Makalah Kecerdasan Buatan
Makalah Kecerdasan Buatan
Oleh :
Ahmad Rizaqu Muttaqi
1218206
Cahyo Rifantomo
1218210
1218218
1318190
Oleh :
Ahmad Rizaqu Muttaqi
1218206
Cahyo Rifantomo
1218210
1218218
1318190
ii
ABTRAKSI
Sektor pariwisata merupakan salah satu potensi terbesar di dunia. Pada tahun 2010
sektor pariwisata global menghasilkan sekitar US$ 5,7 trilliun dan memperkerjakan
sekitar 235 juta orang secara langsung maupun tidak langsung. Bagi wisatawan, informasi
mengenai objek wisata diperlukan agar wisatawan tidak salah memilih tujuan wisata
mereka. Apabila tidak ada informasi yang jelas mengenai objek wisata maka wisatawan
pun akan ragu untuk mengunjungi negara tersebut. Sistem pakar fuzzy untuk pariwisata
dapat menjadi solusi untuk masalah informasi pariwisata yang dibutuhkan oleh
wisatawan. Logika fuzzy akan diterapkan dalam mesin inferensi pada sistem pakar ini.
Metode logika fuzzy cocok untuk mengambil keputusan di dalam sistem pakar pariwisata
dengan nilai masukan budget, jarak perjalanan, waktu perjalanan. Sistem pakar pariwisata
ini dapat membantu para wisatawan dalam menentukan tujuan wisata mereka. Sistem ini
memberikan data negara tujuan serta memberikan rekomendasi jadwal perjalanan sesuai
dengan lama perjalanan yang diinginkan.
Kata Kunci : Fuzzy Logic, pariwisata, Budget, jarak perjalanan, waktu perjalanan,
rekomendasi.
iii
DAFTAR ISI
Kesimpulan ............................................................................................................ 29
4.2
Saran ..................................................................................................................... 29
DAFTAR PUSTAKA................................................................................................... 30
LAMPIRAN LAMPIRAN
iv
DAFTAR GAMBAR
Gambar 2.1 Set Fuzzy Logic ........................................................................................... 3
Gambar 2.2 Konsep Dasar Logika Fuzzy ........................................................................ 4
Gambar 2.3 Proses Fuzzykasi .......................................................................................... 5
Gambar 2.4 Fungsi Keanggotaan ..................................................................................... 5
Gambar 2.5 Proses Evaluasi Rule .................................................................................... 6
Gambar 2.6 Label Linguistik ........................................................................................... 6
Gambar 2.7 Hubungan Fungsi Keanggotaan ................................................................... 7
Gambar 2.8 Rule Strengths dari rule terseleksi ................................................................ 8
Gambar 2.9 Proses Defuzzykasi ...................................................................................... 8
Gambar 2.10 Fungsi Keanggotaan Keluaran dipotong pada nilai keluaran Fuzzy .......... 9
Gambar 3.1 Variable Masukan Budget .......................................................................... 14
Gambar 3.2 Variable Masukan Jarak ............................................................................. 15
Gambar 3.3 Variable Masukan Lama Perjalanan .......................................................... 16
Gambar 3.4 Variable Keluaran ...................................................................................... 17
Gambar 3.5 Pembuatan Rule/Aturan fuzzy logic .......................................................... 18
Gambar 3.6 Hasil Pengujian ke Singapura .................................................................... 19
Gambar 3.7 Hasil Pengujian ke Maalaysia .................................................................... 20
Gambar 3.8 Hasil Pengujian ke Brunei Darussalam ...................................................... 21
Gambar 3.9 Hasil Pengujian ke Thailand ...................................................................... 22
Gambar 3.10 Hasil Pengujian ke Filipina ...................................................................... 23
Gambar 3.11 Hasil Pengujian ke Vietnam ..................................................................... 24
Gambar 3.12 Hasil Pengujian ke Laos ........................................................................... 25
Gambar 3.13 Hasil Pengujian ke Myanmar ................................................................... 26
vi
DAFTAR TABEL
Tabel 3.1 Masukan Budget ............................................................................................ 10
Tabel 3.2 Masukan Jarak Perjalanan ............................................................................. 10
Tabel 3.3 Masukan Lama perjalan ................................................................................. 10
Tabel 3.4 Keluaran Fuzzy Logic .................................................................................... 11
Tabel 3.5 Rule pada Fuzzy Logic .................................................................................. 11
BAB I
PENDAHULUAN
1.1.Latar Belang
Pada era globalisasi, sektor pariwisata telah menjadi salah satu potensi yang
terbesar di dunia. Fakta membuktikan pada tahun 2010 industri pariwisata global
menghasilkan sekitar US$ 5,7 triliun dan memperkerjakan sekitar 235 juta orang
secara langsung maupun tak langsung (Moli, 2011). Dengan fakta ini maka sektor
pariwisata adalah salah satu sektor yang paling menarik untuk dikembangkan lebih
lanjut oleh suatu negara. Bagi wisatawan, informasi mengenai Negara beserta objek
wisata yang ada di negara tersebut benar-benar diperlukan. Informasi ini diperlukan
agar para wisatawan tidak salah memilih ketika akan melakukan perjalanan ke suatu
negara.
Apabila tidak ada informasi yang jelas mengenai objek isata maka wisatawan pun
akan ragu untuk mengunjungi negara tersebut. Pemilihan negara beserta objek
wisata negara tersebut akan disesuaikan dengan kebutuhan dari wisatawan.
Contohnya adalah biaya yang akan dikeluarkan ketika melakukan perjalanan,
lamanya waktu yang akan dihabiskan, jarak negara tersebut dengan negara tempat
tinggal mereka, jenis wisata misalnya apakah itu termasuk wisata alam, wisata
sejarah, atau wisata hiburan, dan kebutuhankebutuhan yang lain. Kebutuhankebutuhan ini akan mempengaruhi keputusan mereka dalam pemilihan tujuan
perjalanan mereka.
Sistem pakar untuk pariwisata ini dibangun untuk membantu wisatawan dalam
memperoleh informasi mengenai negara dan objek wisata yang ada dan sesuai
dengan kebutuhankebutuhan para wisatawan serta memberikan rekomendasi jadwal
perjalanan yang dapat diikuti pada saat berkunjung ke negara tersebut. Sistem pakar
ini akan menggunakan metode logika fuzzy. Keuntungan yang didapat dari penerapan
logika fuzzy di dalam sistem pakar adalah dalam pengambilan keputusan keduanya
merupakan metodologi yang handal dan dapat menarik bagi para praktisi dan analisis
(Malagoli dan Magni, 2007). Menurut Djam dan Kimbi (2011) logika fuzzy
digunakan dalam sistem pakar dikarenakan metode ini merupakan metode yang kuat
untuk menyelesaikan masalah representasi pengetahuan di lingkungan yang tidak
pasti dan ambigu.
1.2.Rumusan Masalah
Adapun rumusan masalah yang penulis angkat dalam makalah adalah bagaimana
membuat Aplikasi Logika Fuzzy Pada Sistem Pakar Pariwisata ?
1.3.Tujuan
Tujuan dari pembuatan Aplikasi Logika Fuzzy Pada Sistem Pakar Pariwisata
adalah
1) Dapat menangani masalah harga dan jarak yang tidak pasti. Pengambilan
keputusan sistem pakar dengan menggunakan metode fuzzy melewati tahaptahap yang telah ditetapkan.
2) Memberikan rekomendasi jadwal perjalanan sesuai dengan lama perjalanan yang
diinginkan.
1.4.Manfaat
Manfaat yang dapat diperoleh dari Aplikasi Logika Fuzzy Pada Sistem Pakar
Pariwisata adalah
1) Memberikan kepastian tentang harga, jarak, dan destinasi wisata yang akan
dituju.
2) Menjadi rekomendasi jadwal perjalanan wisata yang diinginkan.
1.5.Batasan Masalah
Batasan masalah yang penulis ambil dalam pembuatan Aplikasi Logika Fuzzy
Pada Sistem Pakar Pariwisata adalah
1) Dalam pembuatan aplikasi ini menggunakan Aplikasi MatLab R2011a pada
fasilitas Fuzzy logic ToolBox.
2) Dalam proses Fuzzyfikasi menggukan variabel masukkan dana yang
disiapkan dalam juta , jarak perjalanan dalam kilometer, dan lama perjalanan
dalam hari.
3) Untuk menguji hasil Pembuatan aplikasi menggunakan masukkan dari negara
di kawasan Asia Tenggara.
BAB II
LANDASAN TEORI
Dalam sistem fuzzy, terdiri dari konsep dasar yang berhubungan dengan
logika fuzzy
Derajat keanggotaan
Label
Nama
deskriptif
yang
digunakan
untuk
Mendefinisikan
untuk
mengidentifikasikan
Lingkup / domain
dihubungkan
melalui
operator
AND,
rule
strength
2.4.Defuzzifikasi
Dalam defuzzykasi, seluruh keluaran fuzzy yang signifikan akan
dikombinasikan kedalam variabel keluaran yang spesifik, dan hasil yang
komerhensuf. Dalam proses ini seluruh nilai keluaran fuzzy secara efektif
memodifikasi fungsi keanggotaan keluarannya.
Dalam evaluasi rule, dengan menyimpan rule strength yang satu dari
banyak teknik defuzzyfikasi yang paling benar dan mendominasi. Satu dari
banyak teknik defuzzyfikasi yang paling sering digunakan dalam Center of
gravity (COG) atau metode centroid. Dalam metode ini, tiap fungsi
keanggotaan keluaran diatas nilai yang ditunjukkan oleh masing-masing
keluaran fuzzy di truncated (dipepat / dipotong). Hasil clipped atau potongan
fungsi keanggotaan kemudian dikombinasikan dan keseluruhan center of
gravity dihitung. Pemampatan tersebut dinamakan dengan lamda cut.
BAB III
IMPLEMENTASI KENDALI LOGIKA FUZZY
3.1. Menentukan variabel masukan, keluaran dan rule
Untuk menjalankan tahapan kendali fuzzy logic terlebih dahulu menyusun
konsep sistem kontrol.
Tabel 3. 1 Masukan Budget
Keterangan
No
Budget
Sangat kecil
0 2.5
Kecil
1.5 4.5
Sedang
3.5 6.5
Besar
5.5 8.5
Sangat besar
7.5 - 12
Keterangan
No
Jarak
Sangat dekat
0 750
Dekat
500 1500
Jauh
1200 2250
Sangat jauh
1900 - 3000
(Km)
Keterangan
No
Lama Perjalan
Sebentar
03
Sedang
25
Lama
4-7
(Hari)
10
No
Rekomendasi
Keterangan
Tidak Memungkinkan
Memungkinkan
Sangat memungkinkan
No
Masukan
Keluaran
( Rekomendasi )
Budget
Jarak
Lama Perjalan
Sangat kecil
Sangat dekat
Sebentar
Sangat kecil
Sangat dekat
Sedang
Sangat kecil
Sangat dekat
Lama
Sangat kecil
Dekat
Sebentar
Sangat kecil
Dekat
Sedang
Sangat kecil
Dekat
Lama
Memungkinkan
Sangat kecil
Jauh
Sebentar
Memungkinkan
Sangat kecil
Jauh
Sedang
Memungkinkan
Sangat kecil
Jauh
Lama
10
Sangat kecil
Sangat jauh
Sebentar
11
Sangat kecil
Sangat jauh
Sedang
12
Sangat kecil
Sangat jauh
Lama
13
Kecil
Sangat dekat
Sebentar
Sangat
memungkinkan
Sangat
memungkinkan
Memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Tidak
memungkinkan
Tidak
memungkinkan
Tidak
memungkinkan
Tidak
memungkinkan
Sangat
memungkinkan
11
Sangat
14
Kecil
Sangat dekat
Sedang
15
Kecil
Sangat dekat
Lama
Memungkinkan
16
Kecil
Dekat
Sebentar
Memungkinkan
17
Kecil
Dekat
Sedang
Memungkinkan
18
Kecil
Dekat
Lama
Memungkinkan
19
Kecil
Jauh
Sebentar
Memungkinkan
20
Kecil
Jauh
Sedang
Memungkinkan
21
Kecil
Jauh
Lama
22
Kecil
Sangat Jauh
Sebentar
23
Kecil
Sangat Jauh
Sedang
24
Kecil
Sangat Jauh
Lama
25
Sedang
26
Sedang
27
Sedang
28
Sedang
Dekat
Sebentar
29
Sedang
Dekat
Sedang
Memungkinkan
30
Sedang
Dekat
Lama
Memungkinkan
31
Sedang
Jauh
Sebentar
Memungkinkan
32
Sedang
Jauh
Sedang
Memungkinkan
33
Sedang
Jauh
Lama
Memungkinkan
34
Sedang
Sangat Jauh
Sebentar
Memungkinkan
35
Sedang
Sangat Jauh
Sedang
Memungkinkan
36
Sedang
Sangat Jauh
Lama
Sangat
Dekat
Sangat
Dekat
Sangat
Dekat
Sebentar
Sedang
Lama
memungkinkan
Tidak
memungkinkan
Tidak
memungkinkan
Tidak
memungkinkan
Tidak
memungkinkan
Sangat
memungkinkan
memungkinkan
Tidak
memungkinkan
Sangat
memungkinkan
Tidak
memungkinkan
12
Sangat
Besar
38
Besar
39
Besar
40
Besar
Dekat
Sebentar
41
Besar
Dekat
Sedang
42
Besar
Dekat
Lama
Memungkinkan
43
Besar
Jauh
Sebentar
Memungkinkan
44
Besar
Jauh
Sedang
Memungkinkan
45
Besar
Jauh
Lama
Memungkinkan
46
Besar
Sangat Jauh
Sebentar
Memungkinkan
47
Besar
Sangat Jauh
Sedang
Memungkinkan
48
Besar
Sangat Jauh
Lama
Memungkinkan
49
Sangat besar
50
Sangat besar
51
Sangat besar
52
Sangat besar
Dekat
Sebentar
53
Sangat besar
Dekat
Sedang
54
Sangat besar
Dekat
Lama
55
Sangat besar
Jauh
Sebentar
56
Sangat besar
Jauh
Sedang
Dekat
Sangat
Dekat
Sangat
Dekat
Sangat
Dekat
Sangat
Dekat
Sangat
Dekat
Sebentar
Sangat
37
Sedang
Lama
Sebentar
Sedang
Lama
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
13
57
Sangat besar
Jauh
Lama
58
Sangat besar
Sangat Jauh
Sebentar
59
Sangat besar
Sangat Jauh
Sedang
60
Sangat besar
Sangat Jauh
Lama
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
Sangat
memungkinkan
3 4.5]
14
6.5]
8.5]
9 12]
750]
1000
1500]
1700
2250]
3000]
15
750]
3.5 5]
750]
16
4) Variabel keluaran
0.9]
1.4]
17
5) Membuat rule/aturan
Untuk menjalankan fuzzy logic harus membuat rule/aturan sebagai
acuan untuk menghasilkan keluaran.
: Rp 11.000.000,-
Lama Perjalanan
: 3 hari
18
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 885
: 0.832
19
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 1173
: 0.832
20
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 1500
: 0.832
21
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 2306
: 0.832
22
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 2779
: 0.832
23
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 3008
: 0.5
24
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 2708
: 0.832
25
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 2792
: 0.832
26
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 1971
: 0.832
27
Keterangan
Budget (juta)
: 11
Jarak (Km)
: 2089
: 0.832
28
BAB IV
PENUTUP
4.1 Kesimpulan
Dari penjelasan pada bagian di atas dapat disimpulkan bahwa
1. Faktor-faktor penentu yang menjadi masukan sistem adalah total dana (total
budget), jarak, dan lama perjalanan yang diinginkan.
2. Pengambilan keputusan sistem pakar dengan menggunakan metode fuzzy
melewati tahap-tahap yang telah ditetapkan. proses fuzzifikasi untuk
menghitung nilai fuzzy terhadap masukan..
3. Tujuan wisata yang menjadi hasil keluaran adalah yang mempunyai nilai miu
yang mendekati dengan nilai miu hasil perhitungan dari masukan.
4.2 Saran
Dari hasil pembuatan fuzzy logic Aplikasi Logika Fuzzy Pada Sistem
Pakar Pariwisata masi perlu adanya pengembangan sistem diantaranya :
1. Fuzzy logic
dapat
29
DAFTAR PUSTAKA
Maslim, Martinus. 2013. Aplikasi Logika Fuzzy pada Sistem Pakar Pariwisata.
Yogyakarta : Universitas Atma Jaya.
Nakhoda, Yusuf Ismail. 2014. Materi Kecerdasan Buatan Fuzzy Logic. Malang : Institut
Teknologi Nasional.
Pamungkas,
Adi.
2013.
Logika
Fuzzy
menggunakan
Matlab.
(online).
30
ISSN: 2089-9815
1.
PENDAHULUAN
Pada era globalisasi, sektor pariwisata telah
menjadi salah satu industri yang terbesar di dunia.
Fakta membuktikan pada tahun 2010 industri
pariwisata global menghasilkan sekitar US$ 5,7
triliun dan memperkerjakan sekitar 235 juta orang
secara langsung maupun tak langsung (Moli, 2011).
Dengan fakta ini maka sektor pariwisata adalah
salah satu sektor yang paling menarik untuk
dikembangkan lebih lanjut oleh suatu negara.
Bagi wisatawan, informasi mengenai negara
beserta objek wisata yang ada di negara tersebut
benar-benar diperlukan. Informasi ini diperlukan
agar para wisatawan tidak salah memilih ketika akan
melakukan perjalanan ke suatu negara. Apabila tidak
ada informasi yang jelas mengenai objek wisata
maka wisatawan pun akan ragu untuk mengunjungi
negara tersebut. Pemilihan negara beserta objek
wisata negara tersebut akan disesuaikan dengan
kebutuhan dari wisatawan. Contohnya adalah biaya
yang akan dikeluarkan ketika melakukan perjalanan,
lamanya waktu yang akan dihabiskan, jarak negara
112
ISSN: 2089-9815
TINJAUAN PUSTAKA
Industri pariwisata banyak diminati oleh orang
baik itu dari dalam negeri maupun luar negeri.
Pariwisata semakin berkembang secara bertahap
tahun demi tahun. Menurut Moli (2011) sektor
pariwisata telah muncul sebagai salah satu industri
yang terbesar di dunia. Hal sama dikemukakan oleh
Akinnuwesi dan Uzoka (2009) serta Nasreen dan
Thang
(2011)
bahwa
industri
pariwisata
diidentifikasi sebagai salah satu sektor yang
mempunyai peranan penting dalam perkembangan
bisnis dan ekonomi di negara berkembang. Sektor
pariwisata yang berkembang membuat sektor
ekonomi pun bertumbuh dengan pesat. Owaied, et
al. (2011), beliau menjelaskan bahwa dalam 10
tahun terakhir peranan sektor pariwisata semakin
bertambah dalam perekonomian dunia.
Bagi para wisatawan, informasi mengenai objek
wisata yang ada di sebuah negara sangatlah penting
agar mereka tidak salah dalam menentukan tujuan
wisata mereka. Informasi mengenai pariwisata
menarik para wisatawan mengenai sumber daya dan
potensi sumber daya suatu negara (Akinnuwesi dan
Uzoka, 2009; Huang, 2007). Pemilihan negara
beserta objek wisata yang ada dipengaruhi oleh
beberapa faktor. Penelitian yang dilakukan oleh
Henderson (2009) menjelaskan bahwa keputusan
wisatawan terhadap suatu negara dan objek
wisatanya dipengaruhi oleh infrastruktur yang ada di
negara tersebut, jangkauan atau jarak, dan layanan
yang ada di negara tersebut. Untuk memudahkan
orang dalam menentukan negara beserta objek
wisata yang akan menjadi tujuan mereka,
dibangunlah sebuah sistem pakar fuzzy yang dimana
di dalam sistem ini menampung informasi dari
pakar-pakar di bidang pariwisata.
Sistem pakar untuk perjalanan wisata sangat
menguntungkan bagi orang karena dapat
memberikan saran atau rekomendasi negara beserta
objek wisata yang sesuai dengan keinginan orang
tersebut (Sabri, et al., 2011). Chauhan (2010)
menjelaskan tentang sistem manajemen informasi
pariwisata yang bertujuan untuk merekomendasikan
3.
METODOLOGI PENELITIAN
Metode yang digunakan untuk mengumpulkan
data atau studi pendahuluan pada analisis dan
perancangan sistem pakar fuzzy untuk pariwisata
ada berbagai macam misalnya:
1. Observasi atau Pengamatan
113
ISSN: 2089-9815
4.
PEMBAHASAN
Pada pembahasan ini akan dijelaskan mengenai
analisis perhitungan terhadap hasil dari sistem pakar
fuzzy untuk pariwisata. Perhitungan dilakukan
dengan cara menghitung masukan yang diberikan
oleh pengguna menggunakan metode fuzzy dan
menghasilkan data tujuan wisata yang sesuai dengan
spesifikasi yang menjadi masukan sistem.
Perhitungan ini hanya diambil satu masukan dan
masukan ini akan dihitung berdasarkan grafik fungsi
keanggotaan yang ada. Analisis perhitungan yang
dilakukan akan menjelaskan tentang penggunaan
grafik fungsi keanggotaan yang lebih baik serta
mengeluarkan hasil yang lebih akurat. Untuk
masukan jarak nilainya telah berbentuk nilai fuzzy
() yang ditentukan dari sistem yang telah
dikembangkan. Tetapi grafik fungsi keanggotaannya
tetap ada karena grafik ini digunakan dalam proses
fuzzifikasi untuk data yang diambil dari basis data.
Untuk sampel masukannya adalah :
- Budget : Rp 11.000.000,-
ISSN: 2089-9815
1. Singapura
Total : Rp 4.954.500
besar = 0
Jarak
: 885 km
dekat =
jauh = 0
Lama Wisata : 3 hari
4.2
Fuzzifikasi
Tahap kedua adalah proses fuzzifikasi dimana
nilai masukan dari pengguna akan diubah dalam
nilai fuzzy () menggunakan grafik keanggotaan
yang telah dibuat. Pada tahap ini akan dilakukan
juga perhitungan fuzzifikasi dari data dalam basis
data untuk diubah dalam nilai fuzzy (). Untuk setiap
data negara akan dilakukan proses fuzzifikasi
dengan masukan data adalah sebagai berikut :
- Budget
: total harga tiket masuk objek wisata
berdasarkan jumlah lama wisata terkait dengan
jadwal perjalanan yang telah dibuat ditambah
dengan harga rata-rata hotel sesuai dengan
bintang yang dipilih pengguna lalu ditambah
harga tiket pesawat yang telah dikali dengan 2
(pulang-pergi dianggap sama)
- Jarak : data jarak suatu negara dari Jakarta
- Lama : lama wisata yang dimasukkan pengguna
2. Malaysia
sebentar =
lama = 0
Total : Rp 2.852.400
kecil =
sedang = 0
besar = 0
Jarak
: 1173 km
dekat =
jauh = 0
Lama Wisata : 3 hari
sebentar =
lama = 0
3. Brunei
Darussalam
Total : Rp 4.999.300
kecil =
sedang =
besar = 0
Jarak
Jarak
: Cukup Dekat
dekat = 0,5
jauh = 0
dekat =
: 1500 km
jauh = 0
sebentar =
lama = 0
4. Thailand
Total : Rp 3.324.140
kecil =
sedang = 0
besar = 0
Jarak
: 2306 km
dekat = 0
5. Filipina
ISSN: 2089-9815
jauh =
jauh =
sebentar =
lama = 0
Total : Rp 3.962.960
sebentar =
lama = 0
Total : Rp 7.656.860
kecil = 0
9. Kamboja
kecil =
sedang = 0
besar = 0
sedang =
besar = 0
Jarak
: 2779 km
dekat = 0
Jarak
jauh =
dekat =
jauh = 0
6. Vietnam
sebentar =
lama = 0
Total : Rp 3.179.020
10. Timor
Leste
kecil =
sedang = 0
besar = 0
Jarak : 3008 km
dekat = 0
Jarak
jauh =
dekat =
: 2089 km
jauh =
sebentar =
lama = 0
Total : Rp 6.894.600
kecil = 0
sedang =
besar = 0
4.3
Aturan
Tahap ketiga adalah pembuatan aturan / rule dari
variabel masukan yang telah ada. Nilai yang telah
didapatkan dari tahap fuzzifikasi akan diterapkan
dalam perhitungan aturan. Apabila aturan
menggunakan and maka yang diambil adalah
yang terkecil dari kedua variabel masukan dan
sebaliknya apabila aturan menggunakan or maka
yang diambil adalah yang terbesar dari kedua
variabel masukan.
Aturan :
1. If Budget Kecil and Jarak Dekat and Lama
Wisata Sebentar then Memungkinkan
2. If Budget Kecil and Jarak Dekat and Lama
Wisata Lama then Kurang Memungkinkan
3. If Budget Kecil and Jarak Jauh and Lama
Wisata Sebentar then Tidak Memungkinkan
4. If Budget Kecil and Jarak Jauh and Lama
Wisata Lama then Tidak Memungkinkan
Jarak : 2708 km
dekat = 0
jauh =
Lama Wisata : 3 hari
8. Myanmar
sebentar =
lama = 0
Total : Rp 5.730.150
kecil = 0
sedang =
besar = 0
7. Laos
: 1971 km
sebentar =
lama = 0
Total : Rp 8.954.650
kecil = 0
sedang =
besar = 0
Jarak : 2792 km
dekat = 0
116
5.
4. Thailand
5. Filipina
6. Vietnam
7. Laos
8. Myanmar
9. Kamboja
ISSN: 2089-9815
4.4
Defuzzifikasi
Tahap keempat adalah proses defuzzifikasi
dimana hasil dari semua perhitungan dengan
menggunakan data dari dalam basis data pada bagian
aturan dikumpulkan menjadi satu lalu ditarik sebuah
kesimpulan menggunakan metode Max Method.
Metode Max Method mencari nilai terbesar hasil
dari perhitungan pada bagian aturan / rule. Jika
terdapat 2 aturan atau lebih hasil dari kesimpulan,
maka akan diambil yang mempunyai nilai
terbesar. Max Method dipilih karena metode ini
sederhana dan tidak banyak proses komputasi yang
dilakukan dimana proses komputasi dapat membuat
sistem web ini akan berjalan lama. Lagipula metode
ini juga terbukti dapat menghasilkan kesimpulan
yang sesuai dengan masukan dari pengguna.
Dengan menggunakan metode Max Method
kesimpulan yang dapat ditarik dari masukan adalah
Memungkinkan dengan yaitu 0,125. Karena
kesimpulan rule hanya ada satu sehingga kesimpulan
tersebut menjadi kesimpulan akhir dari proses
defuzzifikasi data masukan. Kesimpulan yang
ditarik dari perhitungan basis data dapat dilihat pada
tabel 3.
1.
2.
3.
4.
Negara
Singapura
Malaysia
Brunei
Darussalam
Thailand
5. Filipina
6. Vietnam
7. Laos
8. Myanmar
9. Kamboja
10. Timor
Leste
4.5
Hasil Keluaran
Setelah didapatkan hasil kesimpulan dari proses
defuzzifikasi dari basis data maka data tersebut
kemudian akan dibandingkan dengan hasil dari
perhitungan nilai masukan. Perbandingan dilakukan
dengan cara mencari hasil kesimpulan dari basis data
yang sama dengan kesimpulan yang dihasilkan dari
perhitungan nilai masukan. Kemudian kesimpulan
yang sama akan dicari nilai yang mendekati nilai
kesimpulan dari nilai masukan. Data negara yang
memiliki nilai yang mendekati inilah yang akan
menjadi hasil tujuan wisata yang akan dikeluarkan
oleh sistem. Untuk kesimpulan akhir data masukan
adalah memungkinkan dengan nilai = 0,125. Hasil
kesimpulan akhir dari data basis data yang sama
dengan kesimpulan data masukan dapat dilihat pada
tabel 4.
Tabel 4. Tabel Hasil Keluaran
Negara
Defuzzifikasi
(Max Method)
Memungkinkan
1. Singapura
= 0,125
Memungkinkan
2. Malaysia
= 0,125
Memungkinkan
3. Brunei
= 0,125
Darussalam
Memungkinkan
4. Kamboja
= 0,02166
PUSTAKA
Akinnuwesi, B.A., Uzoka, F.M.E. 2009. A
Framework of Web Based Fuzzy Expert System
for Managing Tourism Information. Georgian
Electronic Scientific Journal : Computer
Science and Telecommunications. Vol. 20. No.
3. pp. 77-89.
Chauhan, Ritu. 2010. An Expert System for Tourist
Information Management. International Journal
of Computer Science and Communication. Vol.
1. No. 2. pp. 181-183.
Dada, Joseph O.,et al. 2011. Web-Based Expert
System for Classification of Industrial and
Commercial Waste Product. Journal of
Emerging Trends in Computing and
Information Sciences. Vol. 2. No. 6. pp. 257262.
Djam, X.Y., Kimbi, Y.H. 2011. A Decision Support
System for Tuberculosis Diagnosis. The Pacific
Journal of Science and Technology. Vol. 12.
No. 2. pp. 410-425.
Djam, X.Y., Kimbi, Y.H. 2011. Fuzzy Expert System
for The Management of Hypertension. The
Pacific Journal of Science and Technology. Vol.
12. No. 1. pp.390-402.
Selisih
0,10334
ISSN: 2089-9815
ISSN: 2089-9815