SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN METODE FUZZY MAMDANI, STUDI KASUS LAUNDRY “ FRESH” DI RUNGKUT ALANG-ALANG SURABAYA.

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN
J UMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN
METODE FUZZY MAMDANI, STUDI KASUS LAUNDRY “ FRESH”
DI RUNGKUT ALANG-ALANG SURABAYA

SKRIPSI

Disusun Oleh :

SITI NUR HIDAYATI
0934010147

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

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


KATA PENGANTAR
Syukur Alhamdulillah saya panjatkan kepada Allah Subhanahu wa Ta’ala
karena atas kehendak kuasanya saya dapat menyelesaikan tugas akhir ini dengan
judul “SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN
J UMLAH TAKARAN DETERGEN PADA LAUNDRY MENGGUNAKAN
METODE FUZZY MAMDANI, STUDI KASUS LAUNDRY “ FRESH” DI
RUNGKUT ALANG-ALANG SURABAYA”.
Tugas akhir ini dengan beban 4 SKS ini disusun dan diajukan sebaga
salah satu syarat untuk menyelesaikan program Strata satu (S1) pada program
studi Teknik Informatika, Fakultas Teknologi Industri, Universitas Pembangunan
Nasional “Veteran” Jawa Timur Surabaya.
Disadari bahwa dalam penulisan laporan ini masih banyak kekurangan
dan jauh dari kata sempurna, oleh karena itu penulis menerima masukan, saran
dan kritik yang sifatnya membangun dari pada pembaca agar penulisan
selanjutnya akan lebih baik.
Dalam proses penyelesaian laporan ini tidak terlepas dari bantuan dan
bimbingan berbagai pihak, pada kesempatan ini penulis menyampaikan terima
kasih kepada :
1.


Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri
Universitas pembangunan Nasional “Veteran” Jatim.

2.

Ibu Dr.Ni Ketut sari, MT selaku ketua program studi Teknik Informatika
Universitas Pembangunan Nasional “Veteran” Jatim.

3.

Bapak Eko Prasetyo, S.Kom,M,Kom, selaku dosen pembimbing I yang telah
giat meluangkan banyak waktu, pikiran dan tenaga untuk memberikan ilmu

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

dan motivasi yang sangat besar kepada penulis untuk menyelesaikan Tugas
Akhir ini.
4.


Bapak Budi Nugroho, S.Kom,M.Kom, selaku dosen pembimbing II yang
dengan sabar telah meluangkan banyak waktu untuk memberikan bimbingan
dan kesempatan penulis untuk menyelesaikan proses pembuatan Tugas Akhir
ini.

5.

Bapak dan Ibu_Q tercinta yang luar biasa hebat yang selalu support dan tak
henti-hentinya mendoakan serta memberikan kasih sayang agar tugas akhir
ini segera penulis selesaikan.

6.

Para sahabat tercinta Lincahya (Pakar Informatika yang rendah hati), Ayu
Rahmawati (si cantik yang suka menolong), Dini Diroyati (bidadari penolong
dan super jail selama di UPN), Merry Kristina (teman bercanda yang gaul)
dan Susanti Nur Asiyah, yang telah banyak membantu penulis dari awal
kuliah sampek akhir penyusunan Tugas Akhir ini yang tak pernah lelah
memberi


semangat

dan

keceriaan

agar

penulis

selalu

semangat

menyelesaikan tugas akhir ini.
Akhirnya penulis hanya bisa berharap semoga laporan ini dapat
berguna bagi kelangsungan dan perkembangan dunia keilmuan. Sekian dan
terima kasih.


Surabaya, November 2013

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

DAFTAR ISI

Hal.
KATA PENGANTAR............................................................................................ I
DAFTAR ISI.......................................................................................................... Iii
DAFTAR TABEL................................................................................................. Vii
DAFTAR GAMBAR..................................................................................................Viii
ABSTRAK ............................................................................................................ x

BAB I

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


3

1.3 Batasan Masalah................................................................................ 3
1.4 Tujuan Penelitian............................................................................... 3
1.5 Manfaat Penelitian............................................................................. 4
BAB II TINJ AUAN PUSTAKA......................................................................... 5
2.1 Tinjauan Umum............................................................................... 5
2.2 Landasan Teori ............................................................................... 7
2.2.1 Sistem Pendukung Keputusan.............................................. 7
2.2.1.1 Komponen SPK......................................................... 10
2.2.1.2 Validitas SPK ........................................................... 12
2.2.2 Himpunan Dan Logika Fuzzy...........................................

13

2.2.2.1 Himpunan Fuzzy................................................

13


2.2.2.2 Fungsi Keanggotaan............................................

16

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

2.2.2.3 Operator Dasar Zadeh..........................................

19

2.2.2.4 Penalaran Monoton.............................................

20

2.2.2.5 Fungsi Implikasi.................................................

20


2.2.3 Metode Mamdani.................................................................... 21
2.2.4 PHP ....................................................................................

25

2.2.4.1 Sejarah PHP.......................................................

26

2.2.4.2 Kelebihan PHP...................................................

27

2.2.5 MySQL ................................................................................ 28
BAB III ANALISIS DAN PERANCANGAN SISTEM..................................... 31
3.1 Rancangan Penelitian....................................................................... 31
3.1.1 Desain Variabel.................................................................... 34
3.1.1.1 Variabel Bobot ...................................................... 34
3.1.1.2 Variabel Warna ..................................................... 35
3.1.1.3 Variabel Ketebalan .............................................


36

3.1.1.4 Variabel Tingkat Kekotoran.................................

37

3.1.1.5 Variabel Jumlah Detergen .................................... 38
3.1.1.6 Pembentukan Rule ................................................. 39
3.1.2. Perancangan Sistem ............................................................. 41
3.1.2.1 Flowchart User ......................................................... 41
3.1.2.2 Flowchart Admin.................................................

42

3.1.3 Perancangan Basisdata ........................................................ 43
3.1.3.1 Tabel t_admin ....................................................

44


3.1.3.2 Tabel t_transaksi ...................................................

45

3.1.4 Rancangan Interface ............................................................ 46

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

3.1.4.1 Rancangan Halaman Awal ...................................... 46
3.1.4.2 Rancangan Halaman login ..................................... 46
3.1.4.3 Rancangan Halaman Hitung Detergen ................... 47
3.1.4.4 Rancangan Halaman Home Admin........................

48

3.1.4.5 Rancangan Halaman admin...................................

48


3.1.4.6 Rancangan Halaman Laporan................................

49

3.2 Rancangan Uji Coba dan Evaluasi ................................................... 50
3.3 Jadwal Kegiatan Penelitian .............................................................. 50
BAB IV HASIL DAN PEMBAHASAN ............................................................ 52
4.1 Implementasi ................................................................................... 52
4.1.1 Implementasi Aplikasi User .................................................... 52
4.1.2 Implementasi Aplikasi Admin ...........................................

52

4.2 Hasil Uji Coba perhitungan manual dengan sistem........................ 60
BAB V PENUTUP .............................................................................................

67

5.1 Kesimpulan ..................................................................................... 67
5.2 Saran ..............................................................................................

67
74

DAFTAR PUSTAKA

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

Nama
NPM
Judul

: Siti Nur Hidayati
: 0934010147
: Sistem pendukung keputusan untuk menentukan jumlah
takaran detergen pada laundry menggunakan metode
fuzzy mamdani, studi kasus Laundry “Fresh” di Rungkut
Alang-alang Surabaya.
Dosen Pembimbing 1 : Eko Prasetyo S.Kom, M.kom
Dosen Pembimbing 2 : Budi Nugroho S.Kom, M.Kom

ABSTRAK
Semakin pesatnya perkembangan teknologi sekarang ini banyak orang
yang menggunakan jasa yang tersedia untuk memenuhi kebutuhan hidup seharihari. Seperti halnya pada jasa Laundry yang berkembang sangat pesat saat ini.
Banyak kita jumpai dimana-mana jasa laundry yang tersedia, bagi masyarakat
yang ingin mengambil jasa mudah untuk membantu kebutuhan hidup seperti pada
proses pencucian pakaian yaitu memilih layanan cuci kering dibandingkan
mencuci sendiri. Dari semua proses pencucian, komponen yang sangat diperlukan
dalam proses tersebut yaitu detergen. Bagi pihak laundry, untuk pemakaian
detergen pada saat pencucian diharapkan dapat diminimalisir tanpa mengurangi
tingkat kebersihan cucian setelah dicuci. Untuk meminimalisir jumlah detergen
harus menggunakan perhitungan yang tepat, bukan hanya menggunakan perkiraan
saja
Oleh karena itu , pada pengerjaan tugas akhir ini akan diimplementasikan
sebuah aplikasi sistem pendukung keputusan untuk menentukan jumlah takaran
detergen pada laundry dengan menggunakan metode fuzzy mamdani.Variabel
yang digunakan dalam sistem ini adalah variabel bobot, warna, tingkat ketebalan
kain dan tingkat kekotoran pakaian. Rule yang digunakan dalam sistem ini ada 16
rule yang digunakan untuk menentukan aturan penggunaaan detergen sesuai
dengan aturan pada laundry.
Dari hasil uji coba yang dilakukan pada penelitian, user dapat melakukan
proses penakaran detergen secara otomatis dari sistem dengan memasukkan
inputan bobot, warna, dan ketebalan pakaian. Untuk admin dapat mengetahui
seberapa banyak detergen yang diperlukan dalam beberapa waktu tertentu
menggunakan laporan penggunaan detergen dan mempunyai wewenang pada data
admin. Diharapkan sistem yang dibuat dapat membantu pihak laundry dalam
menentukan takaran detergen dan membantu penghitungan penggunaan detergen
dengan lebih akurat.

Kata kunci : Sistem pendukung keputusan, fuzzy mamdani.

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

BAB I
PENDAHULUAN

1.1.

Latar Belakang
Dewasa ini teknologi komputer berkembang sangat pesat, mengikuti

kebutuhan hidup manusia. Komputer semakin banyak dibutuhkan untuk
membantu manusia dalam kehidupan sehari-hari, bukan hanya untuk para pelajar,
mahasiswa, dan pegawai, anak kecilpun sudah akrab dengan yang namanya
komputer. Seperti juga banyak kita jumpai pada dunia bisnis yang kebanyakan
perannya membutuhkan komputer.
Kasus yang di angkat dalam penelitian ini adalah mengenai jasa laundry.
Nama Laundry sendiri sudah tidak asing lagi ditelinga kita, yaitu tempat yang
menyediakan banyak fasilitas untuk mencuci baju secara praktis. Sekarang ini
banyak sekali masyarakat yang menggunakan jasa laundry untuk membantu
meringankan pekerjaan mereka. Bagi masyarakat seperti pegawai kantoran dan
pegawai-pegawai perusahaan lainnya yang sangat sibuk dengan urusan pekerjaan
yang tidak bisa ditinggal seperti masyarakat yang tidak bekerja atau ibu rumah
tangga, banyak dari mereka yang merasa kerepotan dengan tidak adanya waktu
untuk membersikan baju seperti mencuci dan setrika. Tentu saja hal ini
memberatkan bagi mereka, apalagi jika cuaca yang tidak mendukung bisa
menjadikan hari yang penting menjadi terkendala dengan adanya masalah seperti
ini.
Di laundry menyediakan banyak sekali fasilitas jasa yang bisa kita
nikmati seperti jasa cuci kering, cuci setrika, cuci basah, setrika, dan laundry.

1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2

Tentunya dengan kemudahan ini masyarakat bisa mendapatkan keuntungan yang
besar khususnya para pekerja atau pegawai yang sibuk bekerja sehingga tidak
mempunyai waktu untuk mencuci atau menyetrika bajunya sendiri. Seperti pada
saat musim hujan jasa Laundry merupakan pilihan yang tepat.
Pada penelitian ini masalah yang dibahas yaitu mengenai masih banyak
ditemukannya kesalahan atau ketidakpastian dalam menggunakan takaran
detergen pada saat proses pencucian di laundry sehingga mengakibatan banyak
faktor yang mengakibatkan pelanggan merasa tidak puas seperti, pudarnya warna
dan kotoran yang tidak bisa hilang secara merata. Tentu saja hal ini membuat
pelanggan merasa tidak puas dengan jasa yang diberikan, dan hal ini bisa
mengakibatkan kerugian pada pihak laundry karena pelanggan pasti enggan
kembali lagi untuk mempercayai jasa laundry ini. Sedangkan masalah yang di
didapat pihak laundry adalah mereka tidak bisa meminimalisir penggunaan
detergen dengan tepat sesuai takaran setiap kali proses pencucian, sehingga
mengakibatkan pemborosan detergen yang bisa menimbulkan kerugian besar bagi
pihak laundry.
Dari semua informasi yang didapat, penulis akan membuat sebuah sistem
pendukung keputusan untuk menentukan jumlah detergen yang digunakan dalam
pencucian pakaian pada laundry. Diharapkan sistem yang dibuat akan memberi
kemudahan kepada pihak laundry untuk menentukan jumlah detergen yang tepat
untuk digunakan pada saat melakukan pencucian pakaian. Sehingga membantu
mengurangi terjadinya kesalahan seperti pudarnya warna, sulitnya menghilangkan
kotoran yang membandel pada saat proses pencucian di Laundry.

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

3

1.2.

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

masalah yang akan diteliti dirumuskan sebagai berikut :
a. Bagaimana cara membuat sistem pendukung keputusan penentuan jumlah
detergen yang tepat sesuai dengan aturan di laundry “Fresh” di Rungkut
Alang-alang Surabaya.
b. Bagaimana memodelkan perlunya interferensi takaran detergen dalam
penelitian di laundry “Fresh” di Rungkut Alang-alang Surabaya menggunakan
metode Fuzzy mamdani.
1.3.

Batasan Masalah
Dalam menganalisa dan menyelesaikan masalah, maka perlu diberikan

pembatasan atau ruang lingkup pembahasan sehingga masalah yang dibahas tidak
melebar kemana-mana. Adapun batasan-batasan masalah tersebut adalah sebagai
berikut:
a. Aplikasi yang dibuat adalah untuk takaran detergen dalam bentuk bubuk.
b. Aplikasi hanya memberikan informasi takaran detergen yang harus
digunakan dalam takaran gr (gram).
c. Variabel yang digunakan dalam SPK ini yaitu warna pakaian, berat
pakaian, ketebalan kain dan tingkat kekotoran.
1.4.

Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut:

a. Membuat sistem pendukung keputusan penentuan jumlah detergen yang
tepat sesuai dengan aturan di laundry “Fresh” di Rungkut Alang-alang
Surabaya.

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

4

b. Memodelkan perlunya interferensi takaran detergen dalam penelitian di
laundry “Fresh” di Rungkut Alang-alang Surabaya menggunakan metode
Fuzzy mamdani.
1.5.

Manfaat Penelitian
Dengan adanya sistem pendukung keputusan ini diharapkan dapat

membawa manfaat bagi user (kasir) seperti dapat memperkirakan penggunaan
jumlah detergen dengan tepat dan akurat sehingga mengurangi terjadinya
kesalahan seperti pudarnya warna, sulitnya menghilangkan kotoran yang
membandel, dan pemborasan detergen.
Sedangkan bagi admin atau pihak laundry bisa mengetahui penggunaan
jumlah detergen yang telah digunakan selama beberapa waktu sehingga pihak
admin bisa mengontrol dalam pembelian dan penggunaan detergen bubuk
sehingga tidak terjadi pemborosan detergen.

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

Tinjauan Umum
Sebuah sistem pendukung keputusan dibuat agar dapat membantu seseorang

untuk menyelesaikan permasalahan tertentu tidak terkecuali juga masalah
penentuan detergen. Meskipun penakaran detergen bisa dilakukan hanya dengan
mengira saja tetapi hal tersebut tidak efektif digunakan, dikarenakan belum tentu
perkiraan itu sesuai dengan kenyataan. Dengan itu dibuatlah sistem pendukung
keputusan penakaran detergen pada laundry dengan menggunakan metode fuzzy
mamdani.
Metode fuzzy mamdani merupakan metode fuzzy yang bisa dikatakan cocok
untuk membuat sebuah sistem pendukung keputusan penentuan takaran detergen,
yaitu dikarenakan metode mamdani dapat menghasilkan nilai yang tegas untuk
menentukan jumlah detergen.
Pada penelitian terdahulu Octavia Muisa dengan judul “Perencanaan Jumlah
Produksi Aluminium Untuk Meminimalkan Biaya Produksi Dengan Metode
Fuzzy Mamdani Di.UD. Meubel Aluminium, Mojokerto” yaitu sebuah
perusahaan dituntut untuk selalu berupaya memiliki kompetensi dalam bersaing
dengan perusahaan lain. Kompetensi tersebut dalam arti kata lain adalah untuk
mendapatkan keunggulan bersaing ( competitive advantage ). Salah satu aspek
keunggulan bersaing seluruh usaha khususnya bidang manufaktur di antaranya
adalah dapat memenuhi keinginan konsumen terhadap permintaan produk dengan
jenis dan dalam jumlah yang senantiasa berubah seiringnya waktu.

5
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

6

UD. MEUBEL ALMUNIUM, adalah unit dagang yang memproduksi mebel
yang berlokasi di JL. Ngoro Industri Blok H-1, Mojosari- Mojokerto di ambil
sebagai studi kasus perencaanaan jumlah produksi untuk meminimkan biaya
produksi, sehingga profit yang dihasilkan meningkatkan. Produk yang dihasilkan
adalah meja dan kursi rotan sintetis. Salah satu diantaranya yang paling diminati
oleh konsumen adalah Meja ASR CT 004A dan Meja ASR CT 033.
Unit Dagang ini mempunyai kapasitas produksi mencapai 450 unit per
bulan kemudian jumlah produk yang dihasilkan semakin meningkat seiring
dengan bertambahnya permintaan konsumen. Namun kenyataan menunjukkan
bahwa permintaan konsumen fluktuatif, tidak selalu tetap disetiap periode
produksi sehingga memaksa perusahaan harus merencanakan kegiatan produksi
sebaik-baiknya. Perusahaan harus bisa mengatasi masalah lonjakan permintaan
atau penurunan permintaan sehingga proses produksi tetap berjalan lancar dan
perusahaan tidak mengalami kerugian.
Metode fuzzy mamdani merupakan metode yang memetakan suatu input
kedalam suatu output tanpa mengabaikan faktor-faktor yang ada. Metode ini
merupakan kerangka matematis yang digunakan untuk mempresentasikan
ketidakpastian, ketidakjelasan, ketidaktepatan, kekurangan informasi, dan
kebenaran parsial, sehingga sangat sesuai dengan permasalahan permintaan yang
fluktuatif dan jumlah produksi yang tidak pasti.
Dengan adanya masalah tersebut maka untuk menentukan jumlah produksi
dalam memenuhi permintaan konsumen yang fluktuatuif diperlukan suatu
alternatif pemecahan masalah tanpa menambah fasilitas yang ada, yaitu dengan
mengaplikasikan metode fuzzy mamdani. Penerapan metode fuzzy mamdani dalam

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

7

perencanaan jumlah produksi, diharapkan perusahaan dapat mengatasi fluktuasi
permintaan konsumen dengan biaya produksi yang minimal.
Metode fuzzy mamdani dianggap mampu untuk memetakan suatu input
kedalam suatu output tanpa mengabaikan faktor-faktor yang ada. Metode ini
merupakan kerangka matematis yang digunakan untuk mempresentasikan
ketidakpastian, ketidakjelasan, ketidaktepatan, kekurangan informasi, dan
kebenaran parsial, sehingga sangat sesuai dengan permasalahan permintaan yang
fluktuatif dan jumlah produksi yang tidak pasti. [Octavia, 2010]
Pada penelitian terdahulu lincahya dengan judul “ Sistem Pendukung
Keputusan Untuk Menentukan Jumlah Takaran Detergen Pada Laundry
Menggunakan Metode Fuzzy tsukamoto, Studi Kasus “Mister Londree” yaitu
banyak orang yang menggunakan jasa cuci dan setrika untuk memudahkan
pekerjaan, hanya tinggal membayar dan tunggu selesai. Banyak terdapat tempat
laundry yang menyediakan jasa cuci dan setrika, namun pada saat melakukan
pencucian pakaian masih terdapat kendala yaitu menentukan takaran seberapa
banyak detergen yang harus digunakan untuk mencuci. Kebanyakan penggunaan
jumlah detergen ini hanya perkiraan saja belum menggunakan perhitungan yang
pasti, jadi hal ini tidak bisa mengoptimalkan jumlah penggunaan detergen untuk
menghasilkan hasil cucian yang terbaik dan juga dapat terjadi pemborosan
penggunaan detergen apabila perhitungan salah. [lincahya, 2013]
2.2 Landasan Teori
Didalam landasan teori ini akan dibahas beberapa teori yang mendukung serta
menunjang terselesaikannya proses aplikasi ini. Berikut ini adalah teori-teori yang
membahas tentang aplikasi tersebut.

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

8

2.2.1 Sistem Pendukung Keputusan
Sistem pendukung keputusan atau decision support system (DSS)
merupakan suatu cara untuk memenuhi kebutuhan informasi yang tidak memadai
untuk membuat suatu keputusan yang spesifik yang memecahkan permasalahan
yang spesifik. Penambahan terbaru DSS adalah system pendukung keputusan
berkelompok GDSS, dimana GDSS berusaha memperbaiki komunikasi di antara
para anggota kelompok dengan menyediakan lingkungan yang mendukung.
Jelasnya, Sistem pendukung keputusan atau decision support system
(DSS) adalah bagian dari sistem informasi berbasis komputer termasuk sistem
berbasis pengetahuan atau manajemen pengetahuan yang dipakai untuk
mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.
Dapat juga dikatakan sebagai sistem komputer yang mengolah data menjadi
informasi

untuk

mengambil

keputusan

dari

masalah

semi

terstruktur

yang spesifik.
Diciptakannya

sistem pendukung

keputusan

(DSS) yaitu

Sistem

pendukung keputusan (SPK) mulai dikembangkan pada tahun 1960-an, tetapi
istilah sistem pendukung keputusan itu sendiri baru muncul pada tahun 1971,
yang diciptakan oleh G. Anthony Gorry dan Micheal S.Scott Morton, keduanya
adalah profesor di MIT. Hal itu mereka lakukan dengan tujuan untuk menciptakan
kerangka kerja guna mengarahkan aplikasi komputer kepada pengambilan
keputusan manajemen. G. Anthony Gorry dan Micheal S.Scott Morton awalnya
menggunakan DSS hanya untuk aplikasi pada computer di masa depan.
Tujuan dari sistem pendukung keputusan Sementara itu, perintis sistem
pendukung keputusan yang lain dari MIT, yaitu Peter G.W. Keen yang bekerja

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

9

sama dengan Scott Morton telah mendefenisikan tiga tujuan yang harus dicapai
oleh sistem pendukung keputusan, yaitu:
1.

Sistem harus dapat membantu manajer dalam membuat keputusan
guna memecahkan masalah semi terstruktur.

2.

Sistem harus dapat mendukung manajer, bukan mencoba menggantikannya.

3.

Sistem harus dapat meningkatkan efektivitas pengambilan keputusan
manajer.
Tujuan-tujuan tersebut berhubungan dengan tiga prinsip dasar sistem

pendukung keputusan , yaitu:
1. Struktur masalah
Untuk masalah yang terstruktur, penyelesaian dapat dilakukan dengan
menggunakan

rumus-rumus

yang

sesuai,

sedangkan

untuk

masalah

terstruktur tidak dapat dikomputerisasi. Sementara itu, sistem pendukung
keputusan dikembangkan khususnya untuk menyelesaikan masalah yang semiterstruktur.
2. Dukungan keputusan
Sistem pendukung keputusan tidak dimaksudkan untuk menggantikan manajer,
karena komputer berada di bagian terstruktur, sementara manajer berada dibagian
tak terstruktur untuk memberikan penilaian dan melakukan analisis. Manajer dan
komputer bekerja sama sebagai sebuah tim pemecah masalah semi terstruktur.
3. Efektivitas keputusan
Tujuan utama dari sistem pendukung keputusan bukanlah mempersingkat
waktu pengambilan keputusan, tetapi agar keputusan yang dihasilakn dapat lebih
baik.

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

10

Sistem pendukung keputusan dirancang secara khusus untuk mendukung
seseorang yang harus mengambil keputusan-keputusan tertentu. Berikut ini
beberapa karakteristik sistem pendukung keputusan :
a.

Interaktif
SPK memiliki user interface yang komunikatif sehingga pemakai dapat

melakukan akses secara cepat ke data dan memperoleh informasi yang
dibutuhkan.
b.

Fleksibel
SPK memiliki sebanyak mungkin variabel masukkan, kemampuan untuk

mengolah dan memberikan keluaran yang menyajikan alternatif-alternatif
keputusan kepada pemakai.
c. Data kualitas
SPK memiliki kemampuan menerima data kualitas yang dikuantitaskan
yang sifatnya subyektif dari pemakainya, sebagai data masukkan untuk
pengolahan data. Misalnya: penilaian terhadap kecantikan yang bersifat kualitas,
dapat dikuantitaskan dengan pemberian bobot nilai seperti 75 atau 90.
d. Prosedur Pakar
SPK mengandung suatu prosedur yang dirancang berdasarkan rumusan
formal atau juga beberapa prosedur kepakaran seseorang atau kelompok dalam
menyelesaikan suatu bidang masalah dengan fenomena tertentu.

2.2.1.1 Komponen SPK
Menurut Aji Supriyanto Sistem Pendukung Keputusan [3] dibangun oleh tiga
komponen, yaitu:

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

11

a. Database
Sistem database adalah kumpulan smua data yang dimiliki oleh perusahaan
baik data dasar maupun transaksi sehari-hari.
b.

Model base
Model base adalah suatu model yang mempresentasikan permasalahan dalam

format kuantitatif.
c. Sofware System
Software system adalah paduan antara database dan model base, setelah
sebelumnya dipresentasikan ke dalam bentuk model yang dimengerti oleh sistem
komputer.

Sedangkan menurut Tata Sutabri Sistem Pendukung Keputusan [4] terdiri dari
4 komponen yaitu:
a. Dialog
Alat untuk berinteraksi antara komputer dengan pemakai harus bisa
mengerti apaarti informasi yang dihasilkan. Ini berati, system (komputer beserta
programnya) mudah dipakai (user friendly). Ditinjau dari sudut pemakainya,
pemakai harus pula belajar dan berlatih cara penggunaanya serta arti yang
dihasilkan.
b.

Model
Model serta system yang membolehkan pemakai memilih model yang

cocok. Tiga macam model yang biasa digunakan adalah:
1) Optimalisasi: mencari yang terbaik. Contohnya membuat Jadwal, membuat
perbandingan Linier programming, simulasi, dan lain sebagainya.

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

12

2) Statistik/matematis: menggambarkan masalah dengan standar kuantifikasi
yang ada. Contohnya forecasting, fungsi kemungkinan (probabilitas), proyeksi
penjualan, dan lain sebagainya.
3) Financial, mencari kesempatan yang baru yang lebih mengguntungkan.
Contohnya: investasi, cash flow, manajemen resiko, dan lain sebagainya.
c.

Database
Menurut indira Rakanita (2008) Database adalah kumpulan dari item data

yang saling berhubungan satu dengan yang lainnya yang diorganisasikan
berdasarkan sebuah skema atau struktur tertentu, tersimpan di hardware computer
dan dengan sofware untuk melakukan manipulasi untuk kegunaan tertentu.
d.

Data
Data adalah suatu angka atau kelompok angka yang mempunyai arti atau

nilai. Dari uraian megenai komponen SPK diatas, untuk mengembangkan SPK
dengan metode Mamdani, dipilih komponen SPK sebagai berikut: Model base,
database, dan software system.

2.2.1.2 Validitas SPK
Validitas SPK digunakan untuk mengetahui SPK valid atau tidak.
Pengujian Validitas SPK dilakukan dengan membandingkan hasil perhitungan
SPK dengan hasil perhitungan manual. Misalkan ada n buah data yang akan
digunakan untuk menguji tingkat Validitas SPK. Sehingga data hasil yang telah di
uji bisa dikatakan data yang valid atau tidak.

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

13

2.2.2 Himpunan dan Logika Fuzzy
Logika fuzzy merupakan salah satu komponen pembentuk Soft Computing.
Logika fuzzy pertama kali diperkenalkan oleh Prof.Lotfi A. Zadeh pada tahun
1965. Dasar dari logika fuzzy adalah himpunan fuzzy. Pada teori himpunan fuzzy,
peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu
himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau
membership function menjadi ciri utama dari penalaran dengan logika fuzzy.

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

, memiliki dua kemungkinan, yaitu:

1) Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu
himpunan, atau
2) Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu
himpunan.

Contoh 1 :
Jika diketahui :
S= {1,2,3,4,5,6} adalah semesta pembicaraan.
A= {1,2,3}
B= {3,4,5,}
Bisa dikatakan bahwa:
1) Nilai keanggotaan 2 pada himpunan A,

, karena 2

A.

2) Nilai keanggotaan 3 pada himpunan A,

, karena 3

A.

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

14

3) Nilai keanggotaan 4 pada himpunan A,

, karena 4

A.

4) Nilai keanggotaan 2 pada himpunan B,

, karena 2

B.

5) Nilai keanggotaan 3 pada himpunan B,

, karena 3

B.

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

umur < 35 tahun

PAROBAYA

35 ≤ umur ≤ 55 tahun

TUA

umur > 55 tahun

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

MUDA

1

1

.……

1

)

TUA

.…..
)

0

0
0

35

35

Umur (th)

(a)

0
55

Umur (th)

(b)

55
Umur (th)

(c)
Gambar 2.1 Nilai Keanggotaan

Pada gambar 2.1, dapat dijelaskan bahwa:
1) Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA (

MUDA

(34) =1);
2) Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA (
MUDA (35)

=0);

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

15

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

MUDA (35

th-1 hr) =0);

4) Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA (
PAROBAYA (35)

=1);

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

PAROBAYA(34)

=0);

6) Apabila seseorang berusia 55 tahun, maka ia dikatakan PAROBAYA (
PAROBAYA (55)

=1);

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

PAROBAYA(35

th- 1 hr) =0);

Dari sini bisa dikatakan bahwa pemakaian himpunan crisp untuk
menyatakan umur sangat tidak adil, adanya perubahan kecil saja pada suatu niali
mengakibatkan perbedaan kategori yang cukup signifikan.
Himpunan fuzzy memiliki 2 atribut, yaitu:
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA,
PAROBAYA, TUA.
b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu
variabel seperti: 40, 25, 50, dsb.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
1) Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem
fuzzy. Contoh: umur, temperatur, permintaan, dsb.

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

16

2) Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy.
3) Semesta pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan
himpunan bilangan real yang senantiasa naik(bertambah) secara monoton dari
kiri ke kanan. Niali semesta pembicaraan dapat berupa bilangan positif
maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi
batas atasnya.
4) Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam
semsta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan
real yang senantiasa naik(bertambah) secara monoton dari kiri ke kanan. Nilai
domain dapat berupa bilangan positif maupun negatif.

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

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

17

A. Representasi Linear
Pada representasi linear, pemetaan input

ke derajat keanggotaannya

digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana danmenjadi
pilihan yang baik untuk mendekati suatu konseo yang kurang jelas.
Ada 2 keadaan himpunan fuzzy yang lineat. 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
(gambar 2.2)

1
Derajat
Keanggotaan
μ (x)

0

a

domain

b

Gambar 2.2 Representasi Linear Naik

Fungsi keanggotaan :

0;
μ (x)=

x ≤a

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

a ≤x ≤b

1;

x≥b

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

18

Derajat

1

Keanggotaan

μ (x)
0

a

domain

b

Gambar 2.3 Representasi Linear Turun

Fungsi keanggotaan:

μ (x)=

1

x ≤a

(b-x)/(b-a)

a ≤x ≤b
x≥b

0;

B. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear)
seperti pada gambar 2.4.
1

Derajat
Keanggotaan

μ (x)

0

a

b

c

domain

Gambar 2.4 Kurva Segitiga

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

19

Fungsi keanggotaan :

x ≤a atau x ≥ c

0;
μ (x) = (x-a)/(b-a);

a ≤x ≤b

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

b ≤x ≤c

1

x=b

2.2.2.3 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya

himpunan konvensional,

ada

beberapa operasi yang

didefenisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan
fuzzy. Nilai keanggotaan sebgai hasil dari operasi 2 himpunan sering dikenal
dengan nama fire strength atau

- predikat. Ada 3 operator yang diciptakan oleh

Zadeh yaitu (cox,1994):
A. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan.

-

predikat sebgai hasil operasi dengan operator AND diperoleh dengan mengambil
nilai

keanggotaan

terkecil

antarelemen

pada

himpunan-himpunan

yang

bersangkutan.
A∩B

= min(

A(x),

B(y))

B. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan

- predikat

sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai
keanggotaan terbesar antarelemen pada himpunan-himpunan yang bersangkutan.
AU B

= max(

A(x),

B(y))

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

20

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

-

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

= 1-

A(x)

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

2.2.2.5 Fungsi Implikasi
Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan
dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi
implikasi adalah :
IF x is A THEN y is B
Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi
yang mengikuti IF disebut sebgaai anteseden, sedangkan proposisi yang

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

21

mengikuti THEN disebut sebagai konsekuen. Proposisi dapat diperluas dengan
menggunakan operator fuzzy,seperti (Cox,1994):
IF(x1 is A1) o (x2 is A2) o (x3 is A3) o ……. o (xN is AN) THEN y is B dengan o
adalah operator ( misal OR atau AND).
Secara umum ada 2 fungsi implikasi yang dapat digunakan, yaitu (Yan,1994):
a. Min(minimum). Fungsi ini akan memotong output himpunan fuzzy.
b. Dot (product). Fungsi ini akan menskala output himpunan fuzzy.

2.2.3 Metode mamdani
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min.
Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk
mendapatkan output, diperlukan 4 tahapan: (1) Pembentukan himpunan fuzzy; (2)
Aplikasi fungsi implikasi (aturan); (3) Komposisi aturan; (4) Penegasan (deffuzy).
1.

Pembentukan himpunan fuzzy
Mamdani, baik variabel input maupun variabel output dibagi menjadi satu
atau lebih himpunan fuzzy.

2.

Aplikasi fungsi implikasi
Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min.

3.

Komposisi Aturan
Tidak seperti penalaran monoton, apabila sistem terdiri-dari beberapa

aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan.
Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy,
yaitu : max, additive dan probabilistik OR (probor).

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

22

a. Metode Max (Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy,
dan mengaplikasikannya ke output dengan menggunakan operator OR (union).
Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan
fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi. Secara umum dapat
dituliskan:

µ sf[xi]