APLIKASI PENDUKUNG KEPUTUSAN DENGAN MENGGUNAKAN

LOGIKA FUZZY
(STUDI KASUS : PENENTUAN SPESIFIKASI KOMPUTER UNTUK SUATU PAKET
KOMPUTER LENGKAP)

Aprizal
Program Studi Sistem Informasi
Email : aphrydpn@yahoo.com

ABSTRAK

Logika fuzzy merupakan sebuah metode untuk memetakan suatu ruang input ke
dalam ruang output. Logika fuzzy berguna untuk mendukung suatu pengambilan keputusan.
Metode ini terdiri dari tiga proses utama, yaitu fuzzifikasi, inferensi fuzzy (logika
pengambilan keputusan) dan defuzzifikasi. Hasil dari proses-proses tersebut tergantung dari
batas himpunan fuzzy, variabel fuzzy dan variabel non fuzzy.Paper ini membahas tentang
perancangan aplikasi untuk memudahkan dalam pencarian suatu paket komputer sesuai
dengan keinginan pembeli. Studi kasus ini memberikan hasil berupa paket komputer hasil
rekomendasi yang didapat dari proses-proses fuzzy berdasarkan nilai-nilai batas himpunan
fuzzy, variabel-variabel fuzzy dan variabel-variabel non fuzzy. Parameter yang dijadikan
sebagai variabel fuzzy adalah kecepatan prosesor, kapasitas memori, harddisk dan power
supply, ukuran monitor dan vga, serta harga dari masing-masing spesifikasi komputer. Hasil
dari pengujian terhadap sistem, dengan 10 orang sampel pengguna, didapatkan tingkat
akurasi sebesar 68 %.

Kata Kunci : logika fuzzy, fuzzifikasi, inferensi fuzzy, defuzzifikasi, batas himpunan
fuzzy, variabel fuzzy, variabel non fuzzy.

Pada proses perancangan aplikasi ini,

diterapkan metode logika fuzzy dalam studi
A. PENDAHULUAN

1. Latar Belakang Masalah kasus pemilihan spesifikasi komputer

Sebuah toko komputer ingin
membangun suatu database yang isinya
tidak hanya komponen-komponen dasar
komputer, tetapi juga informasi yang dapat
membantu dalam memberikan pilihan data
spesifikasi komputer untuk suatu paket
komputer lengkap bagi para konsumen
berdasarkan kriteria-kriteria yang
dibutuhkan oleh konsumen.
berdasarkan kebutuhan konsumen. Hal
tersebut berdasarkan banyak kasus selama
ini, dimana konsumen banyak bertanya
tentang spesifikasi komputer yang menjadi
dasar pertimbangan mereka dalam
pemilihan paket komputer lengkap.
Biasanya pemilihan spesifikasi komputer
pada suatu toko komputer dilakukan

1
dengan berkonsultasi dengan para pegawai yang ada dapat dirumuskan sebagai
toko. Namun hal itu akan memakan waktu berikut:
yang lama dan tidak praktis. Terdapat suatu 1. Bagaimana merancang sistem
metode yang lebih praktis, yaitu dengan pendukung keputusan dengan
membangun suatu aplikasi sistem menggunakan logika fuzzy.
pendukung keputusan pada penentuan 2. Bagaimana
spesifikasi komputer yang di dalamnya mengimplementasikan pendekatan
juga diterapkan metode logika fuzzy. logika fuzzy pada penentuan
Salah satu metode Kecerdasan spesifikasi komputer untuk suatu paket
Buatan yang digunakan sebagai alat komputer lengkap, sesuai dengan
prediksi adalah logika fuzzy. FDSS (Fuzzy kebutuhan masing-masing pembeli,
Decision Support System) menggunakan baik dari segi merek maupun logika
dasar pengetahuan dalam bentuk aturan “if fuzzy seperti kecepatan prosesor,
– then” untuk memproses informasi. kapasitas harddisk, kapasitas memory,
Seperangkat aturan fuzzy menggambarkan ukuran monitor, ukuran power supply,
seperangkat relasi fuzzy antara input fuzzy serta ukuran VGA.
dan output fuzzy. Metode standar
digunakan untuk membuat dasar 3. Tujuan Penelitian
pengetahuan fuzzy melibatkan identifikasi
dari input dan output fuzzy, perluasan dari Adapun tujuan penelitian yaitu: untuk
fungsi keanggotaan fuzzy untuk setiap menghasilkan sistem aplikasi
input dan output tersebut, dan akhirnya pendukung keputusan dengan
konstruksi dari aturan fuzzy [1]. menggunakan logika fuzzy
Sistem yang akan dibangun .
merupakan sistem database fuzzy (Fuzzy 4. Metode Penelitian
Database System), karena pada proses
pengambilan keputusan menggunakan 1. Penelitian Lapangan (Field
logika fuzzy dan menggunakan database Research)
dalam menyimpan dan mengambil data a. Observasi, yaitu mengadakan
spesifikasi komputer. Model yang pengamatan langsung terhadap
digunakan pada database fuzzy ini adalah cara ataupun proses belajar
model Tahani, yang masih menggunakan mengajar yang sedang
relasi database yang bersifat standar, berjalan.
dengan lebih menekankan penggunaan b. Wawancara, yaitu melakukan
fuzzy pada beberapa field dalam tabel- wawancara pada beberapa
tabel yang ada pada database tersebut narasumber.
dan pada perhitungan matematisnya. c. Dokumentasi, yaitu dengan
melakukan pengumpulan data-
2. Rumusan masalah data dan dokumen-dokumen
Berdasarkan latar belakang pada tempat penelitian.
permasalahan, maka masalah-masalah
2. Studi Kepustakaan

2
 Mengumpulkan sejumlah
data dari beberapa referensi berupa
buku paket, materi perkuliahan dan
sumber pustaka lainnya yang
relevan dengan permasalahan yang
ada sebagai petunjuk dalam
penelitian tersebut.
B. TINJUAN PUSTAKA
Sistem pengambilan keputusan
menggunakan logika Fuzzy pada studi
kasus pemilihan handphone dengan
metode Fuzzy model Tahani, yang dibuat
oleh Denny Cristiono, ditujukan untuk
menangani pencarian handphone yang
sesuai dengan kriteria-kriteria dari
konsumen. Sedangkan pada sistem
pemilihan spesifikasi komputer yang akan
dibuat, terdapat pencocokan antara item
yang satu dengan yang lain. Misalkan saja
jika type jenis dari prosesor adalah Intel
socket LGA 775, maka mainboard-nya pun
juga harus dengan jenis yang sama. Dari
berbagai macam item yang tersedia, akan
dipilih sesuai dengan kriteria yang
diinginkan, untuk selanjutnya digabungkan
menjadi suatu paket yang utuh. Pada
sistem pemilihan handphone, tidak
terdapat penggabungan antar item, karena
suatu handphone sendiri sudah merupakan
satu kesatuan yang mempunyai berbagai
macam variabel fuzzy seperti harga,
dimensi (panjang, lebar dan tebal), berat,
standby time, talk time dan games maupun
variabel non-fuzzy seperti polyphonic,
MMS, WAP, GPRS, bluetooth, infrared
dan kamera [3].
2.1 DSS (Decision Support System)
DSS (Decision Support System)
adalah suatu sistem informasi yang
mengevaluasi beberapa pilihan yang
berbeda guna membantu seseorang
memberikan keputusan terhadap
masalahnya.
Berdasarkan pada definisi yang
bervariasi, DSS dapat dijelaskan sebagai
sistem pembuat keputusan manusia-
komputer interaktif berbasiskan komputer
yang dapat:
1. Mendukung dalam pembuatan
keputusan daripada menggantinya
dengan yang baru.
2. Memanfaatkan data dan model.
3. Memecahkan masalah dengan
struktur yang derajatnya bervariasi:
4. nonstruktur (unstruktur atau ill-
struktur)
• semistruktur
• semistruktur dan unstruktur
5. Berpusat pada keefektifan
daripada keefisienan dalam proses
pemberian keputusan.
Kecerdasan Buatan atau Artificial
Intelligence (AI) merupakan salah satu
bagian ilmu komputer yang membuat
mesin (komputer) dapat melakukan
pekerjaan seperti dan sebaik yang
dilakukan oleh manusia. Agar komputer
dapat bertindak seperti dan sebaik
manusia, maka komputer juga harus diberi
bekal pengetahuan, dan mempunyai
kemampuan untuk menalar. Untuk itu AI
memberikan beberapa metoda untuk
membekali komputer dengan kedua
komponen tersebut agar komputer dapat
menjadi mesin yang pintar.
Untuk melakukan aplikasi
kecerdasan buatan ada dua bagian utama
yang sangat dibutuhkan, yaitu :
a. Basis Pengetahuan
(Knowledge Base), berisi fakta-fakta,
teori, pemikiran dan hubungan antara
satu dengan lainnya.
3
 b. Motor Inferensi (Inference efektif harus mengambil beberapa
Engine), yaitu kemampuan menarik persoalan penting sebagai bahan
kesimpulan berdasarkan pengalaman. pertimbangan, termasuk pemilihan media
FDSS (Fuzzy Decision Support input dan output, desain layar, penggunaan
System) merupakan sistem pembuat warna, format penyajian data dan
keputusan manusia-komputer untuk informasi, penggunaan jenis interface yang
mendukung keputusan manajerial, dan berbeda, dan lain-lain.
intuisi untuk memecahkan masalah
manajerial dengan memberikan informasi
yang diperlukan, menghasilkan,
mengevaluasi dan memberikan putusan
alternatif [4].
2.2 Arsitektur DSS (Decision Support
System)
Langkah pertama pada proses
pembuatan keputusan yaitu dengan
membuat model pendukung keputusan.
Interface subsistem user menjembatani
untuk menuju ke DBMS (Database
Management Systems) dan MBMS
(Model-Based Management Systems). Gambar 2.1 Komponen DSS
DBMS merupakan seperangkat program
komputer yang membuat dan mengatur
database. DBMS dapat menjadi salah satu
program tersendiri atau disatukan dengan
generator DSS yang mengijinkan user
untuk membuat file database yang
digunakan sebagai input pada DSS.
MBMS merupakan seperangkat program
komputer yang tersimpan dalam generator
DSS yang mengijinkan user untuk
membuat, meng-edit, meng-update
dan/atau menghapus model. User membuat
beberapa model dan file relasi database
untuk membuat keputusan yang spesifik.
Model dan database yang telah dibuat
disimpan di model utama dan database-
nya di media penyimpan seperti hardisk.
2.3 Konsep Dasar Logika Fuzzy
Dari sudut pandang user, subsistem
Teori himpunan fuzzy diperkenalkan
interface user hanya merupakan bagian
pertama kali oleh Lotfi A. Zadeh pada
dari komponen DSS. Oleh karena itu,
tahun 1965. Ada beberapa alasan mengapa
dalam memberikan interface user yang

4
orang menggunakan logika fuzzy, antara
lain :
1. Konsep logika fuzzy mudah
dimengerti. Konsep matematis yang
mendasari penalaran fuzzy sangat
sederhana dan mudah dimengerti.
Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi
terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan
fungsi-fungsi nonlinear yang sangat
kompleks.
5. Logika fuzzy dapat membangun dan
mengaplikasikan pengalaman-
pengalaman para pakar secara langsung
tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama
dengan teknik-teknik kendali secara
konvensional.
7. Logika fuzzy didasarkan pada bahasa
alami.
Dalam logika fuzzy dikenal
berhingga keadaan dari nilai “0” sampai ke
nilai “1”. Logika fuzzy tidak hanya
mengenal dua keadaan tetapi juga
mengenal sejumlah keadaan yang berkisar
dari keadaan salah sampai keadaan benar
Ada beberapa hal yang perlu
diketahui dalam memahami sistem fuzzy,
yaitu :
1. Variabel Fuzzy
Variabel Fuzzy merupakan variabel
yang hendak dibahas dalam suatu
sistem Fuzzy.
2. Himpunan Fuzzy
Himpunan Fuzzy adalah himpunan
yang tiap elemennya mempunyai
derajat keanggotaan tertentu terhadap
himpunannya.
Himpunan Fuzzy memiliki dua atribut,
yaitu :
 Linguistik, yaitu
penamaan suatu grup yang mewakili
suatu keadaan atau kondisi tertentu
dengan menggunakan bahasa alami.
 Numeris, yaitu suatu
nilai (angka) yang menunjukkan
ukuran dari suatu variabel.
3. Semesta Pembicaraan
Semesta pembicaraan adalah suatu
keseluruhan nilai yang diperbolehkan
untuk dioperasikan dalam suatu variabel
Fuzzy. Nilai semesta pembicaraan dapat
berupa bilangan positif atau bilangan
negatif.
4. Domain
Domain himpunan Fuzzy adalah
keseluruhan nilai yang diijinkan dalam
semesta pembicaraan dan boleh
dioperasikan dalam suatu himpunan Fuzzy.
Nilai domain dapat berupa bilangan positif
maupun bilangan negatif [6].
2.4 Karakteristik Logika Fuzzy
Logika Fuzzy memiliki beberapa
karakteristik yaitu himpunan Fuzzy dan
fungsi keanggotaan.
2.4.1 Himpunan Fuzzy
Pada logika boolean, sebuah individu
dipastikan sebagai anggota dari salah satu
himpunan saja, sedangkan pada himpunan
fuzzy sebuah individu dapat masuk pada
dua himpunan yang berbeda. Seberapa
besar eksistensinya dalam himpunan
tersebut dapat dilihat pada nilai
keanggotaannya [6].
Himpunan fuzzy A pada semesta X
dinyatakan sebagai himpunan pasangan
berurutan (set of ordered pairs) baik diskrit
maupun kontinu.
(2.1)
5
 C. HASIL DAN PEMBAHASAN
Dimana fungsi keanggotaan
himpunan fuzzy A. Fungsi keanggotaan Metode Pembangunan Software
Metode yang digunakan untuk
memetakan setiap pada suatu nilai pengembangan sistem yang dibuat ialah
antara [0,1] yang disebut derajat dengan menggunakan Metode Waterfall.
keanggotaan (membership grade atau Model ini menawarkan cara pembuatan
membership value). perangkat lunak secara lebih nyata.
Beberapa operasi pada himpunan fuzzy Langkah-langkah yang penting
adalah sebagai berikut : dalam model ini adalah :
 Support • Penentuan dan analisis
Support dari himpunan fuzzy A adalah spesifikasi
Jasa, kendala dan tujuan dihasilkan dari
kumpulan semua titik yang konsultasi dengan pengguna sistem.
Kemudian semuanya itu dibuat dalam
memberikan nilai , atau bentuk yang dapat dimengerti oleh user
dan staf pengembang.
• Desain sistem dan
Support(A) =
perangkat lunak
(2.2)
Proses desain sistem membagi
 Core
kebutuhan-kebutuhan menjadi sistem
Core dari himpunan fuzzy A adalah
perangkat lunak atau perangkat keras.
Proses tersebut menghasilkan sebuah
kumpulan semua titik yang
arsitektur sistem keseluruhan. Desain
perangkat lunak termasuk menghasilkan
memberikan nilai , atau
fungsi sistem perangkat lunak dalam
bentuk yang mungkin ditransformasi ke
Core(A) = dalam satu atau lebih program yang
dapat dijalankan.
(2.3)
• Implementasi dan ujicoba
 Crossover unit
Titik crossover dari himpunan fuzzy A Selama tahap ini desain perangkat lunak
disadari sebagai sebuah program
adalah titik dimana atau lengkap atau unit program. Uji unit
termasuk pengujian bahwa setiap unit
Crossover(A) = sesuai spesifikasi.
(2.4) • Integrasi dan ujicoba sistem
 Fungsi Singleton Unit program diintegrasikan dan diuji
Fungsi singleton adalah himpunan menjadi sistem yang lengkap untuk
fuzzy yang memiliki support pada satu menyakinkan bahwa persyaratan
perangkat lunak telah dipenuhi. Setelah
titik dengan .

6
 ujicoba, sistem disampaikan ke
customer
• Operasi dan pemeliharaan
Normalnya, ini adalah phase yang
terpanjang. Sistem dipasang dan
digunakan. Pemeliharaan termasuk
pembetulan kesalahan yang tidak
ditemukan pada langkah sebelumnya.
Perbaikan implementasi unit sistem dan
peningkatan jasa sistem sebagai
kebutuhan baru ditemukan.
Gambar Pemodelan Waterfall
Analisis Sistem
Sistem yang dibuat pada studi kasus
pemilihan spesifikasi komputer ini,
ditujukan untuk menangani pencarian
spesifikasi paket komputer lengkap yang
sesuai dengan kriteria-kriteria dari
konsumen. Dari data-data spesifikasi
komputer yang ada, maka digunakan untuk
melakukan pencarian, paket komputer
seperti apakah yang sesuai dengan kriteria-
kriteria yang diinginkan konsumen.
Sistem yang akan dibangun
merupakan sistem basisdata fuzzy (Fuzzy
Database System), dengan menggunakan
model Tahani, yaitu dengan menggunakan
relasi standar dalam database dan
penekanan fuzzy pada beberapa field dalam
tabel-tabel dalam database tersebut.
Kebutuhan Input
Kebutuhan input pada sistem ini
digolongkan menjadi dua bagian input,
yaitu input fuzzy dan input non fuzzy.
1. Input fuzzy, terdiri dari:
 Data-data spesifikasi komputer yang
menyangkut kecepatan prosesor,
ukuran memory, kapasitas Harddisk,
ukuran VGA, ukuran monitor,
kapasitas power supply, dan harga.
 Batas bawah (parameter 1 untuk
semua bentuk fungsi), batas atas
(parameter 2 untuk fungsi berbentuk
bahu dan parameter 3 untuk fungsi
segitiga), dan nilai tengah (parameter
2 untuk fungsi segitiga) untuk
variabel-variabel diatas.
2. Input non fuzzy, terdiri dari
data-data spesifikasi komputer yang
menyangkut merek dan kecocokan
antara spesifikasi yang satu dengan
yang lain.
Proses Logika Fuzzy Pada Sistem
Pada sistem ini proses fuzzy meliputi:
1. Pengambilan nilai input fuzzy ataupun
non fuzzy dari dalam database, sesuai
dengan keterangan yang disebutkan
oleh pembeli.
2. Proses fuzzifikasi dari data input,
dengan menggunakan rumus fungsi
keanggotaan kurva bahu dan kurva
segitiga.
3. Proses logika pengambilan keputusan
melalui pembentukan query.
4. Menampilkan hasil rekomendasi
sesuai dengan kriteria yang disebutkan
oleh saksi.
Kebutuhan Output
7
 Output pada sistem ini berupa
rekomendasi paket komputer lengkap yang
sesuai dengan kriteria-kriteria yang
diinginkan (di-input-kan) oleh para
pengguna.
Perancangan Sistem
Perancangan sistem dibutuhkan
untuk membantu proses pengembangan
dan untuk dokumentasi perangkat lunak
sistem. Pada perancangan sistem ini, akan
diuraikan mengenai elemen-elemen
pengembangan sistem yang digunakan,
yaitu UML (Unified Modelling System)
dan perancangan antarmuka sistem dengan
Gambar Use Case Diagram Sistem Fuzzy
pengguna.
UML (Unified Modelling Language)
UML adalah sebuah “bahasa” yang
telah menjadi standar untuk visualisasi,
merancang dan mendokumentasikan sistem
peranti lunak. UML pada sistem yang KESIMPULAN
dibangun ini terdiri dari use case diagram, Beberapa kesimpulan yang dapat
sequence diagram dan activity diagram. diambil dari perancangan sistem ini adalah:
Use Case Diagram 1. Untuk mengetahui
Use case diagram menggambarkan tingkat keberhasilan pengambilan
fungsionalitas yang diharapkan dari sebuah keputusan dengan menggunakan
sistem. Sebuah use case merepresentasikan logika fuzzy, maka harus dibutuhkan
sebuah interaksi antara aktor dengan batasan himpunan pada tiap-tiap
sistem. himpunan fuzzy yang berfungsi
sebagai parameter. Batasan himpunan
yang dimaksud ialah seperti batasan
murah, normal ataupun mahal pada
variabel harga, serta batasan min,
middle dan max pada variabel
kapasitas/ukuran/kecepatan masing-
masing spesifikasi komputer.
2. Tingkat keberhasilan
pengambilan keputusan dengan
menggunakan logika fuzzy juga
Gambar Use Case Diagram Sistem yang Dibangun dipengaruhi oleh jumlah kriteria yang
dipilih oleh pemakai yang berfungsi
sebagai variabel fuzzy.

8
3. Pengujian terhadap 10 Fuzzy Decision Support System. V
orang sampel pemakai, didapatkan CIRP International Conference on
tingkat akurasi sebesar 68 %. Monitoring and Automatic
4. Hasil dari pencarian Supervision in Manufacturing
yang tidak sesuai dengan parameter AC’98 Miedzeszyn, pp. 115–122.
harga atau besaran dari spesifikasi Cristiono, Denny, 2005, Aplikasi
komputer yang diinginkan pemakai, Pendukung Keputusan Dengan
dapat dipengaruhi oleh data-data Menggunakan Logika Fuzzy (studi
spesifikasi komputer yang tidak akurat kasus Pemilihan Handphone
atau kemajuan fitur-fitur dan fasilitas- Berdasarkan Kebutuhan
fasilitas yang baru. Konsumen), Salatiga, FTI, UKSW.
Eminov, Mubariz, 1997, Querying a
DAFTAR PUSTAKA Database by Fuzzification of
Attribute Values,
Abdurohman, Asep, 2001, Pembuatan http://idari.cu.edu.tr/sempozyum/bi
Prototipe Sistem Supervisi Kontrol l46.htm, Diakses tanggal: 18
Menggunakan Aturan Fuzzy, Januari 2007Kusumadewi, Sri,
http://pink.tf.itb.ac.id/abstrak.pdf, 2003, Artificial Intelligence (Teknik
Diakses tanggal: 26 November dan Aplikasinya), Yogyakarta :
2006. Graha Ilmu.
Balazinski, M. and K.Jemielniak, 1998,
Tool Conditions Monitoring using