DAVID YOSUANTO M3309012

commit to user i

SISTEM PENDUKUNG KEPUTUSAN MEMILIH PRODUK PONSEL BERBASIS WEB

TUGAS AKHIR

Diajukan Untuk Memenuhi Salah Satu Syarat Mencapai Gelar Ahli Madya Program Diploma III Teknik Informatika Fakultas Matematika dan Ilmu

Pengetahuan Alam Universitas Sebelas Maret

Disusun Oleh: DAVID YOSUANTO

NIM.M3309012

PROGRAM DIPLOMA III TEKNIK INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET

SURAKARTA 2012

commit to user

DAVID YOSUANTO, 2012. SISTEM PENDUKUNG KEPUTUSAN MEMILIH

PRODUK PONSEL BERBASIS WEB. Program Diploma III Teknik Informatika, Fakultas

Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret Surakarta.

Di tahun 2012 diprediksikan volume ponsel di Indonesia akan menembus angka 4,5 juta unit/bulan. Dengan persentasi pertumbuhan mencapai 10 – 15 persen. Oleh sebab itu maka dibutuhkan sebuah sistem menggunakan metode fuzzy yang membatu user menentukan keputusan dalam memilih produk ponsel dengan hasil akhir berupa peringkat rekomendasi dalam persentase dari ponsel yang sesuai dengan kriteria user.

Metode pengembangan sistem yang digunakan Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web dengan mode pengembangan SDLC (System Development Cycle) menurut teori Ladjamudin (2005), yang berfungsi untuk menggambarkan tahap-tahap utama dan langkah-langkah dari setiap tahap yang secara garis besar terbagi dalam tiga kegiatan utama, yaitu analisis, desain dan implementasi. Sistem ini dibuat dengan bahasa pemrograman PHP dan DBMS MySQL untuk memanajemen databasenya.

Hasil yang telah dicapai dari dibuatnya Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web yaitu terbantunya masyarakat dalam menentukan keputusan memilih produk ponsel dan mendapatkan informasi mengenai detail produk ponsel.

ABSTRACT

DAVID YOSUANTO, 2012. WEB BASED DECISION SUPPORT SYSTEM TO

CHOOSE MOBILE PHONE PRODUCT. Diploma III Information Engineering Program,

Faculty of Mathematics and Natural Sciences,Universitas Sebelas Maret.

In 2012 it was predicted that the volume of mobile phones in Indonesia would break the 4.5 million units / month. With the percentage growth achieved 10-15 per cent. Therefore it is necessary to build a system using fuzzy method that petrified user determining the decision in choosing mobile products with the end result of the recommendations in the percentage ranking of the mobile phone according to user criteria.

System development method used was development of SDLC (System Development Cycle) method according to the theory Ladjamudin (2005). SDLC which serves to illustrate the major stages and steps of each stage that are broadly divided into three main activities, namely analysis, design and implementation. The system was created by PHP programming language and MySQL Database Management System to manage its database.

Concluded that this system made user helped in determining the decision of choosing mobile products and get detailed information about mobile phone products.

commit to user

1

BAB I PENDAHULUAN

1.1 Latar Belakang Masalah

Perkembangan teknologi informasi telah membawa sejumlah perubahan dalam kehidupan masyarakat dunia, tidak terkecuali masyarakat di Indonesia. Berdasarkan survei dari Nielsen, dibandingkan dengan negara - negara di Asia Tenggara, persentase pengguna ponsel di Indonesia meningkat paling besar, yaitu dari 23 persen menjadi 53 persen dalam empat tahun terakhir (Gunawan, www.tribunnews.com/2011/05/31/pengguna-ponsel-naik-menjadi-53-persen, akses 10 Mei 2012).

Dengan begitu banyaknya pengguna ponsel hal ini berpengaruh terhadap jumlah ponsel yang beredar di masyarakat. Di tahun 2012 diprediksikan volume ponsel di Indonesia akan menembus angka 4,5 juta unit/bulan. Dengan persentasi pertumbuhan mencapai 10 – 15 persen. Selain pengguna ponsel dan volume ponsel yang bertambah para produsen ponsel pun berlomba - lomba untuk membuat ponsel sesuai kriteria konsumen.

Berbagai variasi produk ponsel yang beredar, dari ponsel kelas low-end hingga high-end, akan menimbulkan masalah tersendiri bagi konsumen. Konsumen tidak jarang merasa bingung dalam menentukan keputusan untuk memilih ponsel yang sesuai dengan keinginan dan kemampuan mereka. Alasan tersebut diataslah yang mendorong penulis memilih “Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web” sebagai judul Tugas Akhir.

1.2 Perumusan Masalah

Berdasarkan latar belakang di atas dapat diambil perumusan masalah sebagai berikut:

1. _{Bagaimana membuat website yang menyediakan informasi mengenai}

commit to user

2. _{Bagaimana membuat website yang dapat membandingkan antara produk}

ponsel satu dengan yang lainnya.

3. _{Bagaimana membuat website yang membatu user menentukan keputusan}

dalam memilih produk ponsel.

1.3 Batasan Masalah

Berdasarkan rumusan masalah di atas dapat diambil batasan masalah sebagai berikut:

1. Data sampel brand yang digunakan yaitu HTC, Motorola, Nokia, Samsung dan Sony Ericsson.

2. Menyajikan informasi detail spesifikasi ponsel seperti brand, type, simcard, network band, announced, price, formfactor, height, width, thickness, volume, weight, cardslotcapability dll.

3. Fasilitas perbandingan (compare) digunakan untuk membadingkan 2 (dua) ponsel yang berbeda.

4. Metode DSS yang digunakan adalah metode fuzzy tahani.

5. Variabel – variabel yang termasuk dalam variabel fuzzy yaitu batmusicplay, batstandby, battalktime, cameraresolution, cardslotcapability, cpuspeed, displaypixeldensity, displaysize, price, thickness, volume, weight.

6. Menggunakan 3 (tiga) himpunan fuzzy di tiap variabelnya (variabel fuzzy).

1.4 Tujuan

Penulisan ini bertujuan untuk mengimplementasikan sebuah sistem pendukung keputusan memilih produk ponsel berbasis web.

commit to user

1.5 Manfaat

Manfaat dari adanya website ini diharapkan masyarakat terbantu dalam menentukan keputusan memilih produk ponsel dan mendapatkan informasi mengenai detail produk ponsel.

1.6 Metodologi Pengembangan Sistem

Proses/fase dalam metodologi pengembangan Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web yaitu :

1. Analisa

Pada fase analisa meliputi: a. Analisa kebutuhan system

a) Kebutuhan Fungsional b) Kebutuhan Non Fungsional 2. Desain dan Perancangan

Pada fase analisa meliputi: a. Perancangan Database

a) Membuat Context Diagram, Data Flow Diagram

b) Membuat EntityRelationship Diagram

c) Membuat Tabel relasi, Struktur Tabel b. Desain Interface

a) Desain Interface halaman user

b) Desain Interface halaman admin

3. Implementasi

Pada fase implementasi meliputi: a. Membuat database

b. Membuat query

c. Pemrograman d. Testing

commit to user

4. Maintenance

Pada fase ini sistem yang dibuat akan diperbaiki dan ditingkatkan sehingga menghasilkan sistem yang lebih teruji.

1.7 Sistematika Penulisan

Terdapat 5 bab yang masing - masing akan diuraikan secara singkat dalam sistematika penulisan sebagai berikut: BAB I PENDAHULUAN, bab ini merupakan bab awal dalam laporan penelitian ini. Bab ini berisi latar belakang masalah, perumusan masalah, batasan masalah, tujuan dan manfaat, metodologi penelitian, serta sistematika penelitian. BAB II LANDASAN TEORI, bab ini memuat tinjauan pustaka teori-teori yang disajikan dalam landasan teori hanyalah teori yang mendukung pembuatan Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web. BAB III DESAIN DAN PERANCANGAN, bab ini memuat data - data yang diperlukan dalam perancangan sistem, yaitu context diagram, data flow diagram, entity relationshp diagram, tabel relasidan desain interface. BAB IV IMPLEMENTASI DAN ANALISA, bab ini memuat informasi mengenai bagaimana sistem dibuat dan analisa yang disajikan dalam gambar. BAB IV PENUTUP, bab ini berisi kesimpulan dan saran.

commit to user

5

BAB II

LANDASAN TEORI

2.1HTML dan CSS

HTML singkatan dari Hypertext Markup Language. HTML digunakan untuk membuat halaman web. Sebuah file dokumen yang ditulis dalam format HTML akan dibaca dan diterjemahkan oleh web browser untuk kemudian disajikan dalam bentuk web. File – file yang ditulis dalam format HTML disimpan dengan ekstensi .htm atau .html. File – file tersebut dapat ditulis dengan berbagai macam teks editor, misalnya Notepad, Wordpad, dan lain sebagainya. (Ramadhan, 2006)

CSS (Cascading Style Sheet) digunakan untuk mempercantik halaman web. Seperti halnya Javascript, CSS merupakan bahasa yang disipkan pada tag HTML (Sutisna, 2008).

2.2SQL

SQL merupakan singkatan dari Structure Query Language. SQL merupakan bahasa komputer standar ANSI (American National Standards Institute). Dengan SQL pemakai dapat mengakses database, menjalankan query untuk mengambil data dari database, menambahkan data ke database, menghapus data di dalam

database, dan meng-update data di dalam database.

Menurut Suja (2005), SQL tersedia dalam banyak versi. MS Access, DB2, Informix, MS SQL Server, Oracle, Sybase, MySql, dan sebagainya. Masing - masing memiliki versi sendiri karena memiliki ekstensi sendiri sebagai tamahan terhadap SQL ANSI. Bahasa SQL seperti yang didefinisikan oleh ANSI tersusun atas 3 kelompok pernyataan berdasarkan fungsinya.

1. Data Definition Language (DDL) terdiri atas perintah perintah SQL yang secara langsung membuat obyek database seperti tabel dan indeks. Namun perintah – perintah SQL yang membuat obyek database secara temporer

commit to user

ketika proses, tidak dimasukkan dalam kelompok DDL. Contoh Peintah SQL yang masuk kategori ini adalah SELECT.

2. Data Manupulation Language (DML) terdiri atas perintah – perintah yang beroperasi pada data di dalam database. Ini mencapup pernyataan - peryataan untuk menambahkan data ke dalam tabel atau pernyataan yang dipakai untuk melakukan query terhadap database.

3. Data Control Language berisi perintah – perintah dalam kelompok yang merupakan perintah yang dipakai untuk pengaturan keamanan.

2.3PHP dengan MySql

Database merupakan kumpulan data yang di dalamnya terdapat tabel – tabel. Jika kita berbicara mengenai database, sebenarnya mengacu pada bentuk data

relational yang terdiri dari baris (row/record) dan kolom (column/field). Perangkat lunak PHP mendukung perangkat lunak Database konventional

(database tunggal). Hingga database modern (database server) (Supardi, 2010).

Database MySQL tergolong database server, PHP sangat serasi dengan

server web apache dan database MySql. Beberapa perintah penting di database server MySql antara lain :

1. create databae

2. use

3. create Table

4. inser Into

5. select

Masih banyak lagi perintah – perintah MySql. PHP mempunyai beberapa fungsi yang penting untuk mengakses database server MySql, fungsi – fungsi tersebut antara lain:

1. mysql_connect() 2. mysql_select_db() 3. mysql_query() 4. mysql_fetch_array()

commit to user

2.4CD (Context Diagram)

Menurut Rosari (2007), CD adalah bagian dari Data Flow Diagram (DFD) yang berfungsi memetakan model lingkungan, yang dipresentasikan dengan lingkaran tunggal yang mewakili keseluruhan sistem. CD menyoroti sejumlah karakteristik penting sistem yaitu :

1. _{Kelompok pemakai, organisasi atau sistem lain dimana sistem melakukan}

komunikasi (sebagai terminator).

2. _{Data masuk yaitu data yang diterima sistem dari lingkungan dan harus}

diproses dengan cara tertentu.

3. _{Data keluar, yaitu data yang dhasilkan sistem dan diberikan ke dunia luar.} 4. _{Penyimpanan data (storage) yaitu digunakan secara bersama antara sistem}

dengan terminator. Data itu dapat dibuat oleh sistem dan digunakan oleh lingkungan atau sebaliknya.

5. _{Batasan antara sistem dengan lingkungan.}

Pada perancangan database menentukan entity dan relasi dibutuhkan analisa data sehingga saat salah satu data di-update maka data lain akan ikut ter-update. Maka dari itu pada struktur data dan relasi antar file seharusnya ada atribut (field) yang dipilih untuk dijadikan kunci utama atribut (primary key) maupun Foreign Key (Rosari, 2007).

1. Primary Key adalah satu atribut mengidentifikasi suatu entity secara unik, spesifik dan dapat mewakili setiap kejadian dari suatu entity dan menyeluruh terhadap entity yang ada.

2. Foreign Key adalah satu atribut yang melengkapi sebuah relasi tabel yang menunjuk kepada induk tabelnya. Hubungan antara induk dan anak tabel merupakan hubungan satu lawan banyak.

commit to user 2.5DFD (Data Flow Diagram)

DFD merupakan salah satu komponen dalam serangkaian pembuatan perancangan sebuah sistem komputerisasi. DFD menggambarkan aliran data dari sumber pemberi data (input) ke penerima data (output). Aliran data itu perlu diketahui agar pembuat sistem tahu persis kapan sebuah data harus disimpan, kapan harus ditanggapi (proses), dan kapan harus didistribusikan ke bagian lain (Riyadi, 2010).

Komponen-komponen DFD ditunjukkan pada gambar 2.1:

atau

Terminator Proses Alur Data Penyimpan Data (data store)

Gambar 2.1 Komponen-komponen DFD

1. Terminator, terminator dapat disebut juga ‘Kesatuan Luar’ yaitu suatu unit

kerja/ jabatan, atau sejenisnya yang berada di luar sistem tetapi memberi andil atas pemberian atau penerimaan data dari sistem secara langsung. Terminator dapat pula disebut dengan ‘Sumber Pemberi Data (input),’ maupun ‘Tujuan Pemberian Data (output)’.

2. Proses, proses adalah suatu tindakan yang akan diambil terhadap data yang masuk. Karena proses adalah tindakan, maka proses berisi kata kerja, Proses diberikan identifikasi (nomor) agar mempermudah sekuen untuk diagram detilnya.

3. Alur Data, alur data menggambarkan data yang mengalir dari terminator ke proses atau dari proses ke proses lainnya. Data yang dibawa oleh alur data harus disebutkan dan diletakkan di atas lambang alur data dan bila alur data digambar panjang, sebaiknya penulisan data mendekati lambang anak panahnya.

4. Penyimpan Data (Data Store), data yang akan disimpan perlu ditempatkan ke satu tempat penyimpanan data. Data yang disimpan dapat berupa data

commit to user

manual maupun data digital. Untuk data digital, penyimpan data tersebut kelak akan dijadikan file data di komputer. Alur data yang anak panahnya menuju penyimpan data, kegiatannya adalah ‘menulis/merekam’ data, sehingga isi file data akan berubah karenanya. Sedangkan alur data yang anak panahnya menuju ke proses dari penyimpan data, kegiatannya adalah ‘membaca’ data, sehingga isi file data tidak akan berubah karenanya.

2.6ERD (Entity Relation Diagram)

ERD merupakan model data berupa notasi grafis dalam pemodelan data konseptual yang menggambarkan hubungan antara penyimpan. Model data sendiri merupakan sekumpulan cara, peralatan untuk mendeskripsikan data-data yang hubungannya satu sama lain, semantiknya, serta batasan konsistensi. Model data terdiri dari model hubungan entitas dan model relasional (Kristanto, 2004).

2.9Logika Fuzzy

Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah peting. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi ciri utama dari penalaran dengan logika fuzzy tersebut (Kusumadewi dan Purnomo, 2010).

Menurut Kusumadewi dan Purnomo (2010), dalam banyak hal, logika fuzzy digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju ke output yang diharapkan. Beberapa contoh yang dapat diambil antara lain :

1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir inggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari. 2. Seseorang pegawai melakukan tugasnya dengan kinerja yang sangat baik,

kemudian atasan akan memberikan reward yang sesuai dengan kinerja pegwai tersebut.

commit to user

Salah satu contoh pemetaan suatu input output dalam bentuk grafis seperti terlihat pada gambar.

Gambar 2.2 Contoh Pemetaan Input-Output (Gelley, 2000)

Logika fuzzy dapat dianggap sebagai kotak hitam yang menghubungkan antara ruang input menuju ke ruang output (Gelley, 2000). Kotak hitam tersebut berisi cara atau metode yang dapat digunakan untuk mengolah data input menjadi output dalam bentuk informasi yang baik (Kusumadewi dan Purnomo, 2010).

2.9.1 Himpunan Fuzzy

Menurut Kusumadewi dan Purnomo (2010), pada himpunan tegas (crisp), nilai kesnggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µA(x), memiliki dua kemungkinan, yaitu :

· Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau

· Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Contoh 1:

S = {1,2,3,4,5,6} A = {1,2,3} B = {3,4,5}

commit to user

Bisa dikatakan bahwa :

· Nilai keanggotaan 2 pada himpunan, µA(2)=1. · Nilai keanggotaan 3 pada himpunan, µA(3)=1. · Nilai keanggotaan 4 pada himpunan, µA(4)=0. · Nilai keanggotaan 2 pada himpunan, µB(2)=0. · Nilai keanggotaan 3 pada himpunan, µB(3)=1.

Contoh 2:

Misalkan variabel umur dibagi menjadi 3 kategori, yaitu: a. MUDA umur < 35 tahun

b. PAROBAYA 35 < umur < 55 tahun c. TUA umur > 55 tahun

Gambar 2.3 Himpunan: MUDA, PAROBAYA, dan TUA

· Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA, (µMUDA(34)=1).

· Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA (µMUDA(35)=0).

· Apabila seseorang berusia 35 tahun kuang 1 hari, maka ia dikatakan MUDA (µMUDA(35th – 1hr)=0).

· Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA (µPAROBAYA(35)=1).

commit to user

· Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA (µPAROBAYA(34)=0).

· Apabila seseorang berusia 55 tahun, maka ia dikatakan PAROBAYA (µPAROBAYA(55)=1).

· Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA (µPAROBAYA(35th – 1hr)=0).

Dari sini bisa dikatakan bahwa pemakaian himpun crisp untuk menyatakan umur sangat tidak adil, adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan (Kusumadewi dan Purnomo, 2010).

Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dsb. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaannya (Kusumadewi dan Purnomo, 2010). Gambar dibawah menunjukkan himpunan fuzzy untuk variabel umur.

Gambar 2.4 Himpunan Fuzzy untuk Variabel Umur

Pada gambar diatas dapat dilihat bahwa:

· Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan µMUDA(40) = 0,25; namun dia juga termasuk dalam himpunan

commit to user

· Seseorang yang berumur 50 tahun, termasuk dalam himpunan MUDA dengan µTUA(50) = 0,25; namun dia juga termasuk dalam himpunan

PAROBAYA dengan µPAROBAYA(50)=0,5.

Kalau pada himpunan crisp, nilai keanggotaan hanya ada 2 kemungkinan, yaitu 0 atau 1, pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy µA(x)=0 berarti x tidak

menjadi anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzy µA(x)=1 berarti x menjadi anggota penuh pada himpunan A

(Kusumadewi dan Purnomo, 2010).

Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas menimbulkan kerancuan. Keduanya memiliki nilai pada interval [0,1], namun interpretasi nilainya sangat berbeda antara kedua kasus tersebut. Kenganggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang (Kusumadewi dan Purnomo, 2010).

Menurut Kusumadewi dan Purnomo (2010), himpunan fuzzy memiliki 2 atribut, yaitu :

a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu denganmenggunakan bahasa alami, seperti : MUDA, PAROBAYA, TUA.

b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suati variabel seperti : 40, 25, 50, dsb.

Menurut Kusumadewi dan Purnomo (2010), ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:

a. Variable fuzzy, variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh : umur, temperatur, permintaan, dsb. b. Himpunan fuzzy, himpunan fuzzy merupakan suatu grup yang mewakili

commit to user

c. Semesta Pambicaraan, semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik(bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya.

d. Domain, domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti alnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif.

2.9.2 Fungsi Keanggotaan

Menurut Kusumadewi dan Purnomo (2010), fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik - titik input data ke dalam nilai keanggotaannya(sering juga disebut dengan derajat keanggotaan) yang memiliki inyerval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan dalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan :

a. Representasi Linear

Pada representasi linear, pemetaan input ke derajat kenaggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas. (Kusumadewi dan Purnomo, 2010).

Ada 2 keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol (0) bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi (Kusumadewi dan Purnomo, 2010).

commit to user

Gambar 2.5 Representasi Linear Naik

Gambar 2.6 Fungsi Keanggotaan Kurva Linear Naik

Ke dua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai domain dengan derajar keanggotaan tertinggi pada sisis kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajar keanggotaan lebih rendah.

commit to user

Gambar 2.8 Fungsi Keanggotaan Kurva Linear Turun

b. Representasi Kurva Segitiga

Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear) (Kusumadewi dan Purnomo, 2010).

Gambar 2.9 Kurva Segitiga

Gambar 2.10 Fungsi Keanggotaan Kurva Segitiga

c. Representasi Kurva Trapesium

Kurva Segita pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa tititk yang memiliki nilai keanggotaan 1 (Kusumadewi dan Purnomo, 2010).

commit to user

Gambar 2.11 Kurva Trapesium

Gambar 2.12 Fungsi Keanggotaan Kurva Trapesium

d. Representasi Kurva Bentuk Bahu

Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam benyuk segitiga, pada sisi kanan dan kirinya akan naik dan turun (misalkan : DINGIN bergerak ke SEJUK bergerak ke HANGAT dan bergerak ke PANAS). Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan (Kusumadewi dan Purnomo, 2010).

commit to user

Gambar 2.13 Daerah Bahu pada Variabel TEMPERATUR

e. Representasi Kurva-S

Kurva PERTUMBUHAN dan PENYUSUTAN merupakan kurva-S atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan secara tak linear.

Gambar 2.14 Karakteristik Fungsi Kurva-S

f. Representasi Kurva Bentuk Lonceng (Bell Curve)

Menurut Kusumadewi dan Purnomo, (2010), untuk merepresentasikan bilangan fuzzy, biasanya digunakan kurva berbentuk lonceng. Kurva

commit to user

bebrbentuk lonceng ini terbagi atas 3 kelas, yaitu himpunan fuzzy PI, beta dan Gayss. Perbedaan kurva ini terletak pada gradiennya.

1. Kurva PI

Menurut Cok (1994) dalam Kusumadewi dan Purnomo (2010), kurva PI berbentuk lonceng dengan derajat keanggotaan 1 terletak pada pusat dengan domain (γ), dan lebar kurva (β).

Gambar 2.15 Karakteristik Fungsional Kurva PI

2. Kurva BETA

Menurut Cok (1994) dalam Kusumadewi dan Purnomo (2010), seperti halnya kurva PI, kurva BETA juga berbentuk lonceng namun lebih rapat. Kurva ini juga didefinisikan dengan 2 parameter, yaitu nilai pada domain yang menunjukkan pusat kurva (γ), dan setengah lebar kurva (β).

commit to user

Gambar 2.16 Karakteristik Fungsional Kurva BETA

3. Kurva GAUSS

Menurut Cok (1994) dalam Kusumadewi dan Purnomo (2010), jika kurva PI dan kurva BETA menggunakan 2 parameter yaitu (γ) dan (β), kurva GAUSS juga menggunakan (γ) untuk menunjukkan nilai domain pada pusat kurva, dan (k) yang menunjukkan lebar kurva.

commit to user 2.9.3 Operator Dasar Zadeh

Menurut Cok (1994) dalam Kusumadewi dan Purnomo (2010), seperti halnya himpunan konvensional, ada beberapa operasi yang didefinikan secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai keanggotaannya sebagai hasil dari operasi 2 himpunan sering dikenal dengan nama fire strength atau α-predikat. Ada 3 operator dasar yang diciptakan oleh Zadeh, yaitu :

1. Operator AND

Operator ini berhubungan dengan operasi interseksi pada himpunan. α -predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antarelemen pada himpunan-himpunan yang bersangkutan.

µAnB = min(µA(x), µB(y))

2. Operator OR

Operator ini berhubungan dengan operasi union pada himpunan, α -predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesaar antarelemen pada himpunan-himpunan yang bersangkutan.

µAuB = max(µA(x), µB(y))

3. Operator NOT

Operator ini berhubungan dengan operasi komplemen pada himpunan. α -predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkuan dari 1.

commit to user

2.9.4 Fuzzy Database

Basisdata (database) merupakan kumpulan dari data yang saling berhubungan satu dengan yang lainnya, tersimpan di perangkat keras komputer dan digunakan perangkat lunak untuk memanipulasinya. Sistem basisdata (database system) adalah suatu sistem informasi yang mengintegrasikan kumpulan data yang saling berhubungan satu dengan yang lainnya dan membuatnya tersedia untuk beberapa aplikasi dalam suatu organisasi (Kusumadewi dan Purnomo, 2010).

Basisdata yang umumnya digunakan, memiliki data yang lengkap dalam setiap tabelnya. Demikian pula, apabila hendak dibuat suatu query, maka query

itupun harus menggunakan data yang ada pada tabel dan kata-kata kunci yang berlaku si SQL. Apabila kita memiliki data yang kurang lengkap, mengandung ketidakpastian dan ambigu, maka penggunaan basisdata sulit untuk dilakukan. Dari sinilah dapat dimanfaatkan logika fuzzy untuk mengantisipasi pemanipulasian data dalam basisdata yang mengandung ketidakpastian, baik dari sisi data maupun query-nya .

2.9.4.1Metode Fuzzy Database Model Tahani

Pada Akhir abad ke-19 hingga akhir abad ke-20, teori probabilitas memegang peranan penting untuk penyelesaian masalah ketidakpastian. Teori ini terus berkembang, hingga akhirnya pada tahun 1965, Lotfi A. Zadeh memperkenalkan teory himpunan fuzzy, yang secara tidak langsung mengisyaratkat bahwa tidak hanya teori probabilitas saja yang dapat digunakan untuk merepresentasikan masalah ketidakpastian. Pada teori himpunan fuzzy, komponen utama yang sangat berpengaruh adalah fungsi keanggotaan. Fungsi keanggotaan merepresentasikan derajat kedekatan suatu objek terhadap atribut tertentu (Kusumadewi dan Purnomo, 2004).

Database adalah kumpulan dari data yang saling berhubungan satu dengan yang lainnya, tersimpan di perangkat keras komputer dan digunakan perangkat lunak untuk memanipulasinya. Sedangkan sistem basis data (Database System)

commit to user

adalah suatu sistem informasi yang mengintegrasikan kumpulan data yang saling berhubungan satu dengan yang lainnya dan membuatnya tersedia untuk beberapa aplikasi dalam suatu organisasi. Pada kenyataannya seseorang terkadang membutuhkan informasi dari data-data yang bersifat ambiguous. Apabila hal ini terjadi, maka bisa digunakan basis data fuzzy. Selama ini, sudah ada beberapa penelitian tentang basis data fuzzy, salah satu diantaranya adalah Model Tahani. Basis data fuzzy model tahani masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada

query-nya.

Fuzzy database model tahani ini masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada query-nya. Tahani mendeskripsikan suatu metode pemrosesan

query fuzzy dengan didasarkan atas manipulasi bahasa yang dikenal dengan nama SQL.

Dalam sistem logika fuzzy query ini berupaya mencapai sebuah kelenturan (flexibility) dari sebuah DBMS yang mana mempunyai aspek-aspekvariasi (motro, 1988) seperti koreksi kesalahan secara otomatis, pencarian fleksibel, kemampuan menghindari respon kosong, kemungkinan dari ketepatan (fuzzy) istilah ucapan atau sebutan dalam sebuah query. Pendekatan pertama dalam fuzzy query ke DBMS adalah Tahani (1997). Ide dari Sistem Basis Data Fuzzy Model Tahani adalah mendefinisikan konsep dari relasi fuzzy dalam sebuah DBMS dengan derajat keanggotaan.

commit to user

52 BAB IV

IMPLEMENTASI DAN ANALISA

4.1 Implementasi

Imlementasi sistem dilakukan dengan beberapa tahap pengerjaan. Tahapan-tahapan tersebut yaitu tahap membuat database, tahap membuat query, dan tahap pemrograman/coding.

4.1.1 Membuat Database

Pembuatan database dilakukan dengan menggunakan aplikasi DBMS MySQL 5.1.41 pada XAMPP version 1.7.3. Database dibuat melalui user interface dari XAMPP yang diakses melalui web browser Mozilla Firefox 12.

Database dibuat dengan nama mobilephone. Dalam database mobilephone terdapat 26 tabel yang digunakan untuk meny-9impan data-data yang dibutuhkan dalam sistem, yaitu tabel admin, tabel availability, tabel brand, tabel cardslottype, tabel comment, tabel cpucore, tabel dataspeed, tabel displaycolor, tabel displayresolution, tabel displaytechnology, tabel dolike, tabel edge, tabel formfactor, tabel fuzzyrule, tabel fuzzyset, tabel gprs, tabel image, tabel keypadtype, tabel membershipdegree, tabel message, tabel news, tabel opinions, tabel os, tabel phone, tabel simcard, tabel touchscreen ditunjukkan pada gambar 4.1.

commit to user

Gambar 4.1 Halaman phpmyadmin Database mobilephone

4.1.2 Membuat Query

Ada banyak query yang digunakan untuk memanipulasi data-data yang tersimpan dalam database Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web. Query-query tersebut diantaranya digunakan untuk:

1. Menampilkan data ponsel tertentu :

SELECT * FROM `phone` WHERE `brand` = 'Nokia' AND `type` = 'C2-05'.

2. Menampilkan data hasil pencarian ponsel :

SELECT * FROM `phone` INNER JOIN `membershipdegree` ON phone.type = membershipdegree.type WHERE phone.simcard = '2 GSM sims' AND membershipdegree.weight1 > 0 AND phone.os = 'Windows Mobile'.

commit to user 4.1.3 Pemrograman

Pemrograman dilakukan dengan metode prosedural, bahasa pemrograman yang digunakan adalah PHP 5.3.1 dengan web server Apache 2.2.14 dan software pendukung Adobe Dreamweaver CS5.

4.2 Analisa

4.2.1 Fitur Administrator

Di dalam Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web terdapat beberapa fungsi yang bertugas mengendalikan dan mengontrol sistem di antaranya adalah kemampuan dalam menangani data news/berita, data ponsel, data image ponsel, data batasan himpunan fuzzy, data himpunan fuzzy dan fuzzifikasi. Berikut adalah penjelasan beberapa fitur yang disediakan bagi administrator:

1. Write Post, fitur yang digunakan untuk menambahkan news/berita baru, yang akan ditampilkan pada halaman home user.

2. View comment, fitur yang digunakan untuk menampilkan komentar user terhadap news tertentu.

3. Add phone, fitur yang digunakan untuk menambahkan ponsel baru ke dalam database.

4. View opinions, fitur yang digunakan untuk menampilkan opini user terhadap ponsel tertentu.

5. View image, fitur yang digunakan untuk menampilkan image-image untuk ponsel tertentu.

6. Add image, fitur yang digunakan untuk menambahkan satu image maupun banyak image sekaligus untuk ponsel tertentu.

7. Membership Degree, fitur yang digunakan untuk menampilkan derajat keanggotaan tiap ponsel berdasarkan variabelnya.

commit to user

8. Fuzzy Set, fitur yang digunakan untuk menampilkan maupun memanipulasi variabel linguistik.

9. Fuzzy Rule, fitur yang digunakan untuk menampilkan maupun memanipulasi batasan batasan himpunan fuzzy.

10. Fuzzification, fitur yang digunakan untuk melakukan perhitungan derajat keanggotaan tiap ponsel berdasarkan variabelnya.

4.2.2 Fitur User

Di dalam Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web terdapat beberapa fitur untuk user, diantaranya:

1. Home, dalam menu home user dapat melihat news/berita terbaru, user juga dapat memberikan komentar terhapat news tertentu.

2. Product, dalam menu product user dapat melihat daftar ponsel berdasarkan brand-nya. User juga dapat melihat detail ponsel mulai dari spesifikasi, image. User dapat juga memberikan opini maupun melakukan voting terhadap ponsel tertentu.

3. Compare, dalam menu compare user dapat membandikan 2 produk ponsel yang berbeda.

4. Find Out, dalam menu find out user dapat melakukan pencarian ponsel berdasar keinginan user. Pencarian dilakukan dengan metode fuzzy tahani.

5. Contact, dalam menu contact user dapat mengirimkan pesan kepada admin.

4.2.3 Fuzzifikasi

Fuzzifikasi atau perhitungan derajat keanggotaan akan melibatkan data ponsel (tabel phone) dan data batasan himpunan (tabel fuzzyrule). Data ponsel yang ada dalam tabel phone tidak semua digunakan, namun hanya data-data yang termasuk dalam variabel fuzzy, yaitu batmusicplay, batstandby, battalktime, cameraresolution, cardslotcapability, cpuspeed, displaypixeldensity, displaysize,

commit to user

price, thickness, volume, weight. Dalam sistem yang dibuat fuzzifikasi dilakukan dengan menggunakan pendekatan fungsi kurva bahu.

Admin melalui menu fuzzification dapat melakukan perhitungan derajat keanggotaan yang nantinya akan menghasilkan nilai derajat keanggotaan yang akan disimpan dalam tabel membershipdegree, proses tersebut terlihat dalam gambar 4.3. Tabel membershipdegree digunakan ketika terjadi proses pencarian ponsel oleh user.

Gambar 4.2 Flowchart Alur Fuzzifikasi oleh Admin

Sebagai contoh dipilih data Sony Ericsson Xperia PLAY dari sampel ponsel yang ada. Pada sistem yang sudah berjalan, ponsel Sony Ericsson Xperia PLAY mempunyai derajat keanggotaan 0,469231 untuk variabel price. Hal ini terlihat pada gambar 4.3.

Gambar 4.3 Derajat keanggotaan Sony Ericsson Xperia PLAY untuk variabel price

commit to user

Untuk mendapatkan derajat keanggotaan 0,469231 untuk variabel price sistem melakukan fuzzifikasi (perhitungan derajar keanggotaan) dengan alur seperti terlihat pada gambar4.2. Dalam proses fuzzifikasi sistem membutuhkan batasan himpunan untuk variabel price yang sudah dimasukkan oleh admin sebelumnya. Terlihat pada gambar 4.4.

Gambar 4.4 Batasan himpunan untuk variabel price

Bila digambarkan dalam bentuk kurva, batasan himpunan untuk variabel price akan terlihat seperti gambar 4.5.

Gambar 4.5 Representasi kurva bahu untuk variabel price

Untuk mendapatkan hasil fuzzifikasi. Sistem melakukan perhitungan derajat keanggotaan dengan menggunakan fungsi keanggotaan representasi kurva bahu.

4.2.4 Alur Pencarian dengan Metode Fuzzy Tahani

Fungsi utama dari Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web adalah membatu user menentukan keputusan dalam memilih produk ponsel. User melalui menu Find Out dapat mengisikan kriteria user

commit to user

terhadap ponsel tertentu pada field-field yang tersedia. Proses pencarian dengan metode fuzzy tahani terlihat dalam gambar 4.6.

Gambar 4.6 Flowchart Pencarian Ponsel

Ketika user mengeksekusi, proses pencarian akan dilakukan oleh sistem yang melibatkan data pada tabel phone dan tabel membershipdegree. Untuk variabel variabel non-fuzzy sistem akan melakukan pencarian pada tabel ponsel menggunakan query SQL like. Apabila terdapat variabel fuzzy dalam kriteria user maka pencarian akan melibatkan tabel membershipdegree.

4.2.5 Query Pencarian dan Hasil Pencarian

Sebagai contoh disimulasikan user mengisikan kriteria untuk price memilih cheap dan untuk weight memilih light seperti terlihat pada gambar 4.7.

commit to user

Gambar 4.7 Kriteria user untuk price - cheap dan untuk weight – light

Ketika user mengesekusi proses pencarian, maka sistem akan membuat query

pencarian sesuai dengan kriteria user seperti terlihat pada gambar 4.8.

Gambar 4.8 Query dan hasil pencarian

Sistem kemudian akan menampilkan hasil pencarian sesuai dengan derajat keanggotaan tiap variabel. Untuk mendapatkan nilai rekomendasi dalam persentase sistem menggunakan operator min terhadap variabel price dan weight.

Sebagai contoh diambil data dari ponsel Sony Ericsson Cedar. Ponsel Sony Ericsson Cedar memiliki derajat keanggotaan variabel price – cheap sebesar 0,9

commit to user

seperti terlihat pada gambar 4.9 dan derajat keanggotaan weight – light sebesar 1 seperti terlihat pada gambar 4.10.

Gambar 4.9 Derajat keanggotaan Sony Ericsson Cedar untuk variabel price – cheap

Gambar 4.10 Derajat keanggotaan Sony Ericsson Cedar untuk variabel weigth – light

Untuk ,endapatkan nilai rekomendasi sebesar 90% sistem melakukan perhitungan dengan operator min untuk derajat keanggotaan variabel price – cheap dan weight – light. Kemudian akan dikalikan 100.

µpricecheap∩ µweightlight = min(µpricecheap[55],µweightlight[84]) 4.2.6 Kelemahan Sistem

Dari metode yang digunakan diketahui bahwa Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web ini menggunakan 3 (tiga) himpunan fuzzy di tiap variabelnya. Sehingga hasil yang diberikan kurang akurat dibandingan jika menggunakan lebih dari 3 (tiga) himpunan fuzzy.

commit to user

61

BAB V PENUTUP

5.1Kesimpulan

Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web dibuat menggunakan bahasa pemrograman PHP dan menggunakan DBMS MySQL. Kemampuan dari sistem ini, yaitu menyediakan informasi mengenai detail produk ponsel, dapat digunakan untuk membandingkan antara produk ponsel satu dengan yang lainnya dan membatu user menentukan keputusan dalam memilih produk ponsel.

5.2 Saran

Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web dapat dikembangkan lagi agar lebih memenuhi kebutuhan user. Beberapa diantaranya dengan menambahkan lebih banyak lagi himpunan fuzzy di tiap variabelnya sehingga hasil pencariannya menjadi lebih akurat dan menambahkan detail spesifikasi ponsel yang lebih lengkap dan terperinci.

price, thickness, volume, weight. Dalam sistem yang dibuat fuzzifikasi dilakukan dengan menggunakan pendekatan fungsi kurva bahu.

Admin melalui menu fuzzification dapat melakukan perhitungan derajat keanggotaan yang nantinya akan menghasilkan nilai derajat keanggotaan yang akan disimpan dalam tabel membershipdegree, proses tersebut terlihat dalam gambar 4.3. Tabel membershipdegree digunakan ketika terjadi proses pencarian ponsel oleh user.

Gambar 4.2 Flowchart Alur Fuzzifikasi oleh Admin

Sebagai contoh dipilih data Sony Ericsson Xperia PLAY dari sampel ponsel yang ada. Pada sistem yang sudah berjalan, ponsel Sony Ericsson Xperia PLAY mempunyai derajat keanggotaan 0,469231 untuk variabel price. Hal ini terlihat pada gambar 4.3.

Gambar 4.3 Derajat keanggotaan Sony Ericsson Xperia PLAY untuk variabel price

Untuk mendapatkan derajat keanggotaan 0,469231 untuk variabel price sistem melakukan fuzzifikasi (perhitungan derajar keanggotaan) dengan alur seperti terlihat pada gambar4.2. Dalam proses fuzzifikasi sistem membutuhkan batasan himpunan untuk variabel price yang sudah dimasukkan oleh admin sebelumnya. Terlihat pada gambar 4.4.

Gambar 4.4 Batasan himpunan untuk variabel price

Bila digambarkan dalam bentuk kurva, batasan himpunan untuk variabel price akan terlihat seperti gambar 4.5.

Gambar 4.5 Representasi kurva bahu untuk variabel price

Untuk mendapatkan hasil fuzzifikasi. Sistem melakukan perhitungan derajat keanggotaan dengan menggunakan fungsi keanggotaan representasi kurva bahu.

terhadap ponsel tertentu pada field-field yang tersedia. Proses pencarian dengan metode fuzzy tahani terlihat dalam gambar 4.6.

Gambar 4.6 Flowchart Pencarian Ponsel

Ketika user mengeksekusi, proses pencarian akan dilakukan oleh sistem yang melibatkan data pada tabel phone dan tabel membershipdegree. Untuk variabel variabel non-fuzzy sistem akan melakukan pencarian pada tabel ponsel menggunakan query SQL like. Apabila terdapat variabel fuzzy dalam kriteria user maka pencarian akan melibatkan tabel membershipdegree.

4.2.5 Query Pencarian dan Hasil Pencarian

Sebagai contoh disimulasikan user mengisikan kriteria untuk price memilih cheap dan untuk weight memilih light seperti terlihat pada gambar 4.7.

Gambar 4.7 Kriteria user untuk price - cheap dan untuk weight – light Ketika user mengesekusi proses pencarian, maka sistem akan membuat query pencarian sesuai dengan kriteria user seperti terlihat pada gambar 4.8.

Gambar 4.8 Query dan hasil pencarian

Sistem kemudian akan menampilkan hasil pencarian sesuai dengan derajat keanggotaan tiap variabel. Untuk mendapatkan nilai rekomendasi dalam

seperti terlihat pada gambar 4.9 dan derajat keanggotaan weight – light sebesar 1 seperti terlihat pada gambar 4.10.

Gambar 4.9 Derajat keanggotaan Sony Ericsson Cedar untuk variabel price – cheap

Gambar 4.10 Derajat keanggotaan Sony Ericsson Cedar untuk variabel weigth – light

Untuk ,endapatkan nilai rekomendasi sebesar 90% sistem melakukan perhitungan dengan operator min untuk derajat keanggotaan variabel price – cheap dan weight – light. Kemudian akan dikalikan 100.

µpricecheap∩ µweightlight = min(µpricecheap[55],µweightlight[84])

4.2.6 Kelemahan Sistem

Dari metode yang digunakan diketahui bahwa Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web ini menggunakan 3 (tiga) himpunan fuzzy di tiap variabelnya. Sehingga hasil yang diberikan kurang akurat dibandingan jika menggunakan lebih dari 3 (tiga) himpunan fuzzy.

BAB V PENUTUP

5.1Kesimpulan

Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web dibuat menggunakan bahasa pemrograman PHP dan menggunakan DBMS MySQL. Kemampuan dari sistem ini, yaitu menyediakan informasi mengenai detail produk ponsel, dapat digunakan untuk membandingkan antara produk ponsel satu dengan yang lainnya dan membatu user menentukan keputusan dalam memilih produk ponsel.

5.2 Saran

Sistem Pendukung Keputusan Memilih Produk Ponsel Berbasis Web dapat dikembangkan lagi agar lebih memenuhi kebutuhan user. Beberapa diantaranya dengan menambahkan lebih banyak lagi himpunan fuzzy di tiap variabelnya sehingga hasil pencariannya menjadi lebih akurat dan menambahkan detail spesifikasi ponsel yang lebih lengkap dan terperinci.