Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 2, No. 6, Juni 2018, hlm. 2032-2037 http://j-ptiik.ub.ac.id

Sistem Pendukung Keputusan Untuk Penentuan Jumlah Produksi Nanas

Menggunakan Metode Fuzzy Tsukamoto
(Studi kasus PT.Great Giant Pineapple)
Agus Prayogi1, Edy santoso2, Sutrisno3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1agusprayogi16@gmail.com, 2edy144@ub.ac.id, 3trisno@ub.ac.id

Abstrak
PT. Great Giant Pineapple merupakan salah satu perusahaan agro industri. Perusahaan ini melakukan
kegiatan mulai dari budidaya buah nanas hingga proses pengalengan. Permasalahan yang dihadapi oleh
PT.Great Giant Pineapple adalah jika terjadi produksi berlebihan maka nanas tersebut akan ditempatkan
di gudang penyimpanan sebagai persediaan dan nanas mempunyai masa konsumsi yang tidak bertahan
lama dan tidak dapat dikonsumsi karena nanas sudah kadaluarsa dikarenakan penimbunan produksi
nanas di gudang penyimpanan yang terlalu lama. Apabila terjadi kekurangan produksi nanas maka
pelanggan akan kecewa karena nanas yang ingin dibeli sudah habis. Maka, dengan hal itu perusahaan
akan kehilangan pelanggan dan mengalami kerugian. Metode Tsukamoto merupakan perluasan dari
penalaran monoton. Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN
harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan. Sebagai hasilnya,
output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire
strength). Persediaan bahan baku dan jumlah permintaan digunakan sebagai variabel yang akan
direpresentasikan dengan fungsi keanggotaan fuzzy. Selanjutnya metode fuzzy tsukamoto untuk
menentukan jumlah produksi diterapkan dalam Sistem Pendukung Keputusan (SPK), kemudian SPK
akan mengolah data-data tersebut dengan metode tsukamoto dan akan menampilkan keluaran (output)
berupa jumlah barang yang akan diproduksi. Berdasarkan hasil pengujian akurasi diperoleh nilai
kesalahan dari hasil peramalan yang kecil yakni 0,0607 %. Hasil yang diberikan oleh metode Fuzzy
Tsukamoto memiliki kesesuaian dengan hasil data PT. GGC dengan nilai kesalahan 0,0607 %.
Kata kunci: SPK(Sistem Pendukung Keputusan), nanas,peramalan, Fuzzy Tsukamoto.

Abstract
PT. Great Giant Pineapple is one of the agro industry companies. This company performs activities
ranging from pineapple cultivation to canning process. The problem faced by PT.Great Giant Pineapple
is if there is excessive production then the pineapple will be placed in the storage warehouse as the
supply and the pineapple has a consumption period that does not last long and can not be consumed
because the pineapple has expired due to pineapple production in the storage warehouse too long. If
there is a shortage of pineapple production then customers will be disappointed because the pineapple
you want to buy is up. So, with it the company will lose customers and lose. Tsukamoto's method is an
extension of monotonous reasoning. In the Tsukamoto method, every consequence of the IF-THEN rules
must be represented by a fuzzy set with membership function. As a result, the inference output of each
rule is given explicitly (crisp) based on the α-predicate (fire strength). The raw material inventory and
the number of requests are used as variables that will be represented by the fuzzy membership function.
Furthermore, fuzzy Tsukamoto method to determine the amount of production applied in Decision
Support System (SPK), then SPK will process the data with Tsukamoto method and will display the
output (output) in the amount of goods to be produced. Based on the results of accuracy testing obtained
error value of small forecasting results that is 0,0607%. The results given by the Fuzzy Tsukamoto
method are in conformity with the results of the data of PT. GGC with error value 0,0607%..
Keywords: Decision Support Systems, pineapple, prediction, Fuzzy Tsukamoto.

Fakultas Ilmu Komputer

Universitas Brawijaya 2032
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
1. PENDAHULUAN
PT. Great Giant Pineapple memiliki beberapa
bagian departemen, salah satunya yaitu bagian
operasional proses pengalengan nanas. Bagian
proses pengalengan nanas merupakan akhir dari
seluruh rangkaian produksi yang ada di PT.
Great Giant Pineapple. PT. Great Giant
Pineapple merupakan perkebunan nanas di
Indonesia yang produksi olahan nanasnya
diekspor pada pasar luar negeri dan mengirim
hasil produksinya sebanyak 99,8 % ke berbagai
belahan dunia antara lain Eropa 47,6 %, Amerika
4,6 %, Asia (Jepang, Korea, Taiwan) 3,1 %, dan
sisanya Timur Tengah, Kanada dan Autralia.
Sedangkan untuk konsumsi dalam negeri hanya
sekitar 0,2 %. PT. Great Giant Pineapple
merupakan penyuplai olahan nanas terbesar
ketiga di dunia karena dapat memenuhi 10 %
dari 12 % yang menjadi kebutuhan nanas olahan
dunia. Permasalahan yang dihadapi oleh PT
Great Giant Pineapple adalah jika terjadi
produksi berlebihan maka nanas tersebut akan
ditempatkan di gudang penyimpanan sebagai
persediaan dan nanas mempunyai masa
konsumsi yang tidak bertahan lama. Sehingga
pelanggan yang membeli nanas tersebut akan
komplain karena setelah membeli nanas tersebut
keesokan harinya tidak dapat dikonsumsi karena
nanas sudah kadaluarsa dikarenakan
penimbunan produksi nanas di gudang
penyimpanan yang terlalu lama. Apabila terjadi
kekurangan produksi nanas maka pelanggan
akan kecewa karena nanas yang ingin dibeli
sudah habis. Maka, dengan hal itu perusahaan
akan kehilangan pelanggan dan mengalami
kerugian. Berdasarkan uraian di atas, maka
peneliti ingin mengangkat permasalahan yang
dihadapi oleh PT.Great Giant Pineapple dengan
membuat sebuah aplikasi sistem pendukung
keputusan untuk penentuan jumlah produksi
nanas sehingga dapat memenuhi jumlah
permintaan pelanggan dan tidak menambah
penimbunan nanas di gudang penyimpanan
secara berlebihan.
Sistem pendukung keputusan menunjukkan
sebagai sebuah sistem yang mendukung para
pengambil keputusan untuk memperluas
kapabilitas mereka, namun tidak untuk
menggantikan penilaian mereka. Sistem
pendukung keputusan merupakan sistem
informasi interaktif yang menyediakan
informasi, pemodelan dan memanipulasi data.
Sistem itu digunakan untuk membantu
pengambilan keputusan dalam situasi yang
Fakultas Ilmu Komputer, Universitas Brawijaya
2033
semiterstruktural dan situasi yang tidak
terstruktur, dimana tak seorang pun tahu secara
pasti bagaimana keputusan seharusnya dibuat.
Metode Tsukamoto merupakan perluasan
dari penalaran monoton. Pada metode
Tsukamoto, setiap konsekuen pada aturan yang
berbentuk IF-THEN harus direpresentasikan
dengan suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton. Sebagai hasilnya,
output hasil inferensi dari tiap-tiap aturan
diberikan secara tegas (crisp) berdasarkan α-
predikat (fire strength). Hasil akhirnya diperoleh
dengan menggunakan rata-rata terbobot,
(Kusumadewi, 2002)
Persediaan bahan baku dan jumlah
permintaan digunakan sebagai variabel yang
akan direpresentasikan dengan fungsi
keanggotaan fuzzy. Selanjutnya metode fuzzy
tsukamoto untuk menentukan jumlah produksi
diterapkan dalam Sistem Pendukung Keputusan
(SPK), kemudian SPK akan mengolah data-data
tersebut dengan metode tsukamoto dan akan
menampilkan keluaran (output) berupa jumlah
barang yang akan diproduksi.
Metode fuzzy tsukamoto digunakan untuk
menghasilkan sebuah sistem pendukung
keputusan yang dapat membantu dan
menyelesaikan permasalahan dari PT Great
Giant Pineapple dalam penentuan produksi
nanas setiap waktunya dan mengurangi adanya
penimbunan nanas di gudang penyimpanan.
2. STUDI PUSTAKA
2.1. PT. Great Giant Pineapple
PT Great Giant Pineapple merupakan salah satu
perusahaan agro industri yang dibangun di
Kabupaten Lampung Tengah, Provinsi lampung
.PT Great Giant Pineapple memiliki beberapa
bagian departemen, salah satunya yaitu bagian
operasional proses pengalengan nanas. Bagian
proses pengalengan nanas merupakan akhir dari
seluruh rangkaian produksi yang ada di PT.
Great Giant Pineapple, mulai dari pengadaan
bibit hingga pemanenan. Kegiatan budidaya
nanas yang ada di PT Great Giant Pineapple
yang memiliki lahan 32.000 hektar berakhir pada
lokasi proses pengalengan yang luasnya kurang
dari 10 hektar. Bagian ini merupakan bagian
vital dari PT. Great Giant Pineapple karena
bagian ini merupakan tempat diproduksinya
nanas kaleng dengan berbagai macam kualitas
yang nantinya akan dipasarkan ke luar negeri.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2034

2.2. Sistem Pendukung Keputusan (SPK) (Center Average Defuzzyfier).

Sistem pendukung keputusan (SPK) 2.5. Defussifikasi
biasanya dibangun untuk mendukung solusi atas
Untuk memperoleh nilai output nilai tegas Z
suatu masalah atau untuk suatu peluang.
(crisp), dicari dengan cara mengubah input
Aplikasi Sistem pendukung keputusan (SPK)
(berupa himpunan fuzzy yang diperoleh dari
digunakan dalam pengambilan keputusan.
komposisi aturan-aturan fuzzy) menjadi suatu
Aplikasi Sistem pendukung keputusan (SPK)
bilangan pada domain himpunan fuzzy tersebut.
menggunakan CBIS (Computer Based
Cara ini disebut dengan metode
Information System) yang fleksibel, interaktif
defuzifikasi(penegasan). Metode defuzifikasi
dan dapat di adaptasi, yang dikembangkan untuk
yang digunakan dalam metode Tsukamoto
mendukung solusi atas masalah managemen
adalah metode defuzifikasi rata-rata terpusat
spesifik yang tidak terstruktur.
(Center Average Defuzzyfier) yang dirumuskan
2.3. Logika Fuzzy pada persamaan berikut ini (Muzayyanah, I.,
Mahmudy, W.F., Cholissodin, I., 2014):
Logika fuzzy (logika samar) adalah suatu
cara yang tepat untuk memetakan suatu ruang ∑n
i=1 αi zi
input ke dalam suatu ruang output. Logika fuzzy z= ∑n
(1)
pertama kali diperkenalkan oleh Prof. Lofti A. i=1 αi
Zadeh pada tahun 1965 (Kusumadewi, 2002).
Ada beberapa definisi tentang logika fuzzy, 3. METODOLOGI PENELITIAN
diantaranya : 3.1. Tahap Penelitian
1. Logika fuzzy memungkinkan nilai
keanggotaan antara 0 dan 1, tingkat Tahapan yang dilakukan pada penelitian ini
keabuan antara hitam dan putih, dalam dijelaskan pada Gambar 1.
bentuk linguistik, konsep tidak pasti seperti
“ sedikit”,”lumayan” dan “ sangat”.
2. Logika fuzzy adalah suatu cara yang tepat
untuk memetakan suatu ruang input ke
dalam suatu ruang output, mempunyai nilai
kontinu dan logika fuzzy dinyatakan dalam
derajat dari suatu keanggotaan dan derajat
dari kebenaran.
3. Logika fuzzy adalah logika yang digunakan
untuk menjelaskan keambiguan, dimana
logika fuzzy adalah cabang teori dari
himpunan fuzzy, himpunan yang
menyelesaikan keambiguan.
4. Logika fuzzy menyediakan suatu cara untuk
merubah pernyataan linguistik menjadi
suatu numerik.
2.4. Metode Tsukamoto
Pada metode Tsukamoto, setiap aturan
direpresentasikan menggunakan himpunan-
himpunan fuzzy, dengan fungsi keanggotaan
Gambar 1. Metodologi Penelitian
yang monoton. Untuk menentukan nilai output
crisp/hasil yang tegas (Z) dicari dengan cara Tahap yang dijalankan meliputi studi
mengubah input (berupa himpunan fuzzy yang literatur, pengumpulan data, analisis kebutuhan,
diperoleh dari komposisi aturan-aturan fuzzy) perancangan, implementasi dan analisis hasil
menjadi suatu bilangan pada domain himpunan dan pengujian, kesimpulan.
fuzzy tersebut. Cara ini disebut dengan metode
defuzzifikasi (penegasan). Metode defuzzifikasi 3.2. Pengumpulan Data
yang digunakan dalam metode Tsukamoto Metode pengumpulan data dilakukan
adalah metode defuzzifikasi rata-rata terpusat dengan observasi langsung pada PT.Great Giant

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Pineapple. Data yang dikumpulkan oleh peneliti
ini yang nantinya akan digunakan dalam proses
fuzzifikasi metode tsukamoto untuk menentukan
keputusan jumlah produksi nanas pada periode
selanjutnya.
3.3. Metode yang Digunakan
Metode yang digunakan pada penelitian ini
adalah metode fuzzy tsukamoto. metode ini
menggunakan data persediaan bahan baku dan
jumlah permintaan digunakan sebagai variabel
yang akan direpresentasikan dengan fungsi
keanggotaan fuzzy. Selanjutnya metode fuzzy
tsukamoto akan menampilkan keluaran (output)
berupa jumlah barang yang akan diproduksi.
4. PERANCANGAN
Bagian perancangan sistem pendukung
keputusan penentuan jumlah produksi nanas
menggunakan metode fuzzy tsukamoto.
Tahapnya dapat dilihat pada Gambar 2
START
Mengambil data
Persediaan dan Database
jumlah permintaan
Proses Fuzzifikasi
Aturan IF-THEN
Proses Defuzzifikasi
Jum lah
Produksi
END
Gambar 2. Perancangan
5. PENGUJIAN DAN ANALISIS
Tahapan pengujian dan analisis sistem
pendukung keputusan penentuan jumlah
produksi nanas menggunakan metode fuzzy
Tsukamoto. Proses pengujian dilakukan melalui
Fakultas Ilmu Komputer, Universitas Brawijaya
2035
dua tahapan yaitu pengujian validasi dan
pengujian akurasi. Pada pengujian validasi akan
digunakan teknik pengujian Black-Box (Black-
Box Testing). Pengujian akurasi digunakan
untuk menguji tingkat akurasi antara
perhitungan Fuzzy Tsukamoto secara manual
dengan perhitungan Fuzzy Tsukamoto yang telah
diimplementasikan menjadi Sistem Pendukung
Keputusan. Pengujian akurasi Sistem
Pendukung Keputusan juga dilakukan dengan
menyesuaikan antara data kasus uji dengan
output perangkat lunak. Proses pengujian
dilakukan melalui dua tahapan (strategi) yaitu
pengujian validasi dan pengujian akurasi.
Pengujian validasi dilakukan untuk mengetahui
apakah sistem yang dibangun sudah
menyediakan fungsi-fungsi yang sesuai dengan
yang dibutuhkan. Pengujian akurasi dilakukan
untuk mengetahui performa dari sistem
pendukung keputusan penentuan jumlah
produksi nanas menggunakan metode fuzzy
Tsukamoto.
5.1. Pengujian Validasi
Pengujian validasi digunakan untuk
mengetahui apakah sistem yang dibangun sudah
benar sesuai dengan yang dibutuhkan. Item-item
yang telah dirumuskan dalam daftar kebutuhan
akan menjadi acuan untuk melakukan pengujian
validasi. Pengujian validasi menggunakan
metode pengujian Black Box, karena tidak
difokuskan terhadap alur jalannya algoritme
program namun lebih ditekankan untuk
menemukan kesesuaian antara kinerja sistem
dengan daftar kebutuhan. Pada setiap kebutuhan
dilakukan proses pengujian dengan kasus uji
masing-masing untuk mengetahui kesesuaian
antara kebutuhan dengan kinerja sistem. Hasil
Pengujian Validasi diperlihatkan pada Tabel 1.
Tabel 1. Pengujian Validasi
Status
No Nama Hasil yang diharapkan
Validitas
1 Login sah 1. Sistem Valid
melakukan
pemeriksaan
karakter
username dan
password
2. Sistem
melakukan
pemeriksaan data
ke dalam
database
3. Jika username
dan password
benar maka aktor
akan masuk ke
menu utama
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2036

2 Login 1. Sistem Valid Sistem mengalihkan ke

tidak sah melakukan Halaman Utama Sistem
pemeriksaan
karakter 5.2. Pengujian Akurasi dan Hasil Analisis
username dan
password Pengujian akurasi dilakukan untuk
2. Sistem mengetahui performa dari sistem pendukung
melakukan
pemeriksaan data keputusan penentuan jumlah produksi nanas
ke dalam menggunakan metode fuzzy Tsukamoto. Pada
database
3. Jika username
pengujian akurasi dilakukan proses
dan password perbandingan antar hasil dari perhitungan
tidak valid maka program dengan nilai asli yang sudah tersimpan
aktor tidak bisa
masuk ke menu dalam database. Prosedur pengujiannya adalah
utama dan sistem memasukkan data permintaan pada barang
menampilkan tertentu ke dalam sistem, kemudian sistem akan
peringatan
5 Tambah 1. Sistem melakukan Valid otomatis menghitung sesuai dengan metode
Data pemeriksaan Fuzzy Tsukamoto sehingga akan menghasilkan
Akun sah karakter
2. Sistem melakukan
rekomendasi jumlah produksi. Hasil
pemeriksaan data rekomendasi yang diperoleh dari perhitungan di
di database Sistem Pendukung Keputusan, dicocokkan
1. Jika username
belum ada di dengan nilai asli yang didapatkan dari PT. Great
database maka Giant Pineapple (GGP).
data akan
ditambahkan ke Hasil Perhitungan akan menghasilkan nilai
database dan kesalahan dalam peramalan atau MAPE, MAPE
menampilkan data
tersebut ke tabel dari hasil SPK dapat dihitung sebagai berikut :
6 Tambah 1. Sistem melakukan Valid
akun pemeriksaan MAPE = (Total E)/(jml data)
tidak sah karakter
2. Sistem melakukan =0,029744098/49
pemeriksaan data
di database = 0,000607
1. Jika username
sudah ada di Jadi, dapat disimpulkan bahwa akurasi
database maka Sistem Pendukung Keputusan berdasarkan 49
muncul
peringatan. data yang diuji memiliki nilai kesalahan sebesar
7 Edit akun 3. Sistem akan Valid 0,000607, jika dalam nilai persen dapat
mengedit data dan dituliskan dengan angka 0,0607 %, hal tersebut
menyimpan data
yang diganti menunjukkan bahwa sistem pendukung
tersebut ke keputusan penentuan jumlah produksi nanas
database dan menggunakan metode fuzzy Tsukamoto.
menampilkan
kembali ke tabel
6. KESIMPULAN
8 Hapus 3. Sistem akan Valid
akun menghapus data Berdasarkan hasil pengujian, terdapat
dari database dan
menghapus data beberapa kesimpulan pada penelitian sistem
dari tabel pendukung keputusan penentuan jumlah
9 Edit Sistem akan mengedit Valid
Barang data dan menyimpan
produksi nanas menggunakan metode fuzzy
data yang diganti Tsukamoto, maka didapatkan kesimpulan
tersebut ke database dan sebagai berikut:
menampilkan kembali ke
table 1. Aplikasi Sistem Pendukung Keputusan
10 Hapus Sistem akan menghapus Valid
Barang data dari database dan dengan metode fuzzy Tsukamoto telah
menghapus data dari dibuat sesuai perancangan dan dapat
table digunakan dalam merekomendasikan
11 Akses Sistem menampilkan Valid
Data laporan penerima penentuan jumlah produksi nanas untuk
Laporan beasiswa sesuai data mengambil keputusan.
yang dipilih oleh User
12 Logout 1. Sistem keluar dari Valid 2. Sistem pendukung keputusan penentuan
menu utama jumlah produksi nanas menggunakan
sesuai level yang
diakses pengguna. metode fuzzy Tsukamoto memiliki kinerja

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
sistem yang mampu berjalan sesuai dengan
kebutuhan fungsional. Hal ini dibuktikan
dengan hasil pengujian Black Box yang
memberikan nilai presentase sebesar 100%.
3. Berdasarkan hasil pengujian akurasi
diperoleh nilai kesalahan dari hasil
peramalan yang kecil yakni 0,0607 %.
4. Hasil yang diberikan oleh metode Fuzzy
Tsukamoto memiliki kesesuaian dengan
hasil data PT. GGC dengan nilai kesalahan
0,0607 %.
Penelitian selanjutnya dapat pengembangan
metode agar dihasilkan metode lebih baik,
metode Fuzzy Tsukamoto dapat dicoba
digabungkan dengan metode Sistem Pendukung
Keputusan lain yang berbasiskan kecerdasan
buatan.
DAFTAR PUSTAKA
Abdurrahman, Ginanjar. 2011.
Penerapan Metode Tsukamoto (Logika
Fuzzy)Dalam Sistem Pendukung
Keputusan Untuk Menentukan Jumlah
Produksi Barang Berdasarkan Data
Persediaan Dan Jumlah Permintaan.
Program Studi MatematikaJurusan
Pendidikan MatematikaFakultas
Matematika Dan Ilmu Pengetahuan
AlamUniversitas Negeri Yogyakarta.
Aji Supriyanto. 2005. Pengantar Teknologi
Informasi. Jakarta: Salemba Infotek.
Andika kandi,angga.,2015.
’’pemodelan sistem pendukung keputusan
menentukan komposisi pengadaan alat
kontrasepsi menggunakan metode fuzzy
tsukamoto-analitical hierarchy proses
(AHP). Universitas brawijaya. Malang
Assauri,Sofjan. 1993. Manajemen Produksi dan
Operasi. Jakarta : Lembaga Penerbit
Fakultas Ekonomi Universitas Indonesia.
Bahtiar, Nurdin dkk (Ed.).2012.
”Sistem Pendukung Keputusan, Komputasi
dan Simulasi”. Graha Ilmu:Yogyakarta
Cholissodin, I., 2014.
Penentuan Persediaan Bahan Baku dan
Membantu Target Marketing Industri
Dengan Metode Fuzzy Inference System
Tsukamoto. DORO: Repository Jurnal
Mahasiswa PTIIK Universitas Brawijaya,
Fakultas Ilmu Komputer, Universitas Brawijaya
2037
pp.1-10
Dicky Nofriansyah, S.Kom., M.Kom. 2014.
Konsep Data Mining Vs Sistem
Pendukung Keputusan.Yogyakarta
Kusumadewi,S dan H Purnomo, 2004. Aplikasi
Logika Fuzzy untuk Pendukung
Keputusan. Graha Ilmu, Yogyakarta.
Kusumadewi ,Sri. 2002.
Analisis & Desain Sistem Fuzzy
menggunakan Tool Box Matlab. Graha
Ilmu, Yogyakarta.
Kusumadewi ,Sri. 2002. Analisis & Desain
Sistem Fuzzy menggunakan Tool Box
Matlab.
Graha Ilmu, Yogyakarta.
Makridakis, S., Wheelwright, S.C., dan McGee,
V.E. 1999. Metode dan Aplikasi
Peramalan. Edisi kedua. Jakarta: Bina
Rupa Aksara.
Setiadji. 2009. Himpunan & Logika Samar
serta Aplikasinya. Yogyakarta: Graha
Ilmu.
Sofyan, Assauri.1984.Teknikdan Metode
Peramalan.Jakarta: Penerbit Fakultas
Ekonomi Universitas Indonesia.
Synaptic, 2006. Fuzzy Math, Part I, The
Theory.
http://www.scholarpedia.org/article/Fuzzy_
logic. Juli 2010.
Tedy Rismawan et al.2008.
Sistem Pendukung Keputusan Berbasis
Pocket PC Sebagai Penentu Status Gizi
Menggunakan Metode KNN (K-Nearest
Neighbor).
http://journal.uii.ac.id/index.php /jurnal-
teknoin/article/viewFile/ 793/711. Tanggal
akses: 8 Februari 2011.
Vrusias B. L, 2005. Fuzzy.
http://www.2dix.com/ppt/fuzzy.php. Juni
2008.
Zadeh L. A, 1965. Fuzzy set. Information and
Control 8 338-353.