Penentuan Harga jual Sepeda motor bekas dengan Fuzzy logic (metode Tsukamoto) dan implementasinya.
1
PENENTUAN HARGA JUAL SEPEDA MOTOR BEKAS MENGGUNAKAN
FUZZY LOGIC (METODE TSUKAMOTO) DAN IMPLEMENTASINYA
1
Indra Prasetya, 2 Dra. Yuniarsi Rahayu, M.Kom
Program Studi Teknik Informatika
S1
Fakultas Ilmu Komputer
Universitas Dian Nuswantoro, Jl. Nakula 1 No. 5-11. Semarang
1
111201105837@mhs.dinus.ac.id , 2yuniarsi.rahayu@dsn.dinus.ac.id
ABSTRAK
Dalam kehidupan sehari-hari tidak lepas dari transaksi jual beli. Salah satunya ialah jual beli sepeda motor.
Harga yang di tawarkanpun sangat bervariasi baik dalam kondisi baru maupun kondisi bekas. Adapun dalam
menentukan harga jual sepeda motor bekas setidaknya ada beberapa variabel yang menentukan. Bagi
seseorang yang sudah ahli dan berkecimpung dalam dunia jual beli sepeda motor menentukan harga jual
sepeda motor bekas sangatlah mudah. Dengan melihat sepeda motor tersebut saja sudah mampu
menyimpulkan harga jualnya. Lain halnya dengan seseorang yang bukan ahli, maka perlu adanya alat bantu
dalam menentukan harga jual sepeda motor bekas berdasarkan variabel-variabel penentunya. Dalam
penelitian ini penulis akan menerapkan metode fuzzy tsukamoto untuk kasus penentuan harga jual sepeda
motor bekas berdasarkan variabel-variabel penentunya. Adapun variabel-variabel yang akan digunakan
dalam penelitian penentuan harga sepeda motor bekas didasarkan pada kondisi sepeda motor, jarak tempuh
sepeda motor, pajak STNK sepeda motor, tahun pembuatan atau perakitan motor yang tertera dalam BPKB
dan STNK, dan warna sepeda motor. Dengan variabel-variabel tersebut dihasilkan defuzzyfikasi yang
merupakan prediksi harga jual sepeda motor bekas yang diterapkan pada tiga jenis sepeda motor dan setelah
di uji menggunakan MAPE memiliki tingkat kesalahan sebesar 2,881%.
Kata Kunci : Jual Beli, Sepeda Motor, Metode Fuzzy Tsukamoto, MAPE
Bagi seseorang yang sudah ahli dan
I. PENDAHULUAN
Jual beli sepeda motor merupakan suatu
berkecimpung dalam dunia jual beli sepeda
kegiatan transaksi yang sering di jumpai pada
motor menentukan harga jual sepeda motor
kehidupan sehari-hari. Bahkan sekarang ini
bekas sangatlah mudah.
kegiatan transaksi tersebut bisa dilakukan
sepeda motor tersebut saja sudah mampu
secara online di internet.
Harga yang di
menyimpulkan harga jualnya. Lain halnya
tawarkanpun sangat bervariasi baik dalam
dengan seseorang yang bukan ahli, maka
kondisi baru maupun kondisi bekas. Adapun
perlu adanya alat bantu dalam menentukan
dalam menentukan harga jual sepeda motor
harga jual sepeda motor bekas berdasarkan
bekas setidaknya ada beberapa variabel yang
variabel-variabel penentunya.
menentukan.
Dengan melihat
2
Salah satu cara yang bisa digunakan
avansa 1.3 G M/T bekas didasarkan pada
dalam menentukan harga sepeda motor bekas
warna, tahun pembuatan, kondisi mobil dan
adalah dengan menerapkan fuzzy logic.
harga beli baru.
Karena dibandingkan dengan sistem logika
Istraniady dkk [2] dalam penelitiannya
lain,
variabel-variabel penentu dalam menentukan
fuzzy
keputusan
logic
yang
manusiawi.
bisa
lebih
Fuzzy
menghasilkan
adil
logic
dan
lebih
memodelkan
perasaan atau intuisi dengan cara merubah
Sedangkan Menurut
harga sepeda motor bekas didasarkan pada
kondisi sepeda motor dan jarak tempuh.
Berdasarkan
penelitian
sebelumnya
nilai crisp menjadi nilai linguistik dengan
maka penulis menentukan variabel-variabel
fuzzyfikasi dan kemudian memasukkannya
yang akan digunakan dalam penelitian
ke dalam rule yang dibuat berdasarkan
penentuan
knowledge [1]. Di dalam perhitungan logika
didasarkan pada kondisi sepeda motor, jarak
fuzzy terdapat beberapa metode, dan setiap
tempuh sepeda motor, pajak STNK sepeda
metode memiliki cara dan hasil perhitungan
motor, tahun pembuatan atau perakitan motor
yang berbeda. Metode fuzzy Tsukamoto dan
yang tertera dalam BPKB dan STNK, dan
metode
warna sepeda motor.
fuzzy
Mamdani
dalam
harga
sepeda
motor
bekas
Dengan variabel-
perhitungannya memiliki cara yang berbeda
variabel
pada mesin inferensi dan defuzzifikasi.
prediksi harga sepeda motor lebih akurat.
Adapun metode yang akan diterapkan oleh
Variabel-variabel tersebutlah yang akan yang
penulis
Tsukamoto.
akan
Tsukamoto
keanggotaan fuzzy.
ialah
Penggunaan
metode
metode
Fuzzy
tersebut
diharapkan
direpresentasikan
hasil
dengan
dari
fungsi
dipilih karena merupakan suatu metode yang
dapat memprediksi dan memberikan toleransi
II. LANDASAN TEORI
data-data yang tidak tepat yang bersifat
A. Logika Fuzzy
fleksibel
dan
fluktuatif.
Selain
itu
Logika fuzzy adalah suatu cara yang
berdasarkan penelitian Istraniady dkk [2]
tepat untuk memetakan suatu ruang input ke
metode Tsukamoto dinilai menghasilkan
dalam suatu ruang output [4].
prediksi harga yang lebih mahal dan lebih
akurat dibanding metode mamdani.
B. Cara Kerja Logika Fuzzy
Metode tersebut akan coba penulis
terapkan pada kasus penentuan harga jual
Cara
kerja
logika
fuzzy,
meliputi
beberapa tahapan berikut [5] :
motor bekas berdasarkan variabel-variabel
penentunya.
penelitiannya
Menurut Mulyono [3] dalam
variabel-variabel
penentu
dalam menentukan harga mobil Toyota
Gambar 2.1 Struktur sistem inferensi fuzzy
3
4.
Sistem pendukung keputusan dalam
1.
Input : berupa variabel input
2.
Fuzzyfikasi : proses untuk mengubah
penentuan spesifikasi komputer untuk
input sistem yang mempunyai nilai tegas
suatu paket komputer lengkap [9].
menjadi
variabel
linguistik
5.
[10].
menggunakan fungsi keanggotaan yang
disimpan
dalam
basis
pengetahuan
6.
4.
Basis Pengetahuan Fuzzy: kumpulan
7.
Sistem
pendukung
keputusan
dan
rule-rule fuzzy dalam bentuk pernyataan
pemberi saran pemilihan konsentrasi
IF THEN.
(studi kasus : jurusan teknik informatika
Mesin inferensi : proses untuk mengubah
UII [12].
input fuzzy menjadi output fuzzy dengan
8.
Rancang Bangun Sistem Pengundian
Sepakbola [13].
cara mengikuti aturan-aturan (IF-THEN
5.
Model evaluasi performa mahasiswa
tahun pertama [11].
fuzzy.
3.
Prediksi Harga Saham Berbasis Web
Rule) yang telah ditetapkan pada basis
9.
Simulasi kecepatan kendaraan [14].
pengetahuan fuzzy.
10. Pengolahan Peta Tematik (Studi Kasus :
Defuzzifikasi : mengubah output fuzzy
Sistem
Informasi
Geografis
Daerah
yang diperoleh dari mesin inferensi
Rawan Penyakitdemam Berdarah) [15].
menjadi nilai tegas menggunakan fungsi
keanggotaan yang sesuai dengan saat
III. METODE PENELITIAN
dilakukan fuzzyfikasi.
A. Alur Penelitian
Proses
defuzzyfikasi
metode
Adapun alur atau langkah yang akan
Tsukamoto menggunakan metode rata-
ditempuh oleh penulis dalam melakukan
rata (Average) dengan rumus berikut:
penelitian kali ini digambarkan oleh diagram
Metode Rata-Rata (Average).
penelitian berikut :
=
6.
pada
µ
µ
Output : berupa hasil fuzzy.
C. Aplikasi Logika Fuzzy
Beberapa aplikasi logika fuzzy, antara
lain :
1.
Penentuan harga beli handphone bekas
[6].
2.
Penentuan tingkat resiko penyakit [7].
3.
Simulasi Traffic Light [8].
Gambar 3.1 Diagram Penelitian
4
1.
4.
Rumasan Masalah
Implementasi
Pengimplementasian program dilakukan
Mengidentifikasi masalah yang akan di
dengan menggunakan bahasa pemrograman
angkat oleh penulis.
JAVA dengan software developer NetBeans
2.
IDE 6.9.1.
Pengumpulan Data
Metode
yang
dilakukan
dalam
memperoleh Data yaitu wawancara dan studi
5.
Pengujian Program
Agar program yang dihasilkan sesuai
pustaka.
Wawancara
dengan apa yang diharapkan sebelumnya
Wawancara dilakukan kepada pemilik
atau tervalidasi maka dilakukan pengujian
Showroom sepeda motor bekas ataupun
dengan menggunakan metode MAPE (Mean
karyawan yang bertanggung jawab pada
Absolute
transaksi pembelian sepeda motor bekas,
merupakan metode yang digunakan dalam
untuk
mengukur tingkat validasi dari suatu model
a.
mengetahui
bagaimana
proses
penentuan harga jual sepeda motor bekas
yang dilakukan selama ini.
Percentage
Eror).
MAPE
[16], yang dapat dirumuskan dengan :
Dan untuk
mengetahui apa saja variabel-variabel yang
=
x 100%
digunakan sebagai penentu harga jual sepeda
motor bekas serta pemberian bobot pada
setiap kriteria tersebut.
b.
Keterangan :
Studi Pustaka
Xt = Nilai data periode ke-t
Metode yang dilakukan dengan mencari
Ft = Nilai ramalan periode ke-t
sumber-sumber dari buku-buku atau literatur
N
= banyaknya data
lain yang membahas tentang logika fuzzy
Tsukamoto, Sepeda motor bekas, atau semua
literatur yang masih terkait dengan penelitian
penulis.
IV. HASIL DAN PEMBAHASAN
A. Hasil Penelitian
Hasil dari penerapan metode tsukamoto
pada penelitian ialah prediksi harga sepeda
3.
Menerapkan Logika Fuzzy
motor bekas berdasarkan kriteria dan bobot
Metode penelitian yang akan diterapkan
yang sudah ditentukan.
penulis dalam kasus perkiraan harga jual
sepeda
motor
bekas
dilakukan
sesuai
rancangan struktur system inferensi fuzzy
[5].
B. Implementasi Program
Pada penelitian ini penulis membuat
implementasi program menggunakan bahasa
pemrograman
JAVA
dengan
software
5
developer NetBeans IDE 6.9.1.
Adapun
dalam program ini diharuskan memberikan
data inputan seperti kondisi, jarak, pajak,
Gambar 4.15 Pesan prediksi harga motor bekas
tahun dan warna. Selanjutnya program akan
mengolah
data
ditentukan
sesuai
yaitu
metode
metode
yang
Tsukamoto.
Sehingga program akan memberikan hasil
atau
output
sesuai
dengan
apa
yang
diharapkan.
Gambar 4.15 merupakan tampilan awal
program
berupa
ikon-ikon
menu
yang
tersedia dalam program antara lain ikon
menu untuk input data motor, menu about,
dan tiga menu prediksi.
C. Pengujian Program
Agar program yang dihasilkan sesuai
dengan apa yang diharapkan sebelumnya
atau tervalidasi maka dilakukan pengujian
dengan menggunakan metode MAPE (Mean
Absolute
Percentage
Eror).
MAPE
merupakan metode yang digunakan dalam
mengukur tingkat validasi dari suatu model.
Gambar 4.13 Menu Utama Program
Berikut adalah hasil pengujian program yang
Gambar 4.13 merupakan tampilan awal
program
berupa
ikon-ikon
menu
telah dilakukan oleh penulis :
yang
tersedia dalam program antara lain ikon
menu untuk input data motor, menu about,
Tabel 4.8 Hasil pengujian program
Jenis
Motor
dan tiga menu prediksi.
Vario
Techno
CBS
2009-2013
Vario CW
110 FI
2006-2012
Gambar 4.14 Halaman prediksi
Gambar 4.14 merupakan tampilan menu
prediksi. Didalam menu inilah perhitungan
fuzzy dilakukan.
Mio Soul
2007-2012
1
2
3
4
5
6
7
8
9
10
85
80
75
85
80
85
85
80
85
80
Jarak Pajak
Tahun Warna
Tempu STNK
11000
11 2009
2
12500
11 2009
3
10000
11 2010
2
11500
11 2010
3
10000
10 2011
3
11000
11 2011
3
10500
11 2012
3
11500
10 2012
2
10000
11 2013
2
12000
10 2013
3
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
85
80
85
80
80
85
85
85
80
75
85
80
80
85
85
80
80
85
85
80
85
80
85
80
85
80
11000
12000
10500
11000
11000
10500
10500
11500
12500
12500
10000
12000
12500
11000
11500
13500
13000
11000
12000
16000
12000
13500
10500
12500
10500
13500
No. Kondisi
10
8
9
9
8
10
11
10
10
8
11
10
10
11
11
10
9
10
10
11
9
10
11
10
11
11
2006
2006
2007
2007
2008
2008
2009
2009
2010
2010
2011
2011
2012
2012
2007
2007
2008
2008
2009
2009
2010
2010
2011
2011
2012
2012
5
4
5
4
4
3
5
4
5
4
5
4
5
4
3
4
4
3
4
3
4
3
4
3
4
3
Harga
Sistem (x)
10.041.815
9.993.971
10.355.332
9.884.529
11.034.975
11.130.369
12.233.335
12.075.326
13.544.697
13.565.173
Harga
Nyata (y)
9.700.000
9.700.000
10.500.000
10.500.000
11.000.000
11.000.000
12.000.000
12.000.000
13.500.000
13.500.000
Selisih
(y-x)
(341.815)
(293.971)
144.668
615.471
(34.975)
(130.369)
(233.335)
(75.326)
(44.697)
(65.173)
MAPE
((y-x)/y)
0,03524
0,03031
0,01378
0,05862
0,00318
0,01185
0,01944
0,00628
0,00331
0,00483
6.064.169
6.082.563
6.000.346
6.096.752
6.969.798
7.033.496
7.291.904
7.036.461
8.585.478
8.450.000
8.704.755
8.525.977
9.701.121
9.690.426
6.375.033
6.368.082
6.930.906
6.851.453
6.967.972
6.871.036
7.886.564
7.864.415
7.988.890
7.851.885
9.111.112
8.955.608
5.800.000
5.800.000
6.300.000
6.300.000
6.800.000
6.800.000
7.500.000
7.500.000
8.300.000
8.300.000
9.000.000
9.000.000
9.900.000
9.900.000
6.300.000
6.300.000
6.800.000
6.800.000
7.300.000
7.300.000
7.700.000
7.700.000
8.300.000
8.300.000
9.300.000
9.300.000
(264.169)
(282.563)
299.654
203.248
(169.798)
(233.496)
208.096
463.539
(285.478)
(150.000)
295.245
474.023
198.879
209.574
(75.033)
(68.082)
(130.906)
(51.453)
332.028
428.964
(186.564)
(164.415)
311.110
448.115
188.888
344.392
Jumlah
0,04555
0,04872
0,04756
0,03226
0,02497
0,03434
0,02775
0,06181
0,03439
0,01807
0,0328
0,05267
0,02009
0,02117
0,01191
0,01081
0,01925
0,00757
0,04548
0,05876
0,02423
0,02135
0,03748
0,05399
0,02031
0,03703
1,03716
110 FI
2006-2012
Mio Soul
2007-2012
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
85
85
80
75
85
80
80
85
85
80
80
85
85
80
85
80
85
80
85
80
10500
11500
12500
12500
10000
12000
12500
11000
11500
13500
13000
11000
12000
16000
12000
13500
10500
12500
10500
13500
11
10
10
8
11
10
10
11
11
10
9
10
10
11
9
10
11
10
11
11
2009
2009
2010
2010
2011
2011
2012
2012
2007
2007
2008
2008
2009
2009
2010
2010
2011
2011
2012
2012
5
4
5
4
5
4
5
4
3
4
4
3
4
3
4
3
4
3
4
3
7.291.904
7.036.461
8.585.478
8.450.000
8.704.755
8.525.977
9.701.121
9.690.426
6.375.033
6.368.082
6.930.906
6.851.453
6.967.972
6.871.036
7.886.564
7.864.415
7.988.890
7.851.885
9.111.112
8.955.608
7.500.000
7.500.000
8.300.000
8.300.000
9.000.000
9.000.000
9.900.000
9.900.000
6.300.000
6.300.000
6.800.000
6.800.000
7.300.000
7.300.000
7.700.000
7.700.000
8.300.000
8.300.000
9.300.000
9.300.000
208.096
463.539
(285.478)
(150.000)
295.245
474.023
198.879
209.574
(75.033)
(68.082)
(130.906)
(51.453)
332.028
428.964
(186.564)
(164.415)
311.110
448.115
188.888
344.392
Jumlah
0,02775
0,06181
0,03439
0,01807
0,0328
0,05267
0,02009
0,02117
0,01191
0,01081
0,01925
0,00757
0,04548
0,05876
0,02423
0,02135
0,03748
0,05399
0,02031
0,03703
1,03716
6
V. PENUTUP
A. Kesimpulan
Berdasarkan
hasil
dari
penelitian
tersebut dapat disimpulkan bahwa metode
fuzzy Tsukamoto dapat diterapkan dalam
Keterangan Warna :
menentukan harga jual sepeda motor bekas.
Vario Techno CBS
Adapun variabel-variabel penentunya ialah
1.
White Blue
:3
kondisi sepeda motor, jarak tempuh sepeda
2.
Red
:2
motor, pajak STNK sepeda motor, tahun
3.
Black
:1
pembuatan atau perakitan motor yang tertera
Vario CW 110 FI
dalam BPKB dan STNK dan warna sepeda
1.
Glam Red
:5
motor.
2.
Estilo Black
:4
diimplementasikan
3.
Grande White
:3
pemrograman java dengan menggunakan .
4.
Posh White
:2
Dan
5.
Shimmer Blue
:1
menggunakan
Mio Soul
Pada
setelah
penelitian
ini
pada
bahasa
dilakukan
metode
telah
pengujian
MAPE
(Mean
Absolute Percentage Error) diketahui tingkat
1.
Bluish White Cocktail
:4
kesalahan sebesar 2,881%. Hasil pengujian
2.
Leaf Green Metallic
:3
menunjukan tingkat kesalahan dibawah 15%,
3.
Black Metallic X
:2
sehingga dapat dikatakan baik.
4.
Deep Redish Yellow Cocktail
:1
demikian hasil dari implementasi ini dapat
Dengan
digunakan bagi penjual maupun pembeli
=
,
sepeda motor bekas sebagai alat bantu dalam
x 100% =
menentukan harga jual sepeda motor bekas.
2,880987029%
B. Saran
Setelah
menggunakan
dilakukan
metode
pengujian
MAPE
(Meant
Absolute Percentade Error) menghasilkan
tingkat kesalahan sebesar 2,881%.
Hasil
pengujian menunjukan tingkat kesalahan
dibawah 15%, sehingga dapat dikatakan baik.
Tentunya penelitian ini masih belum bisa
dikatakan sempurna sehingga masih perlu
adanya
perbaikan
dan
penyempurnaan.
Adapun saran dari penulis untuk penelitian
selanjutnya ialah:
1.
Dalam
penelitian
ini
hanya
menggunakan
metode
tsukamoto
sehingga
adanya
pembanding
perlu
dengan metode lain sehingga nantinya
7
2.
mendapatkan metode yang paling tepat
Mamdani Pada Perbandingan Harga
dan akurat.
Sepeda
Dalam penelitian ini masih terbatas pada
Informatika STMIK GI MDP. 2013.
lima variabel yaitu kondisi sepeda
Teknik
[3]. Mulyono, Muhammad. Implementasi
Logika
STNK sepeda motor, tahun pembuatan
Menentukan
atau perakitan motor yang tertera dalam
Avansa 1.3 G M/T Bekas. Skripsi
BPKB dan STNK dan warna sepeda
Teknik Informatika Universitas Dian
motor sehingga perlu dikaji sekali lagi
Nuswantoro. Semarang. 2014.
Fuzzy
Tsukamoto
Harga
Dalam
Mobil
Toyota
[4]. Kusumadewi, S. Purnomo, H 2004,
relevan atau tidak.
Aplikasi
Pada penelitian ini hasil implementasi
Pendukung Keputusan, Graha Ilmu,
masih berupa program statis yaitu hanya
Yogyakarta.
Logika
Fuzzy
untuk
menentukan harga jual sepeda motor
[5]. Sutojo, T, Mulyanto, E & Suhartono, V
vario techno cbs, vario cw 110 fi dan
2011, Kecerdasan Buatan, Andi Offset,
mio soul sehingga penelitian selanjutnya
Yogyakarta.
diharapkan bisa lebih dinamis dan
4.
Bekas.
motor, jarak tempuh sepeda motor, pajak
apakah variabel-vabel tersebut masih
3.
Motor
[6]. S. W. P. Yulianto, H. Kristanto, J.
mampu untuk menentukan harga jual
Karel,
Implementasi Fuzzy Set dan
semua jenis sepeda motor bekas.
Fuzzy Inference System Tsukamoto
pada
Pada Penentuan Harga Beli Handphone
penelitian ini masih berbasis dekstop
Bekas , Jurnal Informatika, vol. 4, no.
sehingga dalam menggunakannya harus
2, 2008.
Program
hasil
implementasi
menggunakan komputer atau laptop.
Hal
itu
tentu
akan
menyulitkan
[7]. S. Kusumadewi,
Resiko
Penentuan Tingkat
Penyakit
Menggunakan
penggunanya sehingga dalam penelitian
Tsukamoto Fuzzy Inference System ,
selanjutnya diharapkan bisa dikemas
Seminar Nasional II: The Application
dalam program berbasis mobile.
of Technology Toward A Better Life,
2004.
[8]. W.
DAFTAR PUSTAKA
[1]. Nugroho,
Pengantar
Anto
Satriyo.
Softcomputing.
2003.
Modul
KuliahUmum IlmuKomputer.Com.
[2]. Istraniady. Andrian, Priko. Mardiai.
Analisis Perbandingan Metode Fuzzy
Tsukamoto
Dan
Metode
Fuzzy
W.
Rakhmat,
L.
Afriyanti,
Aplikasi Fuzzy Inference System
(FIS)
Metode
Tsukamoto
Pada
Simulasi Traffic Light Menggunakan
Java ,
Seminar
Nasional
Aplikasi
Teknologi Informasi 2009 (SNATI
8
2009), ISSN : 1907-5022, Yogyakarta,
Aplikasi Teknologi Informasi 2005
2009.
(SNATI
[9]. Sri Yulianto J.P., Indrastanti R.W.,
Martha Oktriani. Aplikasi Pendukung
Keputusan
Dengan
2005).
ISSN:
1907-5022.
Yogyakarta.
[14]. Samuel Lukas, Arnold Aribowo, Yogih
Menggunakan
Suharta Tjia. 2008. Simulasi kecepatan
Logika Fuzzy(Studi Kasus : Penentuan
kendaraan dengan menggunakan logika
Spesifikasi Komputer Untuk Suatu
fuzzy.
Paket
Teknologi Informasi 2008 (SNATI
Komputer
Lengkap).
Jurnal
Informatika, Vol.4, No. 2, Desember
2008: 159
173.
Nasional
Aplikasi
2008). ISSN: 1907-5022. Yogyakarta.
[15]. Iswari,
[10]. Muchlas, Tole Sutikno. Prediksi Harga
Seminar
Sistem
Lizda.
2008.
Inferensi
Pemanfaatan
Fuzzy
Dalam
Saham Berbasis Web Dengan Sistem
Pengolahan Peta Tematik (Studi Kasus
Inferensi Fuzi Tsukamoto. Seminar
: Sistem Informasi Geografis Daerah
Nasional Aplikasi Teknologi Informasi
Rawan
2007 (SNATI 2007). ISSN: 1907-5022.
Seminar Nasional Aplikasi Teknologi
Yogyakarta.
Informasi 2008 (SNATI 2008). ISSN:
[11]. Abidin, Zaenal, Zulkifli. 2013. Model
evaluasi performa mahasiswa tahun
Penyakitdemam
Berdarah).
1907-5022. Yogyakarta.
[16]. Hansun, Seng. 2012. Peramalan Data
pertama melalui pendekatan fuzzy
IHSG
inference
Series. IJCCS, Vol.6, No.2, July 2012,
system
dengan
metode
tsukamoto. Seminar Nasional Aplikasi
Teknologi Informasi 2013 (SNATI
2013). ISSN: 1907-5022. Yogyakarta.
[12]. Rakhman, Arkham Zahri. 2012. Fuzzy
inference
system
tsukamoto
dengan
sebagai
metode
pemberi
saran
pemilihan konsentrasi (studi kasus :
jurusan
teknik
informatika
UII).
Seminar Nasional Aplikasi Teknologi
Informasi 2012 (SNATI 2012). ISSN:
1907-5022. Yogyakarta.
[13]. Paputungan,
Irving
Vitra,
Irawan,
Denni. 2005. Rancang Bangun Sistem
Pengundian Sepakbola Menggunakan
Logika
Fuzzy.
Seminar
Nasional
Menggunakan
Fuzzy
pp. 79~88. ISSN: 1978-1520.
Time
PENENTUAN HARGA JUAL SEPEDA MOTOR BEKAS MENGGUNAKAN
FUZZY LOGIC (METODE TSUKAMOTO) DAN IMPLEMENTASINYA
1
Indra Prasetya, 2 Dra. Yuniarsi Rahayu, M.Kom
Program Studi Teknik Informatika
S1
Fakultas Ilmu Komputer
Universitas Dian Nuswantoro, Jl. Nakula 1 No. 5-11. Semarang
1
111201105837@mhs.dinus.ac.id , 2yuniarsi.rahayu@dsn.dinus.ac.id
ABSTRAK
Dalam kehidupan sehari-hari tidak lepas dari transaksi jual beli. Salah satunya ialah jual beli sepeda motor.
Harga yang di tawarkanpun sangat bervariasi baik dalam kondisi baru maupun kondisi bekas. Adapun dalam
menentukan harga jual sepeda motor bekas setidaknya ada beberapa variabel yang menentukan. Bagi
seseorang yang sudah ahli dan berkecimpung dalam dunia jual beli sepeda motor menentukan harga jual
sepeda motor bekas sangatlah mudah. Dengan melihat sepeda motor tersebut saja sudah mampu
menyimpulkan harga jualnya. Lain halnya dengan seseorang yang bukan ahli, maka perlu adanya alat bantu
dalam menentukan harga jual sepeda motor bekas berdasarkan variabel-variabel penentunya. Dalam
penelitian ini penulis akan menerapkan metode fuzzy tsukamoto untuk kasus penentuan harga jual sepeda
motor bekas berdasarkan variabel-variabel penentunya. Adapun variabel-variabel yang akan digunakan
dalam penelitian penentuan harga sepeda motor bekas didasarkan pada kondisi sepeda motor, jarak tempuh
sepeda motor, pajak STNK sepeda motor, tahun pembuatan atau perakitan motor yang tertera dalam BPKB
dan STNK, dan warna sepeda motor. Dengan variabel-variabel tersebut dihasilkan defuzzyfikasi yang
merupakan prediksi harga jual sepeda motor bekas yang diterapkan pada tiga jenis sepeda motor dan setelah
di uji menggunakan MAPE memiliki tingkat kesalahan sebesar 2,881%.
Kata Kunci : Jual Beli, Sepeda Motor, Metode Fuzzy Tsukamoto, MAPE
Bagi seseorang yang sudah ahli dan
I. PENDAHULUAN
Jual beli sepeda motor merupakan suatu
berkecimpung dalam dunia jual beli sepeda
kegiatan transaksi yang sering di jumpai pada
motor menentukan harga jual sepeda motor
kehidupan sehari-hari. Bahkan sekarang ini
bekas sangatlah mudah.
kegiatan transaksi tersebut bisa dilakukan
sepeda motor tersebut saja sudah mampu
secara online di internet.
Harga yang di
menyimpulkan harga jualnya. Lain halnya
tawarkanpun sangat bervariasi baik dalam
dengan seseorang yang bukan ahli, maka
kondisi baru maupun kondisi bekas. Adapun
perlu adanya alat bantu dalam menentukan
dalam menentukan harga jual sepeda motor
harga jual sepeda motor bekas berdasarkan
bekas setidaknya ada beberapa variabel yang
variabel-variabel penentunya.
menentukan.
Dengan melihat
2
Salah satu cara yang bisa digunakan
avansa 1.3 G M/T bekas didasarkan pada
dalam menentukan harga sepeda motor bekas
warna, tahun pembuatan, kondisi mobil dan
adalah dengan menerapkan fuzzy logic.
harga beli baru.
Karena dibandingkan dengan sistem logika
Istraniady dkk [2] dalam penelitiannya
lain,
variabel-variabel penentu dalam menentukan
fuzzy
keputusan
logic
yang
manusiawi.
bisa
lebih
Fuzzy
menghasilkan
adil
logic
dan
lebih
memodelkan
perasaan atau intuisi dengan cara merubah
Sedangkan Menurut
harga sepeda motor bekas didasarkan pada
kondisi sepeda motor dan jarak tempuh.
Berdasarkan
penelitian
sebelumnya
nilai crisp menjadi nilai linguistik dengan
maka penulis menentukan variabel-variabel
fuzzyfikasi dan kemudian memasukkannya
yang akan digunakan dalam penelitian
ke dalam rule yang dibuat berdasarkan
penentuan
knowledge [1]. Di dalam perhitungan logika
didasarkan pada kondisi sepeda motor, jarak
fuzzy terdapat beberapa metode, dan setiap
tempuh sepeda motor, pajak STNK sepeda
metode memiliki cara dan hasil perhitungan
motor, tahun pembuatan atau perakitan motor
yang berbeda. Metode fuzzy Tsukamoto dan
yang tertera dalam BPKB dan STNK, dan
metode
warna sepeda motor.
fuzzy
Mamdani
dalam
harga
sepeda
motor
bekas
Dengan variabel-
perhitungannya memiliki cara yang berbeda
variabel
pada mesin inferensi dan defuzzifikasi.
prediksi harga sepeda motor lebih akurat.
Adapun metode yang akan diterapkan oleh
Variabel-variabel tersebutlah yang akan yang
penulis
Tsukamoto.
akan
Tsukamoto
keanggotaan fuzzy.
ialah
Penggunaan
metode
metode
Fuzzy
tersebut
diharapkan
direpresentasikan
hasil
dengan
dari
fungsi
dipilih karena merupakan suatu metode yang
dapat memprediksi dan memberikan toleransi
II. LANDASAN TEORI
data-data yang tidak tepat yang bersifat
A. Logika Fuzzy
fleksibel
dan
fluktuatif.
Selain
itu
Logika fuzzy adalah suatu cara yang
berdasarkan penelitian Istraniady dkk [2]
tepat untuk memetakan suatu ruang input ke
metode Tsukamoto dinilai menghasilkan
dalam suatu ruang output [4].
prediksi harga yang lebih mahal dan lebih
akurat dibanding metode mamdani.
B. Cara Kerja Logika Fuzzy
Metode tersebut akan coba penulis
terapkan pada kasus penentuan harga jual
Cara
kerja
logika
fuzzy,
meliputi
beberapa tahapan berikut [5] :
motor bekas berdasarkan variabel-variabel
penentunya.
penelitiannya
Menurut Mulyono [3] dalam
variabel-variabel
penentu
dalam menentukan harga mobil Toyota
Gambar 2.1 Struktur sistem inferensi fuzzy
3
4.
Sistem pendukung keputusan dalam
1.
Input : berupa variabel input
2.
Fuzzyfikasi : proses untuk mengubah
penentuan spesifikasi komputer untuk
input sistem yang mempunyai nilai tegas
suatu paket komputer lengkap [9].
menjadi
variabel
linguistik
5.
[10].
menggunakan fungsi keanggotaan yang
disimpan
dalam
basis
pengetahuan
6.
4.
Basis Pengetahuan Fuzzy: kumpulan
7.
Sistem
pendukung
keputusan
dan
rule-rule fuzzy dalam bentuk pernyataan
pemberi saran pemilihan konsentrasi
IF THEN.
(studi kasus : jurusan teknik informatika
Mesin inferensi : proses untuk mengubah
UII [12].
input fuzzy menjadi output fuzzy dengan
8.
Rancang Bangun Sistem Pengundian
Sepakbola [13].
cara mengikuti aturan-aturan (IF-THEN
5.
Model evaluasi performa mahasiswa
tahun pertama [11].
fuzzy.
3.
Prediksi Harga Saham Berbasis Web
Rule) yang telah ditetapkan pada basis
9.
Simulasi kecepatan kendaraan [14].
pengetahuan fuzzy.
10. Pengolahan Peta Tematik (Studi Kasus :
Defuzzifikasi : mengubah output fuzzy
Sistem
Informasi
Geografis
Daerah
yang diperoleh dari mesin inferensi
Rawan Penyakitdemam Berdarah) [15].
menjadi nilai tegas menggunakan fungsi
keanggotaan yang sesuai dengan saat
III. METODE PENELITIAN
dilakukan fuzzyfikasi.
A. Alur Penelitian
Proses
defuzzyfikasi
metode
Adapun alur atau langkah yang akan
Tsukamoto menggunakan metode rata-
ditempuh oleh penulis dalam melakukan
rata (Average) dengan rumus berikut:
penelitian kali ini digambarkan oleh diagram
Metode Rata-Rata (Average).
penelitian berikut :
=
6.
pada
µ
µ
Output : berupa hasil fuzzy.
C. Aplikasi Logika Fuzzy
Beberapa aplikasi logika fuzzy, antara
lain :
1.
Penentuan harga beli handphone bekas
[6].
2.
Penentuan tingkat resiko penyakit [7].
3.
Simulasi Traffic Light [8].
Gambar 3.1 Diagram Penelitian
4
1.
4.
Rumasan Masalah
Implementasi
Pengimplementasian program dilakukan
Mengidentifikasi masalah yang akan di
dengan menggunakan bahasa pemrograman
angkat oleh penulis.
JAVA dengan software developer NetBeans
2.
IDE 6.9.1.
Pengumpulan Data
Metode
yang
dilakukan
dalam
memperoleh Data yaitu wawancara dan studi
5.
Pengujian Program
Agar program yang dihasilkan sesuai
pustaka.
Wawancara
dengan apa yang diharapkan sebelumnya
Wawancara dilakukan kepada pemilik
atau tervalidasi maka dilakukan pengujian
Showroom sepeda motor bekas ataupun
dengan menggunakan metode MAPE (Mean
karyawan yang bertanggung jawab pada
Absolute
transaksi pembelian sepeda motor bekas,
merupakan metode yang digunakan dalam
untuk
mengukur tingkat validasi dari suatu model
a.
mengetahui
bagaimana
proses
penentuan harga jual sepeda motor bekas
yang dilakukan selama ini.
Percentage
Eror).
MAPE
[16], yang dapat dirumuskan dengan :
Dan untuk
mengetahui apa saja variabel-variabel yang
=
x 100%
digunakan sebagai penentu harga jual sepeda
motor bekas serta pemberian bobot pada
setiap kriteria tersebut.
b.
Keterangan :
Studi Pustaka
Xt = Nilai data periode ke-t
Metode yang dilakukan dengan mencari
Ft = Nilai ramalan periode ke-t
sumber-sumber dari buku-buku atau literatur
N
= banyaknya data
lain yang membahas tentang logika fuzzy
Tsukamoto, Sepeda motor bekas, atau semua
literatur yang masih terkait dengan penelitian
penulis.
IV. HASIL DAN PEMBAHASAN
A. Hasil Penelitian
Hasil dari penerapan metode tsukamoto
pada penelitian ialah prediksi harga sepeda
3.
Menerapkan Logika Fuzzy
motor bekas berdasarkan kriteria dan bobot
Metode penelitian yang akan diterapkan
yang sudah ditentukan.
penulis dalam kasus perkiraan harga jual
sepeda
motor
bekas
dilakukan
sesuai
rancangan struktur system inferensi fuzzy
[5].
B. Implementasi Program
Pada penelitian ini penulis membuat
implementasi program menggunakan bahasa
pemrograman
JAVA
dengan
software
5
developer NetBeans IDE 6.9.1.
Adapun
dalam program ini diharuskan memberikan
data inputan seperti kondisi, jarak, pajak,
Gambar 4.15 Pesan prediksi harga motor bekas
tahun dan warna. Selanjutnya program akan
mengolah
data
ditentukan
sesuai
yaitu
metode
metode
yang
Tsukamoto.
Sehingga program akan memberikan hasil
atau
output
sesuai
dengan
apa
yang
diharapkan.
Gambar 4.15 merupakan tampilan awal
program
berupa
ikon-ikon
menu
yang
tersedia dalam program antara lain ikon
menu untuk input data motor, menu about,
dan tiga menu prediksi.
C. Pengujian Program
Agar program yang dihasilkan sesuai
dengan apa yang diharapkan sebelumnya
atau tervalidasi maka dilakukan pengujian
dengan menggunakan metode MAPE (Mean
Absolute
Percentage
Eror).
MAPE
merupakan metode yang digunakan dalam
mengukur tingkat validasi dari suatu model.
Gambar 4.13 Menu Utama Program
Berikut adalah hasil pengujian program yang
Gambar 4.13 merupakan tampilan awal
program
berupa
ikon-ikon
menu
telah dilakukan oleh penulis :
yang
tersedia dalam program antara lain ikon
menu untuk input data motor, menu about,
Tabel 4.8 Hasil pengujian program
Jenis
Motor
dan tiga menu prediksi.
Vario
Techno
CBS
2009-2013
Vario CW
110 FI
2006-2012
Gambar 4.14 Halaman prediksi
Gambar 4.14 merupakan tampilan menu
prediksi. Didalam menu inilah perhitungan
fuzzy dilakukan.
Mio Soul
2007-2012
1
2
3
4
5
6
7
8
9
10
85
80
75
85
80
85
85
80
85
80
Jarak Pajak
Tahun Warna
Tempu STNK
11000
11 2009
2
12500
11 2009
3
10000
11 2010
2
11500
11 2010
3
10000
10 2011
3
11000
11 2011
3
10500
11 2012
3
11500
10 2012
2
10000
11 2013
2
12000
10 2013
3
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
85
80
85
80
80
85
85
85
80
75
85
80
80
85
85
80
80
85
85
80
85
80
85
80
85
80
11000
12000
10500
11000
11000
10500
10500
11500
12500
12500
10000
12000
12500
11000
11500
13500
13000
11000
12000
16000
12000
13500
10500
12500
10500
13500
No. Kondisi
10
8
9
9
8
10
11
10
10
8
11
10
10
11
11
10
9
10
10
11
9
10
11
10
11
11
2006
2006
2007
2007
2008
2008
2009
2009
2010
2010
2011
2011
2012
2012
2007
2007
2008
2008
2009
2009
2010
2010
2011
2011
2012
2012
5
4
5
4
4
3
5
4
5
4
5
4
5
4
3
4
4
3
4
3
4
3
4
3
4
3
Harga
Sistem (x)
10.041.815
9.993.971
10.355.332
9.884.529
11.034.975
11.130.369
12.233.335
12.075.326
13.544.697
13.565.173
Harga
Nyata (y)
9.700.000
9.700.000
10.500.000
10.500.000
11.000.000
11.000.000
12.000.000
12.000.000
13.500.000
13.500.000
Selisih
(y-x)
(341.815)
(293.971)
144.668
615.471
(34.975)
(130.369)
(233.335)
(75.326)
(44.697)
(65.173)
MAPE
((y-x)/y)
0,03524
0,03031
0,01378
0,05862
0,00318
0,01185
0,01944
0,00628
0,00331
0,00483
6.064.169
6.082.563
6.000.346
6.096.752
6.969.798
7.033.496
7.291.904
7.036.461
8.585.478
8.450.000
8.704.755
8.525.977
9.701.121
9.690.426
6.375.033
6.368.082
6.930.906
6.851.453
6.967.972
6.871.036
7.886.564
7.864.415
7.988.890
7.851.885
9.111.112
8.955.608
5.800.000
5.800.000
6.300.000
6.300.000
6.800.000
6.800.000
7.500.000
7.500.000
8.300.000
8.300.000
9.000.000
9.000.000
9.900.000
9.900.000
6.300.000
6.300.000
6.800.000
6.800.000
7.300.000
7.300.000
7.700.000
7.700.000
8.300.000
8.300.000
9.300.000
9.300.000
(264.169)
(282.563)
299.654
203.248
(169.798)
(233.496)
208.096
463.539
(285.478)
(150.000)
295.245
474.023
198.879
209.574
(75.033)
(68.082)
(130.906)
(51.453)
332.028
428.964
(186.564)
(164.415)
311.110
448.115
188.888
344.392
Jumlah
0,04555
0,04872
0,04756
0,03226
0,02497
0,03434
0,02775
0,06181
0,03439
0,01807
0,0328
0,05267
0,02009
0,02117
0,01191
0,01081
0,01925
0,00757
0,04548
0,05876
0,02423
0,02135
0,03748
0,05399
0,02031
0,03703
1,03716
110 FI
2006-2012
Mio Soul
2007-2012
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
85
85
80
75
85
80
80
85
85
80
80
85
85
80
85
80
85
80
85
80
10500
11500
12500
12500
10000
12000
12500
11000
11500
13500
13000
11000
12000
16000
12000
13500
10500
12500
10500
13500
11
10
10
8
11
10
10
11
11
10
9
10
10
11
9
10
11
10
11
11
2009
2009
2010
2010
2011
2011
2012
2012
2007
2007
2008
2008
2009
2009
2010
2010
2011
2011
2012
2012
5
4
5
4
5
4
5
4
3
4
4
3
4
3
4
3
4
3
4
3
7.291.904
7.036.461
8.585.478
8.450.000
8.704.755
8.525.977
9.701.121
9.690.426
6.375.033
6.368.082
6.930.906
6.851.453
6.967.972
6.871.036
7.886.564
7.864.415
7.988.890
7.851.885
9.111.112
8.955.608
7.500.000
7.500.000
8.300.000
8.300.000
9.000.000
9.000.000
9.900.000
9.900.000
6.300.000
6.300.000
6.800.000
6.800.000
7.300.000
7.300.000
7.700.000
7.700.000
8.300.000
8.300.000
9.300.000
9.300.000
208.096
463.539
(285.478)
(150.000)
295.245
474.023
198.879
209.574
(75.033)
(68.082)
(130.906)
(51.453)
332.028
428.964
(186.564)
(164.415)
311.110
448.115
188.888
344.392
Jumlah
0,02775
0,06181
0,03439
0,01807
0,0328
0,05267
0,02009
0,02117
0,01191
0,01081
0,01925
0,00757
0,04548
0,05876
0,02423
0,02135
0,03748
0,05399
0,02031
0,03703
1,03716
6
V. PENUTUP
A. Kesimpulan
Berdasarkan
hasil
dari
penelitian
tersebut dapat disimpulkan bahwa metode
fuzzy Tsukamoto dapat diterapkan dalam
Keterangan Warna :
menentukan harga jual sepeda motor bekas.
Vario Techno CBS
Adapun variabel-variabel penentunya ialah
1.
White Blue
:3
kondisi sepeda motor, jarak tempuh sepeda
2.
Red
:2
motor, pajak STNK sepeda motor, tahun
3.
Black
:1
pembuatan atau perakitan motor yang tertera
Vario CW 110 FI
dalam BPKB dan STNK dan warna sepeda
1.
Glam Red
:5
motor.
2.
Estilo Black
:4
diimplementasikan
3.
Grande White
:3
pemrograman java dengan menggunakan .
4.
Posh White
:2
Dan
5.
Shimmer Blue
:1
menggunakan
Mio Soul
Pada
setelah
penelitian
ini
pada
bahasa
dilakukan
metode
telah
pengujian
MAPE
(Mean
Absolute Percentage Error) diketahui tingkat
1.
Bluish White Cocktail
:4
kesalahan sebesar 2,881%. Hasil pengujian
2.
Leaf Green Metallic
:3
menunjukan tingkat kesalahan dibawah 15%,
3.
Black Metallic X
:2
sehingga dapat dikatakan baik.
4.
Deep Redish Yellow Cocktail
:1
demikian hasil dari implementasi ini dapat
Dengan
digunakan bagi penjual maupun pembeli
=
,
sepeda motor bekas sebagai alat bantu dalam
x 100% =
menentukan harga jual sepeda motor bekas.
2,880987029%
B. Saran
Setelah
menggunakan
dilakukan
metode
pengujian
MAPE
(Meant
Absolute Percentade Error) menghasilkan
tingkat kesalahan sebesar 2,881%.
Hasil
pengujian menunjukan tingkat kesalahan
dibawah 15%, sehingga dapat dikatakan baik.
Tentunya penelitian ini masih belum bisa
dikatakan sempurna sehingga masih perlu
adanya
perbaikan
dan
penyempurnaan.
Adapun saran dari penulis untuk penelitian
selanjutnya ialah:
1.
Dalam
penelitian
ini
hanya
menggunakan
metode
tsukamoto
sehingga
adanya
pembanding
perlu
dengan metode lain sehingga nantinya
7
2.
mendapatkan metode yang paling tepat
Mamdani Pada Perbandingan Harga
dan akurat.
Sepeda
Dalam penelitian ini masih terbatas pada
Informatika STMIK GI MDP. 2013.
lima variabel yaitu kondisi sepeda
Teknik
[3]. Mulyono, Muhammad. Implementasi
Logika
STNK sepeda motor, tahun pembuatan
Menentukan
atau perakitan motor yang tertera dalam
Avansa 1.3 G M/T Bekas. Skripsi
BPKB dan STNK dan warna sepeda
Teknik Informatika Universitas Dian
motor sehingga perlu dikaji sekali lagi
Nuswantoro. Semarang. 2014.
Fuzzy
Tsukamoto
Harga
Dalam
Mobil
Toyota
[4]. Kusumadewi, S. Purnomo, H 2004,
relevan atau tidak.
Aplikasi
Pada penelitian ini hasil implementasi
Pendukung Keputusan, Graha Ilmu,
masih berupa program statis yaitu hanya
Yogyakarta.
Logika
Fuzzy
untuk
menentukan harga jual sepeda motor
[5]. Sutojo, T, Mulyanto, E & Suhartono, V
vario techno cbs, vario cw 110 fi dan
2011, Kecerdasan Buatan, Andi Offset,
mio soul sehingga penelitian selanjutnya
Yogyakarta.
diharapkan bisa lebih dinamis dan
4.
Bekas.
motor, jarak tempuh sepeda motor, pajak
apakah variabel-vabel tersebut masih
3.
Motor
[6]. S. W. P. Yulianto, H. Kristanto, J.
mampu untuk menentukan harga jual
Karel,
Implementasi Fuzzy Set dan
semua jenis sepeda motor bekas.
Fuzzy Inference System Tsukamoto
pada
Pada Penentuan Harga Beli Handphone
penelitian ini masih berbasis dekstop
Bekas , Jurnal Informatika, vol. 4, no.
sehingga dalam menggunakannya harus
2, 2008.
Program
hasil
implementasi
menggunakan komputer atau laptop.
Hal
itu
tentu
akan
menyulitkan
[7]. S. Kusumadewi,
Resiko
Penentuan Tingkat
Penyakit
Menggunakan
penggunanya sehingga dalam penelitian
Tsukamoto Fuzzy Inference System ,
selanjutnya diharapkan bisa dikemas
Seminar Nasional II: The Application
dalam program berbasis mobile.
of Technology Toward A Better Life,
2004.
[8]. W.
DAFTAR PUSTAKA
[1]. Nugroho,
Pengantar
Anto
Satriyo.
Softcomputing.
2003.
Modul
KuliahUmum IlmuKomputer.Com.
[2]. Istraniady. Andrian, Priko. Mardiai.
Analisis Perbandingan Metode Fuzzy
Tsukamoto
Dan
Metode
Fuzzy
W.
Rakhmat,
L.
Afriyanti,
Aplikasi Fuzzy Inference System
(FIS)
Metode
Tsukamoto
Pada
Simulasi Traffic Light Menggunakan
Java ,
Seminar
Nasional
Aplikasi
Teknologi Informasi 2009 (SNATI
8
2009), ISSN : 1907-5022, Yogyakarta,
Aplikasi Teknologi Informasi 2005
2009.
(SNATI
[9]. Sri Yulianto J.P., Indrastanti R.W.,
Martha Oktriani. Aplikasi Pendukung
Keputusan
Dengan
2005).
ISSN:
1907-5022.
Yogyakarta.
[14]. Samuel Lukas, Arnold Aribowo, Yogih
Menggunakan
Suharta Tjia. 2008. Simulasi kecepatan
Logika Fuzzy(Studi Kasus : Penentuan
kendaraan dengan menggunakan logika
Spesifikasi Komputer Untuk Suatu
fuzzy.
Paket
Teknologi Informasi 2008 (SNATI
Komputer
Lengkap).
Jurnal
Informatika, Vol.4, No. 2, Desember
2008: 159
173.
Nasional
Aplikasi
2008). ISSN: 1907-5022. Yogyakarta.
[15]. Iswari,
[10]. Muchlas, Tole Sutikno. Prediksi Harga
Seminar
Sistem
Lizda.
2008.
Inferensi
Pemanfaatan
Fuzzy
Dalam
Saham Berbasis Web Dengan Sistem
Pengolahan Peta Tematik (Studi Kasus
Inferensi Fuzi Tsukamoto. Seminar
: Sistem Informasi Geografis Daerah
Nasional Aplikasi Teknologi Informasi
Rawan
2007 (SNATI 2007). ISSN: 1907-5022.
Seminar Nasional Aplikasi Teknologi
Yogyakarta.
Informasi 2008 (SNATI 2008). ISSN:
[11]. Abidin, Zaenal, Zulkifli. 2013. Model
evaluasi performa mahasiswa tahun
Penyakitdemam
Berdarah).
1907-5022. Yogyakarta.
[16]. Hansun, Seng. 2012. Peramalan Data
pertama melalui pendekatan fuzzy
IHSG
inference
Series. IJCCS, Vol.6, No.2, July 2012,
system
dengan
metode
tsukamoto. Seminar Nasional Aplikasi
Teknologi Informasi 2013 (SNATI
2013). ISSN: 1907-5022. Yogyakarta.
[12]. Rakhman, Arkham Zahri. 2012. Fuzzy
inference
system
tsukamoto
dengan
sebagai
metode
pemberi
saran
pemilihan konsentrasi (studi kasus :
jurusan
teknik
informatika
UII).
Seminar Nasional Aplikasi Teknologi
Informasi 2012 (SNATI 2012). ISSN:
1907-5022. Yogyakarta.
[13]. Paputungan,
Irving
Vitra,
Irawan,
Denni. 2005. Rancang Bangun Sistem
Pengundian Sepakbola Menggunakan
Logika
Fuzzy.
Seminar
Nasional
Menggunakan
Fuzzy
pp. 79~88. ISSN: 1978-1520.
Time