FUZZY LOGIC UNTUK MENENTUKAN

PENJUALAN RUMAH DENGAN METODE

MAMDANI (STUDI KASUS: PT GRACIA HERALD)
Sunarsan Sitohang 1), Ronal Denson Napitupulu 2)
Fakultas Teknik Program Studi Teknik Informatika, Universitas Putera
Batam
E-mail : ssunarsan@gmail.com

ABSTRACT

The house is one of the basic needs for human beings. Along with the growth in
population, housing needs increase. This is evidenced by the proliferation of complex
construction of housing, especially in big cities are densely populated as the city of
Batam. However, during PT Gracia Herald stands, the company is very difficult to see an
increase or decrease in home sales per month of annual data, Fuzzy Logic to determine
home sales methods mamdani is one method that can be applied both in the field
determine home sales in PT Gracia Herald, Data collection techniques used by
investigators are interviewing techniques, documentation studies, and literature. Steps
being taken in this study started from processing of data per month in each year, the
establishment of fuzzy set, forming a fuzzy rules, fuzzy inference models, assertion
(defuzzification). Testing the system uses existing home sales data out of the twelve
months in a year, defining the membership function in this study using triangular and
trapezoidal curve with rule number seventy-nine rules. The result in April, June and
November are sales rose.

Keywords: Home Sales, Fuzzy Logic, Mamdani Methods, MATLAB.

ABSTRAK

Rumah merupakan salah satu kebutuhan dasar manusia. Seiring dengan pertumbuhan
penduduk, kebutuhan perumahan meningkat. Hal ini dibuktikan dengan berkembangnya
konstruksi perumahan yang kompleks, terutama di kota-kota besar yang padat
penduduknya seperti kota Batam. Namun, selama PT Gracia Herald berdiri, perusahaan
sangat sulit melihat kenaikan atau penurunan penjualan rumah per bulan data tahunan,
Fuzzy Logic untuk mengetahui metode penjualan rumah mamdani adalah salah satu
metode yang bisa diterapkan baik di lapangan menentukan penjualan rumah. Di PT
Gracia Herald, teknik pengumpulan data yang digunakan oleh peneliti adalah teknik
wawancara, studi dokumentasi, dan literatur. Langkah yang diambil dalam penelitian ini
dimulai dari pengolahan data per bulan di setiap tahun, pembentukan himpunan fuzzy,
membentuk aturan fuzzy, model inferensi fuzzy, penegasan (defuzzifikasi). Pengujian
sistem menggunakan data penjualan rumah yang ada dari dua belas bulan dalam setahun,
menentukan fungsi keanggotaan dalam penelitian ini dengan menggunakan kurva
segitiga dan trapesium dengan aturan nomor tujuh puluh sembilan peraturan. Hasilnya
pada bulan April, Juni dan November penjualan meningkat.

Kata kunci: Penjualan Rumah, Logika Fuzzy, Metode Mamdani, MATLAB.

Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 91
PENDAHULUAN
Kota Batam adalah kota terbesar di
provinsi Kepulauan Riau, kota Batam
merupakan kawasan yang terbilang
sangat prospektif untuk dikembangkan
sektor propertinya. Lokasinya yang
terbilang strategis, ditengah jalur
pelayaran, turut membuat transaksi
perniagaan menjadi mudah, tidak
mengherankan bila perkembangan
ekonomi disini terbilang pesat. PT
Gracia Herald adalah salah satu
perusahaan yang berkembang di kota
Batam yang bergerak dalam bidang
developer. PT Gracia Herald berdiri
pada tahun 2010 hingga saat ini, dan
mempunyai proyek yang berada di
perumahan Puri Gracia Tj. Riau, Batam.
PT. Gracia Herald adalah pengembang
perumahan yang menyediakan
perumahan dengan lokasi strategis,
nyaman dan harga yang terjangkau.
Metode Mamdani banyak digunakan
untuk penelitian tentang sistem cerdas.
Sistem cerdas tersebut dapat berupa
sistem pakar atau juga sistem
pendukung keputusan (SPK). Keunikan
dari metode ini adalah penilaian
dilakukan dengan menggunakan derajat
keanggotaan. Derajat keanggotaan
tersebut meliputi nilai tentang suatu
variabel berdasarkan tingkat
linguistiknya. Variabel linguistik pada
fuzzy yaitu nilai yang bersifat relativitas,
misalnya tinggi, sedang dan pendek.
Tingkatan nilai tersebutlah yang
digunakan sebagai penilaian terhadap
segitiga fuzzy.
Penelitian ini bertujuan untuk
menemukan hasil dari naik dan turunnya
penjualan rumah menggunakan logika
fuzzy metode mamdani dan
menghasilkan pengujian Matlab dalam
menentukan naik dan turunnya
penjualan rumah menggunakan logika
fuzzy metode mamdani.
Artificial intelligence dapat dikatakan
kecerdasan yang dimasukkan ke dalam
suatu mesin atau komputer agar dapat
melakukan pekerjaan seperti manusia.
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X
Salah satu bidang yang menggunakan
Artificial intelligence adalah logika
fuzzy. Kecerdasan buatan atau Artificial
Intelligence (AI) merupakan bidang
ilmu komputer yang mempunyai peran
penting di era kini dan masa yang akan
datang. [1]
Sebagian kalangan menerjemahkan
Artificial Intelligence sebagai
kecerdasan buatan, kecerdasan artificial,
inteligensia artificial, atau intelijensia
buatan. Kecerdasan buatan juga
berdasarkan pemikiran bahwa komputer
bisa melakukan penalaran secara logis
dan juga bisa melakukan aksi secara
rasional berdasarkan hasil penalaran
tersebut. [2]
Logika Fuzzy
Fuzzy logic atau logika yang samar dan
dapat diartikan pula sebagai suatu cara
memetahkan suatu ruang input dan
ruang output yang dimiliki nilai
selanjutnya. Sistem logika fuzzy
mempunyai sifat yang mampu
mengakomodasi ketidakpastian dalam
proses akumudisi suatu data. Fuzzy
logic didefenisikan sebagai suatu jenis
logika yang bernilai ganda dan
berhubungan dengan ketidakpastian dan
kebenaran parsial.[2] Seperti pernah
dibahas pada propositional dan first-
order logic, objek dasar dari suatu logic
adalah proposition (proposisi) atau
pernyataan yang menyatakan suatu
fakta.
Metode Mamdani
) Logika fuzzy merupakan salah satu
komponen pembentuk soft computing.
Logika fuzzy pertama kali di
perkenalkan oleh Prof. Lotfi A. Zaedah
pada tahun 1965. Dasar logika fuzzy
teori 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
eISSN: 2528--5114 92
dengan logika menyebutnya memenuhi notasi-notasi
fuzzy tersebut. sebagai ilmu segala matematis
[3]
dan beberapa keinginannya; yang bisa
Metode yang lain dan penjualan dipakai.
Mamdani menyebutnya menjadi lebih Spectrum
adalah metode sebagai seni. mudah penggunaan
yang paling Ada pula yang dilakukan. Matlab yang
sering memasukkan luas ini
Software
digunakan masalah etik dimungkinkan
Pendukung
karena metode dalam karena Matlab
Software yang
ini merupakan penjualan. Pada telah
digunakan
metode yang pokoknya, melengkapi
dalam
pertama kali istilah menjual diri dengan
penelitian ini
dibangun dan dapat diartikan berbagai
adalah Matlab.
berhasil sebagai berikut: toolbox.
Matlab adalah
diterapkan Menjual adalah Sebuah
bahasa
dalam rancang ilmu dan seni toolbox dalam
pemograman
bangun sistem mempengaruhi Matlab adalah
tingkat tinggi
kontrol pribadi yang koleksi
dimana arti
menggunakan dilakukan oleh berbagai
perintah dan
teori himpunan penjual untuk fungsi Matlab
fungsi-
fuzzy Ebrahim mengajak orang (M- Files,
fungsinya bisa
Mamdani yang lain agar yaitu file
dimengerti
pertama kali bersedia berektensi .m)
dengan mudah,
mengusulkan membeli yang
meskipun bagi
metode ini di barang/jasa merupakan
seorang pemula.
tahun 1975 yang perluasan
Hal ini karena
ketika ditawarkannya. Matlab untuk
di dalam
membangun Jadi, adanya memecahkan
matlab, masalah
sistem kontrol penjualan dapat masalah-
dan solusi bisa
mesin uap dan tercipta suatu masalah
diekspresikan
boiler. Untuk proses khusus pada
dalam
mendapatkan pertukaran bidang
output barang dan/atau tertentu. Oleh
diperlukan 4 jasa antara karenanya,
tahapan: penjual dengan dengan
(1)Pembentuka pembeli. memakai
n himpunan Di dalam toolbox dalam
fuzzy (2) perekonomian Matlab, para
Aplikasi fungsi kita (ekonomi pengguna bisa
aplikasi (3) uang), belajar dan
Komposisi seseorang yang menerapkan
aturan (4) menjual sesuatu berbagai
Penegasan.[3] akan Specialized
mendapatkan Technology.
Penjualan
imbalan berupa Beberapa
Rumah
uang. Dengan bidang sudah
Defenisi
alat penukaran tersedia
penjualan
berupa uang, toolbox-nya
sangat luas,
orang akan dalam matlab,
beberapa ahli
lebih mudah meliputi Fuzzy
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 93
Logic, memberikan data dengan
Neural Gambar 1. data kepada menggunakan
Network Kerangka pengumpul data dengan
(jaringan Pemikiran data. Data ini menggunakan
saraf tiruan), tidak tersedia mata tanpa ada
Control METODE dalam bentuk pertolongan alat
System PENELITIAN terkompilasi standar lain
(sistem Teknik ataupun dalam untuk keperluan
kontrol), Pengumpula bentuk file-file. tersebut.[6] Dalam
Signal n Data Pada penelitian penelitian ini
Processing Pengumpulan ini metode
(pengolahan data menggunakan dokumentasi
sinyal) dan adalah dapat teknik dimaksudkan
wavelet. melakukan observasi, untuk
berbagai Teknik memperoleh data
Kerangka setting, pengumpulan langsung dari
Pemikiran berbagai data dengan tempat
Kerangka sumber dan observasi di penelitian,
berfikir berbagai gunakan bila meliputi data-
adalah model cara. Bila penelitian data relevan
konseptual dilihat dari berkenaan peraturan-
tentang settingnya, dengan perilaku peraturan,
bagaimana data dapat manusia, proses laporan kegiatan,
teori dikumpulkan kerja, gejala- dan data relevan
hubungan pada setting gejala alam dan lainnya. Desain
dengan alamiah bila responden penelian dapat
berbagai (natural yang di amati dilihat pada
faktor yang setting), pada tidak terlalu gambar 2
telah
besar. dibawah berikut:
didefenisikan laboratorium Observasi
sebagai
mempunyai ciri
masalah dengan yang spesifik
yang
yaitu
penting.[4] metode wawancara dan
Berdasarkan eksperimen, kuisioner. [5]
judul dirumah
penelitian dengan Observasi
diatas, berbagai Pemgumpulan
peneliti responden, data dengan
membuat pada suatu observasi
kerangka seminar, langsung atau
pemikiran diskusi dan dengan
yang tertera jalan-jalan pengamatan Gambar 2.
pada gambar lain. Bila langsung adalah Desain
1sebagai dilihat cara Penelitian
berikut: sumber pengambilan
datanya, maka dan sekunder.
pengumpulan Data primer
data dapat adalah sumber
menggunakan data yang
sumber primer langsung
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 94
Operasional tertentu yang Keput Naik [60 atau decision.
Variabel usan Turun [0 hal ini dapat
duitetapkan
Variabel oleh peneliti *dalam jutaan dilihat pada
penelitian untuk rupiah gambar 3
adalah suatu dipelajari dan dibawah ini:
atribut atau kemudian
sifat atau nilai HASIL DAN Gambar 3.
ditarik Variabel
dari orang, kesimpulanny PEMBAHASA
Input dan
objek atau a.[5] Variabel N
Output
kegiatan yang merupakan Dalam kasus M
mempunyai gejala yang ini terdapat 4 e
variasi menjadi objek variabel input t
penelitian, dan 1 variabel o
setiap gejala output. Yang d
yang muncul mana variabel e
dan dijadikan input terdiri
objek atas pejualan M
penelitian tahun 2013, a
adalah tahun 2014, m
variabel tahun 2015 d
penelitian. dan tahun a
Variabel ini 2016. Output n
memiliki keputusan, i
variasi makna Tab
dan nilai el 2.
ketika sudah Dom
diteliti. ain
Adapun
variabel pada
penelitian ini
tertera pada
tabel 1
berikut:
Tabel 1.
Variabel
Input dan
Output
Nama
Vari
Himpunan Domain Nama Banyak [1
abel
Fuzzy Fung Tahun
Variab Sedang [1
Banyak [160 si el 2016
Tahun
Sedang [100 Sedikit [1
2013
Sedikit [50 Tahun Outp Keputus Naik [
Banyak [210 2013 ut an Turun [
Tahun
Sedang [130 * Dalam jutaan
2014
Sedikit [70 rupiah
Tahun
Banyak [260
Tahun 2014
Sedang [170
2015 a. Analisis
Sedikit [90 Input
Sistem Untuk
Banyak [340 Tahun
Tahun Sedang [230 2015 Tahun 2013
2016 Variabel Tahun
Sedikit [130
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 95
2013 dibentuk (triangular Penilaian memiliki
menjadi tiga membership komponen domain [160
himpunan function) dan tersebut 220]. Bentuk
yaitu sedikit, trapmf dilakukan perhitungan
sedang, dan (trapezium untuk Tahun 2013
banyak. Untuk membership mendapatkan secara manual:
himpunan function) nilai variabel µSedikit
sedikit dan selanjutnya tahun 2013 1;
banyak isikan nilai dan (110 −
menggunakan parameternya x)/(110=−{80); 80
penunjang ≤ x ≤ 110
bentuk kurva dengan nilai variabel lain 0;
trapesium [160 190 220 yang
sedangkan 220]. µSedang
dibutuhkan. 0; x ≤ 100
himpunan Trimf dan atau x ≥ 170
sedang trapmf (x −
menggunakan digunakan ={
100)/(135
bentuk kurva − 100); 100
untuk ≤ x ≤ 135
segitiga, menampilkan (135 −
detailnya x)/(170 −
domain 135); 135 ≤
tertera pada himpunan x ≤ 170
gambar 4 fuzzy dalam
sebagai µBanyak
bentuk kurva 0;
berikut: segitiga dan (x −
trapesium ={
160)/(190
− 160); 160
pada dasarnya ≤ x ≤ 190
merupakan 1;
gabungan
antara 2 garis
b. Analisis
(linear). Pada
Sistem Untuk
variabel
Tahun 2014
Tahun 2013
Variabel
Gambar 4. yang dimiliki
Membership Tahun 2014
dapat dibagi
Function dibentuk
menjadi tiga
Untuk menjadi tiga
himpunan
Variabel himpunan
fuzzy, yaitu:
Tahun 2013 yaitu sedikit,
Banyak,
Fungsi sedang, dan
Sedang,
banyak. Untuk
Sedikit.
keanggotaan himpunan
Himpunan
untuk sedikit dan
fuzzy Sedikit
banyak
akan memiliki
menggunakan
variabel Tahun domain [50
bentuk kurva
2013 isikan 110].
trapesium
Range dengan Himpunan
sedangkan
[50 220]. Pada fuzzy Sedang
himpunan
membership memiliki
sedang
function ganti domain[100
menggunakan
name menjadi 170].
bentuk kurva
Banyak, ambil Himpunan
segitiga.
tipe trimf fuzzy Banyak
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 96
Variabel dibawah ini: x)/(220 −
175); 175 ≤ x
tahun 2014 ≤ 220
dibagi atas Gambar 5.
tiga Membershi µBanyak =
p Function 0;
himpunan
Untuk (x −
seperti
{
Variabel 210)/(245 −
gambar 5
Tahun 2014 210); 210 ≤
x ≤ 245 1;
Fungsi himpunan fuzzy
Keanggotaan dalam bentuk
untuk variabel kurva segitiga
Tahun 2014 dan trapesium
isikan Range pada dasarnya
dengan [670 merupakan
280]. Pada gabungan antara
membership 2 garis (linear).
function ganti Pada variabel
name menjadi tahun 2014
245 Gambar 6.
Banyak, ambil yang dimiliki Membership
tipe trimf dapat dibagi c. Analisis Function
(triangular menjadi tiga Sistem Untuk Untuk
membership himpunan fuzzy, Tahun 2015 Variabel
function) dan yaitu: Banyak, Variabel Tahun Tahun 2015
trapmf Sedang, Sedikit. 2015 dibentuk Fungsi
(trapezium Himpunan fuzzy menjadi tiga
membership Sedikit akan himpunan yaitu keanggotaan
function) memiliki sedikit, sedang, untuk
selanjutnya domain [70 dan banyak.
isikan nilai 140]. Himpunan Untuk variabel Tahun
parameternya fuzzy Sedang himpunan 2015 isikan
dengan nilai memiliki sedikit dan Range dengan
[210 245 280 domain[130 banyak [90 350]. Pada
280]. 220]. Himpunan menggunakan membership
Penilaian fuzzy Banyak bentuk kurva function ganti
komponen memiliki trapesium name menjadi
tersebut domain [210 sedangkan Banyak, ambil
dilakukan 280]. Bentuk himpunan tipe trimf
untuk perhitungan sedang (triangular
mendapatkan Tahun 2014 menggunakan membership
nilai variabel secara manual: bentuk kurva function) dan
Tahun 2014 µSedikit = segitiga. trapmf
dan penunjang 1; Variabel tahun (trapezium
variabel lain (140 − x)/(140 2015 dibagi membership
{ 105); 105 ≤ x
− function)
yang ≤ 140 atas tiga
dibutuhkan. 0; himpunan selanjutnya
Trimf dan seperti gambar isikan nilai
µSedang = 6 dibawah ini: parameternya
trapmf 0; x
digunakan dengan nilai
x ≥ 220
untuk [260 305 350
(x −
menampilkan { 130)/(175 − 350]. Penilaian
domain
130); 130 ≤ x komponen
≤ 175 (175 −
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 97
tersebut Himpunan Tahun 2016 trapmf
dilakukan fuzzy Sedikit Variabel Tahun (trapezium
untuk akan memiliki 2016 dibentuk membership
mendapatkan domain [90 menjadi tiga function)
nilai variabel 180]. himpunan yaitu selanjutnya
Tahun 2015 Himpunan sedikit, sedang, isikan nilai
dan fuzzy Sedang dan banyak. parameternya
penunjang memiliki Untuk dengan nilai [340
variabel lain domain[170 himpunan 400 460 460].
yang 270]. sedikit dan Penilaian
dibutuhkan. Himpunan banyak komponen
Trimf dan fuzzy Banyak menggunakan tersebut
trapmf memiliki bentuk kurva dilakukan untuk
digunakan domain [260 trapesium mendapatkan
untuk 350]. Bentuk sedangkan nilai variabel
menampilka perhitungan himpunan Tahun 2016 dan
n domain Tahun 2015 sedang penunjang
himpunan secara menggunakan variabel lain
fuzzy dalam manual: bentuk kurva yang dibutuhkan.
bentuk kurva µSedikit = segitiga. Trimf dan trapmf
segitiga dan 1; Variabel tahun digunakan untuk
trapesium (180 − x)/(180
{− 135); 135 ≤ x 2016 dibagi menampilkan
≤ 180 atas tiga domain
pada 0; himpunan himpunan fuzzy
dasarnya seperti gambar dalam bentuk
µSedang =
merupakan 0; x
7 dibawah ini: kurva segitiga
gabungan dan trapesium
Gambar pada dasarnya
7 merupakan
Members
hip gabungan antara
Function 2 garis (linear).
Untuk Pada variabel
Variabel Tahun 2016 yang
Tahun dimiliki dapat
2016 dibagi menjadi
tiga himpunan
Fungsi fuzzy, yaitu:
antara 2 x ≥ 270
Banyak, Sedang,
Keanggotaan
garis (linear). (x −
Sedikit.
{
170)/(220 untuk variabel
Pada − 170); Himpunan fuzzy
Tahun 2016
variabel 170 ≤ x ≤
Sedikit akan
220 (220 − isikan Range
Tahun 2015 x)/(270 − memiliki domain
220); 220 dengan [130
yang dimiliki [130 250].
≤ x ≤ 270 460]. Pada
dapat dibagi Himpunan fuzzy
membership
menjadi tiga µBanyak = Sedang memiliki
function ganti
himpunan 0; domain[230
name menjadi
fuzzy, yaitu: (x − 360]. Himpunan
{ Banyak, ambil
Banyak, 260)/(305
fuzzy Banyak
− 260); tipe trimf
Sedang, 260 ≤ x ≤ memiliki domain
305 1; (triangular
Sedikit. [340 460].
membership
d. Analisis Sistem Untuk function) dan Bentuk
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 98
perhitungan 1; dengan [0- merupakan
Tahun 2016 (250 − x)/(250 100]. Pada gabungan
secara manual: { 190); 190 ≤ x
− membership antara 2 garis
≤ 250
µSedikit = 0; function ganti (linear).
name menjadi Pada variabel
µSedang = Naik, ambil keputusan,
0; x tipe trapmf data yang
x ≥ 360 (trapezium dimiliki dapat
(x − membership dibagi menjadi
{ 230)/(295
− 230); 230 function) 2 himpunan
≤ x ≤ 295 selanjutnya fuzzy, yaitu:
(295 −
𝑥)/(360 − isikan nilai naik dan turun.
295); 295
≤ x ≤ 360 parameternya Keanggotaan
dengan nilai naik,
µBanyak = [60 80 100 himpunan
0; 100]. Trapmf fuzzy naik akan
(x −
{ 340)/(400
(trapezium memiliki
− 340); 340 membership domain [60-
≤ x ≤ 400 function) 100] himpunan
1;
digunakan fuzzy turun
untuk memiliki
e. Analisis menampilkan domain [0-70]
variabel domain Setelah dilihat
keputusan himpunan pengelompoka
Variabel fuzzy dalam n himpunan
Keputusan bentuk kurva fuzzy sebanyak
merupakan trapesium 3 (tiga) data
hasil akhir pada dasarnya
dari
secara manual, sehingga akan
penalaran,
selanjutnya didapat rule
variabel
akan dibuat (aturan) sebagai
keputusan
aturanya. berikut: [R1] If
terdiri dari
Untuk (Tahun2013 is
Penjualan
Banyak) and
naik dan
mengelompoka (Tahun2014
Penjualan
n himpunan is Banyak)
turun seperti
data and
gambar 8
yang (Tahun2015
dibawah ini:
lain is Banyak)
Gambar 8.
Member
ship
Functio
nUntuk
Variabel
Keputus
an
Mamdan dibuat and
i mengunakan (Tahun2016
Matlab, is Banyak)
Isikan Range
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 99
 then and (Tahun2016 [R40] If
(Keputusan (Tahun2015 is Banyak) (Tahun201
is Naik) [1] is Banyak) then 3 is
[R2] If and (Keputusan Sedang)
(Tahun20 (Tahun2016 is Naik) [1] and
13 is is Sedang) [R31] If (Tahun201
Banyak) then (Tahun2013 4 is
and (Keputusan is Sedang) Sedang)
(Tahun20 is Naik) [1] and and
14 is ⁞ (Tahun2014 (Tahun201
Banyak) [R20] If is Banyak) 5 is
and (Tahun2013 and Banyak)
(Tahun20 is Banyak) (Tahun2015 and
15 is and is Banyak) (Tahun201
Banyak) (Tahun2014 and 6 is
and is Sedikit) (Tahun2016 Sedang)
(Tahun20 and is Sedikit) then
16 is (Tahun2015 then (Keputusan
Sedang) is Banyak) (Keputusan is Naik) [1]
then and is Naik) [1] [R41] If
(Keputus (Tahun2016 ⁞ (Tahun201
an is is Sedang) 3 is
Naik) [1] then Sedang)
⁞ (Keputusan and
[R10] If is Turun) [1] (Tahun201
(Tahun201 [R21] If 4 is
3 is (Tahun2013 Sedang)
Banyak) is Banyak) and
and and (Tahun201
(Tahun201 (Tahun2014 5 is
4 is is Sedikit) Banyak)
Sedang) and and
and (Tahun2015 (Tahun201
(Tahun201 is Banyak) 6 is
5 is and Banyak)
Banyak) (Tahun2016 then
and is Sedikit) (Keputusan
(Tahun201 then is Naik) [1]
6 is (Keputusan [R42] If
Banyak) is Turun) [1] (Tahun201
then ⁞ 3 is
(Keputusan [R30] If Sedang)
is Naik) [1] (Tahun2013 and
[R11] If is Sedang) (Tahun201
(Tahun201 and 4 is
3 is (Tahun2014 Sedang)
Banyak) is Banyak) and
and and (Tahun201
(Tahun201 (Tahun2015 5 is
4 is is Sedang) Sedang)
Sedang) and and
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 10
 (Tahun20 (Tahun20 and 14 is
16 is 13 is (Tahun20 Sedikit)
Banyak) Sedikit) 16 is and
then and Sedikit) (Tahun201
(Keputus (Tahun20 then 5 is
an is 14 is (Keputusa Banyak)
Naik) [1] Banyak) n is and
⁞ and Turun) [1] (Tahun201
[R50] If (Tahun20 ⁞ 6 is
(Tahun20 15 is [R70] If Sedikit)
13 is Banyak) (Tahun20 then
Sedang) and 13 is (Keputusan
and (Tahun20 Sedikit) is Turun)
(Tahun20 16 is and [1]
14 is Sedikit) (Tahun20
Sedikit) then [R71] If is Sedikit)
and (Keputusa (Tahun2013 then
(Tahun20 n is Naik) is Sedikit) (Keputusan
15 is [1] and is Turun) [1]
Banyak) [R61] If (Tahun2014 Dari
and (Tahun20 is Sedikit) penjabaran rule
(Tahun20 13 is and yang tercipta
16 is Sedikit) (Tahun2015 dapat dilihat
Sedang) and is Banyak) pada gambar 9
then (Tahun20 and ⁞ dibawah ini
(Keputus 14 is [R78] If
an is Banyak) (Tahun2013
Naik) [1] and is Sedikit)
[R51] If (Tahun20 and
(Tahun20 15 is (Tahun2014
13 is Sedikit) is Sedikit)
Sedang) and and
and (Tahun20 (Tahun2015
(Tahun20 16 is is Sedikit)
14 is Sedikit) and
Sedikit) then (Tahun2016
and (Keputusa is Sedang)
(Tahun20 n is then
15 is Turun) [1] (Keputusan
Sedikit) [R62] If is Turun) [1]
and (Tahun20 [R79] If
(Tahun20 13 is (Tahun2013
16 is Sedikit) is Sedikit)
Sedang) and and
then (Tahun20 (Tahun2014
(Keputus 14 is is Sedikit)
an is Banyak) and
Turun) and (Tahun2015
[1] (Tahun20 is Sedikit)
⁞ 15 is and
[R60] If Sedang) (Tahun2016
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 10
 pada mengg
himpunan unaka
n
Naik, metod
sehingga: e
100 bisekt
µ𝑐(𝑦)
− 𝑎2 = or:
1
Gambar 9. Rule Editor 60
100 𝑝
100
− 𝑎2=
Gambar 9. 1 Penerapan dengan mengambil data 11 ∫ 𝑦
Defuzzifika 100 − − 60 𝑑𝑦 + ∫ 0,71
si data 11 𝑎2
0,71= 60, 60,71
1 Untuk 71 99,29
1. Menentuka � Defuzzifikasi
� = ∫
n Nilai a1 data 11 dapat 0,71
2
a. a1 berada dilihat pada 𝑑𝑦
pada = gambar 9
𝑝
himpuna dibawah ini: 100
n Naik, 9
sehingga: + ∫
9
, 100 −
𝑎1
µ𝑐(𝑦)
− 0,71= 2 𝑦 𝑑𝑦
1 9 99,29
𝑎1 − Jadi: 0,71 + 0,71(𝑝 ,
60 =
0,71 a = 60 a1 =
1 − 60,71) 4
60,71 a2 = 9
𝑎1 =
60+0,71 =
1 99,29 d = 100 5
𝑎1 = 60,71 µ(y)
b. a2 berada 0 9
0; ,
‫ﻟ‬ 7 −
x≤ 1
atau
100 ( 0
y − 60)
I ,
(60,71 − 60) ; 60 ≤ x 9
= ≤ 60,71 9 7
❪ 1; , 1
2 �
60,71 9 �
≤ 99,29 +
−
(100 −
; 𝑝 0
) ,
x≥ 0 7
𝗅(10 , 1
99, 1,42𝑝 =
Selanjut 7
1 70,4959 +
nya 43,1041
0,71 + 0,71𝑝 −
113,6
melakuk43,1041 𝑝 = 1,42
an =
𝑝 = 80

defuzzifi 7 Hasil
kasi 0 defuzzifikasi
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 10
hasil data dapat dikatakan Tabel 3. iksi naik
adalah 80 yang Naik. Untuk Pe turunnya
berarti data melihat hasil rb penjualan
yang ketiga dari an rumah di
dapat perbandingan di PT Gracia
dikatakan Naik. perhitungan ng Herald
Selanjutnya manual dan an 2. Berdasark
perbandingan perhitungan Ha an hasil
dengan Matlab dapat sil perbandin
menggunakan dilihat pada M gan
Matlab, tabel 3 dibawah atl hitungan
dengan ini: ab manual
memasukan da dan
nilai input n mengguna
seperti 4.15 Hi kan
dibawah ini: tu Software
ng Matlab
an bahwa
M tidak
an terdapat
ua hasil yang
l significant
Hasil berbeda.
Peng Kepu
Defuzz 3. Berdasark
ujian tusan
ifikasi an sistem
Pertama Naik 84 yang telah
dibangun
Kedua Naik 80
mempuny
Ketiga Naik 80 ai
kelemahan
yaitu
KESIMPULAN hanya
Berdasarkan dapat
hasil memperki
pengujian dan rakan naik
pembahasan turun
yang telah penjualan
diuraikan rumah,
dapat ditarik kurang
kesimpulan memberik
Gamb sebagai an detail
ar 10. berikut: imformasi
Rule 1. Logika yang
data Fuzzy sesuai
dengan dengan
Hasil pada metode keinginan.
pengujian Mandani
matlab adalah dapat DAFTAR
83,6 yang digunaka PUSTAKA
berarti data n untuk [1]Budiharto,
yang ketiga mempred Widodo
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 10
 dan Keputus
Derwin an.
Suharto Graha
no. Ilmu.
(2014). Yogyaka
Artifika rta.
l
intellig
ence
konsep
dan
penerap
annya,
Andi
offset,
yogyak
arta.

[2]Suyanto
(2011).
Artifika
l
intellig
ence
searchi
ng
reasoni
ng
plannin
g
learnin
g. edisi
repisi .
Informa
tika
Bandun
g.

[3]Kusumad
ewi, Sri
dan
Purnom
o, Hari.
(2010).
Aplikas
i
Logika
Fuzzy
Untuk
penduk
ung
Jurnal ISD Vol.2 No.2 Juli - Desember 2017 pISSN : 2477-863X eISSN: 2528--5114 10
[4]Sugiyono (2012). Metode Penelitian
Kuantitatif, Kualitatif dan R & D.
Alfabeta. Bandung.

[5]Sugiyono (2012). Metode Penelitian

Kuantitatif, kualitatif dan R&D,
Cetakan Ke-20, Alfabeta,
Bandung. Naba, Agus. (2009).
Belajar Cepat Fuzzy Logic
Menggunakan Matlab. Andi.
Yogyakarta.

[6]Nazir Moh (2011). Metode

Penelitian, Ghalia Indonesia,
Bogor.