PENERAPAN APLIKASI UNTUK MENDIAGNOSIS PENYAKIT PADA KUCING MENGGUNAKAN FUZZY DATABASE TAHANI BERBASIS WEB DI ANGGI CLINIC & PET’S SHOP GRESIK.
PENERAPAN APLIKASI UNTUK MENDIAGNOSIS
PENYAKIT PADA KUCING MENGGUNAKAN FUZZY
DATABASE TAHANI BERBASIS WEB
DI ANGGI CLINIC & PET’S SHOP GRESIK
SKRIPSI
Oleh :
RIKI SUTOMO
NPM. 0736010033
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL ”VETERAN”
J AWA TIMUR
2012
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
PENERAPAN APLIKASI UNTUK MENDIAGNOSIS PENYAKIT PADA KUCING
MENGGUNAKAN METODE FUZZY DATABASE TAHANI BERBASIS WEB
DI ANGGI CLINIC & PET’S SHOP GRESIK
DOSEN PEMBIMBING I
DOSEN PEMBIMBING II
PENELITI
: Ir. Mu’tasim Billah, MS
: Fetty Tri Anggr aeny, S.Kom
: Riki Sut omo
ABSTRAK
Anggi Clinic & Pet’s Shop adalah sebuah klinik kecil yang bergerak di bidang
klinik kesehatan hewan dan juga menyediakan kebutuhan hewan peliharaan.
Dalam hal peningkatan layanan kepada pemilik hewan peliharaan kucing,
terutama dalam hal layanan kesehatan terdapat permasalahan dalam proses
diagnosis penyakit yang diderita serta cara penanganannya secara benar. Dimana
didunia maya sering terjadi adalah banyaknya variasi informasi yang terkait
penanganan serta pengobatan hewan yang sedang sakit. Berdasarkan informasi
yang pihak Anggi Clinic terima, banyak sekali statement-statement yang
ditanyakan oleh pemilik hewan akan penyakit yang sedang diderita oleh hewan
peliharaannya serta cara penanganannya.Untuk memecahkan permasalahan
tersebut maka diterapkan system basis data fuzzy model tahani untuk membantu
pemberian informasi terkait penyakit yang sering diderita oleh hewan peliharaan
khususnya kucing, dengan fitur sistem informasi yang dapat menangani bahasa
alami manusia yang tidak presisi atau tidak pasti, relative, dan kualitatif.
Berdasarkan hasil uji coba, dapat diketahui bahwa sistem layak digunakan untuk
dapat membantu bagian pendiagnosaan penyakit dalam memberikan informasi
yang tepat pada pemilik kucing yang sesuai dengan harapannya.
Kata Kunci : Diagnosis Penyakit Kucing, Fuzzy Database Model Tahani.
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
PENERAPAN APLIKASI UNTUK MENDIAGNOSA
PENYAKIT PADA KUCING MENGGUNAKAN
FUZZY DATABASE TAHANI
BERBASIS WEB DI ANGGI CLINIC & PET’S SHOP GRESIK
Penyusun
Pembimbing I
Pembimbing II
: Riki Sutomo
: Ir. Mu’tasim Billah M.S
: Fetty Tri Anggraeny, S.Kom
ABSTRAK
Anggi Clinic & Pet’s Shop adalah sebuah klinik kecil yang bergerak di
bidang klinik kesehatan hewan dan juga menyediakan kebutuhan hewan
peliharaan. Dalam hal peningkatan layanan kepada pemilik hewan peliharaan
kucing, terutama dalam hal layanan kesehatan terdapat permasalahan dalam
proses diagnose penyakit yang diderita serta cara penanganannya secara benar.
Dimana didunia maya sering terjadi adalah banyaknya variasi informasi yang
terkait penanganan serta pengobatan hewan yang sedang sakit. Berdasarkan
informasi yang pihak Anggi Clinic terima, banyak sekali statement-statement
yang ditanyakan oleh pemilik hewan akan penyakit yang sedang diderita oleh
hewan peliharaannya serta cara penanganannya.
Untuk memecahkan permasalahan tersebut maka diterapkan system basis
data fuzzy model tahani untuk membantu pemberian informasi terkait penyakit
yang sering diderita oleh hewan peliharaan khususnya kucing, dengan fitur sistem
informasi yang dapat menangani bahasa alami manusia yang tidak presisi atau
tidak pasti, relative, dan kualitatif. Berdasarkan hasil uji coba, dapat diketahui
bahwa sistem layak digunakan untuk dapat membantu bagian pendiagnosaan
penyakit dalam memberikan informasi yang tepat pada pemilik kucing yang
sesuai dengan harapannya.
Kata Kunci : Diagnosa Penyakit Kucing, Fuzzy Database Model Tahani.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
LEMBAR PENGESAHAN
PENERAPAN APLIKASI UNTUK MENDIAGNOSA PENYAKIT PADA KUCING
MENGGUNAKAN METODE FUZZY DATABASE TAHANI BERBASIS WEB
DI ANGGI CLINIC & PET’S SHOP GRESIK
Disusun Oleh :
RIKI SUTOMO
0736010033
Telah disetujui untuk mengikuti Ujian Negara Lisan Periode Juni
Tahun Akademik 2011/2012
Menyetujui
Pembimbing 1
Pembimbing 2
( Ir. Mu’tasim Billah, MS )
( Fetty Tri Anggraeny, S.Kom )
NIP/NPT. 19600504 198703 1 001
NIP/NPT. 3 8202 06 02051
Mengetahui
( Dr. Ir. Ni Ketut Sari, MT )
NIP/NPT. 19650731 199203 2 001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Bissmillahirrahmanirrahim
Alhamdulillahi Rabbal ‘Alamin. Segala puji syukur ke hadirat Allah
Subhannahu Wa Ta’ala, karena hanya dengan kehendak dan kuasa-Nya, peneliti
dapat menyelesaikan pembuatan Tugas Akhir yang berjudul “PENERAPAN
APLIKASI
UNTUK
MENDIAGNOSA
PENYAKIT
PADA
KUCING
MENGGUNAKAN FUZZY DATABASE TAHANI BERBASIS WEB DI
ANGGI CLINI & PET’S SHOP GRESIK”.
Tugas Akhir dengan beban 3 SKS ini disusun dan diajukan sebagai salah
satu syarat untuk menyelesaikan program Strata satu (S1) pada Program Study
Teknik Informatika, Fakultas Teknologi Industri, Universitas Pembangunan
Nasional “Veteran” Jawa Timur.
Peneliti menyadari bawasannya dalam menyelesaikan Tugas Akhir ini
telah mendapat bantuan dan dukungan yang tidak sedikit dari berbagai pihak
untuk itu peneliti secara khusus mengucapkan terima kasih dan penghargaan yang
sebesar-besarnya kepada :
1. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN
“Veteran” Jawa Timur.
2. Ibu Ni Ketut, S.Si, MT selaku Ketua Jurusan Teknik Informatika UPN
“Veteran” Jawa Timur.
3. Bapak dan Ibu serta kakak ku tersayang yang senantiasa mengingatkan
dan mendoakan serta memberikan dukungannya agar Tugas Akhir ini
segera peneliti selesaikan.
4. Bapak Ir. Mu’tasim Billah, MT dan Ibu Fetty Tri Anggraeni, S.Kom
selaku dosen pembimbing yang dengan sabar memberikan arahannya
selama pembuatan Tugas Akhir ini dan bantuannya diwaktu sidang.
5. Bapak Barry nuqoda, S.Si, M.Kom dan Bapak Kahfi Ramadhani, S.Kom
selaku dosen penguji pada sidang TA yang dengan bijaksana memberikan
revisi yang pada akhirnya sangat berguna pada waktu sidang lisan.
6. Mas Toni selaku pemilik Anggi Clinic & Pet’s Shop yang memberikan
tempat dalam menyelesaikan tugas akhir ini. Dan Drh. Restiana Syafira
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
selaku pembimbing di lapangan yang telah memberikan semua informasi
yang peneliti butuhkan.
7. Bocah-bocah basecamp MBSG kempoeng, cundrik, nano, oedin, habibi,
thanks atas gojlokan yang memotivasi peneliti agar segera menyelesaikan
Tugas Akhir ini J
8. Eko hartanto yang telah memberikan peneliti jobs guna menambah dana
untuk menyelasaikan Tugas Akhir ini. J thanks you so much ko.
9. Fira Nurbillah, Devika (keboo), Vikachu, Aiymoetz, dan adek-adek ku
(anis, via, cha2, celia, hewiy, inong, intan) makasih buat dukungan,
semangat dan do’a nya J I Love You Full…
10. Sahabat-sahabat ku (Medyf, Bobby, Yani, Asho’, Redd, Bails, Adit,
Memet, Rizky (sha2), ). Thanks buat inspirasi dan waktunya.
11. Kawan seperjuangan Kikik, Hadi, Ambon, Bungkring, Fengky, Adam,
Rend, Adhi, Dekill, Arik, Cepoet, atas semangat yang diberikan dan rasa
kebersamaan dalam menyelesaikan Tugas Akhir ini. Thank You so much
my friends. Good luck for you too..
12. Ahmad Fathoni, Alan Hafiluddin, Taufik Rahman, Faris Santa. E, Reza
Soekamto, Ipamz, Kuswanto, Doni Rahmawan, Bayu Nureddy, dan Deddy
kalian inspirasiku & semangat hidupku.
13. Kawan-kawan Ilmu Komputer 07 dan 08 (kimpsoft) yang selalu
memberikan masukan ilmu dan dukungan kepada peneliti, Thanks a lot.
Peneliti menyadari sepenuhnya bahwa sebagai manusia biasa tentunya
tidak akan luput dari kekurangan dan keterbatasan. Maka dengan segenap
kerendahan hati, peneliti mengharapkan saran dan kritik yang dapat bermanfaat
dan berguna untuk pengembangan ilmu pengetahuan.
Surabaya, Juni 2011
Riki Sutomo
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR ISI
Abstrak .........................................................................................................
Kata Pengantar .............................................................................................
Daftar Isi ......................................................................................................
Daftar Gambar ..............................................................................................
Daftar Tabel..................................................................................................
i
ii
iv
vi
vii
BAB I
PENDAHULUAN .......................................................................
1.1 Latar Belakang Masalah ........................................................
1.2 Rumusan Masalah .................................................................
1.3 Batasan Masalah ...................................................................
1.4 Tujuan Penelitian ..................................................................
1.5 Manfaat Penelitian ................................................................
1.6 Metodelogi Penelitian ...........................................................
1.7 Sistematika Penulisan ............................................................
1
1
2
3
3
3
4
5
BAB II
LANDASAN TEORI...................................................................
2.1 Logika Fuzzy ........................................................................
2.1.1 Himpunan Fuzzy .......................................................
2.1.2 Fungsi Keanggotaan ..................................................
2.1.3 Operator Dasar Zaded untuk Operasi
Himpunan Fuzzy .......................................................
2.2 Database Reasional ...............................................................
2.2.1 Entity Relationship Diagram (ERD)...........................
2.2.2 Normalisasi Database ................................................
2.3 Fuzzyfikasi Database.............................................................
2.3.1 Clinical Decision Support System ..............................
2.4 Mysql ....................................................................................
2.4.1 Kelebihan Mysql .......................................................
2.5 Bahasa Pemograman PHP .....................................................
2.5.1 Tipe Data dalam PHP ................................................
2.5.2 Variabel Dalam PHP .................................................
2.5.2.1 Deklarasi Variabel.......................................
2.5.2.2 Inisialisasi Variabel .....................................
2.6 CSS .......................................................................................
7
7
8
13
BAB III ANALISIS DAN PERANCANGAN SISTEM ...........................
3.1 Analisis Sistem......................................................................
3.2 Perancangan Sistem ..............................................................
3.2.1 Deskripsi Umum Sistem .............................................
3.2.2 Parameter input Dalam Proses
Pendiagnosaan Penyakit .............................................
3.2.3 Parameter Output Dalam Pendiagnosaan
Penyakit .....................................................................
iv
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
18
20
22
23
28
34
37
38
40
42
43
44
44
45
45
46
46
48
54
3.2.4 Klasifikasi Pemakai System ........................................
3.3 Flowchart ...............................................................................
3.4 Desain Arsitektur ...................................................................
3.5 Perancangan Proses ................................................................
3.5.1 Data Flow Diagram ......................................................
3.6 Perancangan Database ............................................................
3.6.1 Perancangan Data.........................................................
3.7 Perancangan Antarmuka.........................................................
3.7.1 Perancangan Antarmuka untuk Petugas ........................
3.7.2 Perancangan Antarmuka untuk user .............................
56
57
59
59
60
63
64
66
67
68
BAB IV IMPLEMENTASI SISTEM .......................................................
4.1 Lingkungan Implementasi ......................................................
4.2 Implementasi Data .................................................................
4.3 Implementasi Antarmuka .......................................................
4.3.1 Implementasi Antarmuka untuk Petugas.......................
4.3.2 Implementasi Antarmuka untuk User ...........................
4.4 Implementasi Penerapan Metode Fuzzy Database Tahani .......
4.4.1 Selected Data ...............................................................
70
70
71
78
78
79
80
80
BAB V UJ I COBA DAN ANALISA SISTEM ........................................
5.1 Lingkungan Alokasi ...............................................................
5.2 Pelaksanaan Uji Coba.............................................................
5.2.1 Uji Coba Perhitungan Menggunakan Sistem
Dan Perhitungan Manual ..............................................
5.2.2 Uji Coba Perbandingan Sistem
Dengan Hasil Diagnosa Dokter Hewan ........................
85
85
85
BAB VI
85
91
PENUTUP ..................................................................................
6.1 Kesimpulan ............................................................................
6.2 Saran ......................................................................................
92
92
93
DAFTAR PUSTAKA ...................................................................................
LAMPIRAN
94
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
v
BAB I
PENDAHULUAN
1.1
Latar belakang
Saat ini, kucing adalah salah satu hewan peliharaan terpopuler di
dunia. Secara ilmiah telah dibuktikan, bahwa memiliki dan memelihara kucing
baik untuk kesehatan pemiliknya, karena dapat mengurangi kejadian penyakit
tekanan darah tinggi dan penyakit lainnya. Bermain dengan kucing serta
membelai-belai bulu kucing dapat membantu melepaskan stress. Kucing yang
mendengkur dipangkuan anda dapat pula memberikan perasaa aman dan
nyaman yang kuat. Selain dikenal sebagai sahabat manusia, pemilik kucing
juga perlu mencurahkan perhatian terhadap semua kebutuhan kucing
peliharaannya serta mencintainya sepenuh hati. Ini dikarenakan kucing rentan
terhadap berbagai macam penyakit, mulai yang ringan hingga yang berbahaya.
Penyakit pada kucing mempunyai tingkat resiko yang berbeda, adapula gejala
yang tidak ditangani sesegera mungkin dapat menyebabkan kematian. Pada
umumnya, kebanyakan orang langsung mencari dokter / seorang yang bisa
menangani kucingnya ketika salah satu gejala penyakit dialami oleh
kucingnya. Ini disebabkan karena sangat minimnya pengetahuan akan bahaya
penyakit yang terdapat pada kucing.
Berdasarkan permasalahan tersebut, maka perlu kiranya dirancang
sebuah website yang mampu menganalisa serta mendiagnosa penyakit yang
ada pada seekor kucing dimana sistem diagnosa ini sesuai dengan data (gejala
penyakit) yang telah diinputkan oleh user (pemilik kucing). Agar website ini
dapat berjalan dengan baik, maka perlu didefinisikan secara baku tentang
1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2
kreteria-kreteria untuk mendapatkan hasil diagnosa yang sesuai dengan hasil
diagnosa seorang pakar (dokter hewan). Berdasarkan kreteria-kreteria inilah
nantinya aplikasi akan menganalisa data-data gejala penyakit yang ada. Salah
satu metode yang dapat digunakan untuk website ini adalah dengan
mengimplementasikan logika Fuzzy.
Diharapkan dengan ditulisnya Tugas Akhir berjudul “ Penerapan
Aplikasi Untuk Diagnosa Penyakit Kucing Menggunakan Metode Fuzzy
Database Tahani Berbasis Web Di Anggi Clinic & Pet’s Shop Gresik“ dapat
membantu para pakar (dokter hewan) dalam mendiagnosa jenis penyakit
kucing.
1.2
Perumusan Masalah
Berdasarkan latar belakang yang telah dijelaskan diatas, maka dapat
dirumuskan beberapa permasalahan dalam tugas akhir ini, yaitu :
a) Bagaimana merancang dan menerapkan suatu aplikasi yang dapat
digunakan untuk membantu ahli tentang penyakit pada kucing dengan
memberikan informasi yang bisa membantu pemilik / pecinta binatang
khusunya kucing untuk mendiagnosa penyakit yang sedang diderita oleh
kucingnya.
b) Bagaimana sistem dan mekanisme aplikasi agar dapat melakukan diagnosa
penyakit yang terdapat pada kucing secara cepat dan tepat.
c) Bagaimana menentukan kreteria input Fuzzy dan Non Fuzzy bagi system
setelah parameter input system didapatkan.
d) Bagaimana mengimplementasikan hasil dari pengolahan data kedalam
metode fuzzy database tahani kedalam web
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3
1.3
Batasan Masalah
Pada pembuatan aplikasi ini perlu didefinisikan batasan masalah mengenai
sejauh mana pembuatan aplikasi ini akan dikerjakan. Beberapa batasan masalah
tersebut antara lain :
a) Aplikasi dirancang dengan menerapkan Fuzzy Database Tahani.
b) Penerapan Fuzzy Database Tahani hanya pada variabel gejala penyakit
Demam, Nafsu makan, Bersin, dan Diare.
c) Ukuran database tidak terlalu besar, hanya sebatas simulasi perangkat lunak
saja.
d) Aplikasi logika fuzzy yang dirancang ini tidak memakai pembobotan nilai
pada suatu variabel atau himpunan.
1.4
Tujuan Penelitian
Berdasarkan permasalahan yang telah dibahas sebelumnya, maka tujuan
yang ingin dicapai oleh peneliti adalah merancang dan membuat aplikasi untuk
mendiagnosa penyakit pada kucing serta menerapkan metode Fuzzy Database
Tahani kedalam system diagnosa.
1.5
Manfaat Penelitian
Manfaat yang diharapkan dan ingin dicapai dalam penelitian ini adalah
membantu melestarikan pengetahuan dari seorang ahli (dokter hewan) khususnya
pada hewan kucing dan memberikan layanan penghubung yang terkait informasi
kepada pemilik kucing dalam hal mendiagnosa penyakit yang sedang diderita oleh
kucingnya, serta memberikan cara pencegahan dan pengobatan pada kucing yang
terserang penyakit.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4
1.6
Metodologi Penelitian
Langkah-langkah yang ditempuh untuk keperluan pembuatan tugas akhir ini
antara lain:
a) Studi Literatur
Pada tahap ini dipelajari literatur dan perencanaan serta konsep awal untuk
membentuk program yang akan dibuat yaitu didapat dari referensi buku,
internet, maupun sumber-sumber lain.
b) Pengumpulan data dan analisis
Pada tahap ini adalah proses pengumpulan data yang dibutuhkan untuk
pembuatan program, serta melakukan analisa atau oengamatan pada data
yang sudah terkumpul untuk selanjutnya diolah lebih lanjut.
c) Analisa dan perancangan system
Setelah selesai pada tahap pengumpulan data dan analisis maka tahap yang
selanjutnya adalah melakukan perancangan sytem yang akan dibuat untuk
selanjutnya akan diproses lebih lanjut.
d) Pembuatan program
Setelah itu, dalam tahap ini dilakukan pembuatan program serta
menerapkan
sistem
yang
telah
dibuat.
Pembuatan
program
ini
menggunakan program PHP dan menggunakan metode Fuzzy Database
Tahani sebagai metode penalaran pada program ini.
e) Uji Coba program
Setelah program selesai dibuat, maka dilakukan pengujian program untuk
mengetahui apakah program telah bekerja dengan benar dan sesuai denagn
sistem yang dibuat pula.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
5
1.7
Sistematika Penulisan
Sistematika penulisan laporan/buku pada tugas akhir ini adalah sebagai
berikut:
BAB I
:
PENDAHULUAN
Bab ini berisi tentang deskripsi umum skripsi yang meliputi latar
belakang, perumusan masalah, batasan masalah, tujuan dan
manfaat, serta metodologi dan sistematika pembahasan.
BAB II
:
TINJ AUAN PUSTAKA
Bab ini berisi mengenai konsep dan teori pembelajaran yang
menjadi landasan pembuatan skripsi antara lain: Web, Fuzzy
Database Tahani, database MySQL, dan bahasa pemrograman
PHP.
BAB III
:
ANALISA DAN PERANCANGAN SISTEM
Pada tahap ini akan dibuat deskripsi umum sistem serta dilakukan
analisa kebutuhan sistem, selain itu juga dilakukan perancangan
aplikasi yang akan dibuat, sehingga dihasilkan disain antarmuka
dan proses-prosesnya.
BAB IV
:
IMPLEMENTASI PROGRAM
Bab ini membahas tentang implementasi dari analisa sistem ke
dalam sebuah bahasa pemrograman sehingga terbentuk suatu
perangkat lunak sesuai yang dikehendaki.
BAB V
:
UJ I COBA DAN EVALUASI SISTEM
Bab ini menjelaskan tentang ujicoba dan evaluasi
untuk
mendiagnosa penyakit pada kucing menggunakan Fuzzy Database
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
6
Tahani. Khususnya pada proses penginputkan data gejala penyakit
yang meliputi Diare, Bersin, Nafsu makan, dan Demam, sehingga
dapat diketahui apakah aplikasi tersebut telah memenuhi tujuan
yang diharapkan. Dari proses ini akan didapatkan evaluasi program
sehingga dapat dilakukan suatu perbaikan.
BAB VI
:
KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan yang dapat diambil dari
permasalahan dan program dalam tugas akhir ini serta berisi
tentang saran-saran yang dapat digunakan untuk perbaikan dan
pengembangan lebih lanjut atas program yang telah dibuat.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
TINJ AUAN PUSTAKA
2.1.
Logika Fuzzy
Sistem fuzzy dicetuskan oleh Lotfi A. Zadah pada tahun 1960 konsep ini
pada
dasarnya
berhubungan
dengan
bagaimana
manusia
menangani
ketidakpastian (imprecise) dan informasi yang tidak pasti (uncertain). Zadeh
menirukan bagaimana manusia menggunakan perkiraan dan pertimbangan
(approximote reasoning) dalam hal yang berhubungan dengan ketidakpastian,
ketidaktepatan, kerancuan (ambiguity), dan ketidakjelasan (vagueness) dan
dialami dalam pengembalian keputusan. Logika fuzzy adalah superset (bagian
yang melingkupi) logika bolean yang dikembangkan unuk menangani suatu
komponen atau informasi aecara keseluruhan. Konsep logika fuzzy ini
dikembangkan karena beberapa alasan, yang diantaranya adalah :
1. Keanggotaan suatu elemen terhadap suatu himpunan menjadi “fuzzy” atau
“samar”. Dalam hal ini, ada elemen sebagai anggota dari suatu himpunan
tidak diketahui dengan pasti.
2. Keanggotaan elemen dalam suatu himpunan pasti sangat curam dan
mempunyai batasan yang kaku.
Penilaian yang dilakukan dengan logika klasik hanya mungkinkan untuk
mengolah informasi yang benar atau salah. Logika ini tidak mampu menangani
informasi tersebut ada data yang tersimpan,. Dalam logika klasik, keanggotaan
suatu elemen dalam himpunan dipresintasikan dengan 0 bila buka anggota dan 1
bila merupakan anggota. Jadi himpunannya adalah {0,1}. Sedangkan pada logika
7
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
8
fuzzy nilai keanggotaan ada pada interval {0,1}, jadi pda dasaran sistem fuzzy
merupakan gagasan aproksimasi yang didasarkan pada gagasan eksak.
2.1.1. Himpunan Fuzzy
Himpunan fuzzy secara formal dapat didefinisikan seperti pada Persamaan
2.1 berikut :
A = { μ A (x) / x : x € X, μ A (x) € [0,1] € R}....................(2.1)
Dimana μ A (x) adalah derajat keanggotaan elemen x pada himpunan fuzzy A
dengan cakupan nilai keanggotaan antara 0 dan 1 yang merupakan anggota
bilangan real. Dimana bila μ A (x) = 0, mengindikasikan bahwa x bukan bagian dari
himpunan fuzzy A dan sedikitnya jika μ A (x) = 1, maka x adalah bagian dari
himpunan fuzzy A. Secara umum, himpunan fuzzy A dapat dianggap sebagai
fungsi μ A (x) yang mencocokkan setiap elemen dari semesta pembicaraan X
dengan derajat keanggotaan menjadi anggota himpunan A. Jika fungsi
keanggotaan hanya menghasilkan nilai keanggotaan {0,1}, maka hasilnya
bukanlah fuzzy melainkan tugas (crisp).
Pada himpunan tugas (crisp) nilai keanggotaan suatu item x dalam suatu
himpunan A, yang sering ditulis dengan μ A (x), hanya memiliki dua kemungkinan
yaitu 0 dan 1. Sebagai contoh, misalkan variabel umur dibagai menjadi 3 katagori,
yaitu :
•
MUDA
umur < 35 tahun
•
PAROBAYA
35 ≤umur ≤55
•
TUA
umur ≥55 tahun
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
9
Nilai keanggotaan secara grafis, himpunan MUDA, PAROBAYA, dan
TUA ini dapat dilihat pada Gambar 2.1.
Gambar 2.1 Himpunan MUDA, PAROBAYA, dan TUA.
Pada Gambar 2.1, dapat dilihat bahwa :
1. Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA
μ MUDA[35] = 1);
2. Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA
μ MUDA[35] = 0);
3. Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan
TIDAK PAROBAYA (μ PAROBAYA[35 th – 1 hari] = 0)
Berdasarka contoh diatas bisa dikatakan pemakaian himpunan crisp untuk
menyatakan umur sangat tidak adil, adanya perubahan sedikit saja pada nilai
elemen mengakibatkan perbedaan kategori yang cukup signifikan. Himpunan
fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam
2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA,
dsb. Seberapa besar eksistensi elemen yang ditinjau dalam himpunan tersebut
dapat ditentukan dan diukur dengan nilai derajat keanggotaannya.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
10
Gambar 2.2 menunjukkan himpunan fuzzy untuk variabel umur.
Pada Gambar 2.2, dapat dilihat bahwa:
1. Seseorang yang berumur 40 tahun, termasuk dalam hipunan MUDA
dengan μ MUDA[40] = 0,25; namun dia juga termasuk dalam himpunan
PAROBAYA dengan μ PAROBOYA[40] = 0,5.
2. Seseorang yang berumur 50 tahun, termasuk dalam himpunan MUDA
dengan μ TUA[40] = 0,25; namun dia juga temasuk dalam himpunan
PAROBAYA dengan μ PAROBAYA[50] = 0,5.
Kalau dalam himpunan crisp nilai keanggotaannya ada 2 kemungkinan,
yaitu 0 atau 1. Sedangkan pada himpunan fuzzy nilai keanggotaan ter letak pada
rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy μ A (x) = 0 berarti
x tidak menjadi anggta himpunan A, demikian pula apabila x memiliki nilai
keanggotaan fuzzy μ A (x) = 1 berarti x menjadi anggota penuh pada himpunan A.
Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas
menimbulkan kerancuan. Keduanya memiliki nilai pada interval [0,1], namun
interpretasi nilainya sangat berbeda. Keanggotaan fuzzy memberikan suatu
ukuran
terhadap
pendapat
atau
keputusan,
sedangkan
probabilitas
mengindikasikan proporsi terhadap keseringan suatu hasil bernilai benar dalam
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
11
jangka panjang (tinjauan).misalnya, jika nilai keanggotaanya suatu himpunan
fuzzy MUDA adalah 0,9; maka tidak perlu dipermasalahkan berapa seringnya
nilai itu diulang secara individual untuk mengharapkan suatu hasil yang hampir
pasti MUDA. Di ain pihak, nilai probabilitas 0,9 MUDA berarti 10% dari
himpunan tersebut diharapkan tidak MUDA.
Himpunan fuzzy memiliki 2 atribut, yaitu :
1. Linguistik, yaitu penamaan sesuatu grup yang mewakili suatu keadaan
atau kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA,
PAROBAYA, dan TUA.
2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu
variabel saperti : 40, 25, 50, dan sebagainya.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu :
1. Variable fuzzy
Variable fuzzy meruoakan variable yang hendak di bahas dalam suatu
sistem fuzzy.
Contoh : umur, temperatur, pemerintah, dan lain-lain.
2. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy.
Contoh :
Variabel temperatur terbagi menjadi 5 himpunan fuzzy, yaitu DINDING,
SEJUK, NORMAL, HANGAT, dan PANAS. (gambar 2.3)
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
12
Gambar 2.3 Himpunan Fuzzy Pada Variabel Temperatur
3. Semester pembicaraan
Semaster pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
di operasikan dalam suatu variabel fuzzy. Semester pembicaraan
merupakan himpunan bilangan real yang senantiasa naik (bertahan) secara
menonton dari kiri ke kanan atau sebaliknya . nilai semesta pembicara dapt
berubah bilangan positif maupun negatif. Contoh semesta pembicaan :
•
Semesta pembicaraan untuk variable umur : [0 +∞]
•
Semesta pembicaraan untuk variable temperatur : [0 40]
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dan
boleh dioperasikan dalam suatu himpunan bilangan real yang senantiasa
naik (bertambah) sacara menonton dari kiri kenan. Nilai domain dapat
berubah bilangan positif maupun negative. Contoh domain himpunan
fuzzy:
•
MUDA
= [0 35]
•
PAROBAYA
= [35 55]
•
TUA
= [55 +∞]
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
13
2.1.2. Fungsi Keanggotaan
Funngsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemecatan titik-titik input data ke dalam nilai keanggotaannya
(sering juga disebut derajat keanggotaan) yang memiliki interval antara 0 sampai
1. Salah satu cara yang dapat digunakan untuk mendapat nilai keanggotaan adalah
dengan melalui pendekatan fungsi. Ada beberapa fungsi yang dapat digunakan.
a) Repr esentasi linear
Pada representasi linier, pemetaan data input digambarkan sebagai suatu garis
lurus ke derajat keanggotaannya. Bentuk ini paling sederhana dan menjadi pilihan
yang baik untuk pendekatan suatu konsep yang kurang jelas. Ada 2 keadaan
himpunan fuzzy linear, yaitu:
1. Repr esentasi Linear Naik
Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat
keanggotaan (0) bergerak ke kanan menuju ke nilai domain yang memiliki
derajat keanggotaan lebih tinggi (Gambar2.4).
Gambar 2.4 Representasi Linier Naik
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
14
Persamaan fungsi keanggotaan seperti terlihat pada persamaan 2.2 berikut
ini :
2. Repr esentasi Linear Tur un
Representasi linear turun merupakan kebalikan dari linear naik. Garis lurus
dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi
kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat
keanggotaan lebih rendah (Gambar 2.5).
Gambar 2.5 Representasi Linier Turun
Persamaan Fungsi keanggotaannya seperti terlihat pada persamaan 2.3
berikut ini :
µ[x]{(b – x ) / ( b – a ); jika a ≤x ≤b .............................. (2.3)
b) Repr esentasi Kur va Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara2 garis linear
seperti terlihat pada Gambar 2.6.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
15
Gambar 2.6 Representasi Kurva Segitiga
Persamaan fungsi Keanggotaannya seperti pada persamaan 2.4 berikut ini
c) Repr esentasi Kur va Trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada
beberapa titik yang memiliki nilai keanggotaan 1 seperti terlihat pada 2.7.
Gambar 2.7 Representasi Kurva Trapesium
Persamaan funsgi keanggotaan seperti pada persamaan 2.5 berikut ini:
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
d) Repr esentasi Kur va Bahu
Representasi fungsi keanggotaan fuzzy dengan menggunakan kurva bahu
pada dasarnya adalah gabungan dari kurva segitiga dan kurva trapisium. Daerah
yang terletak terletak di tengah-tengah kurva bahu ini, direpresentasikan dengan
fungsi keanggotaan segitiga, pada sisikiri dan kanannya nilai keanggotaan akan
naik dan turun. Tetapi terkadang pada salah sisi dan variabel fuzzy yang ditinjau
ini terdapat nilai konstan, yaitu pada himpunan ekstrim kiri dan kanan. Hal ini
dapat dilihat pada Gambar 2.8.
Gambar 2.8 Representasi Kurva Bahu
2.1.3. Oper ator Dasar Zeded Untuk Operasi Himpunan Fuzzy
Ada beberapa operasi yang didefisikan secara khusus untuk mengombinasi
dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil darioperasi 2
himpunan sering dikenal dengan nama fire strength atau a-predikat. Ada 3
operator dasar yang diciptakan oleh zadeh, yaitu :
a) Oper ator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. apredikat sebagai hasil operasi dengan operator AND diperoleh dengan
mengambil nilai keanggotaan terkecil antar elemen pada himpunan-
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
17
himpunan yang bersangkutan. Persamaan nilai keanggotaan terlihat pada
persamaan 2.6 berikut ini :
µA∩B = min(µ A[x], µB[y])..................(2.6)
b) Oper ator OR
Operator ini berhubungan dengan operasi union pada himpunan. apredikat sebagai hasil operasi dengan operator OR diperoleh dengan
mengambil keanggotaan terbesar antar elemen pada himpunan-himpunan
yang bersangkutan. Persamaan nilai keanggotaannya terlihat pada
Persamaan 2.7 berikut ini :
µAUB=max(µA[x]µ,B[y]).........................2.7
c) Oper ator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan. apredikat sebagai hasil operasi hasil operasi dengan operasi NOT diperoleh
dengan mengurangkan nilai keanggotaan elemen pada himpunan yang
bersangkutan dari 1. Persamaan nilai keanggotaannya terlihat pada
Persamaan 2.8 berikut ini :
µ À = 1-µA[x]...........................(2.8)
Contoh :
Misalkan nilai keanggotaan 27 tahun pada himpunan MUDA adalah 0,6
(µ MUDA [27]=0,6); dan nilai keanggotaan Rp. 2.000.000 pada himpunan
penghasilan TINGGI adalah : (µGAJITINGGI[2 X 106]=0,8); maka :
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
18
1. Nilai α-predikat untuk usia MUDA dan berpenghasilan TINGGI
adalah :
µ MUDA∩GAJITINGGI
= min(µ MUDA[27], µ GAJITINGGI[2 x 106])
= min(0.6;0.8)
=0.6
2. Nilai α-predikat untuk usia MUDA atau berpenghasilan TINGGI
adalah :
µ MUDA∩GAJITINGGI
= min(µ MUDA[27], µ GAJITINGGI[2 x 106])
= min(0.6;0.8)
=0.8
3. Nilai α-predikat untuk usia TIDAK adalah :
= 1- µ MUDA[27]
µ MUDA
= 1-0,6
= 0.4
(Kusumadewi, Sri dan Hari Purnomo. 2004. Aplikasi Logika Fuzzy untuk
Mendukung Keputusan ).
2.2.
Database Relasional
Database adalah kumpulan data yang terstruktur. Data sendiri merupakan
fakta mengenai obyek yang dinyatakan dengan nilai (angka, deretan karakter, atau
simbol). Database bertujuan untuk mengatur data sehingga diperoleh kemudahan,
kecepatan, dan kecepatan dalam mengambil data. Database dapat didefinisikan
dalam berbagai sudut pandang, aiantaranya adalah seperti berikut :
1. Himpunan
kelompok
data
yang
saling
berhubungan
dengan
terorgranisasi sedemikian rupa sehingga kelak dapat dimanfaatkan
dengan epat dn mudah.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
19
2. Kumpulan data yang saling berhubungan, disimpan secara bersamaan
sedemikian rupa tanpa pengulangan (redudancy) untuk memenuhi
kebutuhan.
3. Kunpulan file/ tabel/ arsip yang saling berhubungan serta disimpan
dalam media penyimpanan elektronik.
Sistem database yang terorganisir dengan baik dan handal, merupakan
perpaduan antara data, perangkat keras (hardware), sistem operasi, database
management system (DBMS), dan user. Salah satumodel database yang umum
dan sering dipakai karena kehandalan dan kelebihan-kelebihannya adalah
relational database model (model database relasional)
Konsep database relasional pertama kali diperkenalkan relasional pertama
kali diperkenalkan oleh E.F. Codd pada tahun 1970-an dalam sebuah artikel yang
ditulisnya dengan judul “Association of Computer for Large Shared Data Banks”.
Model relasional merupakan kumpulan dari tabel yang dipakai untuk
merepresentasikan relasi diantara data, dimana tabel-tabel tersebut tersusun
dengan suatu aturan logis. Di dalam konsep relasional, database mempunyai suatu
struktur yang menggambarkan keterkaitan (integritas) diantara elemen-elemen
penyusun database. Intergritas data tersebut dipertahankan oleh sebuah komponen
yang dinamakan kunci (key), yang dalam implementasinya key ini mempunyai
penjabaran dan tipe lebih lanjut.
Dalam pengembangan sistem database dengan model relasional ada dua
hal yang menjadi acauan dalam pelaksanaannya, yaitu :
1. Entity Relationship Diagram (ERD)
2. Normalisasi Database
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
20
2.2.1. Entity Relationship Diagram (ERD)
Untuk memudahkan pendeskripsian relasi diantara elemen-elemen
penyusun database, cara yang sering dipakai adalah dengan menggunakan entity
realitionship diagram (ERD). Dengan metode ini pengembang dapat lebih muda
dalam merancang sistem datebase sera relasi diantara entity-entity penyusun
database dapat digambarkan dengan lebih jelas kepada pengguna.
Terdapat tiga notasi dasar yang berkerja pada model E-R, yaitu : entity,
relationship, dan attribute. Sebuah entity adalah sebuah benda atau obyek di dunia
nyata yang dapat dibedakan dari semua obyek lainnya. Entity set adalah
sekumpulan entity yang mempunyai tipe yang sama. Entitiy set dilambangkan
persegi panjang. Relationship adalah hubungan diantara beberapa entity dan
dilambangkan dengan bentuk diamond (ketupat). Sedangkan attribute merupakan
istilah yang dipakai untuk menyatakan atau mengelompokkan suatu entity.
Attribute dalam ERD dilambangkan dengan bentuk elips.
Ada beberapa istilah yang harus difahami sebelum merancang database
dengan model entity relationship diagram ini diantaranya adalah :
a) Super Key
Satu atau lebih atribut (kumpulan atribut) yang dapat membedakan
setiap baris data dalam tabel secara unik, dimana tidak akan terjadi
pengulangan atau nilai yang sama dibaris berikutnya.
b) Kandidat key
Kumpulan atribute minimal yang membedakan setiap baris data dalam
tabel secara unik. Untuk dapat menjadi kandidat key suatu atribut harus
memenuhi persyaratan sebagai berikut :
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
21
a. Untuk satu nilai yang mengidentifikasi satu baris dalam satu
relasi (unik).
b. Tidak memeliki subset yang juga merupakan primery key.
c. Tidak dapat bernilai null.
c) Primery key
Nilai dari primery key harus mengidentifikasi sebuah baris secar unik
didalam suatu relasi, primery key boleh terdiri dari satu atau lebih
atribut relasi dengan syarat harus memenuhi syarat sebagai kandidate
key.
d) Alternative key
Adalah kunci yang tidak ada didunia nyata, tetapi diadakan dan
dijadikan primery key. Kunci ini dibuat ketika tidak ada satupun atribute
dalam sebuah relasi yang bisa mewakili relasi tersebut atau kandidate
key yang ada tidak efektif untuk digunakan.
e) Koposit key
Primary key yang terdiri lebih dari stu kunci.
f) Foreign key (FK)
Kunci ini bukan merupakan kunci dari tabel yang diacu melainkan kunci
dari tabel lain.
g) Kardinalitas pemetaaan
Kardinalitas pemetaaan / rasio kardinalitas menunjukkan jumlah entity
yang dihubungkan ke satu entity lain dengan suatu relationship set.
(http://rudyantoarief.com/wp/entity relationship diagram) Diakses 25 Februari
2012 pukul 21.03 WIB.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
22
2.2.2. Nor malisasi Database
Salah satu topik yang cukup komleks dalam dunia management database
relasional adalah proses untuk menormalisasi tabel-tabel dalam database. Alasan
utama untuk melakukkan normalisasi adalah untuk membentuk database yang
efektif, efisien dan handal. Untuk menghilangkan insersion anomalies, deletion
anomalis, dan update anomalies, normalisasi yang harus dilakukukkan minimal
sampai tahapan ketiga. Normalisasi marupakan pendekatan dalam membangun
strukur logika data, dapat dilakukkan dengan langsung berkaitan dengan kinerja
database. Dalam membangun strukture logika data, dapat dilakukkan dengan
langsung menggunakan prinsip-prinsip normalisasi atau melakukkan transformasi
dari model E-R kedalam bentuk tabel.
Dalam prespektif normalisasi sebuah database diktakan baik jika setiap tabel
yang membentuk database tersebut sudah dalam keadaan normal. Suatu tabel
dikaakan normal jika memenuhi kreteria sebagai berikut :
1.
Jika ada dekomposisi atau penguraian tabel, maka dekomposisinya
dijamin aman (lossless-join decompotitio).
2.
Terpeliharanya ketergantungan fungsional fungsional dependency pada
saat perubahan data.
3.
Tidak melangar boyce code normal form (BCNF), jika tidak
memungkinkan minimal tidak melanggar sampai bentuk nomal ketiga.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
23
Tahapan-tahapan dalam melakukkan normalisasi terhadap database adalah :
1. Bentuk normal pertama (First normal form)
Sebuah tabel dikatakan 1NF jika tidak ada duplikasi baris dalam tabel
dan masing-masing cell bernilai tunggal. Kemudian semua atribut yang
ada harus bergantung pada primary key.
2. Benuk normal kedua (2 normal form)
Bentuk normal kedua terpenuhi jika pada sebuah tabel semua atribute
yang tidak termasuk primary key memiliki ketergantungan fungsional
terhadap primary key secara utuh, tidak ada ketergantungan persial.
3. Benuk normal kedua (3 normal form)
Sebuah tabel dikatakan memenuhi bentuk normal ketiga jika tidak
terdapat ketergantungan transitif, dimana atribute bukan kunti tidak
boleh tergantung pada atribute lainnya.
2.3.
Fuzzyfikasi Database
Database relationship telah terbukti sebagai model database yang paling
handal dan dipakai pada bermacam aplikasi sistem informasi dengan sukses,
tetapi tidak bagaimanapun juga, sistem database relationship yang diperkenalkan
oleh Codd (1970) tidak menangani data yang ambigu. Data yang ditangani harus
merupakan data yang pasti atau bernilai kosong (null). Padahal dalam realita
kehidupan sekarang ini sering kali dibutuhkan data yang samar dan melibatkan
banyak variabel yang tidak pasti sebagai proses dalam acuan pengambilan
keputusan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
24
Sejak awal dekade 1980-an penelitian tentang impementasi pemakaiaan
kaedah logika fuzzy ( kaedah fuzzy diperkenalkan oleh Zaden pada tahun 1965 )
telah dilakukkan untuk pengembangan berbagai macam model database. Tujuan
dari pemakaian logika fuzzy tersebut dalam pemodelan databse adalah untuk
memperbarui kemammpuan database klasik agar dapat merepresentasikan dan
memanipulasi data atau informasi yang tidak pasti dan tidak akurat (ambigu).
Terbyata penerapan logika fuzzy ini memberikan kontribusi yang sangat besar
terutama pada model data relational atau yang sejenisnya. Perlu dicatat bahwa
pesatnya perkembangan komputasi telah memberikan peluang bagi munculnya
aplikasi database pada CAD/CAM (Computer Aided sesign / Computer Aided
manufacture), multimedia, sistem informasi geografis, dan lainnya.
Berdasarkan buku panduan fuzzy database yang di susun oleh Sri
Kusumadewi dan Hari Purnomo, telah dijelaskan bahwa database adalah
kumpulan dari data yang saling berhubungan satu dengan yang lainnya, tersimpan
di perangkat keras komputer
dan digunakan perangkat lunak untuk
memanipulasinya. Database system adalah suatu sistem informasi yang
mengintegrasikan kumpulan data yang saling berhubungan satu dengan lainnya
dan membuatnya tersedia untuk beberapa aplikasi dalam suatu organisasi.
Sebagian besar database standar diklasifikasikan berdasarkan bagaimana
data tersebut dipandang oleh user. Dengan menggunakan database standar, kita
dapat mencari data-data dengan spesifikasi tertentu dengan menggunakan query.
Namun pada kenyataannya, kadang kita membutuhkan informasi dari
data-data yang
bersifat
ambiguous. Apabila hal ini terjadi, maka kita bisa
menggunakan fuzzy database. Selama ini sudah ada penelitian tentang fuzzy
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
25
database. Salah satu diantaranya adalah model Tahani. Fuzzy database model
Tahani masih tetap menggunakan relasi standar,
hanya saja model ini
menggunakan teori himpunan fuzzy untuk mendapatkan informasi query-nya.
Misalkan kita mengkategorikan usia karyawan ke dalam himpunan :
MUDA, PAROBAYA, dan TUA ()
Gambar 2.9 Fungsi keanggotaan untuk Variabel Usia
Fungsi Keanggotaan :
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
26
Tabel 2.1 menunjukkan tabel karyawan berdasarkan umur dengan derajat
keanggotaannya pada setiap himpunan.
Tabel 2.1 Karyawan Berdasarkan Umur
No
Nama
Umur
Derajat Keanggot aan ([x])
M UDA
PAROBAYA
TUA
1
Lia
30
1
0
0
2
Iw an
48
0
0,4
0,8
3
Sari
36
0,4
0,1
0
4
Andi
37
0,3
0,2
0
5
Budi
42
0
0,7
0,2
6
Amar
39
0,1
0,4
0
7
Rian
37
0,3
0,2
0
8
Kiki
32
0,8
0
0
9
Alda
35
0,5
0
0
10
Yoga
25
1
0
0
Variabel Gaji bisa dikerjakan dalam himpunan: RENDAH, SEDANG, dan
TINGGI.(Gambar 2.10)
Gambar 2.10 Fungsi keanggotaan untuk variabel Gaji
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
27
Fungsi Keanggotaan gaji :
Tabel 2.2 menunjukkan tabel karyawan berdasarkan gaji dengan derajat
keanggotaannya pada setiap himpunan.
Tabel 2.2 Karyawan Berdasarkan Umur
No
Nam a
Gaji/ bln
Derajat Keanggot aan ([z])
RENDAH
SEDANG
TINGGI
750000
0,4
0,5
0,4
1
Lia
2
Iw an
1500000
0,3
0,25
0,25
3
Sari
1255000
0,1
0,6
0,1
4
Andi
1040000
0,3
0,04
0,04
5
Budi
950000
1
0
0
6
Amar
1600000
0
0,225
0
7
Rian
1250000
0
0
0
8
Kiki
550000
0,8
0
0
9
Alda
735000
0,5
0
0
10
Yoga
860000
1
0
0
Ada beberapa query yang bisa diberikan dari data di atas, misalkan Query:
Siapa sajakah karyawan yang masih muda tapi memiliki gaji tinggi?
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
28
SELECT Nama
FROM Karyawan
WHERE (Umur=”MUDA”)
AND (Gaji = “TINGGI”)
Tabel 2.3 menunjukkan hasil query1, yaitu nama-nama karyawan yang
masih muda tapi memiliki gaji yang tinggi.
Tabel 2.3 Hasil Query
Derajat Keanggot aan
No
Nam a
Umur
Gaji/ bln
M UDA
M UDA
TINGGI
&
TINGGI
3
Sari
36
1500000
0,4
0,5
0,4
7
Rian
37
1250000
0,3
0,25
0,25
6
Amir
39
1600000
0,1
0,6
0,1
4
Andi
37
1040000
0,3
0,04
0,04
1
Lia
30
750000
1
0
0
2
Iw an
48
1255000
0
0,225
0
5
Budi
42
950000
0
0
0
8
Kiki
32
550000
0,8
0
0
9
Alda
35
735000
0,5
0
0
10
Yoga
25
860000
1
0
0
Sedangkan dalam system diagnose penyakit ini, peneliti menambahkan
modifikasion perhitungan fire streght guna menampilkan hasil akhir nilai fire
streght yang valid. Berikut modifikasion perhitungannya.
n =∑ i
n = Jumlah nilai true.
i = Count (true).
Intinya dari semua gejala yang diinputkan oleh admin adalah sebagai
acuan. Apabila user dalam system diagnose menginputkan gejala yang sesuai
maka nilainya benar (1) dan yang salah bernilai (0). Dari semua inputan gejala
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
29
yang diberikan user nanti akan dijumlahkan semua dan dibagi dengan banyaknya
gejala yang sesuai acuan. Maka dari situ nilai fire streght didapat.
2.3.1. Clinical Decision Support System.
Masalah penentuan tingkat resiko penyakit (diagnosa penyakit) sangat
berhubungan dengan Clinical Decision Support System (CDSS). CDSS adalah
perangkat lunak yang dirancang untuk membantu para pekerja klinis dalam
mengambil keputusan. Pada sistem ini, karakteristik dari data pasien akan
dicocokkan dengan pengetahuan-pengetahuan yang ada pada basis pengetahuan.
Ada beberapa target utama CDSS, yaitu support diagnosa, dosis obat, tindakan
pencegahan (seperti: mengingatkan untuk melakukan vaksinasi), manajemen
penyakit (seperti: diabetes, hipertensi, asma), pengadaan tes dan resep obat
(seperti pengecekan terhadap alergi obat), serta utilitas (seperti: tindak lanjut
klinis). Masalah diagnosa penyakit sering kali dijumpai, bahkan menjadi dominasi
pada Clinical Decision Support System (CDSS).
Dalam sistem pakar biasa, masalah diagnosa penyakit sudah cukup banyak
dikembangkan. Perangkat lunak yang telah dibangun untuk keperluan CDSS
ter
PENYAKIT PADA KUCING MENGGUNAKAN FUZZY
DATABASE TAHANI BERBASIS WEB
DI ANGGI CLINIC & PET’S SHOP GRESIK
SKRIPSI
Oleh :
RIKI SUTOMO
NPM. 0736010033
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL ”VETERAN”
J AWA TIMUR
2012
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
PENERAPAN APLIKASI UNTUK MENDIAGNOSIS PENYAKIT PADA KUCING
MENGGUNAKAN METODE FUZZY DATABASE TAHANI BERBASIS WEB
DI ANGGI CLINIC & PET’S SHOP GRESIK
DOSEN PEMBIMBING I
DOSEN PEMBIMBING II
PENELITI
: Ir. Mu’tasim Billah, MS
: Fetty Tri Anggr aeny, S.Kom
: Riki Sut omo
ABSTRAK
Anggi Clinic & Pet’s Shop adalah sebuah klinik kecil yang bergerak di bidang
klinik kesehatan hewan dan juga menyediakan kebutuhan hewan peliharaan.
Dalam hal peningkatan layanan kepada pemilik hewan peliharaan kucing,
terutama dalam hal layanan kesehatan terdapat permasalahan dalam proses
diagnosis penyakit yang diderita serta cara penanganannya secara benar. Dimana
didunia maya sering terjadi adalah banyaknya variasi informasi yang terkait
penanganan serta pengobatan hewan yang sedang sakit. Berdasarkan informasi
yang pihak Anggi Clinic terima, banyak sekali statement-statement yang
ditanyakan oleh pemilik hewan akan penyakit yang sedang diderita oleh hewan
peliharaannya serta cara penanganannya.Untuk memecahkan permasalahan
tersebut maka diterapkan system basis data fuzzy model tahani untuk membantu
pemberian informasi terkait penyakit yang sering diderita oleh hewan peliharaan
khususnya kucing, dengan fitur sistem informasi yang dapat menangani bahasa
alami manusia yang tidak presisi atau tidak pasti, relative, dan kualitatif.
Berdasarkan hasil uji coba, dapat diketahui bahwa sistem layak digunakan untuk
dapat membantu bagian pendiagnosaan penyakit dalam memberikan informasi
yang tepat pada pemilik kucing yang sesuai dengan harapannya.
Kata Kunci : Diagnosis Penyakit Kucing, Fuzzy Database Model Tahani.
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
PENERAPAN APLIKASI UNTUK MENDIAGNOSA
PENYAKIT PADA KUCING MENGGUNAKAN
FUZZY DATABASE TAHANI
BERBASIS WEB DI ANGGI CLINIC & PET’S SHOP GRESIK
Penyusun
Pembimbing I
Pembimbing II
: Riki Sutomo
: Ir. Mu’tasim Billah M.S
: Fetty Tri Anggraeny, S.Kom
ABSTRAK
Anggi Clinic & Pet’s Shop adalah sebuah klinik kecil yang bergerak di
bidang klinik kesehatan hewan dan juga menyediakan kebutuhan hewan
peliharaan. Dalam hal peningkatan layanan kepada pemilik hewan peliharaan
kucing, terutama dalam hal layanan kesehatan terdapat permasalahan dalam
proses diagnose penyakit yang diderita serta cara penanganannya secara benar.
Dimana didunia maya sering terjadi adalah banyaknya variasi informasi yang
terkait penanganan serta pengobatan hewan yang sedang sakit. Berdasarkan
informasi yang pihak Anggi Clinic terima, banyak sekali statement-statement
yang ditanyakan oleh pemilik hewan akan penyakit yang sedang diderita oleh
hewan peliharaannya serta cara penanganannya.
Untuk memecahkan permasalahan tersebut maka diterapkan system basis
data fuzzy model tahani untuk membantu pemberian informasi terkait penyakit
yang sering diderita oleh hewan peliharaan khususnya kucing, dengan fitur sistem
informasi yang dapat menangani bahasa alami manusia yang tidak presisi atau
tidak pasti, relative, dan kualitatif. Berdasarkan hasil uji coba, dapat diketahui
bahwa sistem layak digunakan untuk dapat membantu bagian pendiagnosaan
penyakit dalam memberikan informasi yang tepat pada pemilik kucing yang
sesuai dengan harapannya.
Kata Kunci : Diagnosa Penyakit Kucing, Fuzzy Database Model Tahani.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
LEMBAR PENGESAHAN
PENERAPAN APLIKASI UNTUK MENDIAGNOSA PENYAKIT PADA KUCING
MENGGUNAKAN METODE FUZZY DATABASE TAHANI BERBASIS WEB
DI ANGGI CLINIC & PET’S SHOP GRESIK
Disusun Oleh :
RIKI SUTOMO
0736010033
Telah disetujui untuk mengikuti Ujian Negara Lisan Periode Juni
Tahun Akademik 2011/2012
Menyetujui
Pembimbing 1
Pembimbing 2
( Ir. Mu’tasim Billah, MS )
( Fetty Tri Anggraeny, S.Kom )
NIP/NPT. 19600504 198703 1 001
NIP/NPT. 3 8202 06 02051
Mengetahui
( Dr. Ir. Ni Ketut Sari, MT )
NIP/NPT. 19650731 199203 2 001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Bissmillahirrahmanirrahim
Alhamdulillahi Rabbal ‘Alamin. Segala puji syukur ke hadirat Allah
Subhannahu Wa Ta’ala, karena hanya dengan kehendak dan kuasa-Nya, peneliti
dapat menyelesaikan pembuatan Tugas Akhir yang berjudul “PENERAPAN
APLIKASI
UNTUK
MENDIAGNOSA
PENYAKIT
PADA
KUCING
MENGGUNAKAN FUZZY DATABASE TAHANI BERBASIS WEB DI
ANGGI CLINI & PET’S SHOP GRESIK”.
Tugas Akhir dengan beban 3 SKS ini disusun dan diajukan sebagai salah
satu syarat untuk menyelesaikan program Strata satu (S1) pada Program Study
Teknik Informatika, Fakultas Teknologi Industri, Universitas Pembangunan
Nasional “Veteran” Jawa Timur.
Peneliti menyadari bawasannya dalam menyelesaikan Tugas Akhir ini
telah mendapat bantuan dan dukungan yang tidak sedikit dari berbagai pihak
untuk itu peneliti secara khusus mengucapkan terima kasih dan penghargaan yang
sebesar-besarnya kepada :
1. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN
“Veteran” Jawa Timur.
2. Ibu Ni Ketut, S.Si, MT selaku Ketua Jurusan Teknik Informatika UPN
“Veteran” Jawa Timur.
3. Bapak dan Ibu serta kakak ku tersayang yang senantiasa mengingatkan
dan mendoakan serta memberikan dukungannya agar Tugas Akhir ini
segera peneliti selesaikan.
4. Bapak Ir. Mu’tasim Billah, MT dan Ibu Fetty Tri Anggraeni, S.Kom
selaku dosen pembimbing yang dengan sabar memberikan arahannya
selama pembuatan Tugas Akhir ini dan bantuannya diwaktu sidang.
5. Bapak Barry nuqoda, S.Si, M.Kom dan Bapak Kahfi Ramadhani, S.Kom
selaku dosen penguji pada sidang TA yang dengan bijaksana memberikan
revisi yang pada akhirnya sangat berguna pada waktu sidang lisan.
6. Mas Toni selaku pemilik Anggi Clinic & Pet’s Shop yang memberikan
tempat dalam menyelesaikan tugas akhir ini. Dan Drh. Restiana Syafira
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
selaku pembimbing di lapangan yang telah memberikan semua informasi
yang peneliti butuhkan.
7. Bocah-bocah basecamp MBSG kempoeng, cundrik, nano, oedin, habibi,
thanks atas gojlokan yang memotivasi peneliti agar segera menyelesaikan
Tugas Akhir ini J
8. Eko hartanto yang telah memberikan peneliti jobs guna menambah dana
untuk menyelasaikan Tugas Akhir ini. J thanks you so much ko.
9. Fira Nurbillah, Devika (keboo), Vikachu, Aiymoetz, dan adek-adek ku
(anis, via, cha2, celia, hewiy, inong, intan) makasih buat dukungan,
semangat dan do’a nya J I Love You Full…
10. Sahabat-sahabat ku (Medyf, Bobby, Yani, Asho’, Redd, Bails, Adit,
Memet, Rizky (sha2), ). Thanks buat inspirasi dan waktunya.
11. Kawan seperjuangan Kikik, Hadi, Ambon, Bungkring, Fengky, Adam,
Rend, Adhi, Dekill, Arik, Cepoet, atas semangat yang diberikan dan rasa
kebersamaan dalam menyelesaikan Tugas Akhir ini. Thank You so much
my friends. Good luck for you too..
12. Ahmad Fathoni, Alan Hafiluddin, Taufik Rahman, Faris Santa. E, Reza
Soekamto, Ipamz, Kuswanto, Doni Rahmawan, Bayu Nureddy, dan Deddy
kalian inspirasiku & semangat hidupku.
13. Kawan-kawan Ilmu Komputer 07 dan 08 (kimpsoft) yang selalu
memberikan masukan ilmu dan dukungan kepada peneliti, Thanks a lot.
Peneliti menyadari sepenuhnya bahwa sebagai manusia biasa tentunya
tidak akan luput dari kekurangan dan keterbatasan. Maka dengan segenap
kerendahan hati, peneliti mengharapkan saran dan kritik yang dapat bermanfaat
dan berguna untuk pengembangan ilmu pengetahuan.
Surabaya, Juni 2011
Riki Sutomo
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR ISI
Abstrak .........................................................................................................
Kata Pengantar .............................................................................................
Daftar Isi ......................................................................................................
Daftar Gambar ..............................................................................................
Daftar Tabel..................................................................................................
i
ii
iv
vi
vii
BAB I
PENDAHULUAN .......................................................................
1.1 Latar Belakang Masalah ........................................................
1.2 Rumusan Masalah .................................................................
1.3 Batasan Masalah ...................................................................
1.4 Tujuan Penelitian ..................................................................
1.5 Manfaat Penelitian ................................................................
1.6 Metodelogi Penelitian ...........................................................
1.7 Sistematika Penulisan ............................................................
1
1
2
3
3
3
4
5
BAB II
LANDASAN TEORI...................................................................
2.1 Logika Fuzzy ........................................................................
2.1.1 Himpunan Fuzzy .......................................................
2.1.2 Fungsi Keanggotaan ..................................................
2.1.3 Operator Dasar Zaded untuk Operasi
Himpunan Fuzzy .......................................................
2.2 Database Reasional ...............................................................
2.2.1 Entity Relationship Diagram (ERD)...........................
2.2.2 Normalisasi Database ................................................
2.3 Fuzzyfikasi Database.............................................................
2.3.1 Clinical Decision Support System ..............................
2.4 Mysql ....................................................................................
2.4.1 Kelebihan Mysql .......................................................
2.5 Bahasa Pemograman PHP .....................................................
2.5.1 Tipe Data dalam PHP ................................................
2.5.2 Variabel Dalam PHP .................................................
2.5.2.1 Deklarasi Variabel.......................................
2.5.2.2 Inisialisasi Variabel .....................................
2.6 CSS .......................................................................................
7
7
8
13
BAB III ANALISIS DAN PERANCANGAN SISTEM ...........................
3.1 Analisis Sistem......................................................................
3.2 Perancangan Sistem ..............................................................
3.2.1 Deskripsi Umum Sistem .............................................
3.2.2 Parameter input Dalam Proses
Pendiagnosaan Penyakit .............................................
3.2.3 Parameter Output Dalam Pendiagnosaan
Penyakit .....................................................................
iv
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
18
20
22
23
28
34
37
38
40
42
43
44
44
45
45
46
46
48
54
3.2.4 Klasifikasi Pemakai System ........................................
3.3 Flowchart ...............................................................................
3.4 Desain Arsitektur ...................................................................
3.5 Perancangan Proses ................................................................
3.5.1 Data Flow Diagram ......................................................
3.6 Perancangan Database ............................................................
3.6.1 Perancangan Data.........................................................
3.7 Perancangan Antarmuka.........................................................
3.7.1 Perancangan Antarmuka untuk Petugas ........................
3.7.2 Perancangan Antarmuka untuk user .............................
56
57
59
59
60
63
64
66
67
68
BAB IV IMPLEMENTASI SISTEM .......................................................
4.1 Lingkungan Implementasi ......................................................
4.2 Implementasi Data .................................................................
4.3 Implementasi Antarmuka .......................................................
4.3.1 Implementasi Antarmuka untuk Petugas.......................
4.3.2 Implementasi Antarmuka untuk User ...........................
4.4 Implementasi Penerapan Metode Fuzzy Database Tahani .......
4.4.1 Selected Data ...............................................................
70
70
71
78
78
79
80
80
BAB V UJ I COBA DAN ANALISA SISTEM ........................................
5.1 Lingkungan Alokasi ...............................................................
5.2 Pelaksanaan Uji Coba.............................................................
5.2.1 Uji Coba Perhitungan Menggunakan Sistem
Dan Perhitungan Manual ..............................................
5.2.2 Uji Coba Perbandingan Sistem
Dengan Hasil Diagnosa Dokter Hewan ........................
85
85
85
BAB VI
85
91
PENUTUP ..................................................................................
6.1 Kesimpulan ............................................................................
6.2 Saran ......................................................................................
92
92
93
DAFTAR PUSTAKA ...................................................................................
LAMPIRAN
94
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
v
BAB I
PENDAHULUAN
1.1
Latar belakang
Saat ini, kucing adalah salah satu hewan peliharaan terpopuler di
dunia. Secara ilmiah telah dibuktikan, bahwa memiliki dan memelihara kucing
baik untuk kesehatan pemiliknya, karena dapat mengurangi kejadian penyakit
tekanan darah tinggi dan penyakit lainnya. Bermain dengan kucing serta
membelai-belai bulu kucing dapat membantu melepaskan stress. Kucing yang
mendengkur dipangkuan anda dapat pula memberikan perasaa aman dan
nyaman yang kuat. Selain dikenal sebagai sahabat manusia, pemilik kucing
juga perlu mencurahkan perhatian terhadap semua kebutuhan kucing
peliharaannya serta mencintainya sepenuh hati. Ini dikarenakan kucing rentan
terhadap berbagai macam penyakit, mulai yang ringan hingga yang berbahaya.
Penyakit pada kucing mempunyai tingkat resiko yang berbeda, adapula gejala
yang tidak ditangani sesegera mungkin dapat menyebabkan kematian. Pada
umumnya, kebanyakan orang langsung mencari dokter / seorang yang bisa
menangani kucingnya ketika salah satu gejala penyakit dialami oleh
kucingnya. Ini disebabkan karena sangat minimnya pengetahuan akan bahaya
penyakit yang terdapat pada kucing.
Berdasarkan permasalahan tersebut, maka perlu kiranya dirancang
sebuah website yang mampu menganalisa serta mendiagnosa penyakit yang
ada pada seekor kucing dimana sistem diagnosa ini sesuai dengan data (gejala
penyakit) yang telah diinputkan oleh user (pemilik kucing). Agar website ini
dapat berjalan dengan baik, maka perlu didefinisikan secara baku tentang
1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2
kreteria-kreteria untuk mendapatkan hasil diagnosa yang sesuai dengan hasil
diagnosa seorang pakar (dokter hewan). Berdasarkan kreteria-kreteria inilah
nantinya aplikasi akan menganalisa data-data gejala penyakit yang ada. Salah
satu metode yang dapat digunakan untuk website ini adalah dengan
mengimplementasikan logika Fuzzy.
Diharapkan dengan ditulisnya Tugas Akhir berjudul “ Penerapan
Aplikasi Untuk Diagnosa Penyakit Kucing Menggunakan Metode Fuzzy
Database Tahani Berbasis Web Di Anggi Clinic & Pet’s Shop Gresik“ dapat
membantu para pakar (dokter hewan) dalam mendiagnosa jenis penyakit
kucing.
1.2
Perumusan Masalah
Berdasarkan latar belakang yang telah dijelaskan diatas, maka dapat
dirumuskan beberapa permasalahan dalam tugas akhir ini, yaitu :
a) Bagaimana merancang dan menerapkan suatu aplikasi yang dapat
digunakan untuk membantu ahli tentang penyakit pada kucing dengan
memberikan informasi yang bisa membantu pemilik / pecinta binatang
khusunya kucing untuk mendiagnosa penyakit yang sedang diderita oleh
kucingnya.
b) Bagaimana sistem dan mekanisme aplikasi agar dapat melakukan diagnosa
penyakit yang terdapat pada kucing secara cepat dan tepat.
c) Bagaimana menentukan kreteria input Fuzzy dan Non Fuzzy bagi system
setelah parameter input system didapatkan.
d) Bagaimana mengimplementasikan hasil dari pengolahan data kedalam
metode fuzzy database tahani kedalam web
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3
1.3
Batasan Masalah
Pada pembuatan aplikasi ini perlu didefinisikan batasan masalah mengenai
sejauh mana pembuatan aplikasi ini akan dikerjakan. Beberapa batasan masalah
tersebut antara lain :
a) Aplikasi dirancang dengan menerapkan Fuzzy Database Tahani.
b) Penerapan Fuzzy Database Tahani hanya pada variabel gejala penyakit
Demam, Nafsu makan, Bersin, dan Diare.
c) Ukuran database tidak terlalu besar, hanya sebatas simulasi perangkat lunak
saja.
d) Aplikasi logika fuzzy yang dirancang ini tidak memakai pembobotan nilai
pada suatu variabel atau himpunan.
1.4
Tujuan Penelitian
Berdasarkan permasalahan yang telah dibahas sebelumnya, maka tujuan
yang ingin dicapai oleh peneliti adalah merancang dan membuat aplikasi untuk
mendiagnosa penyakit pada kucing serta menerapkan metode Fuzzy Database
Tahani kedalam system diagnosa.
1.5
Manfaat Penelitian
Manfaat yang diharapkan dan ingin dicapai dalam penelitian ini adalah
membantu melestarikan pengetahuan dari seorang ahli (dokter hewan) khususnya
pada hewan kucing dan memberikan layanan penghubung yang terkait informasi
kepada pemilik kucing dalam hal mendiagnosa penyakit yang sedang diderita oleh
kucingnya, serta memberikan cara pencegahan dan pengobatan pada kucing yang
terserang penyakit.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4
1.6
Metodologi Penelitian
Langkah-langkah yang ditempuh untuk keperluan pembuatan tugas akhir ini
antara lain:
a) Studi Literatur
Pada tahap ini dipelajari literatur dan perencanaan serta konsep awal untuk
membentuk program yang akan dibuat yaitu didapat dari referensi buku,
internet, maupun sumber-sumber lain.
b) Pengumpulan data dan analisis
Pada tahap ini adalah proses pengumpulan data yang dibutuhkan untuk
pembuatan program, serta melakukan analisa atau oengamatan pada data
yang sudah terkumpul untuk selanjutnya diolah lebih lanjut.
c) Analisa dan perancangan system
Setelah selesai pada tahap pengumpulan data dan analisis maka tahap yang
selanjutnya adalah melakukan perancangan sytem yang akan dibuat untuk
selanjutnya akan diproses lebih lanjut.
d) Pembuatan program
Setelah itu, dalam tahap ini dilakukan pembuatan program serta
menerapkan
sistem
yang
telah
dibuat.
Pembuatan
program
ini
menggunakan program PHP dan menggunakan metode Fuzzy Database
Tahani sebagai metode penalaran pada program ini.
e) Uji Coba program
Setelah program selesai dibuat, maka dilakukan pengujian program untuk
mengetahui apakah program telah bekerja dengan benar dan sesuai denagn
sistem yang dibuat pula.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
5
1.7
Sistematika Penulisan
Sistematika penulisan laporan/buku pada tugas akhir ini adalah sebagai
berikut:
BAB I
:
PENDAHULUAN
Bab ini berisi tentang deskripsi umum skripsi yang meliputi latar
belakang, perumusan masalah, batasan masalah, tujuan dan
manfaat, serta metodologi dan sistematika pembahasan.
BAB II
:
TINJ AUAN PUSTAKA
Bab ini berisi mengenai konsep dan teori pembelajaran yang
menjadi landasan pembuatan skripsi antara lain: Web, Fuzzy
Database Tahani, database MySQL, dan bahasa pemrograman
PHP.
BAB III
:
ANALISA DAN PERANCANGAN SISTEM
Pada tahap ini akan dibuat deskripsi umum sistem serta dilakukan
analisa kebutuhan sistem, selain itu juga dilakukan perancangan
aplikasi yang akan dibuat, sehingga dihasilkan disain antarmuka
dan proses-prosesnya.
BAB IV
:
IMPLEMENTASI PROGRAM
Bab ini membahas tentang implementasi dari analisa sistem ke
dalam sebuah bahasa pemrograman sehingga terbentuk suatu
perangkat lunak sesuai yang dikehendaki.
BAB V
:
UJ I COBA DAN EVALUASI SISTEM
Bab ini menjelaskan tentang ujicoba dan evaluasi
untuk
mendiagnosa penyakit pada kucing menggunakan Fuzzy Database
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
6
Tahani. Khususnya pada proses penginputkan data gejala penyakit
yang meliputi Diare, Bersin, Nafsu makan, dan Demam, sehingga
dapat diketahui apakah aplikasi tersebut telah memenuhi tujuan
yang diharapkan. Dari proses ini akan didapatkan evaluasi program
sehingga dapat dilakukan suatu perbaikan.
BAB VI
:
KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan yang dapat diambil dari
permasalahan dan program dalam tugas akhir ini serta berisi
tentang saran-saran yang dapat digunakan untuk perbaikan dan
pengembangan lebih lanjut atas program yang telah dibuat.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
TINJ AUAN PUSTAKA
2.1.
Logika Fuzzy
Sistem fuzzy dicetuskan oleh Lotfi A. Zadah pada tahun 1960 konsep ini
pada
dasarnya
berhubungan
dengan
bagaimana
manusia
menangani
ketidakpastian (imprecise) dan informasi yang tidak pasti (uncertain). Zadeh
menirukan bagaimana manusia menggunakan perkiraan dan pertimbangan
(approximote reasoning) dalam hal yang berhubungan dengan ketidakpastian,
ketidaktepatan, kerancuan (ambiguity), dan ketidakjelasan (vagueness) dan
dialami dalam pengembalian keputusan. Logika fuzzy adalah superset (bagian
yang melingkupi) logika bolean yang dikembangkan unuk menangani suatu
komponen atau informasi aecara keseluruhan. Konsep logika fuzzy ini
dikembangkan karena beberapa alasan, yang diantaranya adalah :
1. Keanggotaan suatu elemen terhadap suatu himpunan menjadi “fuzzy” atau
“samar”. Dalam hal ini, ada elemen sebagai anggota dari suatu himpunan
tidak diketahui dengan pasti.
2. Keanggotaan elemen dalam suatu himpunan pasti sangat curam dan
mempunyai batasan yang kaku.
Penilaian yang dilakukan dengan logika klasik hanya mungkinkan untuk
mengolah informasi yang benar atau salah. Logika ini tidak mampu menangani
informasi tersebut ada data yang tersimpan,. Dalam logika klasik, keanggotaan
suatu elemen dalam himpunan dipresintasikan dengan 0 bila buka anggota dan 1
bila merupakan anggota. Jadi himpunannya adalah {0,1}. Sedangkan pada logika
7
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
8
fuzzy nilai keanggotaan ada pada interval {0,1}, jadi pda dasaran sistem fuzzy
merupakan gagasan aproksimasi yang didasarkan pada gagasan eksak.
2.1.1. Himpunan Fuzzy
Himpunan fuzzy secara formal dapat didefinisikan seperti pada Persamaan
2.1 berikut :
A = { μ A (x) / x : x € X, μ A (x) € [0,1] € R}....................(2.1)
Dimana μ A (x) adalah derajat keanggotaan elemen x pada himpunan fuzzy A
dengan cakupan nilai keanggotaan antara 0 dan 1 yang merupakan anggota
bilangan real. Dimana bila μ A (x) = 0, mengindikasikan bahwa x bukan bagian dari
himpunan fuzzy A dan sedikitnya jika μ A (x) = 1, maka x adalah bagian dari
himpunan fuzzy A. Secara umum, himpunan fuzzy A dapat dianggap sebagai
fungsi μ A (x) yang mencocokkan setiap elemen dari semesta pembicaraan X
dengan derajat keanggotaan menjadi anggota himpunan A. Jika fungsi
keanggotaan hanya menghasilkan nilai keanggotaan {0,1}, maka hasilnya
bukanlah fuzzy melainkan tugas (crisp).
Pada himpunan tugas (crisp) nilai keanggotaan suatu item x dalam suatu
himpunan A, yang sering ditulis dengan μ A (x), hanya memiliki dua kemungkinan
yaitu 0 dan 1. Sebagai contoh, misalkan variabel umur dibagai menjadi 3 katagori,
yaitu :
•
MUDA
umur < 35 tahun
•
PAROBAYA
35 ≤umur ≤55
•
TUA
umur ≥55 tahun
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
9
Nilai keanggotaan secara grafis, himpunan MUDA, PAROBAYA, dan
TUA ini dapat dilihat pada Gambar 2.1.
Gambar 2.1 Himpunan MUDA, PAROBAYA, dan TUA.
Pada Gambar 2.1, dapat dilihat bahwa :
1. Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA
μ MUDA[35] = 1);
2. Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA
μ MUDA[35] = 0);
3. Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan
TIDAK PAROBAYA (μ PAROBAYA[35 th – 1 hari] = 0)
Berdasarka contoh diatas bisa dikatakan pemakaian himpunan crisp untuk
menyatakan umur sangat tidak adil, adanya perubahan sedikit saja pada nilai
elemen mengakibatkan perbedaan kategori yang cukup signifikan. Himpunan
fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam
2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA,
dsb. Seberapa besar eksistensi elemen yang ditinjau dalam himpunan tersebut
dapat ditentukan dan diukur dengan nilai derajat keanggotaannya.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
10
Gambar 2.2 menunjukkan himpunan fuzzy untuk variabel umur.
Pada Gambar 2.2, dapat dilihat bahwa:
1. Seseorang yang berumur 40 tahun, termasuk dalam hipunan MUDA
dengan μ MUDA[40] = 0,25; namun dia juga termasuk dalam himpunan
PAROBAYA dengan μ PAROBOYA[40] = 0,5.
2. Seseorang yang berumur 50 tahun, termasuk dalam himpunan MUDA
dengan μ TUA[40] = 0,25; namun dia juga temasuk dalam himpunan
PAROBAYA dengan μ PAROBAYA[50] = 0,5.
Kalau dalam himpunan crisp nilai keanggotaannya ada 2 kemungkinan,
yaitu 0 atau 1. Sedangkan pada himpunan fuzzy nilai keanggotaan ter letak pada
rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy μ A (x) = 0 berarti
x tidak menjadi anggta himpunan A, demikian pula apabila x memiliki nilai
keanggotaan fuzzy μ A (x) = 1 berarti x menjadi anggota penuh pada himpunan A.
Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas
menimbulkan kerancuan. Keduanya memiliki nilai pada interval [0,1], namun
interpretasi nilainya sangat berbeda. Keanggotaan fuzzy memberikan suatu
ukuran
terhadap
pendapat
atau
keputusan,
sedangkan
probabilitas
mengindikasikan proporsi terhadap keseringan suatu hasil bernilai benar dalam
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
11
jangka panjang (tinjauan).misalnya, jika nilai keanggotaanya suatu himpunan
fuzzy MUDA adalah 0,9; maka tidak perlu dipermasalahkan berapa seringnya
nilai itu diulang secara individual untuk mengharapkan suatu hasil yang hampir
pasti MUDA. Di ain pihak, nilai probabilitas 0,9 MUDA berarti 10% dari
himpunan tersebut diharapkan tidak MUDA.
Himpunan fuzzy memiliki 2 atribut, yaitu :
1. Linguistik, yaitu penamaan sesuatu grup yang mewakili suatu keadaan
atau kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA,
PAROBAYA, dan TUA.
2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu
variabel saperti : 40, 25, 50, dan sebagainya.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu :
1. Variable fuzzy
Variable fuzzy meruoakan variable yang hendak di bahas dalam suatu
sistem fuzzy.
Contoh : umur, temperatur, pemerintah, dan lain-lain.
2. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy.
Contoh :
Variabel temperatur terbagi menjadi 5 himpunan fuzzy, yaitu DINDING,
SEJUK, NORMAL, HANGAT, dan PANAS. (gambar 2.3)
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
12
Gambar 2.3 Himpunan Fuzzy Pada Variabel Temperatur
3. Semester pembicaraan
Semaster pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
di operasikan dalam suatu variabel fuzzy. Semester pembicaraan
merupakan himpunan bilangan real yang senantiasa naik (bertahan) secara
menonton dari kiri ke kanan atau sebaliknya . nilai semesta pembicara dapt
berubah bilangan positif maupun negatif. Contoh semesta pembicaan :
•
Semesta pembicaraan untuk variable umur : [0 +∞]
•
Semesta pembicaraan untuk variable temperatur : [0 40]
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dan
boleh dioperasikan dalam suatu himpunan bilangan real yang senantiasa
naik (bertambah) sacara menonton dari kiri kenan. Nilai domain dapat
berubah bilangan positif maupun negative. Contoh domain himpunan
fuzzy:
•
MUDA
= [0 35]
•
PAROBAYA
= [35 55]
•
TUA
= [55 +∞]
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
13
2.1.2. Fungsi Keanggotaan
Funngsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemecatan titik-titik input data ke dalam nilai keanggotaannya
(sering juga disebut derajat keanggotaan) yang memiliki interval antara 0 sampai
1. Salah satu cara yang dapat digunakan untuk mendapat nilai keanggotaan adalah
dengan melalui pendekatan fungsi. Ada beberapa fungsi yang dapat digunakan.
a) Repr esentasi linear
Pada representasi linier, pemetaan data input digambarkan sebagai suatu garis
lurus ke derajat keanggotaannya. Bentuk ini paling sederhana dan menjadi pilihan
yang baik untuk pendekatan suatu konsep yang kurang jelas. Ada 2 keadaan
himpunan fuzzy linear, yaitu:
1. Repr esentasi Linear Naik
Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat
keanggotaan (0) bergerak ke kanan menuju ke nilai domain yang memiliki
derajat keanggotaan lebih tinggi (Gambar2.4).
Gambar 2.4 Representasi Linier Naik
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
14
Persamaan fungsi keanggotaan seperti terlihat pada persamaan 2.2 berikut
ini :
2. Repr esentasi Linear Tur un
Representasi linear turun merupakan kebalikan dari linear naik. Garis lurus
dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi
kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat
keanggotaan lebih rendah (Gambar 2.5).
Gambar 2.5 Representasi Linier Turun
Persamaan Fungsi keanggotaannya seperti terlihat pada persamaan 2.3
berikut ini :
µ[x]{(b – x ) / ( b – a ); jika a ≤x ≤b .............................. (2.3)
b) Repr esentasi Kur va Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara2 garis linear
seperti terlihat pada Gambar 2.6.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
15
Gambar 2.6 Representasi Kurva Segitiga
Persamaan fungsi Keanggotaannya seperti pada persamaan 2.4 berikut ini
c) Repr esentasi Kur va Trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada
beberapa titik yang memiliki nilai keanggotaan 1 seperti terlihat pada 2.7.
Gambar 2.7 Representasi Kurva Trapesium
Persamaan funsgi keanggotaan seperti pada persamaan 2.5 berikut ini:
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
d) Repr esentasi Kur va Bahu
Representasi fungsi keanggotaan fuzzy dengan menggunakan kurva bahu
pada dasarnya adalah gabungan dari kurva segitiga dan kurva trapisium. Daerah
yang terletak terletak di tengah-tengah kurva bahu ini, direpresentasikan dengan
fungsi keanggotaan segitiga, pada sisikiri dan kanannya nilai keanggotaan akan
naik dan turun. Tetapi terkadang pada salah sisi dan variabel fuzzy yang ditinjau
ini terdapat nilai konstan, yaitu pada himpunan ekstrim kiri dan kanan. Hal ini
dapat dilihat pada Gambar 2.8.
Gambar 2.8 Representasi Kurva Bahu
2.1.3. Oper ator Dasar Zeded Untuk Operasi Himpunan Fuzzy
Ada beberapa operasi yang didefisikan secara khusus untuk mengombinasi
dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil darioperasi 2
himpunan sering dikenal dengan nama fire strength atau a-predikat. Ada 3
operator dasar yang diciptakan oleh zadeh, yaitu :
a) Oper ator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. apredikat sebagai hasil operasi dengan operator AND diperoleh dengan
mengambil nilai keanggotaan terkecil antar elemen pada himpunan-
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
17
himpunan yang bersangkutan. Persamaan nilai keanggotaan terlihat pada
persamaan 2.6 berikut ini :
µA∩B = min(µ A[x], µB[y])..................(2.6)
b) Oper ator OR
Operator ini berhubungan dengan operasi union pada himpunan. apredikat sebagai hasil operasi dengan operator OR diperoleh dengan
mengambil keanggotaan terbesar antar elemen pada himpunan-himpunan
yang bersangkutan. Persamaan nilai keanggotaannya terlihat pada
Persamaan 2.7 berikut ini :
µAUB=max(µA[x]µ,B[y]).........................2.7
c) Oper ator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan. apredikat sebagai hasil operasi hasil operasi dengan operasi NOT diperoleh
dengan mengurangkan nilai keanggotaan elemen pada himpunan yang
bersangkutan dari 1. Persamaan nilai keanggotaannya terlihat pada
Persamaan 2.8 berikut ini :
µ À = 1-µA[x]...........................(2.8)
Contoh :
Misalkan nilai keanggotaan 27 tahun pada himpunan MUDA adalah 0,6
(µ MUDA [27]=0,6); dan nilai keanggotaan Rp. 2.000.000 pada himpunan
penghasilan TINGGI adalah : (µGAJITINGGI[2 X 106]=0,8); maka :
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
18
1. Nilai α-predikat untuk usia MUDA dan berpenghasilan TINGGI
adalah :
µ MUDA∩GAJITINGGI
= min(µ MUDA[27], µ GAJITINGGI[2 x 106])
= min(0.6;0.8)
=0.6
2. Nilai α-predikat untuk usia MUDA atau berpenghasilan TINGGI
adalah :
µ MUDA∩GAJITINGGI
= min(µ MUDA[27], µ GAJITINGGI[2 x 106])
= min(0.6;0.8)
=0.8
3. Nilai α-predikat untuk usia TIDAK adalah :
= 1- µ MUDA[27]
µ MUDA
= 1-0,6
= 0.4
(Kusumadewi, Sri dan Hari Purnomo. 2004. Aplikasi Logika Fuzzy untuk
Mendukung Keputusan ).
2.2.
Database Relasional
Database adalah kumpulan data yang terstruktur. Data sendiri merupakan
fakta mengenai obyek yang dinyatakan dengan nilai (angka, deretan karakter, atau
simbol). Database bertujuan untuk mengatur data sehingga diperoleh kemudahan,
kecepatan, dan kecepatan dalam mengambil data. Database dapat didefinisikan
dalam berbagai sudut pandang, aiantaranya adalah seperti berikut :
1. Himpunan
kelompok
data
yang
saling
berhubungan
dengan
terorgranisasi sedemikian rupa sehingga kelak dapat dimanfaatkan
dengan epat dn mudah.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
19
2. Kumpulan data yang saling berhubungan, disimpan secara bersamaan
sedemikian rupa tanpa pengulangan (redudancy) untuk memenuhi
kebutuhan.
3. Kunpulan file/ tabel/ arsip yang saling berhubungan serta disimpan
dalam media penyimpanan elektronik.
Sistem database yang terorganisir dengan baik dan handal, merupakan
perpaduan antara data, perangkat keras (hardware), sistem operasi, database
management system (DBMS), dan user. Salah satumodel database yang umum
dan sering dipakai karena kehandalan dan kelebihan-kelebihannya adalah
relational database model (model database relasional)
Konsep database relasional pertama kali diperkenalkan relasional pertama
kali diperkenalkan oleh E.F. Codd pada tahun 1970-an dalam sebuah artikel yang
ditulisnya dengan judul “Association of Computer for Large Shared Data Banks”.
Model relasional merupakan kumpulan dari tabel yang dipakai untuk
merepresentasikan relasi diantara data, dimana tabel-tabel tersebut tersusun
dengan suatu aturan logis. Di dalam konsep relasional, database mempunyai suatu
struktur yang menggambarkan keterkaitan (integritas) diantara elemen-elemen
penyusun database. Intergritas data tersebut dipertahankan oleh sebuah komponen
yang dinamakan kunci (key), yang dalam implementasinya key ini mempunyai
penjabaran dan tipe lebih lanjut.
Dalam pengembangan sistem database dengan model relasional ada dua
hal yang menjadi acauan dalam pelaksanaannya, yaitu :
1. Entity Relationship Diagram (ERD)
2. Normalisasi Database
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
20
2.2.1. Entity Relationship Diagram (ERD)
Untuk memudahkan pendeskripsian relasi diantara elemen-elemen
penyusun database, cara yang sering dipakai adalah dengan menggunakan entity
realitionship diagram (ERD). Dengan metode ini pengembang dapat lebih muda
dalam merancang sistem datebase sera relasi diantara entity-entity penyusun
database dapat digambarkan dengan lebih jelas kepada pengguna.
Terdapat tiga notasi dasar yang berkerja pada model E-R, yaitu : entity,
relationship, dan attribute. Sebuah entity adalah sebuah benda atau obyek di dunia
nyata yang dapat dibedakan dari semua obyek lainnya. Entity set adalah
sekumpulan entity yang mempunyai tipe yang sama. Entitiy set dilambangkan
persegi panjang. Relationship adalah hubungan diantara beberapa entity dan
dilambangkan dengan bentuk diamond (ketupat). Sedangkan attribute merupakan
istilah yang dipakai untuk menyatakan atau mengelompokkan suatu entity.
Attribute dalam ERD dilambangkan dengan bentuk elips.
Ada beberapa istilah yang harus difahami sebelum merancang database
dengan model entity relationship diagram ini diantaranya adalah :
a) Super Key
Satu atau lebih atribut (kumpulan atribut) yang dapat membedakan
setiap baris data dalam tabel secara unik, dimana tidak akan terjadi
pengulangan atau nilai yang sama dibaris berikutnya.
b) Kandidat key
Kumpulan atribute minimal yang membedakan setiap baris data dalam
tabel secara unik. Untuk dapat menjadi kandidat key suatu atribut harus
memenuhi persyaratan sebagai berikut :
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
21
a. Untuk satu nilai yang mengidentifikasi satu baris dalam satu
relasi (unik).
b. Tidak memeliki subset yang juga merupakan primery key.
c. Tidak dapat bernilai null.
c) Primery key
Nilai dari primery key harus mengidentifikasi sebuah baris secar unik
didalam suatu relasi, primery key boleh terdiri dari satu atau lebih
atribut relasi dengan syarat harus memenuhi syarat sebagai kandidate
key.
d) Alternative key
Adalah kunci yang tidak ada didunia nyata, tetapi diadakan dan
dijadikan primery key. Kunci ini dibuat ketika tidak ada satupun atribute
dalam sebuah relasi yang bisa mewakili relasi tersebut atau kandidate
key yang ada tidak efektif untuk digunakan.
e) Koposit key
Primary key yang terdiri lebih dari stu kunci.
f) Foreign key (FK)
Kunci ini bukan merupakan kunci dari tabel yang diacu melainkan kunci
dari tabel lain.
g) Kardinalitas pemetaaan
Kardinalitas pemetaaan / rasio kardinalitas menunjukkan jumlah entity
yang dihubungkan ke satu entity lain dengan suatu relationship set.
(http://rudyantoarief.com/wp/entity relationship diagram) Diakses 25 Februari
2012 pukul 21.03 WIB.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
22
2.2.2. Nor malisasi Database
Salah satu topik yang cukup komleks dalam dunia management database
relasional adalah proses untuk menormalisasi tabel-tabel dalam database. Alasan
utama untuk melakukkan normalisasi adalah untuk membentuk database yang
efektif, efisien dan handal. Untuk menghilangkan insersion anomalies, deletion
anomalis, dan update anomalies, normalisasi yang harus dilakukukkan minimal
sampai tahapan ketiga. Normalisasi marupakan pendekatan dalam membangun
strukur logika data, dapat dilakukkan dengan langsung berkaitan dengan kinerja
database. Dalam membangun strukture logika data, dapat dilakukkan dengan
langsung menggunakan prinsip-prinsip normalisasi atau melakukkan transformasi
dari model E-R kedalam bentuk tabel.
Dalam prespektif normalisasi sebuah database diktakan baik jika setiap tabel
yang membentuk database tersebut sudah dalam keadaan normal. Suatu tabel
dikaakan normal jika memenuhi kreteria sebagai berikut :
1.
Jika ada dekomposisi atau penguraian tabel, maka dekomposisinya
dijamin aman (lossless-join decompotitio).
2.
Terpeliharanya ketergantungan fungsional fungsional dependency pada
saat perubahan data.
3.
Tidak melangar boyce code normal form (BCNF), jika tidak
memungkinkan minimal tidak melanggar sampai bentuk nomal ketiga.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
23
Tahapan-tahapan dalam melakukkan normalisasi terhadap database adalah :
1. Bentuk normal pertama (First normal form)
Sebuah tabel dikatakan 1NF jika tidak ada duplikasi baris dalam tabel
dan masing-masing cell bernilai tunggal. Kemudian semua atribut yang
ada harus bergantung pada primary key.
2. Benuk normal kedua (2 normal form)
Bentuk normal kedua terpenuhi jika pada sebuah tabel semua atribute
yang tidak termasuk primary key memiliki ketergantungan fungsional
terhadap primary key secara utuh, tidak ada ketergantungan persial.
3. Benuk normal kedua (3 normal form)
Sebuah tabel dikatakan memenuhi bentuk normal ketiga jika tidak
terdapat ketergantungan transitif, dimana atribute bukan kunti tidak
boleh tergantung pada atribute lainnya.
2.3.
Fuzzyfikasi Database
Database relationship telah terbukti sebagai model database yang paling
handal dan dipakai pada bermacam aplikasi sistem informasi dengan sukses,
tetapi tidak bagaimanapun juga, sistem database relationship yang diperkenalkan
oleh Codd (1970) tidak menangani data yang ambigu. Data yang ditangani harus
merupakan data yang pasti atau bernilai kosong (null). Padahal dalam realita
kehidupan sekarang ini sering kali dibutuhkan data yang samar dan melibatkan
banyak variabel yang tidak pasti sebagai proses dalam acuan pengambilan
keputusan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
24
Sejak awal dekade 1980-an penelitian tentang impementasi pemakaiaan
kaedah logika fuzzy ( kaedah fuzzy diperkenalkan oleh Zaden pada tahun 1965 )
telah dilakukkan untuk pengembangan berbagai macam model database. Tujuan
dari pemakaian logika fuzzy tersebut dalam pemodelan databse adalah untuk
memperbarui kemammpuan database klasik agar dapat merepresentasikan dan
memanipulasi data atau informasi yang tidak pasti dan tidak akurat (ambigu).
Terbyata penerapan logika fuzzy ini memberikan kontribusi yang sangat besar
terutama pada model data relational atau yang sejenisnya. Perlu dicatat bahwa
pesatnya perkembangan komputasi telah memberikan peluang bagi munculnya
aplikasi database pada CAD/CAM (Computer Aided sesign / Computer Aided
manufacture), multimedia, sistem informasi geografis, dan lainnya.
Berdasarkan buku panduan fuzzy database yang di susun oleh Sri
Kusumadewi dan Hari Purnomo, telah dijelaskan bahwa database adalah
kumpulan dari data yang saling berhubungan satu dengan yang lainnya, tersimpan
di perangkat keras komputer
dan digunakan perangkat lunak untuk
memanipulasinya. Database system adalah suatu sistem informasi yang
mengintegrasikan kumpulan data yang saling berhubungan satu dengan lainnya
dan membuatnya tersedia untuk beberapa aplikasi dalam suatu organisasi.
Sebagian besar database standar diklasifikasikan berdasarkan bagaimana
data tersebut dipandang oleh user. Dengan menggunakan database standar, kita
dapat mencari data-data dengan spesifikasi tertentu dengan menggunakan query.
Namun pada kenyataannya, kadang kita membutuhkan informasi dari
data-data yang
bersifat
ambiguous. Apabila hal ini terjadi, maka kita bisa
menggunakan fuzzy database. Selama ini sudah ada penelitian tentang fuzzy
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
25
database. Salah satu diantaranya adalah model Tahani. Fuzzy database model
Tahani masih tetap menggunakan relasi standar,
hanya saja model ini
menggunakan teori himpunan fuzzy untuk mendapatkan informasi query-nya.
Misalkan kita mengkategorikan usia karyawan ke dalam himpunan :
MUDA, PAROBAYA, dan TUA ()
Gambar 2.9 Fungsi keanggotaan untuk Variabel Usia
Fungsi Keanggotaan :
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
26
Tabel 2.1 menunjukkan tabel karyawan berdasarkan umur dengan derajat
keanggotaannya pada setiap himpunan.
Tabel 2.1 Karyawan Berdasarkan Umur
No
Nama
Umur
Derajat Keanggot aan ([x])
M UDA
PAROBAYA
TUA
1
Lia
30
1
0
0
2
Iw an
48
0
0,4
0,8
3
Sari
36
0,4
0,1
0
4
Andi
37
0,3
0,2
0
5
Budi
42
0
0,7
0,2
6
Amar
39
0,1
0,4
0
7
Rian
37
0,3
0,2
0
8
Kiki
32
0,8
0
0
9
Alda
35
0,5
0
0
10
Yoga
25
1
0
0
Variabel Gaji bisa dikerjakan dalam himpunan: RENDAH, SEDANG, dan
TINGGI.(Gambar 2.10)
Gambar 2.10 Fungsi keanggotaan untuk variabel Gaji
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
27
Fungsi Keanggotaan gaji :
Tabel 2.2 menunjukkan tabel karyawan berdasarkan gaji dengan derajat
keanggotaannya pada setiap himpunan.
Tabel 2.2 Karyawan Berdasarkan Umur
No
Nam a
Gaji/ bln
Derajat Keanggot aan ([z])
RENDAH
SEDANG
TINGGI
750000
0,4
0,5
0,4
1
Lia
2
Iw an
1500000
0,3
0,25
0,25
3
Sari
1255000
0,1
0,6
0,1
4
Andi
1040000
0,3
0,04
0,04
5
Budi
950000
1
0
0
6
Amar
1600000
0
0,225
0
7
Rian
1250000
0
0
0
8
Kiki
550000
0,8
0
0
9
Alda
735000
0,5
0
0
10
Yoga
860000
1
0
0
Ada beberapa query yang bisa diberikan dari data di atas, misalkan Query:
Siapa sajakah karyawan yang masih muda tapi memiliki gaji tinggi?
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
28
SELECT Nama
FROM Karyawan
WHERE (Umur=”MUDA”)
AND (Gaji = “TINGGI”)
Tabel 2.3 menunjukkan hasil query1, yaitu nama-nama karyawan yang
masih muda tapi memiliki gaji yang tinggi.
Tabel 2.3 Hasil Query
Derajat Keanggot aan
No
Nam a
Umur
Gaji/ bln
M UDA
M UDA
TINGGI
&
TINGGI
3
Sari
36
1500000
0,4
0,5
0,4
7
Rian
37
1250000
0,3
0,25
0,25
6
Amir
39
1600000
0,1
0,6
0,1
4
Andi
37
1040000
0,3
0,04
0,04
1
Lia
30
750000
1
0
0
2
Iw an
48
1255000
0
0,225
0
5
Budi
42
950000
0
0
0
8
Kiki
32
550000
0,8
0
0
9
Alda
35
735000
0,5
0
0
10
Yoga
25
860000
1
0
0
Sedangkan dalam system diagnose penyakit ini, peneliti menambahkan
modifikasion perhitungan fire streght guna menampilkan hasil akhir nilai fire
streght yang valid. Berikut modifikasion perhitungannya.
n =∑ i
n = Jumlah nilai true.
i = Count (true).
Intinya dari semua gejala yang diinputkan oleh admin adalah sebagai
acuan. Apabila user dalam system diagnose menginputkan gejala yang sesuai
maka nilainya benar (1) dan yang salah bernilai (0). Dari semua inputan gejala
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
29
yang diberikan user nanti akan dijumlahkan semua dan dibagi dengan banyaknya
gejala yang sesuai acuan. Maka dari situ nilai fire streght didapat.
2.3.1. Clinical Decision Support System.
Masalah penentuan tingkat resiko penyakit (diagnosa penyakit) sangat
berhubungan dengan Clinical Decision Support System (CDSS). CDSS adalah
perangkat lunak yang dirancang untuk membantu para pekerja klinis dalam
mengambil keputusan. Pada sistem ini, karakteristik dari data pasien akan
dicocokkan dengan pengetahuan-pengetahuan yang ada pada basis pengetahuan.
Ada beberapa target utama CDSS, yaitu support diagnosa, dosis obat, tindakan
pencegahan (seperti: mengingatkan untuk melakukan vaksinasi), manajemen
penyakit (seperti: diabetes, hipertensi, asma), pengadaan tes dan resep obat
(seperti pengecekan terhadap alergi obat), serta utilitas (seperti: tindak lanjut
klinis). Masalah diagnosa penyakit sering kali dijumpai, bahkan menjadi dominasi
pada Clinical Decision Support System (CDSS).
Dalam sistem pakar biasa, masalah diagnosa penyakit sudah cukup banyak
dikembangkan. Perangkat lunak yang telah dibangun untuk keperluan CDSS
ter