1/16/2006

Basisdata Fuzzy
FST UIN SUKA
Shofwatul ‘Uyun

Laboratory of Intelligent System
Shofwatul „Uyun, M.Kom

Pokok Bahasan
Basisdata Fuzzy Model Tahani Basisdata Fuzzy Model Umano

1

1/16/2006 Basisdata Fuzzy: TAHANI Sebagian besar basis data standar diklasifikasikan berdasarkan bagaimana data tersebut dipandang oleh user.000 1.000 550. nama.500.000 1. dan gaji per bulan sebagai berikut. NIP 01 02 03 04 05 06 07 08 09 10 Nama Lia Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga Tgl Lahir 03-06-1972 23-09-1954 12-12-1966 06-03-1965 04-12-1960 18-11-1963 28-05-1965 09-07-1971 14-08-1967 17-09-1977 Th.040. tgl lahir.250.000 1.000 735.000 1.600.000 860.000 1.255. Misalkan kita memiliki data karyawan yang tersimpan pada tabel DT_KARYAWAN dengan field NIP. th masuk. Masuk 1996 1985 1988 1998 1990 1989 1997 2001 1999 2000 Gaji/bl (Rp) 750.000 2 .000 950.

kita dapat mencari data-data karyawan dengan spesifikasi tertentu dengan menggunakan query.000 735.000 1.000 1.500.600.000 1. Kiki.255.  Misal kita ingin mendapatkan informasi tentang nama-nama karyawan yang usianya kurang dari 35 tahun.040.000 1.000 550.000 860. maka kita bisa ciptakan suatu query: SELECT NAMA FROM KARYAWAN WHERE (Umur < 35)  Sehingga muncul namanama Lia. dan Yoga.000 * Misal Sekarang tahun 2002  Dengan menggunakan basisdata standar. 3 .000 950.1/16/2006 NIP 01 02 03 04 05 06 07 08 09 10 Nama Lia Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga Umur (th)* 30 48 36 37 42 39 37 32 35 25 Masa Kerja (th)* 6 17 14 4 12 13 5 1 3 2 Gaji/bl 750.250.000 1.

Andi. dan Rian. maka kita bisa mengatasinya dengan menggunakan basisdata fuzzy. 4 .  Apabila hal ini terjadi.  Pada kenyataannya. Amir. maka kita bisa ciptakan suatu query: SELECT NAMA FROM KARYAWAN WHERE (MasaKerja <= 5) and (Gaji > 1000000)  Sehingga muncul nama-nama Andi dan Rian. hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada querynya.  Basisdata fuzzy model Tahani masih tetap menggunakan relasi standar. maka kita bisa ciptakan suatu query: SELECT NAMA FROM KARYAWAN WHERE (Gaji > 1000000)  Sehingga muncul nama-nama Iwan. Sari.  Apabila kita ingin mendapatkan informasi tentang nama-nama karyawan yang yang masa kerjanya kurang dari atau sama dengan 5 tahun tetapi gajinya sudah lebih dari 1 juta rupiah. seseorang kadang membutuhkan informasi dari data-data yang bersifat ambiguous.1/16/2006  Apabila kita ingin mendapatkan informasi tentang namanama karyawan yang gajinya lebih dari 1 juta rupiah.

35  x  45  10  50  x .1/16/2006  Misalkan kita mengkategorikan usia karyawan diatas ke dalam himpunan:  MUDA. 40  x  50 10  x  50 1.  PAROBAYA. 5 .  40  x m MUDA [ x]   . x  35 atau  x  35  m PAROBAYA [ x]   .  x  40 m TUA [ x]   . x  50 x  40 0. 45  x  50  5  x  30 1. dan  TUA 1 m[x] MUDA PAROBAYA TUA 0 30 35 40 45 50 Umur (tahun)  0. 30  x  40  10 x  40 0.

1/16/2006 Tabel karyawan berdasarkan umur dengan derajat keanggotannya pada setiap himpunan.2 0.2 0 0 0 TUA 0 0.4 0.1 0.8 0 0 0. Derajat Keanggotaan NIP 01 02 03 04 05 06 07 08 09 10 Lia Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga Nama Umur 30 48 36 37 42 39 37 32 35 25 MUDA 1 0 0.4 0.3 0.7 0.8 0.2 0 0 0 0 0  Variabel Masa Kerja bisa dikategorikan dalam himpunan:  BARU  LAMA 1 m[y] BARU LAMA 0 5 10 15 25 Masa Kerja (tahun) 6 .5 1 PAROBAYA 0 0.4 0.3 0 0.1 0.

 y  10 m LAMA [ y ]   . 5  y  15  10 y  15 0. 15  y m BARU [ y ]   .9 0 0.267 0 0.2 1 1 1 1 LAMA 0 0.467 0.200 0 0 0 0 Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga 7 .1 1 0.1/16/2006 y5 1. y  10 0. 10  y  25  15 y  25 1.  Tabel karyawan berdasarkan umur dengan derajat keanggotannya pada setiap himpunan.133 0.3 0. NIP 01 02 03 04 05 06 07 08 09 10 Lia Nama Masa Kerja 6 17 14 4 12 13 5 1 3 2 Derajat Keanggotaan BARU 0.

8 . z  500 atau z  1500  z  500  m SEDANG [ z ]   .  800  z m RENDAH [ z ]   .  SEDANG. dan  TINGGI 1 RENDAH m[z] SEDANG TINGGI 0 300 500 800 1000 1500 2000 Gaji (x1000 Rp/bl) z  300 1. 500  z  1000  500 1500  z .  z  1000 m TINGGI [ z ]   . 300  z  800  500 z  800 0. 1000  z  1500  500  z  1000 0. 1000  z  2000  1000 z  2000 1.  0.1/16/2006  Variabel Gaji bisa dikategorikan dalam himpunan: [  RENDAH.

90 0 0.50 0 0 0 TINGGI 0 0.250.250 0 0 0 Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga Query1: Siapa saja-kah karyawan yang masih muda tapi memiliki gaji tinggi? SELECT NAMA FROM KARYAWAN WHERE (Umur = “MUDA”) and (Gaji = “TINGGI”) 9 .255 0.000 1.50 0.255.92 0.1/16/2006  Tabel karyawan berdasarkan umur dengan derajat keanggotannya pada setiap himpunan.000 860.000 1.000 950.600.1 0 0 0 0 0 0 0.49 0 0.000 1.000 550.000 Derajat Keanggotaan RENDAH SEDANG 0.040 0 0.5 0.040.000 1.500.000 735.13 0 0.000 1. NIP 01 02 03 04 05 06 07 08 09 10 Lia Nama Gaji / bl 750.600 0.500 0.

25 0.8 0.000 950.4 0.000 1.000 1.4 0.25 0.500.5 0.1/16/2006 NIP NAMA UMUR GAJI MUDA Derajat Keanggotaan TINGGI MUDA & TINGGI 03 07 06 04 01 02 05 08 09 10 Sari Rian Amir Andi Lia Iwan Budi Kiki Alda Yoga 36 37 39 37 30 48 42 32 35 25 1.04 0 0 0 0 0 0 Query2: Siapa saja-kah karyawan yang masih muda atau karyawan yang memiliki gaji tinggi? SELECT NAMA FROM KARYAWAN WHERE (Umur = “MUDA”) or (Gaji = “TINGGI”) 10 .000 750.1 0.1 0.000 1.255.255 0 0 0 0 0.3 1 0 0 0.6 0.250.000 1.040.04 0 0.5 1 0.000 735.3 0.000 0.600.000 860.000 550.

04 0.000 735.500.5 0 0.000 550.5 0.255 0 Query3: Siapa saja-kah karyawan yang masih muda tapi masa kerjanya sudah lama? SELECT NAMA FROM KARYAWAN WHERE (Umur = “MUDA”) and (MasaKerja = “LAMA”) 11 .5 0.3 0 0 0 0 0 0.600.6 0.3 0.000 950.000 1.4 0.5 0.1 0.255.000 1 1 0.000 1.040.000 1.250.25 0.8 0.000 1.000 860.000 1.6 0.8 0.1/16/2006 Derajat Keanggotaan NIP NAMA UMUR GAJI MUDA TINGGI MUDA atau TINGGI 01 10 08 06 03 09 04 07 02 05 Lia Yoga Kiki Amir Sari Alda Andi Rian Iwan Budi 30 25 32 39 36 35 37 37 48 42 750.255 0 1 1 0.3 0.3 0.

1 1 0 0. atau karyawan yang parobaya tapi masa kerjanya sudah lama? SELECT NAMA FROM KARYAWAN WHERE (Umur = “PAROBAYA”) and [(Gaji = “SEDANG”) or (MasaKerja = “LAMA”)] 12 .1 0 0 0 0 0 0 0 0 Query4: Siapa saja-kah karyawan yang parobaya dan gajinya sedang.4 0.467 0 0.133 0 0 0 0 MUDA & LAMA 0.3 0.267 0.8 0.267 0.3 0 0.1/16/2006 NIP 03 06 01 02 04 05 07 08 09 10 NAMA Sari Amir Lia Iwan Andi Budi Rian Kiki Alda Yoga UMUR 36 39 30 48 37 42 37 32 35 25 Masa Kerja 14 13 6 17 4 12 5 1 3 2 Derajat Keanggotaan MUDA LAMA 0.5 1 0.2 0 0.

92 0 0.2 0 0. Distribusi posibilitas merupakan nilai atribut dari suatu model relasi.133 0.1/16/2006 Derajat Keanggotaan NIP 05 02 04 06 07 03 01 08 09 10 NAMA Budi Iwan Andi Amir Rian Sari Lia Kiki Alda Yoga SEDANG LAMA SEDANG atau LAMA PAROBAYA PAROBAYA & (SEDANG atau LAMA) 0.9 0.4 0.49 0.267 0.7 0.92 0.4 0.4 0.5 0 0.2 0.267 0 0 0 0 0.1 0 0 0 0 Basisdata Fuzzy: UMANO Pada basisdata fuzzy Model Umano.5 0 0 0 0.2 0.5 0 0 0 0. 13 .2 0.9 0.467 0 0.2 0.5 0.7 0.2 0.2 0. data-data yang ambiguous diekspresikan dengan menggunakan distribrusi posibilitas.1 0 0 0 0 0.49 0.

1/16/2006  Misalkan terdapat tabel Karyawan sebagai berikut: Nama Ani Lia Doni Sandra Umur 35 th 33 th Muda Tidak Tahu Fitri Tidak Tahu Ningrum Nama Anak Riko Dian 56 {50. Ani berusia 35 th dan memiliki seorang anak yang bernama Fitri.51}P {Nia. Ana}P Undefined Pada record pertama tidak ada data yang ambiguous. 14 .

tapi kita tidak tahu siapa nama anaknya.6/17. 0. 1/25. Doni tidak diketahui berapa umurnya.3/15. juga tidak ada data yang ambiguous. 0. Nama anak dari Doni diekspresikan dengan distribusi posibilitas tidak tahu. 0. tapi dia masih muda. 0. Umur Doni diekspresikan dengan distribusi posibilitas MUDA.6/35. yang berarti siapapun mungkin (nilai posibilitas = 1).7/33.8/30. 0.  Pada record ketiga.2/40}  Doni memiliki anak.1/16/2006 Pada record kedua. Lia berusia 33 th dan belum mempunyai anak. misalkan MUDA merupakan himpunan dengan distribusi posibilitas sebagai berikut: MUDA = {0.8/22. 15 . 0.

kita tidak mengetahui berapa umur Sandra. Umur Sandra diekspresikan dengan distribusi posibilitas tidak tahu. apakah Nia atau Ana.  Pada record kelima.8/Nia.8. yang berarti berapapun mungkin (nilai posibilitas = 1). Nama anak Riko diekspresikan dengan distribusi posibilitas {Nia.5.1/16/2006 Pada record keempat. yang berarti Nia atau Ana.5/Ana} yang berarti bahwa anak Riko bernama Ana dengan posibilitas 0.Ana}P. atau bernama Ana dengan posibilitas 0.  Riko memiliki seorang anak yang belum jelas siapa namanya. Riko diketahui berumur 56 tahun. Misalkan distribusi posibilitas yang diberikan adalah: {0. 0. Nilai posibilitas Nia lebih besar dibanding dengan nilai posibilitas Ana. Sandra memiliki anak yang bernama Ningrum. 16 .

umur Dian diketahui 50 tahun atau 51 tahun. sebab umurnya 56 th (> 36 th). Umur Dian diekspresikan dengan distribusi posibilitas {50. – Doni termasuk dalam kategori ini. yang berarti umurnya 50 atau 51. jadi berapapun umur yang diminta Sandra tetap masuk (nilai posibilitas = 1).1/16/2006  Pada record keenam.4 tahun. Kita tidak tahu apakah Dian memiliki anak atau tidak.2. 17 . – Sandra termasuk dalam kategori ini. • Apabila ada suatu query: “Siapa sajakah karyawan yang usianya lebih dari 36 tahun?” • Maka yang masuk dalam kategori ini adalah: Doni. sebab kita tidak tahu umur Sandra. sebab 50 th maupun 51 th keduanya lebih dari 36 th. – Riko jelas masuk dalam kategori ini. dan Dian. Riko. tidak jelas punya anak atau tidak (nilai posibilitas = 0). dan nilai posibilitas Dian berumur 51 tahun adalah 0.4/51} yang berarti bahwa nilai posibilitas Dian berumur 50 tahun adalah 0.51}P. misalkan distribusi posibilitas yang diberikan adalah: {0. Nilai posibilitas 50 th lebih besar dibanding dengan nilai posibilitas 51 tahun. karena Doni masuk dalam kategori MUDA dimana usia 40 tahun (> 36 th) menjadi anggota himpunan MUDA meskipun nilai posibilitasnya Cuma 0. Doni juga masuk dalam kategori ini.  Nama anak Dian diekspresikan dengan distribusi posibilitas undefined.8/50. Sandra.8. 0.

Sign up to vote on this title
UsefulNot useful