Model pendukung pengambilan keputusan pembelian motor bekas menggunakan basis data Fuzzy model Tahani dan aturan Max-Min.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ABSTRAK

Sepeda motor banyak digunakan sebagai alat transportasi untuk
menunjang aktivitas manusia sehari-hari. Beragam merk dan jenis produksi
membuat konsumen menjadi kebingungan untuk memilih sepeda motornya.
Apalagi, konsumen cenderung untuk memilih sepeda motor dengan nilai-nilai
yang sifatnya kabur. Masalah kekaburan nilai tersebut dapat diselesaikan dengan
menggunakan himpunan kabur. Sedangkan, untuk masalah pemilihan sepeda
motor yang akan dibeli, penulis membuat sistem pendukung pengambilan
keputusan yang dapat memberikan alternatif pilihan sepeda motor kepada
pengguna. Sistem ini menerapkan model himpunan kabur pada tiga (3) kriteria
utama pembelian sepeda motor, yakni kondisi, tahun pembuatan, dan harga
penjualan sepeda motor. Ketika data motor dimasukkan, sistem secara otomatis
akan menghitung nilai derajat keanggotaan untuk kategori-kategori di setiap
kriterianya. Kemudian, untuk setiap pencarian motor yang dilakukan, sistem ini
akan mengambil data motor yang nilai derajat keanggotaannya optimum (sesuai
dengan pencarian). Hasil akhir sistem menunjukkan bahwa Basis Data Kabur
Model Tahani dengan Aturan Max-Min dapat membantu pengguna dalam
mengambil keputusan dengan memberikan rekomendasi pembelian motor bekas.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ABSTRACT

Motorcycles are widely used as a means of transportation to support
everyday human activities. Various brands and types of products are confusing the
consumers to choose the most suitable products for them. Moreover, the
consumers tend to choose a motorcycle with the blurred values . The problem of
the value vagueness can be solved by using fuzzy sets. Whereas, for solving the
confusion in the purchasing process, the author creates a decision support system
that can provide an alternative choice for the buyers. These systems implement a
fuzzy set model with three (3) main criterias for the purchasing, namely the
condition, year of manufacture, and the price of the motorcycle products. When
the motorcycles datas entered, the system will automatically calculate the degree
of membership for the categories in each criterias. Then, for every search, the
system will take the motorcycle data which has the optimum value of the
membership degrees (according to the search). The final result shows that the
Tahani model of Database with Max-Min rules can give recommendation for the
buyers in every secondhand motorcycles purchasing process.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

MODEL PENDUKUNG PENGAMBILAN KEPUTUSAN
PEMBELIAN MOTOR BEKAS MENGGUNAKAN
BASIS DATA FUZZY MODEL TAHANI
DAN ATURAN MAX-MIN
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika

OLEH
PRIECIELIA NATASHA LOLITA
115314042

PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA

YOGYAKARTA
2016

i

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ii

THE SUPPORT MODEL FOR SECONDHAND
MOTORCYCLE PURCHASE USING THE FUZZY
MODEL DATABASE AND MAX-MIN RULE
THESIS
Presented as Partial Fulfillment of the Requirements
To obtain Sarjana Komputer Degree
in Informatics Engineering Department

BY
PRIECIELIA NATASHA LOLITA
115314042

INFORMATICS ENGINEERING STUDY PROGRAM
INFORMATICS ENGINEERING DEPARTMENT
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2016

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iii

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iv

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
v

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

vii

ABSTRAK
Sepeda motor banyak digunakan sebagai alat transportasi untuk
menunjang aktivitas manusia sehari-hari. Beragam merk dan jenis produksi
membuat konsumen menjadi kebingungan untuk memilih sepeda motornya.
Apalagi, konsumen cenderung untuk memilih sepeda motor dengan nilai-nilai
yang sifatnya kabur. Masalah kekaburan nilai tersebut dapat diselesaikan dengan
menggunakan himpunan kabur. Sedangkan, untuk masalah pemilihan sepeda
motor yang akan dibeli, penulis membuat sistem pendukung pengambilan
keputusan yang dapat memberikan alternatif pilihan sepeda motor kepada
pengguna. Sistem ini menerapkan model himpunan kabur pada tiga (3) kriteria
utama pembelian sepeda motor, yakni kondisi, tahun pembuatan, dan harga
penjualan sepeda motor. Ketika data motor dimasukkan, sistem secara otomatis
akan menghitung nilai derajat keanggotaan untuk kategori-kategori di setiap
kriterianya. Kemudian, untuk setiap pencarian motor yang dilakukan, sistem ini
akan mengambil data motor yang nilai derajat keanggotaannya optimum (sesuai
dengan pencarian). Hasil akhir sistem menunjukkan bahwa Basis Data Kabur
Model Tahani dengan Aturan Max-Min dapat membantu pengguna dalam
mengambil keputusan dengan memberikan rekomendasi pembelian motor bekas.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii

ABSTRACT
Motorcycles are widely used as a means of transportation to support
everyday human activities. Various brands and types of products are confusing the
consumers to choose the most suitable products for them. Moreover, the
consumers tend to choose a motorcycle with the blurred values . The problem of
the value vagueness can be solved by using fuzzy sets. Whereas, for solving the
confusion in the purchasing process, the author creates a decision support system
that can provide an alternative choice for the buyers. These systems implement a
fuzzy set model with three (3) main criterias for the purchasing, namely the
condition, year of manufacture, and the price of the motorcycle products. When
the motorcycles datas entered, the system will automatically calculate the degree
of membership for the categories in each criterias. Then, for every search, the
system will take the motorcycle data which has the optimum value of the
membership degrees (according to the search). The final result shows that the
Tahani model of Database with Max-Min rules can give recommendation for the
buyers in every secondhand motorcycles purchasing process.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix

KATA PENGANTAR
Puji Syukur kepada Allah yang telah memberikan berkat serta penyertaanNya sehingga penulis dapat menyelesaikan skripsi dengan judul “Model
Pendukung Pengambilan Keputusan Pembelian Motor Bekas Menggunakan Basis
Data Fuzzy Model Tahani dan Aturan Max-Min”. Penulisan skripsi ini diajukan
untuk memenuhi syarat memperoleh gelar Sarjana Komputer Program Studi
Teknik Informatika Universitas Sanata Dharma.
Selesainya penulisan skripsi ini, maka penulis mengucapkan terima kasih
kepada pihak-pihak yang telah membantu memberikan dukungan dalam berbagai
bentuk. Ucapan terima kasih diajukan kepada :
1.

Bapak Irwan Lolita dan Ibu Una Nengsih selaku orang tua penulis
yang telah memberikan dukungan, yang tak pernah berhenti
mendoakan. Terima kasih banyak.

2.

Lolita gengs, Theresia, Anggi dan Adel (3 saudara perempuan
penulis) terima kasih untuk kebersamaan, keceriaan, kegilaan dan
pengertian yang diberikan.

3.

Si dudul Ferdinand Pascanata Driyarkara terima kasih telah banyak
membantu, menemani dan dengan sabar mendengarkan keluh
kesah penulis.

4.

Bapak Eko Hari Parmadi, selaku dosen pembimbing skripsi yang
telah memberikan dukungan dan kesabarannya dalam membimbing.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x

5.

Dhiah Rusdiana, Vinna Lamatokan, Simeon Iyai, Enda Knoba
terima kasih telah memberikan keceriaan dan kebersamaan di saat
proses pembuatan skripsi ini.

6.

Teman-teman penulis, Bee, Priska, Rosi, Monik, Ria, DP, Paul
Dian terima kasih untuk kebersamaannya dari awal semester.

7.

Kepada semua teman-teman Teknik Informatika 2011 terima kasih
atas semangat dan dukungannya hingga penulisan skripsi ini
selesai.

Penulisan skripsi ini tentunya masih memiliki banyak kekurangan, oleh karena ini
saran dan kritik pembaca yang membangun sangat diharapkan oleh penulis. Akhir
kata, semoga penulisan skripsi ini dapat berguna untuk menambah wawasan
maupun refrensi bagi pembaca, terutama mahasiswa Teknik Informatika.

Yogyakarta, 29 Febuari 2016

Penulis

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi

DAFTAR ISI

HALAMAN JUDUL................................................................................................ i
HALAMAN JUDUL (INGGRIS) ........................................................................... ii
HALAMAN PERSETUJUAN ............................................................................... iii
HALAMAN PENGESAHAN ................................................................................ iv
PERNYATAAN KEASLIAN BERKARYA ......................................................... iv
PERSETUJUAN PUBLIKASI KARYA ILMIAH ............................................... vi
ABSTRAK ............................................................................................................ vii
ABSTRACT ......................................................................................................... viii
KATA PENGANTAR ........................................................................................... ix
DAFTAR ISI .......................................................................................................... xi

DAFTAR GAMBAR ........................................................................................... xiv
DAFTAR TABEL ................................................................................................ xvi
DAFTAR KUERI ............................................................................................... xvii
BAB I ...................................................................................................................... 1
PENDAHULUAN .................................................................................................. 1
1.1 Latar Belakang .............................................................................................. 1
1.2 Rumusan Masalah ......................................................................................... 3
1.3 Tujuan ........................................................................................................... 3

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii

1.4 Manfaat ......................................................................................................... 3
1.5 Batasan Masalah............................................................................................ 4
1.6 Metodologi Penelitian ................................................................................... 4
1.7 Sistematika Penulisan ................................................................................... 6
BAB II ..................................................................................................................... 8
LANDASAN TEORI .............................................................................................. 8
2.1 Sistem Pendukung Pengambilan Keputusan ................................................. 8
2.1.1 Pengertian Sistem Pendukung Pengambilan Keputusan ............................ 8
2.1.2 Karakteristik Sistem Pendukung Pengambilan Keputusan ........................ 9
2.1.3 Komponen-komponen Sistem Pendukung Keputusan ............................. 10
2.1.4 Manfaat Sistem Pendukung Pengambilan Keputusan.............................. 12
2.1.5 Keterbatasan Sistem Pendukung Pengambilan Keputusan ...................... 13
2.2 Logika Fuzzy ............................................................................................... 14
2.2.1 Pengenalan Logika Fuzzy ........................................................................ 14
2.2.2 Himpunan Tegas (Crisp) .......................................................................... 16
2.2.3 Himpunan Kabur (Fuzzy) ........................................................................ 16
2.2.4 Fungsi Keanggotaan ................................................................................. 17
2.2.5 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy ......................... 20
2.3 Metode Mamdani ........................................................................................ 21
2.4 Basis Data Fuzzy Model Tahani ................................................................. 22
BAB III ................................................................................................................. 31

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii

PERANCANGAN SISTEM ................................................................................. 31
3.1 Perancangan Umum Sistem ........................................................................ 31
3.1.1 Diagram Konteks ................................................................................. 31
3.1.2 Data Flow Diagram (DFD) .................................................................. 31
3.2 Perancangan Subsistem Manajemen Data .................................................. 33
3.3 Perancangan Subsistem Manajemen Model................................................ 40
3.4 Perancangan Subsistem Manajemen Dialog ............................................... 43
BAB IV ................................................................................................................. 45
IMPLEMENTASI SISTEM .................................................................................. 45
4.1 Implementasi Subsistem Manajemen Data ................................................. 45
4.2 Implementasi Subsistem Manajemen Model .............................................. 48
4.3 Implementasi Subsistem Manajemen Dialog .............................................. 59
4.4 Pengujian ..................................................................................................... 64
BAB V................................................................................................................... 72
PENUTUP ............................................................................................................. 72
5.1 Kesimpulan ................................................................................................. 72
5.2 Saran ............................................................................................................ 72
DAFTAR PUSTAKA ........................................................................................... 73

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv

DAFTAR GAMBAR

Gambar

Keterangan

Halaman

2.1

Himpunan Tegas (Crisp)

16

2.1

Himpunan Kabur (Fuzzy)

17

2.3

Representasi Linear Naik

18

2.4

Representasi Linear Turun

18

2.5

Kurva Segitiga

19

2.6

Kurva Trapesium

19

2.7

Fungsi keanggotaan untuk variabel usia

25

2.8

Fungsi keanggotaan untuk masa kerja

26

2.9

Fungsi keanggotaan untuk variabel gaji

28

3.1

Diagram konteks

31

3.2

Data Flow Diagram Level 1 Penjual Motor Bekas

31

3.3

Data Flow Diagram Level 1 Proses 1 Penjual Motor

32

Bekas
3.4

Data Flow Diagram Level 1 Proses 2 Penjual Motor

32

Bekas
3.5

Data Flow Diagram Level 1 Pembeli Motor Bekas

33

3.6

Data Flow Diagram Level 1 Proses 3 Pembeli Motor

33

Bekas
3.7

Flowchart Sistem

41

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv

3.8

Halaman Dialog Pencarian Motor Bekas

43

3.9

Halaman Dialog Tetapan Nilai Kondisi

43

3.10

Halaman Dialog Tetapan Nilai Tahun

44

3.11

Halaman Dialog Tetapan Nilai Harga

44

4.1

Implementasi Halaman Utama Pencarian

59

4.2

Implementasi Halaman Tetapan Kriteria Kondisi

61

4.3

Implementasi Halaman Tetapan Kriteria Tahun

61

4.4

Implementasi Halaman Tetapan Kriteria Harga

62

4.5

Implementasi Halaman Kelola Data Motor

63

4.6

Implementasi Halaman Derajat Keanggotaan Tahun

63

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi

DAFTAR TABEL

Tabel

Keterangan

Halaman

2.1

DT_Karyawan

22

2.2

Karyawan

23

2.3

KARYAWAN berdasarkan umur

26

2.4

KARYAWAN berdasarkan masa kerja

27

2.5

KARYAWAN berdasarkan gaji

29

2.6

Hasil Query 1

30

3.1

Data Motor (data_motor)

38

3.2

Kriteria Tahun(kriteria_tahun)

38

3.3

Kriteria Kondisi(kriteria_kondisi)

39

3.4

Kriteria Harga(kriteria_harga)

40

3.5

Flowchart Sistem

41

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvii

DAFTAR KUERI
Kueri

Keterangan

Halaman

4.1

Create Data Motor

45

4.2

Create derajat harga

46

4.3

Create derajat kondisi

46

4.4

Create derajat tahun

46

4.5

Create kriteria harga

47

4.6

Create kriteria kondisi

47

4.7

Create kriteria tahun

47

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB I
PENDAHULUAN

1.1 Latar Belakang
Semakin berkembangnya kebutuhan dan aktivitas manusia menuntut
adanya kebutuhan alat transportasi. Dari berbagai jenis alat transportasi, sepeda
motor merupakan salah satu alat transportasi yang banyak digunakan. Penggunaan
sepeda motor ini tentunya untuk menunjang aktivitas manusia sehari-hari. Sepeda
motor lebih diminati dibandingkan alat transportasi lainnya karena berbagai hal,
misalnya (1) lebih praktis, dalam artian memudahkan seseorang untuk melewati
kemacetan, (2) sepeda motor digerakkan dengan mesin sehingga pengendaranya
tidak mudah kelelahan, (3) sepeda motor dapat digunakan sehari-hari untuk
berbagai macam tujuan dan jalur yang dilewati, (4) harganya lebih murah
daripada alat transportasi lainnya, dan lain sebagainya. Berbagai keunggulan
tersebut mengakibatkan permintaan akan sepeda motor menjadi sangat tinggi.
Sepeda motor, sebagai alat transportasi yang tingkat peminatannya tinggi,
sudah dianggap sebagai salah satu kebutuhan. Akan tetapi, sebagian besar
masyarakat berpenghasilan rendah masih kesusahan untuk membeli sepeda motor
dalam kondisi baru. Sebaliknya, masyarakat yang memiliki penghasilan lebih,
biasanya mempunyai keinginan untuk mengganti sepeda motornya dengan motor
yang lebih baru, tentunya dengan kelebihan-kelebihannya. Kondisi ini dapat
dimanfaatkan untuk saling menguntungkan kedua pihak tersebut, yakni dengan
cara menjual kembali motor tersebut. Masyarakat yang kesusahan untuk membeli

1

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2

motor baru akan membeli motor yang dijual kembali tersebut, yang kemudian
disebut motor bekas.
Tingginya minat terhadap sepeda motor ternyata juga dimanfaatkan oleh
berbagai produsen sepeda motor. Mereka seakan-akan berlomba dan bersaing
dengan produsen lainnya untuk menarik minat konsumen. Berbagai cara
dilakukan, misalnya dengan menyediakan motor dengan spesifikasi sebaik
mungkin, atau dengan menekan harga serendah mungkin, atau menyeimbangkan
spesifikasi dan harga dengan bobot tertentu. Akan tetapi, banyaknya jenis sepeda
motor yang dihasilkan ternyata membuat konsumen menjadi kebingungan untuk
memilih.
Dalam prosesnya, produsen atau penjual biasanya tidak mengelompokkan
sepeda motornya berdasarkan berbagai kriteria-kriteria tertentu. Hal yang sering
dilakukan hanya pengelompokan berdasarkan jenis sepeda motornya, misalnya
matic, bebek, atau sport. Akan tetapi, konsumen biasanya cenderung untuk
memilih sepeda motor dengan nilai-nilai yang sifatnya kabur, misalnya ‘cari
motor yang harganya murah dan kondisinya bagus’. Padahal, motor yang
harganya murah dan kondisinya bagus tidak dapat dikelompokkan secara tegas,
misalnya ‘murah’ pada harga Rp5.000.000,00. Pencarian motor dengan kriteriakriteria yang bersifat kabur (fuzzy) ini masih membuat konsumen kebingungan.
Untuk mengatasi berbagai kebingungan tersebut, penulis membuat sebuah
sistem sederhana yang dapat membantu konsumen dalam mengambil keputusan
dalam pembelian sepeda motor bekas. Sistem ini mampu menyimpan berbagai
data motor dengan masing-masing kriterianya, kemudian penggunanya dapat
melakukan pencarian sesuai kehendaknya. Pencarian yang dilakukan tentunya

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3

berdasarkan kriteria-kriteria yang bersifat kabur (fuzzy). Penelitian ini diakhiri
dengan dibuatnya dokumen penelitian, berjudul MODEL PENDUKUNG
PENGAMBILAN

KEPUTUSAN

PEMBELIAN

MOTOR

BEKAS

MENGGUNAKAN BASIS DATA FUZZY MODEL TAHANI DAN
ATURAN MAX-MIN.

1.2 Rumusan Masalah
Berdasarkan uraian di atas maka dapat diambil rumusan masalah, yakni
sebagai berikut.
1) Bagaimana menyediakan sistem pendukung pengambilan keputusan
berbasis web bagi para pembeli motor bekas dengan kriteria fuzzy ?
2) Bagaimana menggunakan model database Tahani pada sistem pendukung
pengambilan keputusan pembelian motor bekas ?

1.3 Tujuan
Tugas akhir ini bertujuan untuk membangun sebuah sistem berbasis web
dengan melibatkan penilaian-penilaian yang bersifat fuzzy (kabur). Sistem ini
diharapkan dapat membantu pengguna untuk memberikan rekomendasi pilihan
motor bekas sesuai dengan kriteria-kriteria yang dipilihnya.

1.4 Manfaat
Sistem ini diharapkan dapat membantu calon pembeli dalam memilih
motor bekas yang sesuai dengan kriteria-kriteria pilihannya. Selain itu, dengan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4

dibuatnya sistem ini, penjual motor bekas akan lebih mudah dalam memasarkan
motor-motornya.

1.5 Batasan Masalah
Dalam

penelitian

ini,

penulis

membatasi

masalah-masalah

yang

digunakan. Batasan-batasan tersebut, yakni sebagai berikut.
1) Kriteria-kriteria yang digunakan dalam pengambilan keputusan adalah
tahun pembuatan, kondisi fisik, dan harga.
2) Data motor yang digunakan adalah data motor yang diambil dari berbagai
sumber.
3) Pengujian hanya dilakukan sampai pada model dan tidak dilakukan
pengujian terhadap penggunanya.

1.6 Metodologi Penelitian
1.

Studi Pustaka
Mencari referensi dari berbagai sumber yang ada seperti dari buku dan
artikel internet yang berkaitan dengan topik permasalahan yang akan
diteliti. Referensi inilah yang akan digunakan sebagai dasar penelitian
dan dokumentasinya yang akan dibuat.

2.

Wawancara
Mencari hal-hal apa saja yang diinginkan konsumen dalam membeli
sepeda motor.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5

3.

Rekayasa Perangkat Lunak
Menurut Ladjamuddin (2006), perekayasaan perangkat lunak berupa
penggunaan metode pengembangan perangkat lunak yang dapat
menghasilkan perangkat lunak berkualitas tinggi secara ekonomis dan
handal. Sistem Pendukung Pengambilan Keputusan dalam penelitian ini
dibuat dengan mengacu pada metodologi waterfall. Ladjamuddin (2006)
juga menjelaskan bahwa model waterfall menawarkan cara pembuatan
perangkat lunak secara lebih nyata. Adapun langkah-langka penting
dalam model ini, yakni sebagai berikut.
a) Penentuan dan analisis spesifikasi
Jasa, kendala, dan tujuan dihasilkan dari konsultasi dengan pengguna
sistem. Kemudian semuanya itu dibuat dalam bentuk yang dapat
dimengerti oleh user dan staf pengembang.
b) Desain sistem dan perangkat lunak
Proses desain sistem membagi kebutuhan-kebutuhan menjadi sistem
perangkat lunak atau perangkat keras. Proses tersebut menghasilkan
sebuah arsitektur sistem keseluruhan. Desain perangkat lunak
termasuk menghasilkan fungsi sistem perangkat lunak dalam bentuk
yang mungkin ditransformasi ke dalam satu atau lebih program yang
dapat dijalankan.
c) Implementasi dan ujicoba unit
Selama tahap ini desain perangkat lunak disadari sebagai sebuah
program lengkap atau unit program. Uji unit termasuk pengujian
bahwa setiap unit sesuai spesifikasi.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6

d) Integrasi dan ujicoba sistem
Unit program diintegrasikan dan diuji menjadi sistem yang lenkap
untuk meyakinkan bahwa persyaratan perangkat lunak telah dipenuhi.
Setelah ujicoba, sistem disampaikan ke customer.
e) Operasi dan pemeliharaan
Normalnya, ini adalah fase terpanjang. Sistem dipasang dan
digunakan. Pemeliharaan termasuk pembetulan kesalahan yang tidak
ditemukan pada langkah sebelumnya. Perbaikan implementasi unit
sistem dan peningkatan jasa sistem sebagai kebutuhan baru
ditemukan.

1.7 Sistematika Penulisan
BAB I – PENDAHULUAN
Pada bab ini dituliskan latar belakang pemilihan topik dan pengambilan
masalah, rumusan masalah, batasan-batasan dalam mengkaji permasalahan,
serta tujuan dan manfaat dari penelitian ini.
BAB II – LANDASAN TEORI
Teori-teori disertai dengan penjelasan yang terkait dengan Logika Fuzzy,
Sistem Pendukung Pengambilan Keputusan, Metode Mamdani, dan Fuzzy
Database Model Tahani.
BAB III – PERANCANGAN SISTEM
Bab ini menjelaskan tentang rancangan pembuatan sistem sesuai dengan
hasil analisis permasalahan dan teori-teori yang digunakan. Perancangan
yang dibuat yakni berupa perancangan umum sistem, perancangan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7

subsistem manajemen data, perancangan subsistem manajemen model, dan
perancangan subsistem dialog.
BAB IV – IMPLEMENTASI SISTEM
Setelah

melakukan

analisis

dan

perancangan,

sistem

kemudian

diimplementasikan ke dalam bentuk program sesuai dengan rancangan yang
telah dibuat pada bab sebelumnya. Untuk implementasi subsistem
manajemen data, pada bab ini akan dijelaskan tentang langkah-langkah
pembuatan database dan tabel-tabel database yang diperlukan. Pada
implementasi subsistem manajemen model, disajikan proses pengolahan
algoritma menjadi program. Tampilan sistem yang dibuat berdasarkan
desain sebelumnya disajikan pada implementasi subsistem manajemen
dialog.
BAB V – PENUTUP
Pada bab ini, penulis menyimpulkan keseluruhan proses penelitian dan
sistem yang dihasilkan. Selain itu, penulis juga memberikan saran-saran
yang membangun untuk pengembangan sistem.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB II
LANDASAN TEORI

2.1 Sistem Pendukung Pengambilan Keputusan
2.1.1 Pengertian Sistem Pendukung Pengambilan Keputusan
Daihani (2001) menjelaskan bahwa sistem pendukung keputusan adalah
suatu sistem informasi spesifik yang ditujukan untuk membantu manajemen
dalam mengambil keputusan yang berkaitan dengan persoalan yang bersifat semi
struktur. Sistem ini memiliki fasilitas untuk menghasilkan berbagai alternatif yang
secara interaktif dapat digunakan oleh pemakai.
Menurut Alter (2002), Sistem Pendukung Pengambilan Keputusan (SPPK)
atau Decision Support System (DSS) berupa sebuah sistem informasi interaktif
yang menyediakan informasi pemodelan dan pemanipulasian data. Sistem tersebut
digunakan untuk membantu mengambil keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur. SPPK biasanya dibangun untuk
mendukung solusi atas suatu masalah atau mengevaluasi suatu peluang. Sistem ini
tidak dapat mengotomatisasikan pengambilan keputusan melainkan memberikan
kemungkinan-kemungkinan kepada sang pengambil keputusan untuk melakukan
berbagai

analisis

menggunakan

model-model

yang

tersedia.

Persoalan

pengambilan keputusan pada dasarnya adalah bentuk pemilihan dari berbagai
alternatif tindakan yang mungkin dipilih melalui mekanisme tertentu dengan
harapan akan menghasilkan sebuah keputusan yang terbaik.

8

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9

Pada umumnya, dalam membuat sebuah keputusan, terdapat langkahlangkah utama, yakni sebagai berikut.
1) Identifikasi masalah
2) Pemilihan metode pemecahan masalah
3) Pengumpulan data yang dibutuhkan untuk melaksanakan model keputusan
tersebut
4) Mengimplementasikan model tersebut
5) Mengevaluasi sisi positif dari setiap alternatif yang ada
6) Melaksanakan solusi terpilih.

2.1.2 Karakteristik Sistem Pendukung Pengambilan Keputusan
Sistem pendukung pengambilan keputusan adalah sebuah sistem yang
berbasis komputer (computer based systems). Akan tetapi, terdapat beberapa
karakteristik yang membedakan SPPK dengan sistem informasi lainnya. Menurut
Daihani (2001), beberapa karakteristik yang membedakannya, yakni sebagai
berikut.
1) Sistem pendukung keputusan dirancang untuk membantu pengambil
keputusan dalam memecahkan masalah yang sifatnya semi terstruktur
ataupun tidak terstruktur.
2) Dalam proses pengolahannya, sistem pendukung pengambilan keputusan
mengombinasikan penggunaan model-model atau teknik-teknik analisis
dengan teknik pemasukan data konvensional
pencari/interogasi informasi.

serta fungsi-fungsi

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10

3) Sistem pendukung pengambilan keputusan dirancang sedemikian rupa
sehingga dapat digunakan atau dioperasikan dengan mudah oleh orangorang yang tidak memiliki dasar kemampuan pengoperasian komputer
yang tinggi. Oleh karena itu, pendekatan yang digunakan biasanya model
interaktif.
4) Sistem pendukung pengambilan keputusan dirancang dengan menekankan
pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi sehingga
mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi
dan kebutuhan pemakai.

2.1.3 Komponen-komponen Sistem Pendukung Keputusan
Sistem pendukung pengambilan keputusan terdiri atas tiga komponen
utama atau subsistem, yakni sebagai berikut.
1) Database (Subsistem Data)
Subsistem data merupakan komponen Sistem Pendukung Pengambilan
Keputusan penyedia data bagi sistem. Data dimaksud dalam suatu
pangkalan data (database) yang diorganisasikan oleh suatu sistem yang
disebut dengan sistem manajemen pangkalan data (Database Management
System/DBMS). Melalui manajemen inilah data dapat diambil dan
diekstraksi dengan cepat.
2) Model (Subsistem Model)
Keunikan dari Sistem Pendukung Pengambilan Keputusan adalah
kemampuannya dalam mengintegrasikan data dengan model-model
keputusan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11

3) Dialog (User System Interface)
Sistem Pendukung Pengambilan Keputusan memiliki fasilitas yang
mampu mengintegrasikan sistem yang terpasang dengan pengguna secara
interaktif. Fasilitas atau subsistem ini dikenal sebagai subsistem dialog.
Melalui sistem dialog inilah sistem diartikulasikan dan diimplementasikan
sehingga pengguna atau pemakai dapat berkomunikasi dengan sistem yang
dirancang. Fasilitas yang dimiliki oleh subsistem ini dapat dibagi atas tiga
komponen, yaitu:
a) Bahasa Aksi (Action Language), yaitu suatu perangkat lunak yang
dapat digunakan untuk berkomunikasi dengan sistem. Komunikasi
ini dilakukan melalui berbagai pilihan media seperti, keyboard,
joystick, atau key-function lainnya.
b) Bahasa Tampilan (Display atau Presentation Language), yaitu
suatu perangkat yang berfungsi sebagai sarana untuk menampilkan
sesuatu. Peralatan yang digunakan untuk merealisasikan tampilan
ini di antaranya adalah grafik monitor, printer, plotter, dan lainlain.
c) Basis Pengetahuan (Knowledge Base), yaitu bagian yang mutlak
diketahui oleh pengguna sehingga sistem yang dirancang dapat
berfungsi secara efektif.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12

2.1.4 Manfaat Sistem Pendukung Pengambilan Keputusan
Sistem Pendukung Keputusan dapat memberikan berbagai manfaat atau
keuntungan bagi pemakainya. Keuntungan yang dimaksud diantaranya meliputi
hal-hal berikut.
1) Sistem Pendukung Pengambilan Keputusan memperluas kemampuan
pengambil keputusan dalam memproses data/informasi bagi pemakainya.
2) Sistem Pendukung Pengambilan

Keputusan

membantu pengambil

keputusan dalam hal penghematan watu yang dibutuhkan untuk
memecahkan masalah terutama berbagai masalah yang sangat kompleks
dan tidak terstruktur.
3) Sistem Pendukung Pengambilan Keputusan dapat menghasilkan solusi
dengan lebih cepat serta hasilnya dapat diandalkan.
4) Walaupun suatu Sistem Pendukung Pengambilan Keputusan, mungkin saja
tidak mampu memecahkann masalah yang dihadapi oleh pengambil
keputusan, namun ia dapat menjadi stimulan bagi pengambil keputusan
dalam memahami persoalannya. Karena sistem pendukung keputusan
menyajikan berbagai alternatif.
5) Sistem Pendukung Pengambilan Keputusan dapat menyediakan bukti
tambahan untuk memberikan pembenaran sehingga dapat memperkuat
posisi pengambil keputusan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13

2.1.5 Keterbatasan Sistem Pendukung Pengambilan Keputusan
Disamping memiliki berbagai keuntungan dan manfaat, Sistem Pendukung
Pengambilan Keputusan juga memiliki berbagai keterbatasan, antara lain sebagai
berikut.
1) Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat
dimodelkan, sehingga model yang ada dalam sistem tidak semuanya
mencerminkan persolan sebenarnya.
2) Kemampuan suatu Sistem Pendukung Pengambilan Keputusan terbatas
pada pembendaharaan pengetahuan yang dimilikinya (pengetahuan dasar
serta model dasar).
3) Proses-proses yang dapat dilakukan oleh Sistem Pendukung Pengambilan
Keputusan biasanya tergantung juga pada kemampuan perangkat lunak
yang digunakannya.
4) Sistem Pendukung Pengambilan Keputusan memiliki kemampuan intuisi
seperti yang dimiliki oleh manusia. Karena walau bagaimana pun
canggihnya suatu Sistem Pendukung Keputusan ( SPK ), dia hanyalah
suatu kumpulan perangkat keras, perangkat lunak dan sistem operasi yang
tidak dilengkapi dengan kemampuan berpikir.
Sistem Pendukung Pengambilan Keputusan tidak ditekankan untuk membuat
keputusan. Dengan sekumpulan kemampuan untuk mengolah informasi/data yang
diperlukan dalam proses pengambilan keputusan, sistem hanya berfungsi sebagai
alat bantu manajemen. Jadi, sistem ini tidak dimaksudkan untuk menggantikan
fungsi pengambil keputusan dalam membuat keputusan. Sistem ini dirancang
untuk membantu pengambilan keputusan dalam melaksanakan tugasnya.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14

Secara luas, dapat dikatakan bahwa Sistem Pendukung Pengambilan
Keputusan dirancang untuk menghasilkan berbagai alternatif yang ditawarkan
kepada para pengambil keputusan dalam melaksanakan tugasnya. Hal tersebut
dikarenakan sebagian besar proses pengambil keputusan yaitu perumusan
masalah, pencarian alternatif telah dikerjakan oleh sistem, maka diharapkan para
manajer akan lebih cepat dan akurat dalam menangani masalah yang dihadapinya.
Jadi, secara umum dapat dikatakan bahwa Sistem Pendukung Pengambilan
Keputusan memberikan manfaat bagi manajemen dalam meningkatkan efektivitas
dan efisiensi kerjanya terutama dalam proses pengambil keputusan.

2.2 Logika Fuzzy
2.2.1 Pengenalan Logika Fuzzy
Istilah “kabur” digunakan sebagai terjemahan dari kata bahasa Inggris
“fuzzy”. Kekaburan yang dimaksud di sini dibatasi pada kekaburan semantik.
Menurut Susilo (2006), suatu kata/istilah dikatakan kabur (fuzzy, vague) secara
semantik apabila kata/istilah tersebut tidak dapat didefinisikan secara tegas, dalam
arti tidak dapat ditentukan dengan tegas (benar atau salah) apakah suatu obyek
tertentu memiliki ciri/sifat yang diungkapkan oleh kata/istilah itu atau tidak.
Susilo (2006) juga menjelaskan tentang gejala kekaburan dengan suatu
contoh, yakni dalam suatu kelas, seorang guru bertanya kepada muridnya (1)
berapa orang yang memiliki sepeda di kelas ini, dan (2) berapa orang yang pandai
di kelas ini. Dari contoh tersebut, pada pertanyaan pertama, diketahui bahwa guru
menanyakan jumlah siswa yang memiliki sepeda. Hal tersebut dapat langsung
diketahui jawabannya karena jumlah siswa yang memiliki sepeda itu pasti atau

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15

tegas. Dikatakan tegas karena siswa tinggal berpikir, kalau dia memiliki sepeda,
maka dia akan mengangkat tangannya. Sebaliknya, jika tidak memiliki sepeda,
maka dia tidak akan mengangkat tangannya. Dengan demikian dapat secara
langsung diketahui jawabannya. Berbeda halnya dengan pertanyaan kedua. Pada
pertanyaan kedua, guru menanyakan jumlah siswa yang pandai. Sedangkan, tidak
ada suatu kejelasan mengenai definisi pandai itu seperti apa; kapan seorang siswa
dikatakan pandai atau tidak. Siswa akan menjadi bingung, apakah dia akan
mengangkat tangan atau tidak. Hal ini menyebabkan suatu kekaburan makna dari
“pandai”. Setiap siswa pasti memiliki pandangan yang berbeda tentang definisi
dari faktor tersebut. Ketidaktegasan atau kekaburan makna inilah yang disebut
sebagai nilai kabur.
Ada banyak solusi untuk memecahkan masalah kekaburan ini. Salah
satunya, yang paling sederhana adalah dengan menentukan nilai batas. Misalnya
untuk contoh di atas, seorang siswa dikatan pandai jika nilai ulangannya di atas
80. Dengan adanya batas ini, maka jelas bahwa siswa dengan nilai ulangan di atas
80 masuk dalam kategori pandai. Sebaliknya, siswa dengan nilai di bawah 80
masuk dalam kategori tidak pandai. Kelemahan dari metode ini adalah ketika nilai
ulangan siswa dekat dengan 80, misalnya nilainya 78, 79, 80, 81, atau 82.
Tentunya agak tidak adil ketika guru menyatakan bahwa siswa dengan nilai 81
masuk kategori pandai, sedangkan siswa dengan nilai 80 masuk kategori tidak
pandai.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16

2.2.2 Himpunan Tegas (Crisp)
Pada himpunan tegas (Kusumadewi dan Purnomo, 2004), nilai
keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan
µ A[x], memiliki dua kemungkinan, yaitu:
 satu (1) - suatu item menjadi anggota dalam suatu himpunan, atau

 nol (0) - suatu item tidak menjadi anggota dalam suatu himpunan.

Misalnya, ketika variabel umur dibagi menjadi 3 kategori, yaitu:

1

0

MUDA

umur < 35 tahun

PAROBAYA

35 < umur < 55 tahun

TUA

umur > 55 tahun

MUDA

1

35

55

0

PAROBAYA

35

55

TUA

1

0

35

55

Gambar2.1 – Himpunan Tegas (Crisp)

Misalnya, seseorang yang sudah berusia 34 tahun, jika masuk dalam
himpunan tegas seperti pada gambar di atas, ia masih berada pada kategori
“Muda”. Padahal sebenarnya dengan umur tersebut, orang tersebut sudah hampir
masuk kategori “Parobaya”. Dari gambar himpunan di atas dapat dikatakan bahwa
pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil, adanya
perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang
cukup signifikan.

2.2.3 Himpunan Kabur (Fuzzy)
Himpunan Fuzzy digunakan untuk mengantisipasi kelemahan pada
himpunan crisp. Seseorang dapat masuk dalam dua himpunan yang berbeda,

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17

MUDA dan PAROBAYA, PAROBAYA dan TUA, dan sebagainya. Dari contoh
sebelumnya, misalnya, seseorang yang berusia 34 tahun, jika masuk dalam
himpunan kabur seperti pada diagram di bawah ini, maka ia tidak sepenuhnya
masuk dalam kategori “Muda” melainkan hanya memperoleh bobot di antara 0
sampai 1 untuk kategori tersebut sesuai dengan penetapan aturannya.

µ[x]

MUDA

PAROBAYA

TUA

0,5
0,25
0

25

35

40

45

50

55

65

Gambar 2.2 – Himpunan Kabur (Fuzzy)

2.2.4 Fungsi Keanggotaan
Fungsi Keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik data ke dalam nilai keanggotaannya (sering juga
disebut dengan derajat keanggotaannya) yang memiliki interval antara 0 sampai 1.
Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan
adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa
digunakan.
1. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotannya
digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan
menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.
Ada dua keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18

dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0]
bergerak ke kanan menuju ke nilai domai yang memiliki derajat keanggotaan
lebih tinggi (Gambar 2.3). Kedua merupakan kebalikan yang pertama. Garis
lurus dimulai dari nilai domain yang derajat keanggotaan tertinggi pada sisi
kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat
keanggotaan lebih rendah (Gambar 2.4).

1
µ[x]
0

a

domain

b

Gambar 2.3– Representasi Linear Naik
Fungsi Keanggotaan:
;
−
;
�[ ] = {
−
;
1
µ[x]

0

a

domain

b

Gambar 2.4– Representasi Linear Turun
Fungsi Keanggotaan:
−
�[ ] = { − ;
;

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19

2. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis linear
seperti pada Gambar 2.5 berikut.

1
µ[x]
0

b

a

c

Gambar 2.5 – Kurva Segitiga
Fungsi Keanggotaan:

�[ ] =

;
{

−
;
−
−
;
−

3. Representasi Kurva Trapesium
Kurva Trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada
beberapa titik yang memiliki nilai keanggotaan 1.

1

µ[x]
0

a

b

c

d

Gambar 2.6 – Kurva Trapesium

Fungsi Keanggotaan:

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20

�[ ] =

;
{

−
;
−
;
−
;
−

2.2.5 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang
didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan
fuzzy. Dalam penelitian ini, operator himpunan digunakan pada pencarian,
dimana pengguna sebagai pengambil keputusan dapat menentukan pilihanpilihannya yang dihubungkan dengan operator himpunan ini. Misalnya, seorang
pengguna ingin mencari motor yang kondisi ‘Bagus’ dan harga ‘Murah’, maka
sistem akan mengambil nilai derajat dari kondisi dan harga kemudian
dihubungkan dengan tetapan dari operator-operator himpunan. Nilai keanggotaan
sebagai hasil dari operasi dua himpunan sering dikenal dengan nama fire strength
atau α-predikat. Ada tiga operator dasar yang diciptakan oleh Zadeh, yakni
sebagai berikut.
1) Operator AND
Operator ini berhubungan dengan operasi interseksi (irisan) pada
himpunan. Α-predikat sebagai hasil operasi dengan operator AND
diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada
himpunan-himpunan yang bersangkutan.
�

= min � [ ], � [ ]

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21

2) Operator OR
Operator ini berhubungan dengan operasi union (gabungan) pada
himpunan. Α-predikat sebagai hasil operasi dengan operator OR diperoleh
dengan mengambil nilai keanggotaan terbesar antar elemen pada
himpunan-himpunan yang bersangkutan.
�

3) Operator NOT

= max � [ ], � [ ]

Operator ini berhubungan dengan operasi komplemen pada himpunan. Αpredikat sebagai hasil operasi dengan operator NOT diperoleh dengan
mengurangkan

nilai

keanggotaan

elemen

pada

himpunan

yang

bersangkutan dari 1.
�

′

=

−� [ ]

2.3 Metode Mamdani
Menurut Kusumadewi dan Purnomo (2004), metode mamdani sering
dikenal sebagai Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim
Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan empat
tahapan, yakni sebagai berikut.
1) Pembentukan himpunan fuzzy
Pada Metode Mamdani, baik variabel input maupun variabel output dibagi
menjadi satu atau lebih himpunan fuzzy.
2) Aplikasi fungsi implikasi (aturan)
Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22

3) Komposisi aturan
Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa
aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan.
4) Penegasan (defuzzy)
Input dari proses defuzzy adalah suatu himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy. Sedangkan, output yang dihasilkan
merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga
jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus
dapat diambil suatu nilai crisp tertentu sebagai output.

2.4 Basis Data Fuzzy Model Tahani
Sebagian besar basis data standar diklasifikasikan berdasarkan bagaimana
data tersebut dipandang oleh user. Misalnya kita memiliki data karyawan yang
tersimpan pada tabel DT_KARYAWAN dengan field NIP, nama, tgl lahir, th
masuk dan gaji per bulan seperti pada Tabel 2.1
Tabel 2.1 DT_KARYAWAN
NIP

Nama

Tgl Lahir

Th.Masuk

Gaji/bl (Rp)

01

Lia

03-06-1972

1996

750.000

02

Iwan

23-09-1954

1985

1.500.000

03

Sari

12-12-1966

1988

1.255.000

04

Andi

06-03-1965

1998

1.040.000

05

Budi

04-12-1960

1990

950.000

06

Amir

18-11-1963

1989

1.600.000

07

Rian

28-05-1965

1997

1.250.000

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23

08

Kiki

09-07-1971

2001

550.000

09

Alda

14-08-1967

1999

735.000

10

Yoga

17-09-1977

2000

860.000

Kemudian dari tabel DT_KARYAWAN, kita oleh menjadi suatu tabel
temporer untuk menghitung umur karyawan dan masa kerjanya. Tabel tersebut
kita beri nama dengan tabel KARYAWAN ( Tabel 2.2 )
Tabel 2.2 KARYAWAN
NIP

Nama

Umur ( thn )

Masa Kerja (th)

Gaji/bl

01

Lia

30

6

750.000

02

Iwan

48

17

1.500.000

03

Sari

36

14

1.255.000

04

Andi

37

4

1.040.000

05

Budi

42

12

950.000

06

Amir

39

13

1.600.000

07

Rian

37

5

1.250.000

08

Kiki

32

1

550.000

09

Alda

35

3

735.000

10

Yoga

25

2

860.000

Dengan menggunakan basisdata standar, kita dapat mencari data-data
karyawan dengan spesifikasi tertentu dengan menggunakan query. Misal kita
ingin mendapatkan informasi tentang nama-nama karyawan yang usianya kurang
dari 35 tahun, maka kita bisa ciptakan suatu query :

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24

SELECT NAMA
FROM KARYAWAN
WHERE ( Umur 1000000 )
Sehingga muncul nama-nama Iwan, Sari, Andi, Amir dan Rian. Apabila kita ingin
mendapatkan informasi tentang nama-nama karyawan yang masa kerjanya kurang
dari atau sama dengan 5 tahun tetapi gajinya sudah lebih dari 1 juta rupiah, maka
kita bisa ciptakan suatu query :
SELECT NAMA
FROM KARYAWAN
WHERE (MasaKerja 1000000)
Sehingga muncul nama-nama Andi dan Rian. Pada kenyataannya, seseorang
kadang membutuhkan informasi dari data-data yang bersifat ambiguous. Apabila
hal ini terjadi, maka kita menggunakan basisdata fuzzy. Selama ini, sudah ada
beberapa penelitian tentang basisdata fuzzy. Salah satu diantaranya adalah model
Tahani masih tetap menggunakan relasi standar, hanya saja model ini
menggunakan teoi himpunan fuzzy untuk mendapatkan informasi pada query-nya.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25

Misal kita mengkategorikan usia karyawan diatas ke dalam himpunan :
MUDA, PAROBAYA dan TUA ( Gambar 2.7 )

Gambar 2.7 Fungsi Keanggotaan untuk variabel usia
Fungsi Keanggotaan :

�

�

[ ]={

� [ ]=

�

;

{

[ ]={

;

−

;

;

−

−

−

;

;

;

;

;

Tabel 2.3 menunjukkan tabel karyawan berdasarkan umur dengan derajat
keanggotaannya pada setiap himpunan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26

Tabel 2.3 KARYAWAN berdasarkan umur
Derajat Keanggotaan ( [ x ] )
NIP

Nama

Umur
MUDA

PAROBAYA

TUA

01

Lia

30

1

0

0

02

Iwan

48

0

0,4

0,8

03

Sari

36

0,4

0,1

0

04

Andi

37

0,3

0,2

0

05

Budi

42

0

0,7

0,2

06

Amir

39

0,1

0,4

0

07

Rian

37

0,3

0,2

0

08

Kiki

32

0,8

0

0

09

Alda

35

0,5

0

0

10

Yoga

25

1

0

0

Variabel masa kerja bisa dikategorikan dalam himpunan : BARU dan Lama
(Gambar 2.8)

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27

Fungsi Keanggotaan :

�
�

−

[ ]={
[ ]={

−

;

;

;

;

;

;

Tabel 2.4 menunjukkan tabel karyawan berdasarkan umur dengan derajat
keanggotaannya pada setiap himpunan.
Tabel 2.4 KARYAWAN berdasarkan Masa Kerja
Masa
NIP

Derajat Keanggotaan ( [y] )

Nama
Kerja

BARU

LAMA

01

Lia

6

0,9

0

02

Iwan

17

0

0,467

03

Sari

14

0,1

0,267

04

Andi

4

1

0

05

Budi

12

0,3

0,133

06

Amir

13

0,2

0,200

07

Rian

5

1

0

08

Kiki

1

1

0

09

Alda

3

1

0

10

Yoga

2

1

0

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28

Variabel Gaji bisa dikategorikan dalam himpunan : RENDAH , SEDANG, dan
TINGGI ( Gambar 2.9 )

Fungsi Keanggotaan :
8
[ ]={

�

�

[ ]=

�

;

{

[ ]={

−

−

;

−

;

;

8

8

;

−

;

;

;

;

Tabel 2.5 menunjukkan tabel karyawan berdasarkan umur dengan derajat
keanggotaan pada setiap himpunan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29

Tabel 2.5 Karyawan berdasar gaji
Derajat Keanggotaan ( [z] )
NIP

Nama

Gaji / bl
RENDAH

SEDANG

TINGGI

01

Lia

750.000

0,1

0,50

0

02

Iwan

1.255.000

0

0,49

0,255

03

Sari

1.500.000

0

0

0,500

04

Andi

1.040.000

0

0,92

0,040

05

Budi

950.000

0

0,90

0

06

Amir

1.600.000

0

0

0,600

07

Rian

1.250.000

0

0,50

0,250

08

Kiki

550.000

0,5

0

0

09

Alda

735.000

0,13

0

0

10

Yoga

860.000

0

0

0

Ada beberapa query yang bisa diberikan, misalkan :
Query 1 :
Siapa saja-kah karyawan yang masih muda tapi memiliki gaji tinggi?
SELECT NAMA
FROM KARYAWAN
WHERE ( Umur = “ MUDA “ ) AND ( Gaji = “ TINGGI “ )

Tabel 2.6 menunjukkan hasil query 1, yaitu nama-nama karyawan yang masih
muda tapi memiliki gaji yang tinggi

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30

Tabel 2.6 Hasil Query 1
NIP

NAMA

UMUR

GAJI

03

Sari

36

1.500.000

07

Rian

37

1.250.000

06

Amir

39

1.600.000

04

Andi

37

1.040.000

01

Lia

30

750.000

02

Iwan

48

1.255.000

05

Budi

42

950.000

08

Kiki

32

550.000

09

Alda

35

735.000

10

Yoga

25

860.000

Derajat Keanggotaan
MUDA

TINGGI

MUDA & TINGGI

0,4

0,5

0,4

0,3

0,25

0,25

0,1

0,6

0,1

0,3

0,04

0,04

1

0

0

0

0,255

0

0

0

0

0,8

0

0

0,5

0

0

1

0

0

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB III
PERANCANGAN SISTEM
3.1 Perancangan Umum Sistem
Pada subbab ini akan dijelaskan tentang analisis dan rancangan dari sistem
yang akan dibuat. Rancangan tersebut dibuat dalam Diagram Konteks dan
Diagram Arus Data (Data Flow Diagram). Diagram-diagram tersebut akan
menjelaskan tentang proses-proses yang perlu dibuat dalam sistem beserta dengan
data-data yang akan menjadi input maupun output sistem.
3.1.1 Diagram Konteks

Gambar 3.1 Diagram Konteks
3.1.2 Data Flow Diagram (DFD)
a. Data Flow Diagram – Level 1 Penjual Motor Bekas

Gambar 3.2 Data Flow Diagram Level 1 Penjual Motor Bekas
31

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32

b. Data Flow Diagram - Level 1 Proses 1 Penjual Motor Bekas

Gambar 3.3 Data Flow Diagram Level 1 Proses 1 Penjual Motor Bekas

c. Data Flow Diagram – Level 1 Proses 2 Penjual Motor Bekas

Gambar 3.4 Data Flow Diagram Level 1 Proses 2 Penjual Motor Bekas

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33

d. Data Flow Diagram – Level 1 Pembeli Motor Bekas

Gambar 3.5 Data Flow Diagram Level 1 Pembeli Motor Bekas

e. Data Flow Diagram– Level 1 Proses 3 Pembeli Motor Bekas

Gambar 3.6 Data Flow Diagram Level 1 Proses 3 Pembeli Motor Bekas

3.2 Perancangan Subsistem Manajemen Data
1) Perancangan Konseptual
Model pendukung pengambilan keputusan pembelian motor bekas
menggunakan basis data fuzzy model Tahani dan aturan Max-Min ini
terdiri atas tujuh (7) entitas. Entitas-entitas ini tidak saling berelasi
sehingga