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