BAB I

PENDAHULUAN
Latar Belakang
Dewasa ini perkembangan teknologi informasi sudah sedemikian pesat. Perkembangan yang
pesat tidak hanya teknologi perangkat keras dan perangkat lunak saja, tetapi metode komputasi
juga ikut berkembang. Salah satu metode komputasi yang cukup berkembang saat ini adalah
metode sistem pengambilan keputusan (Decisions Support System). Dalam teknologi informasi,
sistem pengambilan keputusan merupakan cabang ilmu yang letaknya diantara sistem informasi
dan sistem cerdas.
Sistem pengambilan keputusan juga membutuhkan teknologi informasi, hal ini dikarenakan
adanya era globalisasi, yang menuntut sebuah perusahaan untuk bergerak cepat dalam
mengambil suatu keputusan dan tindakan. Dengan mengacu kepada solusi yang diberikan oleh
metode Fuzzy Tsukamoto dalam membantu membuat keputusan. Salah satunya pengambilan
keputusan dalam memberikan imbalan yang setimpal untuk pelayan yang memberikan
pelayanan tepat waktu sesuai keinginan pelanggan pada sebuah restoran.

Rumusan Masalahan
Bagaimana membuat suatu Sistem Pendukung Keputusan dengan Parameter Metode
Fuzzy Tsukamoto

Tujuan
Tujuan dari penulisan ini adalah merancang dan membangun aplikasi sistem
pendukung keputusan pemberian tips di restoran dengan menggunakan metode Fuzzy Tsukamoto

BAB II
ISI

Pengertian Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS)pertama
kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan
istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis
komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan
model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur.Istilah SPK
mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan
keputusan.

Pengertian Metode Fuzzy

Ada beberapa hal yang perlu diketahui dalam memahami metode fuzzy, yaitu:
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: umur,
temperatur, permintaan, dsb.
Himpunan fuzzy. Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy.
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam
suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan riil 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.
Domain himpunan samar adalah keseluruhan nilai yang di ijinkan dalam semesta pembicaraan,
domain merupakan himpunan bilangan riil yang senantiasa naik (bertambah) secara monoton
dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun bilangan negatif.
Metode Fuzzy Tsukamoto

Pada metode penarikan kesimpulan samar Tsukamoto, setiap konsekuen pada aturan yang
berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan samar dengan fungsi
keanggotaan yang monoton. Sebagai hasilnya, output hasil penarikan kesimpulan (inference) dari
tiap-tiap aturan diberikan secara tegas (cnsp) berdasarkan -predikat (fire strength). Hasil akhir
diperoleh dengan menggunakan rata-rata berbobot (weight average).
Fungsi Keanggotaan
Dalam himpunan fuzzy terdapat beberapa representasi dari fungsikeanggotaan, salah
satunya yaitu representasi linear. Pada representasi linear, pemetaan input ke derajat
keanggotaannya digambarkan sebagai suatu garis lurus.
Representasi linear NAIK

Representasi linear TURUN

 Konjungsi fuzzy
AB= A(x) B(y)= min(A(x), B(y))
Disjungsi fuzzy
AB= A(x) B(y)= max(A(x), B(y))
Pada metode Tsukamoto, implikasi setiap aturan berbentuk implikasi Sebab-Akibat/Implikasi
Input-Output
Contoh
Misalkan ada 2 variabel input, Var-1 (x) dan Var-2(x), serta variabel output,Var-3(z), dimana Var1 terbagi atas 2 himpunan yaitu A1 dan A2. Var-2 terbagi atas 2 himpunan B1 dan B2, Var-3 juga
terbagi atas 2 himpunan yaitu C1 dan C2 (C1 dan C2 harus monoton). Ada 2 aturan yang
digunakan, yaitu:
[R1] IF (x is A1) and (y is B2) THEN (z is C1)
[R2] IF (x is A2) and (y is B1) THEN (z is C2)

Contoh Kasus
Anda sedang makan di sebuah restoran. Ada seorang pelayan yang melayani anda mulai
dari menyambut kedatangan, menulis menu yang anda pesan, mengantar makanan,
sampai menyajikan makanan.
Anda akan memberikan tips berdasarkan kualitas pelayanan yang anda rasakan. Faktorfaktor yang mempengaruhi penilaian anda adalah nilai pembayaran makanan yang anda pesan

dan durasi menunggu pesanan. Diketahui dalam restoran tadi bahwapembayaran makanan
yang dibeli, terendah adalah rp 50.000,- dan tertinggi 1.550.000,- untuk sekali kedatangan.
Sedangkah lamanya menunggu pesanan datang tercepat adalah 1 menit dan terlama 16 menit.
Sedangkan tips yang biasanya anda berikan berkisar mulai rp. 10.000,- sampai rp. 30.000,-.
Jika suatu saat, anda makan di restoran tersebut, nilai pembayaran makanan yang anda
pesan adalah rp. 600.000,- dan lamanya anda menunggu makanan yang anda pesan adalah 12
menit. Berapakah tips yang akan anda berikan ?
Tabel Data maksimum dan Data minimum
Data Jumlah Satuan
Pembayaran Tertinggi

1.550.000

Pembayaran Terendah

50.000

Pelayanan Tercepat

Pelayanan Terlama

16

Tips Terrendah

10.000

Tips Terbanyak

30.000

Penyelesaian
a. Memodelkan variabel fuzzy (Fuzzifikasi)
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu: Pembayaran, Pelayanan, dan Tips.
1. Pembayaran; terdiri dari 2 himpunan fuzzy, yaitu RENDAH dan TINGGI. Fungsi keanggotaan
Permintaan direpresentasikan pada Gambar.

Fungsi Keanggotaan Himpunan Rendah, dan Tinggi dari variabel

Pembayaran:

Nilai keanggotaan himpunan Rendah, dan Tinggi dari variabel

Pembayaran bisa dicari dengan:
PembayaranRendah[600.000] = (1.550.000-600.000)/1.500.000
= 0,6333
PembayaranTinggi[600.000] = (600.000-50.000)/1.500.000
= 0,3667
2. Pelayanan; terdiri dari 2 himpunan fuzzy, yaitu CEPAT dan LAMA. Fungsi keanggotaan
Pelayanan direpresentasikan pada Gambar.

Fungsi Keanggotaan Himpunan Cepat, dan Lama dari variabel

Pelayanan:

Nilai keanggotaan himpunan Cepat, dan Lama dari variabel

Pelayanan bisa dicari dengan:
PelayananCepat[12] = (16-12)/15
= 0,267
PelayananLama[12] = (12-1)/15
=0,733
3. TIPS; terdiri dari 2 himpunan fuzzy, yaitu Rendah dan Banyak. Fungsi keanggotaan
Permintaan direpresentasikan pada Gambar.

Fungsi Keanggotaan Himpunan Rendah, dan Banyak dari variabel

Tips:

a. INFERENSI
[R1] IF Pembayaran Rendah And Pelayanan Lama THEN Tips Rendah;
Nilai keanggotaan anteseden untuk aturan fuzzy [R1] yang dinotasikandengan 1
diperoleh dengan rumus sebagai berikut:
1 = PembayaranRendah
PelayananLama
= min(PembayaranRendah [600.000], PelayananLama [12])
= min (0,633, 0,733)
= 0.6333
z1=zmax 1(zmax zmin) (3.11)
z1 adalah nilai z untuk aturan fuzzy [R1].
Menurut fungsi keanggotaan himpunan Tips Rendah dalam aturan fuzzy [R1], maka nilai
z1 adalah:
z1=30.000-0,633(30.000-10.000)
z1=30.00012660
z1 =17.340
[R2] IF Pembayaran Rendah And Pelayanan Cepat THEN Tips Rendah;
Nilai keanggotaan anteseden untuk aturan fuzzy [R2] yang dinotasikandengan 1
diperoleh dengan rumus sebagai berikut:
2 = PembayaranRendah
PelayananCepat
= min(PembayaranRendah [600.000], PelayananCepat [12])
= min (0,633, 0,267)
= 0.267
Z2=zmax 2(zmax zmin)
z1 adalah nilai z untuk aturan fuzzy [R2].
Menurut fungsi keanggotaan himpunan Tips Rendah dalam aturan fuzzy [R2], maka nilai
z2 adalah:
Z2=30.000-0,267 (30.000-10.000)
z2=30.0005340
z2=24660

[R3] IF Pembayaran Tinggi And Pelayanan Lama THEN Tips Banyak;

Nilai keanggotaan anteseden untuk aturan fuzzy [R3] yang dinotasikandengan 3
diperoleh dengan rumus sebagai berikut:
3 = PembayaranTinggi
PelayananLama
= min(PembayaranTinggi [600.000], PelayananLama [12])
= min (0,367, 0,733)
= 0.367
z3=zmax 3(zmax zmin)
z3 adalah nilai z untuk aturan fuzzy [R3].
Menurut fungsi keanggotaan himpunan Tips Banyak dalam aturan fuzzy [R3], maka nilai
z3 adalah:
z3=30.000-0,367 (30.000-10.000)
z3=30.0007340
z3=22660
[R4] IF Pembayaran Tinggi And Pelayanan Cepat THEN Tips Banyak;
Nilai keanggotaan anteseden untuk aturan fuzzy [R3] yang dinotasikandengan 3
diperoleh dengan rumus sebagai berikut:
4 = PembayaranTinggi
PelayananLama
= min(PembayaranTinggi [600.000], PelayananCepat[12])
= min (0,367, 0,267)
= 0.267
z4=zmax 4(zmax zmin)
z4 adalah nilai z untuk aturan fuzzy [R3].
Menurut fungsi keanggotaan himpunan Tips Banyak dalam aturan fuzzy [R3], maka nilai
z3 adalah:
z4=30.000-0,267 (30.000-10.000)
z4=30.0005340
z4=24660
b.

Menentukan Output Crisp (Deffuzzyfikasi)

Pada metode Tsukamoto, untuk menentukan output crisp digunakan defuzifikasi rata-rata
terpusat, yaitu:

BAB III
PENUTUP
Kesimpulanyangdapatdiambiladalahsebagaiberikut:
DenganmengacukepadasolusiyangdiberikanolehmetodeFuzzyTsukamotodalam
membantu membuat keputusan. Salah satunya pengambilan keputusan dalam memberikan
imbalanyangsetimpaluntukpelayanyangmemberikanpelayanantepatwaktusesuaikeinginan
pelanggan pada sebuah restoran. Menentukan perkiraan besaran tips yang diberikan kepada
pelayanrestoranbisadilakukansecaramudahdantepatsesuaidenganpelayananyangdiberikan
menggunakanMetodeFuzzyTsukamoto.