SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE FUZZY TSUKAMOTO, STUDI KASUS ”MISTER LONDREE”.

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN J UMLAH
TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE
FUZZY TSUKAMOTO, STUDI KASUS ”MISTER LONDREE”

SKRIPSI

Disusun oleh :

LINCAHYA
0934010169

J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUN NASIONAL “VETERAN”
J AWA TIMUR
2013

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN J UMLAH

TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE
FUZZY TSUKAMOTO, STUDI KASUS ”MISTER LONDREE”

SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika

Disusun oleh :

LINCAHYA
0934010169

J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUN NASIONAL “VETERAN”
J AWA TIMUR
2013

Hak Cipta © milik UPN "Veteran" Jatim :

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

LEMBAR PENGESAHAN
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN J UMLAH
TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE
FUZZY TSUKAMOTO, STUDI KASUS ”MISTER LONDREE”

Disusun Oleh :

LINCAHYA
0934010169
Telah disetujui untuk mengikuti Ujian Negara Lisan
Gelombang V Tahun Akademik 2013

Pembimbing Utama

Pembimbing Pendamping

Eko Prasetyo, S.Kom, M.Kom
NPT. 0718077901

Fetty Tri A, S.Kom, M.Kom
NPT. 3 8202 06 0208 1

Mengetahui,
Ketua J urusan Teknik Infor matika
Fakultas Teknologi Industri
UPN ”Veteran” J awa Timur

Dr. Ni Ketut Sari, MT
NIP. 1965073 1199203 2001

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN J UMLAH
TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE
FUZZY TSUKAMOTO, STUDI KASUS ”MISTER LONDREE”
Disusun Oleh :

LINCAHYA
0934010169
Telah diper tahankan di hadapan dan diter ima oleh Tim Penguji Skr ipsi
J ur usan Teknik Infor matika Fakultas Teknologi Industr i
Universitas Pembangunan Nasional ”Veter an” J awa Timur
Pada Tanggal 14 J uni 2013

Pembimbing :

Tim Penguji :

1.

1.

Eko Prasetyo, S.Kom, M.Kom
NPT. 0718077901

Budi Nugr oho, S.Kom, M.Kom

NPT. 3 8006 05 0205 1

2.

2.

Fetty Tr i A, S.Kom, M.Kom

Ir . Pur nomo Edy Sasongko, MP
NIP. 19640714 198803 1001

NPT. 3 8202 06 0208 1

3.
I Made Suar tana,S.Kom, M.Kom
NPT.
Mengetahui,
Dekan Fakultas Teknologi Industr i
Universitas Pembangunan Nasional
”Veter an” J awa Timur

Ir . SUTIYONO, MT.
NIP. 19600713 198703 1001

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

YAYASAN KESEJ AHTERAAN PENDIDIK AN DAN PERUM AHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
PANITIA UJ I AN SKRIPSI / KOMPREHENSIF

KETERANGAN REVISI
Mahasiswa di bawah ini :
Nama

: Lincahya

NPM

: 0934010169

Jurusan

: Teknik Informatika

Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian
lisan gelombang V, TA 2012/2013 dengan judul:
”SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN
J UMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN
METODE FUZZY TSUKAMOTO, STUDI KASUS”MISTER LONDREE””

Surabaya,
Dosen Penguji yang memerintahkan revisi:

{

}

2) Ir. Purnomo Edy Sasongko, MP

NIP. 19640714 198803 1001

{

}

3) I Made Suartana, S.Kom, M.Kom
NPT.

{

}

1) Budi Nugroho, S.Kom, M.Kom
NPT. 3 8006 05 0205 1

Mengetahui,
Pembimbing Utama

Pembimbing Pendamping

Eko Prasetyo, S.Kom, M.Kom
NPT. 0718077901

Fetty Tri A, S.Kom, M.Kom
NPT. 3 8202 06 0208 1

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

KATA PENGANTAR

Syukur Alhamdulillah saya panjatkan kepada Allah Subhanahu wa Ta’ala
karena atas kehendak kuasanya saya dapat menyelesaikan tugas akhir ini dengan
judul “SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN
J UMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN
METODE FUZZY TSUKAMOTO, STUDI KASUS “MIDTER LONDREE”.
Tugas Akhir dengan beban 4 SKS ini disusun dan diajukan sebagai salah
satu syarat untuk menyelesaikan program Strata Satu (S1) pada program studi
Teknik Informatika, Fakultas Teknologi Industri, Universitas Pembangunan

Nasional ”Veteran” Jawa Timur Surabaya.
Disadari bahwa dalam penulisan laporan ini jauh dari kata sempurna, oleh
karena itu penulis menerima masukan, saran dan kritik yang sifatnya membangun
dari pada pembaca agar penulisan selanjutnya akan lebih baik.
Dalam proses penyelesaian laporan ini tidak terlepas dari bantuan dan
bimbingan berbagai pihak, pada kesempatan ini penulis menyampaikan terima
kasih kepada :
1. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi IndustriUniversitas Pembangunan Nasional “Veteran” Jatim.
2. Ibu Dr.Ir.Ni Ketut Sari, MT selaku Ketua Program Studi Teknik InformatikaUniversitas Pembangunan Nasional “Veteran” Jatim.
3. Bapak Eko Prasetyo,S.Kom,M.Kom, selaku Dosen Pembimbing I yang telah
giat meluangkan banyak waktu, pikiran dan tenaga di antara kesibukan

i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

beban-beban kegiatan akademik untuk memberikan ilmu serta motivasi yang
sangat besar kepada penulis untuk menyelesaikan Tugas Akhir ini.
4. Ibu Fetty Tri Anggraeny,S.Kom,M.Kom, selaku Dosen Pembimbing II yang
dengan sabar telah meluangkan banyak waktu untuk memberikan bimbingan

dan kesempatan penulis untuk berkreasi dalam proses pembuatan Tugas
Akhir ini.
5. Bapak, Ibu, Mas, Mbak dan keponakan-keponakan yang senantiasa
mengingatkan dan mendoakan serta memberikan dukungannya supaya Tugas
Akhir ini segera penulis selesaikan.
6. Teman-teman spesial yang telah banyak membantu penulis. Siti Nur
Hidayati( Si Princess yang selalu membuat orang tersenyum), Ayu
Rahmawati, Dini Diroyati, Merry Kristina, dan Susanti Nur Asiyah sehingga
penulis bersemangat kembali menyelesaikan tugas akhir ini.
7. Teman-teman di TF Dea Dana P, Ayu Wandari yang bersama-sama
bimbingan TA dan saling memberi masukan hingga selesai pengerjaan tugas
akhir ini dan masih banyak lagi.
8. Dan semua orang yang tidak dapat disebutkan satu-persatu yang telah
membantu penulis selama ini.
Akhirnya penulis hanya bisa berharap semoga laporan ini dapat berguna
bagi kelangsungan dan perkembangan dunia keilmuan. Sekian dan terima kasih.

Surabaya, Juni 2013

ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

DAFTAR ISI

Hal.
KATA PENGANTAR............................................................................................ i
DAFTAR ISI.......................................................................................................... iii
DAFTAR TABEL................................................................................................. vii
DAFTAR GAMBAR..................................................................................................viii
ABSTRAK ............................................................................................................ x

BAB I

PENDAHULUAN................................................................................... 1
1.1 Latar Belakang......................................................................................1
1.2 Rumusan Masalah...........................................................................

2

1.3 Batasan Masalah................................................................................ 2
1.4 Tujuan Penelitian............................................................................... 2
1.5 Manfaat Penelitian............................................................................ 3
1.6. Sistematika Penulisan ...................................................................... 4
BAB II TINJ AUAN PUSTAKA......................................................................... 5
2.1

Tinjauan Umum............................................................................... 5

2.2

Landasan Teori ............................................................................... 5
2.2.1 Sistem Pendukung Keputusan.............................................. 5
2.2.1.1 Komponen SPK......................................................... 6
2.2.1.2 Validitas SPK ........................................................... 8
2.2.2 Himpunan dan Logika Fuzzy ................................................ 8
2.2.2.1 Himpunan fuzzy......………………………………. 8

iii

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2.2.2.2 Fungsi keanggotaan …………………………..……… 12
2.2.2.3 Operator dasar Zadeh untuk operasi fuzzy …..…... 14
2.2.2.4 Penalaran Monoton.....................................…..…... 15
2.2.2.5 Fungsi Implikasi ..................................................... 16
2.2.3 Metode Tsukamoto .............................................................. 16
2.2.4 PHP .....................................................................................

19

2.2.4.1 Kelebihan PHP ........................................................

21

2.2.5 MySQL ................................................................................ 22
2.2.5.1 Keistimewaan MySQL ............................................ 23
BAB III ANALISIS DAN PERANCANGAN SISTEM..................................... 26
3.1 Rancangan Penelitian....................................................................... 26
3.1.1 Desain Variabel.................................................................... 28
3.1.1.1 Variabel Bobot ...................................................... 28
3.1.1.2 Variabel Warna ..................................................... 29
3.1.1.3 Variabel Ketebalan ............................................... 30
3.1.1.4 Variabel Jumlah Detergen .................................... 32
3.1.1.5 Pembentukan Rule ................................................. 33
3.1.2. Perancangan Sistem ............................................................. 34
3.1.2.1 Flowchart User ......................................................... 34
3.1.2.1.1 Sub Proses Hitung Miu Bobot ................... 36
3.1.2.1.2 Sub Proses Hitung Miu Warna .................. 38
3.1.2.1.3 Sub Proses Hitung Miu Ketebalan ............ 39
3.1.2.1.4 Sub Proses Inferensi .................................. 42
3.1.2.2 Flowchart Administrator(Admin).............................. 43

iv

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

3.1.3 Perancangan Basisdata ........................................................ 45
3.1.3.1 Tabel Weight (Bobot) .............................................. 46
3.1.3.2 Tabel Warna ............................................................ 46
3.1.3.3 Tabel t_Ketebalan ................................................... 47
3.1.3.4 Tabel Simpan Hasil ................................................ 48
3.1.3.5 Tabel Jumlah_det...................................................... 48
3.1.3.6 Tabel Middle ........................................................... 49
3.1.3.7 Tabel User .............................................................. 50
3.1.3.8 Tabel Karyawan ....................................................... 50
3.1.4 Rancangan Interface ............................................................ 51
3.1.4.1 Rancangan Halaman Login ...................................... 51
3.1.4.2 Rancangan Halaman Home ..................................... 52
3.1.4.3 Rancangan Halaman Takaran Detergen .................. 52
3.1.4.4 Rancangan Halaman Penggunaan Detergen ........... 53
3.1.4.5 Rancangan Halaman Home Admin ........................ 54
3.1.4.6 Rancangan Halaman Penggunaan Det Admin........ 55
3.1.4.7 Rancangan Halaman Karyawan ............................. 55
3.1.4.8 Rancanagn Halaman Olah Data ............................. 56
3.2 Rancangan Uji Coba dan Evaluasi ................................................... 57
3.3 Jadwal Kegiatan Penelitian .............................................................. 58
BAB IV HASIL DAN PEMBAHASAN ............................................................ 60
4.1 Implementasi ................................................................................... 60
4.1.1 Implementasi Aplikasi User ................................................... 60
4.1.1.1 SPK Penentuan Takaran Detergen ............................ 60

v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.1.1.2 Laporan Penggunaan Detergen ................................. 65
4.1.2 Implementasi Aplikasi Administrator .................................... 67
4.1.2.1 Olah Data Karyawan ................................................. 67
4.1.2.2 Olah Data Cucian ...................................................... 68
4.1.2.3 Laporan Penggunaan Detergen ................................. 69
4.2 Hasil Uji Coba dan Evaluasi .......................................................... 71
4.2.1 Uji Coba Perhitungan Manual dengan Sistem ...................... 71
4.2.2 Uji Coba Perhitungan antara 2 Himpunan dan 3 Himpunan... 76
4.2.3 Uji Coba Perhitungan Sistem dengan Keadaan Riil .............. 81
BAB V PENUTUP .............................................................................................

84

5.1 Kesimpulan ..................................................................................... 84
5.2 Saran ..............................................................................................
DAFTAR PUSTAKA
LAMPIRAN

vi

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

85

Nama
NPM
Judul

: Lincahya
: 0934010169
: Sistem pendukung keputusan untuk menentukan jumlah
takaran detergen pada laundry menggunakan metode
fuzzy tsukamoto, studi kasus ”Mister Londree”
Dosen Pembimbing 1 : Eko Prasetyo S.Kom, M.kom
Dosen Pembimbing 2 : Fetty Tri Anggraeni S.Kom, M.Kom

ABSTRAK
Banyaknya orang yang memilih layanan cuci kering dibandingkan
mencuci sendiri membuat usaha laundry sangat berkembang pesat pada saat ini.
Dari semua proses pencucian, komponen yang sangat diperlukan dalam proses
tersebut yaitu detergen. Bagi pihak laundry, untuk pemakaian detergen pada saat
pencucian diharapkan dapat diminimalisir tanpa mengurangi tingkat kebersihan
cucian setelah dicuci. Untuk meminimalisir jumlah detergen harus menggunakan
perhitungan yang tepat, bukan hanya menggunakan perkiraan saja
Oleh karena itu , pada pengerjaan tugas akhir ini akan diimplementasikan
sebuah aplikasi sistem pendukung keputusan untuk menentukan jumlah takaran
detergen pada laundry dengan menggunakan metode fuzzy tsukamoto.Variabel
yang digunakan dalam sistem ini adalah variabel bobot, warna dan tingkat
ketebalan kain. Rule yang digunakan dalam sistem ini ada 8 rule yang digunakan
untuk menentukan aturan penggunaaan detergen sesuai dengan aturan pada
laundry.
Dari hasil uji coba yang dilakukan pada penelitian, user dapat melakukan
proses penakaran detergen secara otomatis dari sistem dan dapat mengetahui
seberapa banyak detergen yang telah digunakan. Untuk admin dapat mengelola
semua data tentang pencucian dan data tentang karyawan. Diharapkan sistem yang
dibuat dapat membantu pihak laundry dalam menentukan takaran detergen dan
membantu penghitungan penggunaan detergen dengan lebih akurat.

Kata kunci : Sistem pendukung keputusan, fuzzy tsukamoto.

x

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB I
PENDAHULUAN

1.1.

Latar Belakang
Dewasa ini teknologi komputer berkembang sangat pesat, mengikuti

kebutuhan hidup manusia. Komputer semakin banyak dibutuhkan untuk
membantu manusia dalam kehidupan sehari-hari. Telah diketahui bersama, bahwa
komputer dapat dimanfaatkan untuk berbagai keperluan, salah satu contohnya
dalam dunia bisnis.
Saat ini banyak sekali orang yang menggunakan jasa cuci dan setrika
untuk memudahkan pekerjaan, hanya tinggal membayar dan tunggu selesai saja.
Banyak terdapat tempat laundry yang menyediakan jasa cuci dan setrika, namun
pada saat melakukan pencucian pakaian masih terdapat kendala yaitu menentukan
takaran seberapa banyak detergen yang harus digunakan untuk mencuci.
Kebanyakan penggunaan jumlah detergen ini hanya di kira-kira saja belum
menggunakan perhitungan yang pasti, jadi dengan hal ini tidak bisa
mengoptimalkan jumlah penggunaan detergen untuk menghasilkan hasil cucian
yang terbaik dan juga dapat terjadi pemborosan penggunaan detergen apabila
perhitungan salah.
Dari semua informasi yang didapat, penulis akan membuat sebuah system
pendukung keputusan untuk menentukan jumlah detergen yang digunakan dalam
pencucian pakaian pada laundry. Diharapkan system yang dibuat akan

1

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2

memberikan kemudahan kepada pihak laundry untuk menentukan jumlah deterjen
yang digunakan saat melakukan pencucian pakaian.
1.2.

Rumusan Masalah
Berdasarkan latar belakang penelitian yang dikemukakan di atas, maka

masalah yang akan diteliti dirumuskan sebagai berikut :
a. Bagaimana cara membuat sistem pendukung keputusan penentuan jumlah
takaran deterjen yang tepat/sesuai dengan aturan yang diterapkan pada
laundry?
b. Bagaimana memodelkan perlunya inferensi fuzzy tsukamoto untuk penentuan
jumlah takaran detergen?
1.3.

Batasan Masalah
Batasan masalah yang ditetapkan dalam penelitian ini ditujukan untuk

membatasi ruang lingkup dari penelitian dan pengerjaan aplikasi, diantaranya:
a. Aplikasi yang dibuat adalah untuk takaran deterjen dalam bentuk cair bukan
dalam bentuk deterjen bubuk.
b. Aplikasi hanya memberikan informasi takaran deterjen yang harus digunakan
dalam takaran ml (mililiter).
c. Variabel yang digunakan dalam SPK yaitu warna pakaian, berat pakaian dan
tingkat ketebalan kain.
1.4.

Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut:

a. Membuat sistem pendukung keputusan penentuan jumlah takaran deterjen
yang tepat dan sesuai dengan aturan.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

3

b. Memodelkan inferensi takaran deterjen menggunakan fuzzy tsukamoto.
1.5.

Manfaat Penelitian
Adapun manfaat yang diperoleh dari penelitian ini yaitu SPK penentuan

takaran jumlah deterjen ini dapat memudahkan karyawan untuk menentukan
takaran deterjen yang tepat. Dengan adanya system ini karyawan tidak perlu
bingung menentukan berapa banyak jumlah deterjen yang harus digunakan.
Pemilik diberikan kemudahan dalam memberikan penjelasan kepada
karyawan tentang penggunaan jumlah deterjen, tidak terjadi pemborosan
penggunaan deterjen dan memberikan perhitungan deterjen yang lebih terperinci
dalam jangka waktu tertentu, sehingga memudahkan jumlah pembelian deterjen.
1.6.

Sistematika Penulisan
Penulisan serta pembahasan tugas akhir ini dibagi menjadi lima bab

dengan sistematika sebagai berikut :
BAB I

: PENDAHULUAN
Bab ini berisi tentang latar belakang, rumusan masalah, batasan
masalah, tujuan, manfaat, metodologi penelitian dan sistematika
dari penelitian.

BAB II

: TINJAUAN PUSTAKA
Pada bab ini membahas tentang landasan teori yang digunakan
dalam membuat sistem, berisi dasar-dasar teori yang didapatkan
dari berbagai literatur yang mendukung penelitian.

BAB III

: ANALISIS DAN PERANCANGAN SISTEM

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4

Pada bab ini membahas mengenai analisis kebutuhan yang
diperlukan untuk mengatasi permasalahan tersebut, dan juga
perancangan atau pemodelan sistem untuk aplikasi yang
dibangun.
BAB IV

: HASIL DAN PEMBAHASAN
Pada bab ini berisi tentang hasil dari perancangan sistem yang
telah dibuat dan berisi penjelasan tentang hasil uji coba aplikasi
dan evaluasinya.

BAB V

: PENUTUP
Pada bab ini berisi kesimpulan-kesimpulan yang diperoleh dari
hasil

penelitian

dan

saran-saran

penyempurnaan penelitian.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

yang

diperlukan

untuk

BAB II
TINJ AUAN PUSTAKA

2.1

Tinjauan Umum
Sebuah sistem pendukung keputusan dibuat agar dapat membantu

seseorang untuk menyelesaikan permasalahan tertentu tidak terkecuali juga
masalah penentuan detergen. Meskipun penakaran detergen bisa hanya dengan
mengira saja tetapi hal tersebut tidak efektif digunakan, dikarenakan belum tentu
perkiraan itu sesuai dengan kenyataan. Dengan itu dibuatlah sistem pendukung
keputusan penakaran detergen pada laundry dengan metode fuzzy tsukamoto.
Metode fuzzy tsukamoto merupakan metode fuzzy yang bisa dikatakan
cocok untuk membuat sebuah sistem pendukung keputusan penentuan takaran
detergen, yaitu dikarenakan metode tsukamoto dapat menghasilkan nilai yang
tegas untuk menentukan jumlah detergen.
2.2

Landasan Teori

2.2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (Decission Support System) adalah system
informasi berbasis komputer yang menyediakan dukungan informasi yang
interaktif bagi manajer dan praktisi bisnis selama proses pengambilan keputusan
(O’Brien, 2005).
SPK dibangun tentunya mempunyai tujuan yang ingin dicapai oleh
seorang pembuat keputusan. Menurut Aji Supriyanto (2005) tujuan SPK adalah

5

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

6

sebagai

“second

opinion”

atau

“information

sources”

sebagai

bahan

pertimbangan seorang manajer sebelum memutuskan kebijakan tertentu.

2.2.1.1 Komponen SPK
Menurut Aji Supriyanto (2005) SPK dibangun oleh tiga komponen,
yaitu:
a. Database
Sistem Database adalah kumpulan semua data yang dimiliki oleh
perusahaan baik data dasar maupun transaksi sehari-hari.
b. Model base
Model base adalah suatu model yang merepresentasikan permasalahan
dalam format kuantitatif.
c. Software System
Software System adalah paduan antara database dan model base, setelah
sebelumnya direpresentasikan ke dalam bentuk model yang dimengerti oleh
sistem komputer.
Sedangkan menurut Tata Sutabri (2005) SPK terdiri dari 4 komponen,
yaitu:
a. Dialog
Alat untuk berinteraksi antara komputer dengan pemakainya. Pemakai
harus bisa mengerti apa arti informasi yang dihasilkan. Ini berarti, system
(komputer beserta programnya) mudah dipakai (user friendly). Ditinjau dari sudut

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

7

pemakainya, pemakai harus pula belajar dan berlatih cara penggunaannya serta
arti yang dihasilkan.
b. Model
Model serta sistem yang membolehkan pemakai memilih model yang
cocok. Tiga macam model yang biasa digunakan adalah:
1) Optimalisasi: mencari yang terbaik. Contohnya membuat jadwal, membuat
perbandingan linear programming, simulasi, dan lain sebagainya.
2) Statistik/matematis: menggambarkan masalah dengan standar kuantifikasi yang
ada. Contohnya forecasting, fungsi kemungkinan (probabilitas), proyeksi
penjualan, dan lain sebagainya.
3) Financial, mencari kesempatan yang baru yang lebih menguntungkan.
Contohnya: investasi, cash flow, manajemen resiko, dan lain sebagainya.
c. Database
Menurut Indira Rakanita (2008) database adalah kumpulan dari item data
yang saling berhubungan satu dengan yang lainnya yang diorganisasikan
berdasarkan sebuah skema atau struktur tertentu, tersimpan di hardware computer
dan dengan software untuk melakukan manipulasi untuk kegunaan tertentu.
d. Data
Data adalah suatu angka atau kelompok angka yang mempunyai arti atau
nilai Dari uraian mengenai komponen SPK diatas, untuk mengembangkan SPK
dengan metode Tsukamoto, dipilih komponen SPK sebagai berikut: Model
base,Database, dan Software system.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

8

2.2.1.2

Validitas SPK
Validitas SPK digunakan untuk mengetahui SPK valid atau tidak.

Pengujian Validitas SPK dilakukan dengan membandingkan hasil perhitungan
SPK dengan hasil perhitungan manual. Misalkan ada n buah data yang akan
digunakan untuk menguji tingkat validitas SPK.
2.2.2 Himpunan dan Logika Fuzzy
Logika fuzzy merupakan salah satu komponen pembentuk soft computing.
Logika fuzzy pertama kali diperkenalkan oleh Prof.Lotfi A. Zadeh pada tahun
1965. Dasar dari logika fuzzy adalah himpunan fuzzy. Pada teori himpunan fuzzy,
peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu
himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau
membership function menjadi ciri utama dari penalaran dengan logika fuzzy.

2.2.2.1 Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu
himpunan A, yang sering ditulis dengan

, memiliki dua kemungkinan, yaitu:

a). Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu
himpunan, atau
b). Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam
suatu himpunan.
Contoh 1 :
Jika diketahui :
S= {1,2,3,4,5,6} adalah semesta pembicaraan.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

9

A= {1,2,3}
B= {3,4,5,}
Bisa dikatakan bahwa:
•

Nilai keanggotaan 2 pada himpunan A,

, karena 2

A.

•

Nilai keanggotaan 3 pada himpunan A,

, karena 3

A.

•

Nilai keanggotaan 4 pada himpunan A,

, karena 4

A.

•

Nilai keanggotaan 2 pada himpunan B,

, karena 2

B.

•

Nilai keanggotaan 3 pada himpunan B,

, karena 3

B.

Contoh 2:
Misalkan variabel umur dibagi menjadi 3 kategori, yaitu:
MUDA

umur < 35 tahun

PAROBAYA

35 ≤ umur ≤ 55 tahun

TUA

umur > 55 tahun

Nilai keanggotaan secara grafis, himpunan MUDA, PAROBAYA dan TUA ini
dapat dilihat pada gambar 2.1.

PAROBAYA

MUDA

1

0
0

35
Umur (th)

(a)

1 .……

1 .…..

)

)

0

0
35

55

Umur (th)

(b)
Gambar 2.1 Nilai Keanggotaan

Pada gambar 2.1, dapat dijelaskan bahwa:

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

TUA

55
Umur (th)

(c)

10

•

Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA (

MUDA

(34) =1);
•

Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA
(

•

MUDA (35)

=0);

Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan
TIDAK MUDA (

•

PAROBAYA (35)

PAROBAYA(34)

=0);

Apabila seseorang berusia 55 tahun, maka ia dikatakan PAROBAYA
(

•

=1);

Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK
PAROBAYA (

•

th-1 hr) =0);

Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA
(

•

MUDA (35

PAROBAYA (55)

=1);

Apabila seseorang berusia 33 tahun kurang 1 hari, maka ia dikatakan
TIDAK PAROBAYA (

PAROBAYA(35

th- 1 hr) =0);

Dari sini bisa dikatakan bahwa pemakaian himpunan crisp untuk
menyatakan umur sangat tidak adil, adanya perubahan kecil saja pada suatu niali
mengakibatkan perbedaan kategori yang cukup signifikan.
Himpunan fuzzy memiliki 2 atribut, yaitu:
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA,
PAROBAYA, TUA.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

11

b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu
variabel seperti: 40, 25, 50, dsb.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
a. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam
suatu sistem fuzzy. Contoh: umur, temperatur, permintaan, dsb.
b. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu
kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
c. Semesta pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan
untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan
merupakan himpunan bilangan real yang senantiasa naik (bertambah)
secara monoton dari kiri ke kanan. Niali semesta pembicaraan dapat
berupa bilangan positif maupun negatif. Adakalanya nilai semesta
pembicaraan ini tidak dibatasi batas atasnya.
d. Domain
Domain himpunan fuzzy adalah keseluruhan niali yang diizinkan
dalam semstapembicaraan dan boleh dioperasikan dalam suatu
himpunan fuzzy. Seperti halnya semesta pembicaraan, domain
merupakan himpunan bilangan real yang senantiasa naik(bertambah)
secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan
positif maupun negatif.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

12

2.2.2.2 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya
(sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0
sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai
kenaggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang
bisa digunakan.

A.

Representasi Linear
Pada representasi linear, pemetaan input

ke derajat keanggotaannya

digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi
pilihan yang baik untuk mendekati suatu konseo yang kurang jelas.
Ada 2 keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan
dimulai pada nilai domain yang memiliki derajat keanggotaan nol (0) bergerak ke
kanan menuju ke nilai domain yang memiliki derajat kenaggotaan lebih tinggi
(gambar 2.2)
1
Derajat
Keanggotaan
μ(x)

0

a

domain

b

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

13

Gambar 2.2 Representasi Linear Naik
Fungsi keanggotaan :
0;
μ (x)=

x ≤a

(x-a)/(b-a);

a ≤x ≤b
x≥b

1;

Derajat

1

Keanggotaan

μ(x)
0

a

domain

b

Gambar 2.3 Representasi Linear Turun
Fungsi keanggotaan:
1
μ (x)=

x ≤a

(b-x)/(b-a)

a ≤x ≤b
x≥b

0;
B.

Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear)

seperti pada gambar 2.4.
1
Derajat
Keanggotaan

μ(x)

0

a

b

c

domain

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

14

Gambar 2.4 Kurva Segitiga
Fungsi keanggotaan :
x ≤a atau x ≥ c

0;
μ (x) =

(x-a)/(b-a);

a ≤x ≤b

(b-x)/(c-b);

b ≤x ≤c

1

x=b

2.2.2.3 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang
didefenisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan
fuzzy. Nilai keanggotaan sebgai hasil dari operasi 2 himpunan sering dikenal
dengan nama fire strength atau - predikat. Ada 3 operator yang diciptakan oleh
Zadeh yaitu (cox,1994):

A.

Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan.

-

predikat sebgai hasil operasi dengan operator AND diperoleh dengan mengambil
nilai

keanggotaan

terkecil

antarelemen

pada

himpunan-himpunan

yang

bersangkutan.
A∩ B

B.

= min(

A(x),

B(y))

Operator OR
Operator ini berhubungan dengan operasi union pada himpunan

-

predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

15

nilai keanggotaan terbesar

antarelemen pada himpunan-himpunan

yang

bersangkutan.
AU B

C.

= max(

A(x),

B(y))

Operator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan. -

predikat sebagai hasil operasi dengan operator NOT diperoleh dengan
mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari
1.
A’

= 1-

A(x)

2.2.2.4 Penalaran Monoton
Metode penalaran secara monoton digunakan sebagai dasar untuk teknik
implikasi fuzzy. Meskipun penalaran ini sudah jarang sekali digunakan, namun
terkadang masih digunakan untuk penskalaan fuzzy. Jika 2 daerah fuzzy
direlasikan dengan implikasi sederhana sebagai berikut(Cox,1994):
IF x is A THEN y is B
Transfer fungsi:
y= f((x,A),B)
maka sistem fuzzy daapt berjalan tanpa harus melalui komposisi dan dekomposisi
fuzzy. Nilai output dapat diestimasi secara langsung dari nilai keanggotaan yang
berhubungan dengan antesedennya.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

16

2.2.2.5 Fungsi Implikasi
Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan
berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan
dalam fungsi implikasi adalah :
IF x is A THEN y is B
Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi
yang mengikuti IF disebut sebgaai anteseden, sedangkan proposisi yang
mengikuti THEN disebut sebagai konsekuen. Proposisi dapat diperluas dengan
menggunakan operator fuzzy,seperti (Cox,1994):
IF(x1 is A1) o (x2 is A2) o (x3 is A3) o ……. o (xN is AN) THEN y is B
dengan o adalah operator ( misal OR atau AND).
Secara umum ada 2 fungsi implikasi yang dapat digunakan, yaitu
(Yan,1994):
a. Min(minimum). Fungsi ini akan memotong output himpunan fuzzy.
b. Dot (product). Fungsi ini akan menskala output himpunan fuzzy.

2.2.3

Metode Tsukamoto
Salah satu metode FIS yang dapat digunakan untuk

pengambilan

keputusan adalah metode Tsukamoto. Pada metode Tsukamoto, implikasi setiap
aturan berbentuk implikasi “Sebab-Akibat”/Implikasi “Input-Output” dimana
antara anteseden dan konsekuen harus ada hubungannya. Setiap aturan
direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi
keanggotaan yang monoton. Kemudian untuk menentukan hasil tegas (Crisp

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

17

Solution) digunakan rumus penegasan (defuzifikasi) yang disebut “Metode ratarata terpusat” atau “Metode defuzifikasi rata-rata terpusat (Center Average
Deffuzzyfier) (Setiadji, 2009: 200). Untuk lebih memahami metode Tsukamoto,
perhatikan Contoh 2.1.
Contoh 2.1:
Misalkan ada 2 variabel input, Var-1 (x) dan Var-2(x), serta variabel
output, Var-3(z), dimana Var-1 terbagi atas 2 himpunan yaitu A1 dan A2. Var-2
terbagi atas 2 himpunan B1 dan B2, Var-3 juga terbagi atas 2 himpunan yaitu C1
dan C2 (C1 dan C2 harus monoton). Ada 2 aturan yang digunakan, yaitu:
[R1] IF (x is A1) and (y is B2) THEN (z is C1)
[R2] IF (x is A2) and (y is B1) THEN (z is C2)
Pertama-tama dicari fungsi keanggotaan dari masing-masing himpunan fuzzy dari
setiap aturan, yaitu himpunan A1, B2 dan C1 dari aturan fuzzy [R1], dan
himpunan A2, B1 dan C2 dari aturan fuzzy [R2]. Aturan fuzzy R1 dan R2 dapat
direpresentasikan dalam Gambar 2.5 untuk mendapatkan suatu nilai crisp Z.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

18

Gambar 2.5 Inferensi dengan Menggunakan Metode Tsukamoto
(Sri Kusumadewi dan Hari Purnomo, 2010)
Karena pada metode Tsukamoto operasi himpunan yang digunakan adalah
konjungsi (AND), maka nilai keanggotaan anteseden dari aturan fuzzy [R1] adalah
irisan dari nilai keanggotaan A1 dari Var-1 dengan nilai keanggotaan B1 dari Var2. Menurut teori operasi himpunan, maka nilai keanggotaan anteseden dari operasi
konjungsi (And) dari aturan fuzzy [R1] adalah nilai minimum antara nilai
keanggotaan A1 dari Var-1 dan nilai keanggotaan B2 dari Var-2. Demikian pula
nilai keanggotaan anteseden dari aturan fuzzy [R2] adalah nilai minimum antara
nilai keanggotaan A2 dari Var-1 dengan nilai keanggotaan B1 dari Var-2.
Selanjutnya, nilai keanggotaan anteseden dari aturan fuzzy [R1] dan [R2] masingmasing disebut dengan á1 dan á2. Nilai á1 dan á2 kemudian disubstitusikan pada
fungsi keanggotaan himpunan C1 dan C2 sesuai aturan fuzzy [R1] dan [R2] untuk
memperoleh nilai z1 dan z2, yaitu nilai z (nilai perkiraan jumlah detergen) untuk
aturan fuzzy [R1] dan [R2]. Untuk memperoleh nilai output crisp/ nilai tegas Z,

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

19

dicari dengan cara mengubah input (berupa himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy) menjadi suatu bilangan pada domain himpunan
fuzzy tersebut. Cara ini disebut dengan metode defuzifikasi (penegasan). Metode
defuzifikasi yang digunakan dalam metode Tsukamoto adalah metode defuzifikasi
rata-rata terpusat (Center Average Defuzzyfier) yang dirumuskan pada persamaan:

Z=

(Defuzifikasi rata-rata terpusat).

2.2.4 PHP
PHP adalah singkatan dari "PHP: Hypertext Preprocessor", yang
merupakan sebuah bahasa scripting yang terpasang pada HTML. Sebagian besar
sintaks mirip dengan bahasa C, Java dan Perl, ditambah beberapa fungsi PHP
yang spesifik. Tujuan
memungkinkan

utama

perancang

penggunaan

bahasa ini adalah untuk

web menulis halaman web dinamik dengan

cepat.Hubungan PHP dengan HTML Halaman web biasanya disusun dari kodekode html yang disimpan dalam sebuah file berekstensi .html.

File
browser,

html

ini

dikirimkan

kemudian browser

oleh

server

(atau

file)

ke

menerjemahkan kode-kode tersebut sehingga

menghasilkan suatu tampilan yang indah. Lain halnya dengan program php,
program ini harus diterjemahkan oleh Web-Server sehingga menghasilkan kode
html yang dikirim ke browser agar dapat ditampilkan.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

20

Program ini dapat berdiri sendiri ataupun disisipkan di antara kode-kode
HTML sehingga dapat langsung ditampilkan bersama dengan kode-kode html
tersebut. Program php dapat ditambahkan dengan mengapit program tersebut di
antara tanda. Tanda-tanda tersebut biasanya disebut tanda untuk escaping ( kabur
) dari kode HTML. File HTML yang telah dibubuhi program php harus diganti
ekstensi-nya menjadi php3 atau PHP.

PHP merupakan bahasa pemograman web yang bersifat server-side HTML
= embedded scripting, di mana script-nya menyatu dengan HTML dan berada di
server. Artinya adalah sintaks dan perintah-perintah yang kita berikan akan
sepenuhnya dijalankan di server tetapi disertakan HTML biasa. PHP dikenal
sebagai bahasa scripting yang menyatu dengan tag HTML, dieksekusi di server
dan digunakan untuk membuat halaman web yang dinamis seperti ASP ( Active
Server Pages ) dan JSP ( Java Server Pages ).
PHP pertama kali dibuat oleh Rasmus Lerdroft, seorang programmer C.
Semula PHP digunakannya untuk menghitung jumlah pengunjung didalam
webnya. Kemudian ia mengeluarkan Personal Home Page Tools versi 1.0secara
gratis. Versi ini
sekumpulan

pertama

script

kali

keluar

pada

tahun

1995. Isinya adalah

PERL yang dibuatnya untuk membuat halaman webnya

menjadi dinamis. Kemudian pada tahun 1996 ia mengeluarkan PHP versi 2.0
yang kemampuannya telah dapat mengakses database dan dapat terintegrasi
dengan HTML.
Pada tahun 1998 tepatnya pada tanggal 6 Juni 1998 keluarlah PHP versi
3.0 yang dikeluarkan oleh Rasmus sendiri bersama kelompok pengembang

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

21

softwarenya. Versi terbaru, yaitu PHP 4.0 keluar pada tanggal 22 Mei 2000
merupakan versi yang lebih lengkap lagi dibandingkan dengan versi sebelumnya.
Perubahan yang paling mendasar pada PHP 4.0 adalah terintegrasinya
Zend Engine yang dibuat oleh Zend Suraski dan Andi Gutmans yang merupakan
penyempurnaan dari PHP scripting engine. Yang lainnya adalah build in HTTP
session, tidak lagi menggunakan library tambahan seperti pada PHP.
Tujuan dari bahasa scripting ini adalah untuk membuat aplikasi-aplikasi
yang dijalankan di atas teknologi web. Dalam hal ini, aplikasi pada umumnya
akan memberikan hasil pada web browser, tetapi prosesnya secara keseluruhan
dijalankan web server.

2.2.4.1 Kelebihan PHP
Ketika e-commerce semakin berkembang, situs-situs yang statispun
semakin ditinggalkan, karena dianggap sudah tidak memenuhi keinginan pasar,
padahal situs tersebut harus tetap dinamis.
Pada saat ini bahasa PERL dan CGI sudah jauh ketinggalan jaman
sehingga sebagian besar designer web banyak beralih ke bahasa server-side
scripting yang lebih dinamis seperti PHP. Seluruh aplikasi berbasis web dapat
dibuat dengan PHP. Namun kekuatan yang paling utama PHP adalah pada
konektivitasnya dengan system database di dalam web. Sistem database yang
dapat didukung oleh PHP adalah:
1.Oracle
2.MySQL

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

22

3.Sybase
4.Postgre SQL
5.dan lainnya
PHP dapat berjalan di berbagai system operasi seperti windows 98/NT,
UNIX/LINUX, solaris maupun macintosh.

2.2.5 MySql
MySQL adalah sebuah perangkat lunak iasm manajemen basis data SQL
(bahasa Inggris: database management system) atau DBMS yang multithread,
multi-user, dengan sekitar 6 juta instalasi di seluruh dunia. MySQL AB membuat
MySQL tersedia sebagai perangkat lunak gratis dibawah lisensi GNU General
Public License (GPL), tetapi mereka juga menjual dibawah lisensi komersial
untuk kasus-kasus dimana penggunaannya tidak cocok dengan penggunaan GPL.
Tidak sama dengan proyek-proyek seperti Apache, dimana perangkat
lunak dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber
dimiliki oleh penulisnya masing-masing, MySQL dimiliki dan disponsori oleh
sebuah perusahaan komersial Swedia MySQL AB, dimana memegang hak cipta
iasm atas semua kode sumbernya. Kedua orang Swedia dan satu orang Finlandia
yang mendirikan MySQL AB adalah: David Axmark, Allan Larsson, dan Michael
“Monty” Widenius.

Banyak sekali aplikasi berbasis web yang dibangun dengan menggunakan
kombinasi perangkat lunak tersebut. WordPress, Drupal, Mambo, Wikipedia,
PHP-Nuke, merupakan beberapa contoh aplikasi berbasis web yang menggunakan

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

23

kombinasi ini. Tidak seperti Microsoft Access, default instalasi MySQL tidak
menyediakan GUI bagi pengguna untuk berinteraksi dengan basis data. Pengguna
dapat berinteraksi dengan client yang menggunakan perintah-perintah berbasis
teks. Namun saat ini telah banyak GUI yang dikembangkan untuk mempermudah
interaksi dengan basis data, baik itu berupa aplikasi stand-alone (misalnya
MySQL-Front, MySQL-GUI, dan lain-lain) atau yang berbasis web (misalnya,
phpMyAdmin).

Bahkan dengan menggunakan komponen MyODBC, MySQL dapat
diakses dengan GUI dari Microsoft Access seperti halnya basis data yang
kompatibel dengan ODBC lainnya.

2.2.5.1 Keistimewaan MySQL
MySQL memiliki beberapa keistimewaan, antara lain :
1. Portabilitas
MySQL dapat berjalan stabil pada berbagai sistem operasi seperti
Windows, Linux, FreeBSD, Mac Os X Server, Solaris, Amiga, dan masih banyak
lagi.
2. Open Source
MySQL didistribusikan secara open source, dibawah lisensi GPL
sehingga dapat digunakan secara cuma-cuma.
3. Multiuser
MySQL dapat digunakan oleh beberapa user dalam waktu yang
bersamaan tanpa mengalami masalah atau konflik

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

24

4. Performance tuning
MySQL memiliki kecepatan yang menakjubkan dalam menangani query
sederhana, dengan kata lain dapat memproses lebih banyak SQL per satuan
waktu.
5. J enis Kolom
MySQL memiliki tipe kolom yang sangat kompleks, seperti signed /
unsigned integer, float, double, char, text, date, timestamp, dan lain-lain.
6. Perintah dan Fungsi
MySQL memiliki operator dan fungsi secara penuh yang mendukung
perintah Select dan Where dalam perintah (query).
7. Keamanan
MySQL memiliki beberapa lapisan sekuritas seperti level subnetmask,
nama host, dan izin akses user dengan system perizinan yang mendetail serta
sandi terenkripsi.
8. Skalabilitas dan Pembatasan
MySQL mampu menangani basis data dalam skala besar, dengan jumlah
rekaman (records) lebih dari 50 juta dan 60 ribu tabel serta 5 milyar baris. Selain
itu batas indeks yang dapat ditampung mencapai 32 indeks pada tiap tabelnya.
9. Konektivitas
MySQL dapat melakukan koneksi dengan klien menggunakan protokol
TCP/IP, Unix soket (UNIX), atau Named Pipes (NT).

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

25

10. Lokalisasi
MySQL

dapat

mendeteksi pesan

kesalahan

pada

klien

dengan

menggunakan lebih dari dua puluh bahasa. Meski pun demikian, bahasa Indonesia
belum termasuk di dalamnya.
11. Antar Muka
MySQL memiliki interface (antar muka) terhadap berbagai aplikasi dan
bahasa

pemrograman

dengan

menggunakan

fungsi

API

(Application

Programming Interface).
12. Klien dan Peralatan
MySQL dilengkapi dengan berbagai peralatan (tool) yang dapat digunakan
untuk administrasi basis data, dan pada setiap peralatan yang ada disertakan
petunjuk online.
13. Struktur table
MySQL memiliki struktur tabel yang lebih fleksibel dalam menangani
ALTER TABLE, dibandingkan basis data lainnya semacam PostgreSQL ataupun
Oracle.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB III
ANALISIS DAN PERANCANGAN SISTEM

3.1

Rancangan Penelitian
Perkembangan informasi dan teknologi berkembang secara cepat, dalam

sektor teknologi informasi memiliki tantangan dalam menangani banyak hal, salah
satunya dalam proses penentuan jumlah takaran deterjen. Maka dari itu untuk
mengatasi kendala yang ada dalam penentuan jumlah takaran deterjen, maka
dibuatlah Sistem Pendukung Keputusan penentuan jumlah takaran deterjen, yang
berfungsi untuk membantu proses penghitungan takaran deterjen agar menjadi
lebih akurat dan tidak terjadi pemborosan deterjen.
Dalam aplikasi Sistem Pendukung Keputusan penentuan takaran deterjen
terdapat dua user yang memiliki hak akses ke Aplikasi SPK. Hak akses yang
dimiliki oleh user yaitu:
A. Sistem Pendukung Keputusan (admin)
Admin dapat menggunakan fasilitas yang disediakan oleh sistem.
Hak akses yang dimiliki adalah:
a. Menampilkan semua data akumulasi perhitungan penggunaan deterjen.
b. Memiliki semua hak akses atas daftar berat, warna dan ketebalan cucian.
c. Memiliki semua hak akses atas daftar pegawai.
B. Karyawan (User)
Karyawan (user) dapat menggunakan fasilitas yang disediakan oleh
sistem. Untuk bisa menggunakan fasilitas tersebut, user harus melakukan login

26

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

27

terlebih dahulu ke dalam Aplikasi karena bila tidak melakukan login, maka
fasilitas yang diberikan hanya dapat melihat-lihat halaman profil dari laundry
(mister londree) saja.
Setelah melakukan login maka user akan masuk ke dalam menu utama .
Pada halaman menu utama terdapat beberapa menu yang dapat di akses oleh user
yaitu home, olah data cuci, dan logout. Rincian hak akses yang dimiliki user
adalah:
a. Melihat-lihat profile dari mister laundry.
b. Olah data cuci. Menu ini merupakan bagian yang paling utama dari
aplikasi yaitu sistem pendukung keputusan penentuan takaran deterjen,
dalam sistem pendukung keputusan akan ditampilkan form yang harus
diisi dengan data pakaian yang akan dicuci. Data yang harus di isi yaitu
berat pakaian, warna pakaian, tingkat kekotoran, dan jenis kain. Setelah
data diproses maka akan muncul informasi tentang seberapa banyak
detergen yang harus digunakan untuk proses pencucian tersebut.
c. Penggunaan Detergen. Yaitu user dapat melihat seberapa banyak detergen
yang telah digunakan dalam jangka waktu tertentu, Data di sajikan secara
rinci dalam bentuk tabel.
d. Logout maka user akan langsung keluar dari aplikasi.
Pada bab ini juga akan dibahas tentang konsep data, yang hanya dengan
menggunakan perancangan paling sederhana yaitu dengan menggambarkan
beberapa tabel yang ada dalam database . Hal ini dikarenakan tabel-tabel yang ada
dalam database tidak saling berelasi, hanya untuk melakukan query data saja.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

28

Dan untuk coding, saya menggunakan bahasa pemrograman berbasis
website yaitu PHP.

3.1.1 Desain Variabel
Pada SPK ini akan digunakan 3 variabel input yaitu bobot, warna dan
ketebalan. Dari ketiga variabel tersebut bobot dan warna menggunakan 2
himpunan fuzzy.
3.1.1.1 Variabel Bobot
Variabel bobot memiliki 2 himpunan fuzzy yaitu himpunan fuzzy
bobot_RINGAN dan himpunan fuzzy bobot_BERAT. Dalam hal ini hanya di buat
2 himpunan fuzzy dikarenakan

jumlah dari variabel bobot hanya sedikit.

Himpinan fuzzy bobot_RINGAN menggunakan pendekatan fungsi keanggotaan
linier turun, sedangkan fhimpunan fuzzy bobot_BERAT menggunakan fungsi
keanggotaan linier naik. Gambar Himpunan fuzzi variabel bobot dapat dilihat p