Entin Martiana Teknik Informatika PENS - 2015

Sistem Pendukung Keputusan

Fuzzy Database

Entin Martiana
Teknik Informatika
PENS - 2015
1

Sistem Pendukung Keputusan

Database Standar (Crisp
Database)
•  Sistem basisdata adalah suatu sistem informasi yang
mengintegrasikan kumpulan data yang saling berhubungan satu sama
lain dengan membuatnya tersedia untuk beberapa aplikasi organisasi.
•  Contoh: tabel karyawan (dari sebuah database).
Data mentah dari tabel karyawan
NIP
01
02

03
04
05
06
07
08
09
10

Nama
Susi
Adi
Tia
Lusi
Siska
Andy
Tutik
Yoga
Rina
Kiki

Tgl. Lahir Th. Masuk Gaji/Bln
03-06-1982
2006
750.000
23-09-1964
1995
1.255.000
12-12-1976
1998
1.500.000
06-03-1975
2008
1.040.000
04-12-1970
2000
950.000
18-11-1973
1999
1.600.000

28-05-1975
2007
1.250.000
09-07-1980
2011
550.000
14-08-1977
2009
735.000
17-09-1987
2010
860.000

2

Sistem Pendukung Keputusan
Data temporer dari tabel karyawan
NIP
01
02

03
04
05
06
07
08
09
10

Nama
Susi
Adi
Tia
Lusi
Siska
Andy
Tutik
Yoga
Rina
Kiki

Umur Masa Kerja (th.)*
30
6
48
17
36
14
37
4
42
12
39
13
37
5
32
1
35
3

25
2

Gaji/Bln
750.000
1.255.000
1.500.000
1.040.000
950.000
1.600.000
1.250.000
550.000
735.000
860.000

*Asumsi tahun 2012
Bisa diketahui
umur dan masa
kerja karyawan.

Contoh Query dari database standar:
1.  Ingin mendapatkan informasi nama-nama karyawan yang usianya kurang
dari 35 tahun ?
2.  Ingin mendapatkan informasi nama-nama karyawan yang masa kerjanya
kurang dari 5 tahun tetapi gajinya lebih dari 1 juta rupiah ?
3.  Ingin mendapatkan informasi nama-nama karyawan yang umurnya
kurang dari 40 tahun tapi masa kerja leih dari 10 tahun ?
3

Sistem Pendukung Keputusan

Fuzzy Database
•  Kenyataannya, manajer perusahaan kadang
menginginkan informasi dari data-data yang bersifat
ambiguous.
–  Seperti: umur muda, masa kerja lama, gaji besar, dsb.

•  Untuk keperluan ini, maka digunakan basis data fuzzy
(Fuzzy Database).
•  Metode-metode dalam fuzzy database: Tahani, Umano,

dsb.
•  Metode Tahani masih menggunakan menggunakan
relasi standar, hanya saja metode ini menggunakan teori
himpunan fuzzy untuk mendapatkan informasi querynya.
4

Sistem Pendukung Keputusan

Fuzzy Database

METODE TAHANI

5

Pembentukan himpunan fuzzy
untuk variabel usia karyawan

Sistem Pendukung Keputusan

Usia karyawan dibagi menjadi 3 himpunan: MUDA, PAROBAYA, TUA

Fungsi kanggotaan

NIP
01
02
03
04
05
06
07
08
09
10

Nama
Susi
Adi
Tia
Lusi
Siska

Andy
Tutik
Yoga
Rina
Kiki

Umur
30
48
36
37
42
39
37
32
35
25

, x ≤ 30
⎧1

⎪ 40 − x
µ MUDA[ x] = ⎨
,30 ≤ x ≤ 40
10
⎪
, x ≥ 40
⎩0
⎧
⎪0
, x ≤ 35 atau x ≥ 50
⎪⎪ x − 35
,35 ≤ x ≤ 45
µ PAROBAYA[ x] = ⎨
10
⎪
Derajat Kenggotaan(µ[x])
⎪ 50 − x ,45 ≤ x ≤ 50
⎪⎩ 5
PARO
MUDA
TUA
1
0
0.4
0.3
0
0.1
0.3
0.8
0.5
1

BAYA
0
0.4
0.1
0.2
0.7
0.4
0.2
0
0
0

0
0.8
0
0
0.2
0
0
0
0
0

, x ≤ 40
⎧0
⎪ x − 40
µTUA[ x] = ⎨
,40 ≤ x ≤ 50
10
⎪
, x ≥ 50
⎩1

6

Sistem Pendukung Keputusan

Pembentukan himpunan fuzzy
untuk variabel masa kerja

Usia karyawan dibagi menjadi 2 himpunan: BARU, dan LAMA.
Fungsi kanggotaan
⎧1
⎪15 − y
µ BARU [ y ] = ⎨
⎪ 10
⎩0

NIP
01
02
03
04
05
06
07
08
09
10

Nama
Susi
Adi
Tia
Lusi
Siska
Andy
Tutik
Yoga
Rina
Kiki

Masa
Kerja
6
17
14
4
12
13
5
1
3
2

Derajat Kenggotaan(µ[y])
BARU
LAMA
0.9
0
0
0.467
0.1
0.267
1
0
0.3
0.133
0.2
0.200
1
0
1
0
1
0
1
0

,y≤5
,5 ≤ y ≤ 15
, x ≥ 15

, y ≤ 10
⎧0
⎪ y − 10
,10 ≤ y ≤ 25
µ LAMA[ y ] = ⎨
15
⎪
, y ≥ 25
⎩1

7

Pembentukan himpunan fuzzy
untuk variabel gaji

Sistem Pendukung Keputusan

Usia karyawan dibagi menjadi 3 himpunan: RENDAH, SEDANG, dan TINGGI.
Fungsi kanggotaan

NIP
01
02
03
04
05
06
07
08
09
10

Nama
Susi
Adi
Tia
Lusi
Siska
Andy
Tutik
Yoga
Rina
Kiki

Gaji
750.000
1.255.000
1.500.000
1.040.000
950.000
1.600.000
1.250.000
550.000
735.000
860.000

, z ≤ 300
⎧1
⎪800 − z
µ RENDAH [ z ] = ⎨
,300 ≤ z ≤ 800
500
⎪
, z ≥ 800
⎩0
⎧
⎪0
, z ≤ 500 atau z ≥ 1500
⎪⎪ z − 500
,500 ≤ z ≤ 1000
µ SEDANG [ z ] = ⎨
500
⎪
Derajat Kenggotaan(µ[z])
⎪1500 − z ,1000 ≤ z ≤ 1500
⎪⎩ 500
RENDAH SEDANG TINGGI
0.1
0
0
0
0
0
0
0.5
0.13
0

0.50
0.49
0
0.92
0.90
0
0.50
0
0
0

0
0.255
0.5
0.04
0
0.6
0.25
0
0
0

, z ≤ 1000
⎧0
⎪ z − 1000
µTINGGI [ z ] = ⎨
,1000 ≤ z ≤ 2000
1000
⎪
, z ≥ 2000
⎩1

8

Sistem Pendukung Keputusan

Hasil Fuzzy Database Tahani
NIP Nama

Derajat Kenggotaan Umur
(µ[x])

MUDA
01
02
03
04
05
06
07
08
09
10

Susi
Adi
Tia
Lusi
Siska
Andy
Tutik
Yoga
Rina
Kiki

1
0
0.4
0.3
0
0.1
0.3
0.8
0.5
1

PAROB
AYA
0
0.4
0.1
0.2
0.7
0.4
0.2
0
0
0

TUA
0
0.8
0
0
0.2
0
0
0
0
0

Derajat
Kenggotaan
Masa Kerja
(µ[y])

Derajat Kenggotaan Gaji (µ[z])

BARU LAMA RENDAH SEDANG TINGGI
0.9
0
0.1
1
0.3
0.2
1
1
1
1

0
0.467
0.267
0
0.133
0.200
0
0
0
0

0.1
0
0
0
0
0
0
0.5
0.13
0

0.50
0.49
0
0.92
0.90
0
0.50
0
0
0

0
0.255
0.5
0.04
0
0.6
0.25
0
0
0

Contoh Query dari fuzzy database:
1.  Siapa saja karyawan yang masih muda tapi mempunyai gaji tinggi ?
2.  Siapa saja karyawan yang masih muda atau atau karyawan yang
mempunyai gaji tinggi ?
3.  Siapa saja karyawan yang masih muda tapi masa kerjanya sudah lama ?
4.  Siapa saja karyawan yang parobaya dan gajinya sedang, atau karyawan
yang parobaya tapi masa kerjanya sudah lama ?

9

Sistem Pendukung Keputusan

Query 1: Siapa saja karyawan yang masih muda tapi
mempunyai gaji tinggi ?
select NAMA from KARYAWAN
where (umur = “MUDA”) and (gaji = “TINGGI”)
NIP
01
02
03
04
05
06
07
08
09
10

Nama
Susi
Adi
Tia
Lusi
Siska
Andy
Tutik
Yoga
Rina
Kiki

Umur

Gaji

30
48
36
37
42
39
37
32
35
25

750.000
1.255.000
1.500.000
1.040.000
950.000
1.600.000
1.250.000
550.000
735.000
860.000

MUDA
1
0
0.4
0.3
0
0.1
0.3
0.8
0.5
1

Derajat Kenggotaan
TINGGI MUDA & TINGGI
0
0
0.255
0
0.5
0.4
0.04
0.04
0
0
0.6
0.1
0.25
0.25
0
0
0
0
0
0

Hasil query, karyawan bernama: Tia, Lusi, Andy, Tutik.
10

Sistem Pendukung Keputusan

Query 2: Siapa saja karyawan yang masih muda atau
atau karyawan yang mempunyai gaji tinggi ?
select NAMA from KARYAWAN
where (umur = “MUDA”) or (gaji = “TINGGI”)
NIP
01
02
03
04
05
06
07
08
09
10

Nama
Susi
Adi
Tia
Lusi
Siska
Andy
Tutik
Yoga
Rina
Kiki

Umur

Gaji

30
48
36
37
42
39
37
32
35
25

750.000
1.255.000
1.500.000
1.040.000
950.000
1.600.000
1.250.000
550.000
735.000
860.000

MUDA
1
0
0.4
0.3
0
0.1
0.3
0.8
0.5
1

Derajat Kenggotaan
TINGGI
MUDA atau TINGGI
0
1
0.255
0.255
0.5
0.5
0.04
0.3
0
0
0.6
0.6
0.25
0.3
0
0.8
0
0.5
0
1

Hasil query, karyawan bernama: Susi, Adi, Tia, Lusi, Andy,
Tutik, Yoga, Rina, dan Kiki.
11

Sistem Pendukung Keputusan

Query 3: Siapa saja karyawan yang masih muda tapi
masa kerjanya sudah lama ?
select NAMA from KARYAWAN
where (umur = “MUDA”) and (masa kerja = “LAMA”)
NIP
01
02
03
04
05
06
07
08
09
10

Nama
Susi
Adi
Tia
Lusi
Siska
Andy
Tutik
Yoga
Rina
Kiki

Umur
30
48
36
37
42
39
37
32
35
25

Masa
Kerja
6
17
14
4
12
13
5
1
3
2

MUDA
1
0
0.4
0.3
0
0.1
0.3
0.8
0.5
1

Derajat Kenggotaan
LAMA
MUDA & LAMA
0
0
0.467
0
0.267
0.267
0
0
0.133
0
0.200
0.1
0
0
0
0
0
0
0
0

Hasil query, karyawan bernama: Tia, dan Andy.
12

Sistem Pendukung Keputusan

Query 4: Siapa saja karyawan yang parobaya dan
gajinya sedang, atau karyawan yang parobaya tapi
masa kerjanya sudah lama ?
select NAMA from KARYAWAN
where (umur = “PAROBAYA”)
and [(gaji = “SEDANG”) and (masa kerja= “LAMA”)]
Derajat Kenggotaan
NIP

01
02
03
04
05
06
07
08
09
10

Nama

Susi
Adi
Tia
Lusi
Siska
Andy
Tutik
Yoga
Rina
Kiki

SEDAN
LAMA
G
0.50
0.49
0
0.92
0.90
0
0.50
0
0
0

0
0.467
0.267
0
0.133
0.200
0
0
0
0

SEDANG
atau LAMA

PARO
BAYA

0.5
0.49
0.267
0.92
0.9
0.2
0.5
0
0
0

0
0.4
0.1
0.2
0.7
0.4
0.2
0
0
0

PAROBAYA &
(SEDANG atau
LAMA)
0
0.4
0.1
0.2
0.7
0.2
0.2
0
0
0

Hasil query, karyawan bernama: Adi, Tia, Lusi, Siska, dan
Tutik.

13

Sistem Pendukung Keputusan

ANY QUESTIONS ?

14