Bab 3: Metodologi Penelitian

3.1 Desain Penelitian

Penelitian ini bertujuan untuk mengembangkan sebuah sistem penilaian risiko penularan HIV/AIDS
menggunakan metode Fuzzy Logic. Sistem ini bertujuan membantu individu dalam memahami dan
mengidentifikasi risiko penularan HIV/AIDS secara lebih akurat, serta memberikan panduan untuk
mengambil tindakan pencegahan yang tepat.

3.2 Tahapan Perancangan Model/Aplikasi

Mengubah crips set kedalam fuzzy set adalah tahap pertama yang perlu dilakukan agar pengukuran yang
tegas dapat diselesaikan dengan sistem fuzzy logic. Adapun beberapa variable keanggotaan yang
menjadi inputan sebagai berikut :

Crips set berikut sungguh sangat tidak adil karena orang dengan jumlah pasangan 3 (tiga) dikategorikan
sebagai sedang, namun bisa saja itu masih termasuk kedalam kategori resiko rendah dengan berbagai
pertimbangan penalaran. Sehingga berdasarkan hasil evaluasi dapat dilakukan fuzzyfikasi dengan jenis
fungsi keanggotan segitiga

Jumlah Pasangan
Indikator Jumlah Pasangan
Rendah 1 s/d 2
Sedang 3 s/d 5
Tinggi 6 s/d 10

Jenis keanggotaan jumlah pasangan

 Jenis keanggotaan persentase sex menggunakan kondom

Parameter output yang digunakan adalah konsep monoton dengan kondisi If x is A Then Y is B dengan
kriteria hasil diatas x = 75 dinyatakan berisiko tinggi , 25 < x <= 75 dinyatakan sedang dan x < 25
dinyatakan tidak beresiko.

3.3 Inferensi

Agar penalaran dapat dilakukan maka perlu ditentukan kondisi atau rules dari setiap kondisi yang akan
dihasilkan seperti table berikut:

Jumlah Pasangan /
Persentase Kondom Rendah Sedang Tinggi
Rendah TB SD SD
Sedang SD SD TG
Tinggi SD TG TG
Sangat Sering SD TG TG
Rutin TG TG TG

Tidak Beresiko TB
Rendah RD
Sedang SD
Tingg TG

3.4 Preprosesing Data

Beberapa data hasil perhitungan dari sistem update status menjadi acuan pengujian sebagai
pembanding hasil kinerja sistem yang telah diciptakan dengan fuzzy logic, beberapa fitur dari aplikasi
updatestatus.id diantaranya adalah fitur cek resiko hiv
Pada situs tersebut kita dapat melakukan pemeriksaan resiko hiv secara mandiri hasil dari pengujian
tersebut kami jadikan sebagai data pembanding dengan hasil dari penerapan metode fuzzy logic yang
kami lakukan, Pada sistem tersebut user dapat menjawab usia namun disini pengaruh parameter usia
tidak terhadap resiko penularan namun terhadap kebijakan.

Parameter identitas gender menjadi data preprosesing yang kami lakukan pada proses implementasi
fuzzy ini menjadi tidak kami gunakan, karena pengaruh terhadap resiko penularan sangat rendah.
Sehingga parameter yang kami gunakan berfokus pada yang sudah disebutkan sebelumnya.
3.5 Metode Evaluasi

Dalam melakukan pengujian turut kami evaluasi kinerja dan keakuratan metode fuzzy logic yang kami
implementasi pada penelitian ini, setiap pengujian yang kami lakukan menggunakan metode crossing
check untuk membantu evaluasi kami terhadap hasil, selanjutnya akan dijelaskan lebih rinci di BAB
selanjutnya

Kesimpulan

Berdasarkan hasil penelitian yang telah dilakukan dapat kami simpulkan metode fuzzy logic dapat
memberikan hasil yang lebih soft dan manusiawi, namun pada penelitian ini sangat terbatas dengan
daftar keanggotan dan membership yang kami gunakan. Dibandingkan dengan kondisi pada kenyataan
untuk mengukur indikator beresiko HIV parameter dan indikator yang digunakan sangat komplit,
Sehingga perbandingan apple to apple tidak dapat kami lakukan antara hasil assessment dari aplikasi
updatestatus dengan aplikasi yang kami buat menggunakan metode fuzzy logic ini.