] = (x - 48) / 37;
48 < x ≤ 85 ……………………………….(2)
(155 - x) / 70;
85 ≤ x < 155
0;
x ≤ 85
µLuas[x] =
(x - 85) / 70;
85 < x < 155 ……………………………...(3)
1;
x ≥ 155
5. Variabel luas tanah
Variabel luas tanah dikategorikan ke dalam himpunan KECIL (kurang dari), SEDANG (s/d),
dan LUAS (lebih dari) seperti ditunjukkan pada Gambar 6.
Gambar 7 Fungsi keanggotaan variabel luas tanah
Fungsi keanggotaan:
1;
µkecil[x] =
(169 - x) / 85;
0;
0;
µsedang[x] = (x - 84) / 85;
(316.16 - x) / 147.16;
0;
µLuas[x] =
(x - 169) / 147.16;
1;
x ≤ 84
84 < x < 169 …………………………….(1)
x ≥ 169
x ≤ 84 atau x ≥ 169
84 < x ≤ 169 …………………………….(2)
169 ≤ x < 316.16
x ≤ 169
169 < x < 316.16 ……………………....(3)
x ≥ 316.16
Aplikasi Pemilihan Lokasi Hunian dengan Database Fuzzy
4
4.1
7
Hasil dan Pengujian
Hasil Rekomendasi Pengguna
Berikut adalah halaman dimana pengguna dapat melakukan pencarian berdasarkan
rekomendasi sistem menggunakan metode fuzzy. Pengguna menentukan kriteria yang
diinginkan untuk mencari rumah seperti jumlah fasilitas, jarak dari pusat kota, harga, luas
bangunan, dan luas tanah. Seperti yang ditampilkan pada Gambar 7 berikut
Gambar 8 Halaman rekomendasi guest
Berikut ini merupakan halaman hasil dari rekomendasi yang dipilih oleh pengguna.
Gambar 9 Halaman hasil rekomendasi guest
8
T. Ryan Francis
4.2
Pengujian
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
5
5.1
Berikut adalah tabel pengujian setiap hasil proses user yaitu admin, member, dan guest
Tabel 2 Hasil pengujian
Nama Proses
Kesesuaian dengan keluaran yang
diharapkan
Proses Rekomendasi Berhasil
Sesuai
Proses Rekomendasi Gagal
Sesuai
Proses Pencarian Perumahan
Sesuai
Proses Pencarian Rumah
Sesuai
Proses Tambah Member Berhasil
Sesuai
Proses Tambah Member Gagal
Sesuai
Proses Login Berhasil
Sesuai
Proses Login Gagal
Sesuai
Proses Tambah Perumahan Berhasil
Sesuai
Proses Tambah Perumahan Gagal
Sesuai
Proses Tambah Rumah Berhasil
Sesuai
Proses Tambah Rumah Gagal
Sesuai
Proses Pencarian Perumahan Member
Sesuai
Proses Pencarian Rumah Member
Sesuai
Proses Hapus Perumahan
Sesuai
Proses Hapus Rumah
Sesuai
Proses Pencarian Perumahan Admin
Sesuai
Proses Pencarian Rumah Admin
Sesuai
Proses Pencarian Member
Sesuai
Proses Edit Himpunan Berhasil
Sesuai
Analisa
Analisa Kuesioner
Kuesioner dibagikan kepada 30 orang responden dengan pertanyaan “Apakah hasil
rekomendasi pemilihan lokasi hunian yang diberikan sistem kepada anda sesuai dengan yang anda
inginkan?”. Berikut adalah hasil grafik analisa pada pencari lokasi hunian. Seperti yang terlihat
pada Gambar 9. Berdasarkan data untuk pertanyaan pertama, 82%, responden menyatakan
bahwa hasil rekomendasi pemilihan lokasi hunian yang diberikan sistem sangat sesuai dengan yang
di inginkan.
0%
20%
40%
60%
80%
100%
sangat tidak sesuai
tidak sesuai
ragu-ragu
sesuai
sangat sesuai
Gambar 10 Persentase responden pencari lokasi hunian
Kuesioner juga dibagikan kepada 10 pemilik perumahan. Didapatkan 88% responden
menyatakan sangat setuju sistem ini memberikan kemudahan kepada pengguna. Sebanyak 86%
responden menyatakan sangat setuju sistem ini menampilkan informasi yang sesuai dengan
kebutuhan. Sebanyak 84% responden menyatakan sangat setuju fungsi-fungsi dalam sistem
sudah berjalan dengan baik. Sebanyak 84% responden menyatakan sangat setuju sistem ini
mudah dimengerti dan digunakan. Grafik dapat dilihat pada Gambar 10.
Aplikasi Pemilihan Lokasi Hunian dengan Database Fuzzy
9
Gambar 11 Grafik persentase pemilik perumahan
5.2
Analisa Sistem
Pengujian sistem dilakukan dengan cara membandingkan hasil perhitungan manual
dengan hasil perhitungan yang dilakukan oleh sistem pada saat memberikan rekomendasi
rumah.
6
Kesimpulan dan Saran
Setelah melalui tahap pengujian pada aplikasi pemilihan lokasi hunian dengan
menggunakan database fuzzy, maka dapat diambil beberapa kesimpulan sebagai berikut:
1. Hasil rekomendasi pemilihan lokasi hunian yang diberikan sistem sangat sesuai dengan yang
responden inginkan.
2. Sistem ini memberikan kemudahan kepada pengguna.
3. Hasil rekomendasi yang dilakukan sistem sudah sesuai dengan perhitungan yang dilakukan
secara manual.
4. Aplikasi ini telah berjalan dengan baik, dan juga menambahkan fasilitas Google Map
didalamnya.
Saran yang dapat diberikan untuk pengembangan sistem selanjutnya yaitu:
1. Sistem ini dapat ditambah e-commerce sebagai fasilitas pendukung antara pencari rumah dan
pemilik rumah.
2. Kriteria perumahan dan rumah yang dijadikan sebagai variabel fuzzy dan variabel non
fuzzy dalam aplikasi ini dapat diperbanyak.
3. Menambahkan fitur komentar pada perumahan dan rumah.
7
[1]
[2]
[3]
[4]
Daftar Pustaka
Indonesia, Pemerintah. (2004). Undang-Undang No.32 Tahun 2004 Tentang
Pemerintahan Daerah. Jakarta Selatan: Visimedia.
Google.
(2012).
Maps.
Diambil
26
November
2012
dari
http://support.google.com/maps/bin/answer.py?hl=en&topic=1687350&answer=144352
Kumala, R.C. (2011). Sistem Pendukung Keputusan untuk Rekomendasi Laptop Sesuai
Kriteria Konsumen dengan Basis Data Fuzzy Model Tahani. Pekanbaru: Politeknik
Caltex Riau
Kusumadewi, S., dan Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung
Keputusan Edisi 2. Yogyakarta: Graha Ilmu.