Penerapan Metode Fuzzy Tsukamoto Dalam Sistem Keputusan

Keberangkatan dan Kedatangan Pesawat Bandara Sultan Aji Muhammad

Sulaiman Sepinggan Balikpapan
Nindi Ernawati1
1
Fakultas Ilmu Komputer : Program Studi Sistem Informasi
Universitas Darwan Ali
nindiernawati@gmail.com1

ABSTRACT— Aircraft is a transportation that is widely used by the public and has become a fast and convenient
transportation choice. Although at a price that is much more expensive than other transportation, aircraft is still the best
choice. Often because of the large number of people using this transportation makes management not easy to determine the
number of departures or arrivals. This research serves to solve the problem with a method. The method used by the authors
in this study is fuzzy Tsukamoto method. From the overall results of the study conducted by the author can be obtained the
results of 1,825 aircraft flights. So that the results obtained can be a consideration to calculate the average of future flights.

Keywords — Airplane, Fuzzy Tsukamoto, Departure, Arrival

ABSTRAK— Pesawat adalah transportasi yang banyak digunakan oleh kalangan masyarakat dan telah menjadi
transportasi pilihan yang cepat dan nyaman. Meskipun dengan harga yang dibayarkan jauh lebih mahal daripada
transportasi lainnya, pesawat masih menjadi pilihan yang terbaik. Seringkali karena banyaknya orang menggunakan
transportasi ini membuat manajemen tidak mudah untuk menentukan jumlah keberangkatan maupun kedatangan. Penelitian
ini berfungsi untuk menyelesaikan permasalahan tersebut dengan suatu metode. Metode yang dipakai oleh penulis pada
penelitian ini yaitu metode Fuzzy Tsukamoto. Dari keseluruhan hasil penelitian yang dilakukan oleh penulis dapat
diperoleh hasil yaitu 1.825 penerbangan pesawat. Sehingga hasil yang diperoleh ini dapat menjadi bahan pertimbangan
untuk menghitung rata-rata dari penerbangan kedepannya.

Kata kunci — Pesawat, Fuzzy Tsukamoto, Keberangkatan, Kedatangan

I. PENDAHULUAN penumpang yang terjadi, maka dilakukan penelitian pada

Pesawat adalah transportasi yang cukup banyak
dipilih untuk perjalanan jauh karena waktu tempuh yang
cukup singkat dibandingkan dengan transportasi lainnya.
Terlebih lagi belakangan ini, industri penerbangan saling
bersaing menyediakan penerbangan murah. Hal ini
mendorong popularitas pesawat menjadi transportasi
yang cukup ekonomis. Meskipun dengan harga yang
dibayarkan jauh lebih mahal daripada transportasi
lainnya, pesawat masih menjadi pilihan yang terbaik.
Pesawat juga merupakan satu-satunya alat
transportasi yang dapat digunakan untuk menjangkau
lokasi atau suatu tempat yang sulit dijangkau atau
diketahui oleh orang lain, seperti pulau-pulau kecil yang
kondisi lautnya tidak mendukung, atau tempat-tempat
yang tidak memiliki jalan raya dan harus melewati hutan
atau medan yang tidak rata.
Penumpang transportasi udara setiap bulannya
mengalami perubahan yang cukup pesat. Salah satu
penyebab terjadinya peningkatan penumpang itu banyak
terjadi saat memasuki hari-hari besar seperti Hari Raya
Idul Fitri yang setiap tahunnya mengalami perubahan
menurut Kalender Islam yang cukup berbeda dari
Kalender Masehi. Untuk dapat mengetahui peningkatan
data keberangkatan dan kedatangan penumpang.
Salah satu metode penelitian yang akan digunakan
ialah metode logika Fuzzy Tsukamoto. Penelitian ini
bertujuan untuk melakukan pengambilan keputusan
tentang presentase terbaik keberangkatan dan kedatangan
mulai dari tahun 2017 sampai tahun 2019.
TINJAUAN PUSTAKA
1.1 PENELITIAN TERKAIT
Fathurrahman Kurniawan Ikhsan (2014) melakukan
penelitian yang berjudul “Penerapan Fuzzy Tsukamoto
Dalam Sistem Pendukung Keputusan Untuk Menentukan
Jumlah Produksi Barang”. Pada penelitian ini bertujuan
untuk bisa mengetahui seberapa banyak jumlah produksi
suatu barang yang harus dilakukan pemproduksian lalu
sistem keputusan yang digunakan pada penelitian ini
adalah fuzzy Tsukamoto [1]. Eki Juliana dan Ragil
Kurniawan (2021) melakukan penelitian yang berjudul
“Implementasi Metode Fuzzy Tsukamoto Dalam
memprediksi Jumlah Produksi TMG”. Penelitian ini
dilakukan oleh peneliti untuk dapat mengetahui total
keseluruhan rata-rata produksi TMG atau telur mata
gajah [2]. Abdi Pandu Kusuma, Wahyu Dwi Puspitasari

4
dan Tio Gustiyoto (2018) yang melaksanakan penelitian manajemen bandara. Kemudian digunakan metode fuzzy
berjudul “Sistem Pendukung Keputusan Dalam Tsukamoto untuk menghitung nilai variabel dan nilai
Menentukan Jumlah Produksi Seragam Menggunakan yang sama antara fuzzy diperoleh pada sistem pendukung
Fuzzy Tsukamoto”. Penelitian ini bertujuan untuk keputusan dengan perhitungan fuzzy manual. Dalam
menentukan jumlah seragam yang diproduksi metode fuzzy Tsukamoto terdapat beberapa tahapan yaitu
menggunakan sistem fuzzy Tsukamoto [3]. Nanda Novita sebagai berikut:
(2016) meneliti tentang “Metode Fuzzy Tsukamoto 1. Fuzzifikasi merupakan perhitungan dalam
Untuk Menentukan Beasiswa”. Pada penelitian ini memberikan perubahan masukan sistem yang memiliki
dilakukan untuk menentukan berapa banyak mahasiswa nilai input atau crisp menjadi himpunan fuzzy dan
yang berhak menerima beasiswa berdasarkan dengan menetapkan derajat keanggotaan dengan himpunan fuzzy.
kriteria dan ketentuan yang sudah ditetapkan oleh pihak 2. Inferensi merupakan sistem aturan berdasarkan
kampus [4]. Nur Zuraini (2021) melakukan penelitian logika fuzzy, yang dimana menggunakan penalaran fuzzy
dengan judul “Sistem Pendukung Keputusan Uji input atau masukan dan fuzzy rule atau aturan yang telah
Kelayakan Pesawat Terbang Dengan Metode Fuzzy ditetapkan menjadi fuzzy output.
Tsukamoto Pada PT. GFM Aeroasia TBK”. Penelitian 3. Defuzzifikasi adalah metode penting dari pemodelan
ini bertujuan untuk menguji apakah suatu pesawat sudah sistem fuzzy. Defuzzifikasi adalah suatu metode untuk
dapat dikatakan layak terbang ataupun belum layak mengubah fuzzy output menjadi nilai tetap sesuai dengan
terbang. Pengujian ini wajib dilakukan agar pesawat derajat keanggotaan yang ditentukan.
tersebut bisa berfungsi dengan baik sehingga pesawat
tersebut dikategorikan sudah layak terbang atau sudah HASIL DAN PEMBAHASAN
bisa untuk digunakan [5]. Dalam menyelesaikan sebuah permasalahan yang
METODOLOGI PENELITIAN ada di kasus ini terlebih dahulu dilakukan perhitungan
Fuzzy Tsukamoto system infrenzy untuk mengetahui tentang nilai
Fuzzy Tsukamoto merupakan metode dimana penerbangan yang akan dijadikan sebuah data dalam
aturan konsekuen yang dihasilkan diwakili oleh fungsi jumlah kedatangan dan keberangkatan penumpang
keanggotaan yang monoton. Dimana setiap hasil dasar pesawat, baik penerbangan domestik dan penerbangan
harus direpresentasikan sebagai IF-THEN dengan suatu internasional. Berdasarkan data dari badan pusat statistic
himpunan fuzzy. Output dari kesimpulan setiap aturan (BPS) kota balikpapan yang sesuai dari jumlah
diberikan secara tegas berdasarkan predikat (fire penerbangan domestic dan internasional pada Bandara
strength). Proses penjumlahan (penggabungan) aturan Sultan Aji Muhammad Sulaiman Sepinggan kota
dilakukan dan hasil akhir diperoleh menggunakan Balikpapan. Berikut ini adalah data dari badan pusat
defuzzy dengan konsep rata-rata tertimbang. statistic (BPS) kota Balikpapan.
IF dan THEN adalah bagian dari rule, aturan
tersebut digunakan sebagai dasar dari teknologi implikasi Tabel I tentang nilai penerbangan
fuzzy. IF digunakan sebagai fakta dan THEN digunakan
sebagai kesimpulan. Jika A adalah fakta dari variabel x Domestik
maka B adalah kesimpulan dari variabel y, yang dapat Bulan 2017
ditulis sebagai: kedatangan keberangkatan
Januari 2292 2896
IF x is A THEN B Februari 2515 2503
Maret 2816 2775
Aturan tersebut biasanya memiliki banyak fakta April 2713 2693
yang terkait dengan operasi gabungan atau AND. Contoh Mei 2720 2703
aturan yang menggunakan banyak fakta adalah berikut: Juni 2580 2565
Juli 2889 2867
IF a is X AND a is Y AND a is Z THEN B. Agustus 2805 2788
September 2691 2677
Metode Fuzzy Tsukamoto dapat digunakan dalam Oktober 2769 2734
membuat keputusan dari hasil keberangkatan dan
Noovember 2669 2640
kedatangan pesawat dengan menggunakan metode Fuzzy
Desember 2784 2769
Tsukamoto. Metode ini merupakan metode pengambilan
Max 2922 Max 2896
keputusanyang memasukkan nilai privasi tertentu atau
nilai preferensi untuk keberangkatan dan kedatangan Min 2292 Min 2503
Tabel 1
pesawat dan memperoleh nilai persentase untuk setiap
keputusan. Keputusan terbaik adalah memiliki persentase
Domestik
nilai prioritas yang lebih besar.
Bulan 2018
Aplikasi sistem digunakan sebagai alat
kedatangan keberangkatan
pengambilan keputusan untuk menentukan
Januari 2726 2710
keberangkatan dan kedatangan terbaik berdasarkan nilai-
nilai variabel yang ditetapkan oleh departemen Februari 2420 2409

4
 Maret 2783 2741 Februari 38 53
April 2742 2736 Maret 48 69
Mei 2727 2724 April 41 61
Juni 2759 2738 Mei 41 57
Juli 2877 2861 Juni 41 49
Agustus 2899 2873 Juli 39 62
September 2810 2790 Agustus 44 63
Oktober 3333 3321 September 47 63
Noovember 2838 2833 Oktober 125 143
Desember 2688 2673 Noovember 55 65
Max 3333 Max 2873 Desember 40 56
Min 2420 Min 2409 Max 125 Max 143
Tabel 2 Min 38 Min 49
Tabel 5
Domestik
Bulan 2019 Internasional
kedatangan keberangkatan Bulan 2019
Januari 2350 2340 kedatangan keberangkatan
Februari 2030 2033 Januari 38 57
Maret 2343 2293 Februari 34 46
April 2153 2143 Maret 38 75
Mei - - April 32 48
Juni - - Mei - -
Juli - - Juni - -
Agustus - - Juli - -
September - - Agustus - -
Oktober - - September - -
November - - Oktober - -
Desember - - Noovember - -
Desember - -
Max 2350 Max 2340 Max 38 Max 75
Min 2030 Min 2033 Min 32 Min 46
Tabel 3 Tabel 6

Berdasarkan table di atas dengan menggunakan metode

Internasional Tsukamoto terdapat 2 varaibel fuzzy yaitu :
Bulan 2017  Kedatangan : terdiri 2 himpunan fuzzy, yaitu
kedatangan keberangkatan turun dan naik.
Januari 45 71  Keberangkatan : terdiri dari 2 himpunan fuzzy,
Februari 37 57 yaitu bertambah dan berkurang.
Maret 45 84
April 41 60 Tabel II Aturan penerbangan fuzzy Tsukamoto
Mei 42 61
Juni 36 49 Proses penerbangan memakai 4 aturan/rule fuzzy
Juli 38 57 R1 IF (apabila) suatu nilai kedatangan turun and
Agustus 46 65 nilai keberangkatan naik
September 42 48 THEN (maka) suatu nilai kedatangan
Oktober 35 62 penumpang berkurang
Noovember 41 65 R2 IF (apabila) suatu nilai kedatangan naik and
Desember 45 57 nilai keberangkatan turun
Max 46 Max 84 THEN (maka) suatu nilai kedatangan
Min 35 Min 48 penumpang bertambah
Tabel 4 R3 IF (apabila) suatu nilai keberangkatan turun
and nilai kedatangan naik
Internasional THEN (maka) suatu nilai keberangkatan
Bulan 2018 penumpang berkurang
kedatangan keberangkatan R4 IF (apabila) suatu nilai keberangkatan naik and
Januari 44 61 nilai kedatangan turun

4
 THEN (maka) suatu nilai keberangkatan x−2503
penumpang bertambah µ keberangkatan-bertambah [x]{ 2503 ≤ x
2896
≤2896
a Fuzzyfikasi 1 x ≥ 2896
1. Kedatangan Penerbangan Domestik tahun 2017
Kedatangan turun = 2292 2. Kedatangan Penerbangan Domestik tahun 2018
Kedatangan naik = 2922 Kedatanagan turun = 2420
Permasalahan kedatangan = 2292 Kedatangan naik = 3333
Permasalahan kedatangan = 2726
turun naik
turun naik
4,8
turun
3,6
3,8
turun
2,6
2292 2922 2922
turun turun turun
2420 3333
1 x ≤ 2292
2922−x
µ kedatangan – turun [x]{ . 2292 ≤ x ≤
2292
2922 1 x ≤ 2726
0 x ≥ 2922 3333−x
µ kedatangan – turun [x] { 2726 ≤ x ≤
2726
0 x ≤ 2292 3333
x−2292 0 x ≥ 3333
µ kedatangan – naik [x]{ 2292 ≤ x ≤ 2922
2922
1 x ≥ 2922 0 x ≤ 2726
x−2420
Keberangkatan Penerbangan Domestik Tahun 2017 µ kedatangan – naik [x] { 2726 ≤ x ≤ 3333
2726
Keberangkatan berkurang = 2503
1 x ≥ 3333
Keberangkatan bertambah = 2896
Permasalahan kedatangan = 2503

Keberangkatan Penerbangan Domestik tahun 2018

Keberangkatan berkurang = 2409
Keberangkatan bertambah = 2873
berkurang bertambah Permasalahan keberangkatan = 2710

7,3

6,3
berkurang bertambah
2503 2896

6,1
1 x ≤ 2503
2896−x 5,1
µ keberangkatan-berkurang [x]{ 2503 ≤ x ≤
2503
2896 2409 2873
0 x ≥ 2896

0 x ≤ 2503 1 x ≤ 2710

4
 2873−x 6,6
µ keberangkatan-berkurang [x] { 2710 ≤ x
2710
≤2873
2033 2340 2340
0 x ≤ 2710

0 x ≥ 2873
x−2409 1 x ≤ 2033
µ keberangkatan-bertambah [x] { 2710 ≤ x ≤
2710 2340−x
2873 µ keberangkatan-berkurang [x]{ 2033≤ x ≤
2033
1 x ≥ 2873
2340

3. Kedatangan Penerbangan Domestik tahun 2019 0 x ≥ 2340

Kedatangan turun = 2030
Kedatangan naik = 2350
Permasalahan kedatangan =2350 0 x ≤ 2033

x−2033
µ keberangkatan-bertambah [x]{ 2033≤ x ≤
2340
turun naik
2340
1 x ≥ 2340

4. Kedatangan penerbangan Internasional tahun 2017

7,3
kedatangan turun = 35
6,3 kedatangan naik = 46
permasalahan kedatangan =45 7,3
2030 2350 2350
turun naik 0,4
1 x ≤ 2030
2350−x 4,5
µ kedatangan – turun [x] { 2030 ≤ x ≤
2030
4,0
2350
0 x ≥ 2350
35 45 46
0 x ≤ 2030
x−2030
µ kedatangan – naik [x] { 2030 ≤ x ≤ 1 x ≥ 35
2350
46−x
2350 µ kedatangan – turun [x] { 35 ≤ x ≤ 46
1 x ≥ 2350 45
0 x ≥ 46

Keberangkatan Penerbangan Domestik tahun 2019 0 x ≥ 35

Keberangkatan berkurang = 2033 x−35
µ kedatangan – teringgi [x] { 35 ≤ x ≤ 46
Keberangkatan bertambah = 2340 45
Permasalahan keberangkatan = 2340 1 x ≥ 46

Keberangkatan penerbangan internasional tahun

2017
keberangkatan berkurang = 48
keberangkatan bertambah = 84
berkurang bertambah
permasalahan kedatangan = 71

7,6
berkurang bertambah

4
5,4
berkurang bertambah
3,0

48 71 84 5,0

0,7
1 x ≤ 48
84−x 49 143
µ keberangkatan-berkurang [x] { 48 ≤ x ≤ 61
71
84
0 x ≥ 84
1 x ≤ 49
0 x ≥ 48 143−x
µ keberangkatan-berkurang[x] { 49 ≤ x ≤
x−48 61
µ keberangkatan-bertambah [x] { 48 ≤ x ≤
71 143
84 0 x ≥ 143
1 x ≥ 84
0 x ≤ 49
5. Kedatangan penerbangan internasional tahun 2018 x−49
Kedatangan turun = 38 µ keberangkatan-bertambah[x] { 49 ≤ x ≤
61
Kedatangan naik = 125 143
Permasalahan kedatangan = 44 1 x ≥ 143

turun naik 6. Kedatangan penerbangan internasional tahun

2019
Kedatangan turun = 38
Kedatangan naik = 32
Permasalahan kedatangan = 38

turun naik
38 44 125

1 x ≤ 38 7,3
125−x
µ kedatangan – turun [x] { 38 ≤ x ≤ 125 0,5
44
0 x ≥ 125
38 38 32
0 x ≤ 38
x−38 1 x ≤ 38
µ kedatangan – naik [x] { 38 ≤ x ≤ 125
44 32−x
µ kedatangan - turun [x] { 38 ≤ x ≤ 32
1 x ≥ 125 38
0 x ≥38
Keberangkatan penerbangan internasional tahun
2018 0 x ≤ 38
Keberangkatan berkurang = 49 x−38
Keberangkatan bertambah = 143 µ kedatangan - naik [x] { 38 ≤ x ≤ 32
38
Permasalahan kedatangan = 61 1 x ≥ 38

4
 Keberangkatan penerbangan internasional tahun
2019
Keberangkatan berkurang = 46
Keberangkatan bertambah = 75
Permasalahan kedatangan = 57
berkurang bertambah
Hitung X1 = 4,8 × 2292 = 1100
2922 – 1100 = 1822
Jadi X1 = 1822
[R2] IF (apabila) suatu nilai kedatangan naik and nilai
keberangkatan turun THEN (maka) suatu nilai
kedatangan penumpang bertambah
Predikat 2

17 µkedatangan NAIK ∩ µkeberangkatan TURUN

=min ( µkedatangan NAIK[3333], µkedatangan

8,5 TURUN[2420]

=min(2,6 : 3,6)
46 75
= 3,6

Himpunan keberangkatan berkurang

1 x ≤ 46
(3333-x)/2420=3,6
75−x
µ keberangkatan-berkurang[x] { 46 ≤ x ≤
57 Hitungan X2 = 3,6 × 2420= 8,712
75
3333-8,712 = 3.324
0 x ≥ 75
Jadi X2 = 3.324
0 x ≤ 46
x−46 [R3] IF (apabila) suatu nilai keberangkatan turun and
µ keberangkatan-bertambah[x] { 46 ≤ x ≤ nilai kedatangan naik THEN (maka) suatu nilai
57
keberangkatan penumpang berkurang
75
1 x ≥ 75

Predikat 3
b Inferensi =min ( µkeberangkatan TURUN[2033], µkedatangan
NAIK[2350]
Dari uraian di atas terbentuk 2 himpunan fuzzy
yaitu : kedatangan naik, kedatangan turun, =min(6,6 : 7,6)
keberangkatan terendah, keberangkatan tertinggi.
= 6,6
[R1] IF (apabila) suatu nilai kedatangan turun and nilai
keberangkatan naik THEN (maka) suatu nilai kedatangan Himpunan keberangkatan berkurang
penumpang berkurang ; (2033-x)/2350=6,6
Predikat 1 Hitungan X2 = 6,6 × 2350= 15.510
=µKedatangan TURUN [X] ∩µ Keberangatan 2350-15.510 = 2.334
Bertambah [Y]
Jadi X3 = 2.334
=min(µKedatangan TURUN,[2292],µ keberangkatan
bertambah [2896] [R4] IF (apabila) suatu nilai keberangkatan naik and nilai
kedatangan turun THEN (maka) suatu nilai
=min ( 4,8 : 3,8 ) keberangkatan penumpang bertambah
= 4,8 Predikat 4
Himpunan keberangkatan berkurang =min ( µkeberangkatan NAIK[84], µkedatangan
(2922-x)/2292=48 TURUN[35]

=min(4,0 : 5,4)

4
= 5,4

Himpunan keberangkatan berkurang 37.236

x=
(84-x)/35=5,4 20,4

Hitungan X4 = 5,4 × 35= 189 x = 1,825

189-35 = 154

Jadi X4 = 154 II.

KESIMPULAN
Berdasarkan penelitian dapat disimpulkan bahwa
metode fuzzy Tsukamoto dapat diimplementasikan untuk
c Defuzzifikasi (Menentukan output crisp) membantu memprediksi jumlah kedatangan dan
keberangkatan pesawat. Hasil terbang yang diperoleh
x dari perhitungan menggunakan metode fuzzy Tsukamoto
a predikat 1∗x 1+ a predikat 2∗x 2+ a predikat 3∗x 3+a predikat
yaitu 4∗x 4 Sehingga hasil penelitian ini dapat
1.825 pesawat.
dijadikan
a predikat 1+a predikat 2+a predikat 3+ apredikat 4 bahan pertimbangan untuk menentukan jumlah
rata-rata penerbangan di masa yang akan datang.
4,8∗1822+ 3,6∗3324 +6,6∗2334+5,4∗154
III. REFERENSI
4,8+3,6+6,6+ 5,4 [1]

Ikhsan, F. (2014). Penerapan Fuzzy Tsukamoto Dalam Sistem Pendukung Keputusan Untuk Menentukan Jumlah Produksi
Barang. Proseding Sembistek.
[2] Juliana , E., & Kurniawan, R. (2021). Implementasi Metode Fuzzy Tsukamoto Dalam Memprediksi Jumlah Produksi
TMG. Jurnal Ilmiah ILKOMINFO - Jurnal Ilmu Komputer dan Informatika , 2621-4970.

[3] Kusuma, A., Puspitasari, W. D., & Gustiyoto, T. (2018). Sistem Pendukung Keputusan Dalam Menentukan Jumlah
Produksi Seragam Menggunakan Metode Fuzzy Tsukamoto. Jurnal Antivirus.

[4] Maria, S. (2016). Penerapan Kualitas Ruang Rawat Inap Dengan Menggunakan Fuzzy Logic. Jurnal Teknologi
Informasi & Pendidikan.

[5] Novita, N. (2016). Metode Fuzzy Tsukamoto Untuk [7] Ragestu, F., & Sibarani, A. (2020). Penerapan
Menentukan Beasiswa. Jurnal & Penelitian Metode Fuzzy Tsukamoto Dalam Pemilihan
Teknik Informatika. Siswa Teladan Sekolah. Teknika, 9-15.

[6] Parewe, A., & Mahmudy, W. (2016). Seleksi Calon
Karyawan Menggunakan Metode Fuzzy
Tsukamoto. Yogyakarta: Seminar Nasional
Teknologi Informasi dan Komunikasi 2016
(SENTIKA 2016).
[8] Zuraini, N. (2021). Sistem Pendukung Keputusan
Uji Kelayakan Pesawat Terbang Dengan
Metode Fuzzy Tsukamoto Pada PT. GFM
Aeroasia TBK. Pelita Informatika : Informasi
dan Informatika, 2301-9425