Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)

Abstrak

Logika fuzzy adalah metode untuk memetakan input menjadi output. Logika fuzzy digunakan untuk mendukung pengambilan keputusan. Metode ini terdiri dari tiga proses utama, terdapat fuzzifikasi, fuzzy inferention, dan defuzzifikasi. Hasil dari proses ini tergantung pada batas fuzzy kompilasi, variabel fuzzy kabur variabel dan non. Studi kasus ini memberikan hasil dalam bentuk paket komputer yang diambil dari proses fuzzy berdasarkan nilai-nilai batas fuzzy kompilasi, variabel fuzzy dan variabel non fuzzy. Jumlah variabel fuzzy dan non variabel kabur diproses akan mempengaruhi hasil dan jumlah nilai rekomendasi.

PENDAHULUAN

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. 

Pada proses perancangan aplikasi ini, diterapkan metode logika fuzzy dalam studi kasus pemilihan spesifikasi komputer 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 dengan berkonsultasi dengan para pegawai toko. Namun hal itu akan memakan waktu yang lama dan tidak praktis. Terdapat suatu metode yang lebih praktis, yaitu dengan membangun suatu aplikasi sistem
pendukung keputusan pada penentuan spesifikasi komputer yang di dalamnya juga diterapkan metode logika fuzzy. 

Sistem yang akan dibangun merupakan sistem database fuzzy (Fuzzy Database System), karena pada proses pengambilan keputusan menggunakan logika fuzzy dan menggunakan database dalam menyimpan dan mengambil data spesifikasi komputer. Model yang digunakan pada database fuzzy ini adalah model Tahani,
yang masih menggunakan relasi database yang bersifat standar, dengan lebih menekankan penggunaan fuzzy pada beberapa field dalam tabel-tabel yang ada pada database tersebut dan pada perhitungan matematisnya

PEMBAHASAN

Sistem yang dibuat 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. Data fitur-fitur handphone yang ada, digunakan untuk melakukan pencarian, handphone yang sesuai dengan kriteria-kriteria yang diinginkan konsumen. Tidak terdapat
penggabungan dari berbagai item yang berbeda. Sedangkan 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 berbagai macam item yang tersedia, akan dipilih sesuai dengan kriteria yang diinginkan, untuk selanjutnya digabungkan menjadi suatu paket yang utuh. Dari proses penggabungan ini kemudian dipilih lima paket yang mempunyai nilai rekomendasi tertinggi sesuai dengan kriteria dan prioritas konsumen, untuk ditampilkan sebagai hasil akhir dari sistem pencarian ini. 

Sistem Pendukung Keputusan (SPK) adalah suatu sistem informasi yangmengevaluasi beberapa pilihan yang berbeda guna membantu seseorang memberikan keputusan terhadap masalahnya. Berdasarkan pada definisi yang bervariasi, SPK dapat dijelaskan sebagai sistem pembuat keputusan manusiakomputer interaktif berbasiskan komputer yang dapat mendukung dalampembuatan keputusan daripada menggantinya dengan yang baru, memanfaatkan data dan model, memecahkan masalah dengan struktur yang derajatnya bervariasi seperti nonstruktur, semistruktur dan unstruktur, serta berpusat pada keefektifan daripada keefisienan dalam proses pemberian keputusan. 

FDSS (Fuzzy Decision Support System) atau SPKF (Sistem Pendukung Keputusan dengan logika Fuzzy) merupakan sistem pembuat keputusan manusia-komputer untuk mendukung keputusan manajerial, dan intuisi untuk memecahkan masalah manajerial dengan memberikan informasi yang diperlukan, menghasilkan, mengevaluasi dan memberikan putusan alternatif.

Teori himpunan fuzzy diperkenalkan pertama kali oleh Lotfi A. Zadeh pada tahun1965. Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain yaitu konsep logika fuzzy mudah dimengerti, logika fuzzy sangat fleksibel, logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat, logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks, logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan, logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional, dan logika fuzzy juga 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, antara lain variabel fuzzy,himpunan fuzzy, semesta pembicaraan dan domain. Variabel Fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem Fuzzy. Dalam makalah ini, variabel fuzzy yang digunakan adalah kecepatan prosesor, kapasitas memory, kapasitas harddisk, ukuran VGA, ukuran monitor, kapasitas power supply, serta harga dari masing-masing spesifikasi komputer. Himpunan Fuzzy adalah himpunan yang tiap elemennya mempunyai derajat keanggotaan tertentu terhadap himpunannya. Himpunan Fuzzy memiliki dua atribut, yaitu linguistik dan numeris. Atribut linguistik yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami. Sedangkan atribut numeris yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel. Dalam makalah ini, himpunan fuzzy yang digunakan adalah himpunan kecepatan lambat, sedang dan cepat untuk variabel kecepatan prosesor, himpunan kapasitas kecil,
sedang dan besar untuk variabel kapasitas memory, harddisk dan power supply,himpunan ukuran kecil, sedang dan besar untuk variabel ukuran VGA dan monitor,serta himpunan harga murah, normal dan mahal untuk variabel harga. Semesta pembicaraan adalah suatu keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel Fuzzy. Nilai semesta pembicaraan dapat berupa bilangan positif atau bilangan negatif. 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 negative. Dalam makalah ini, domain untuk variabel kecepatan prosesor adalah lambat [0, 2.6], sedang [1.8, 3] dan cepat [2.6, + ], variabel kapasitas memory kecil [0, 256], sedang [64, 512] dan besar [256, + ], variabel kapasitas harddisk
kecil [0, 160], sedang [40, 400] dan besar [160, + ], variabel ukuran VGA kecil [0,256], sedang [64, 512] dan besar [256, + ], serta variabel kapasitas power supply kecil [0, 256], sedang [64, 512] dan besar [256, + ]. Logika Fuzzy memiliki beberapa karakteristik yaitu himpunan Fuzzy dan fungsi keanggotaan. 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.

Himpunan fuzzy A pada semesta X dinyatakan sebagai himpunan pasangan berurutan (set of ordered pairs) baik diskrit maupun kontinu.

A={ ( x, µ A (x) | x € X }

Dimana µ A (X) fungsi keanggotaan himpunan fuzzy A. Fungsi keanggotaan memetakan setiap x € X pada suatu nilai antara [0,1] yang disebut derajat keanggotaan (membership grade atau membership value). Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (disebut juga dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi . Derajat keanggotaan dalam himpunan (degree of membership) dilambangkan dengan μ. Dalam kasus yang dibahas, fungsi keanggotaan yang dipakai adalah Representasi Kurva Segitiga dan Representasi Kurva Bahu. Representasi Kurva Segitiga pada dasarnya merupakan gabungan antara dua garis.

 

Fungsi keanggotaan:

 

Sedangkan representasi kurva bahu merupakan daerah yang terletak di tengahtengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan sisi kirinya akan naik dan turun. Himpunan fuzzy bahu digunakan untuk mengakhiri variabel suatu daerah fuzzy.

 

Fungsi keanggotaan pada kurva segitiga dan fungsi keanggotaan pada kurva bahu dapat dilihat pada Gambar 3.

Akan dilakukan perhitungan untuk memperoleh nilai fire strength fuzzy dengan menggunakan gabungan fungsi keanggotaan kurva segitiga dan kurva bahu. Perhitungan tersebut berhubungan dengan tiga operator dasar Zadeh yang terdiri dari operator AND, operator OR dan operator NOT [1]. Operator AND merupakan operator yang berhubungan dengan operasi interseksi pada himpunan. Fire strength sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan. 

µA n B = min(µa [x],µb [y]).

Operator OR merupakan operator yang berhubungan dengan operasi union pada himpunan. Fire strength sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antara elemen pada himpunanhimpunan yang bersangkutan.

µAuB=max(µa[x],µb [y])

Serta operator NOT yang merupakan operator yang berhubungan dengan operasi komplemen pada himpunan. Fire strength sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.

μ = 1−μ A [X]

Pada proses perancangan sistem yang akan dibuat, dibutuhkan suatu basis data fuzzy. Basis data fuzzy dapat diartikan sebagai representasi, pemasukan, dan manipulasi informasi yang tidak tepat dan tidak pasti. Query pada logika fuzzy dapat digunakan untuk pengambilan data yang diinginkan, tanpa memerlukan pendefinisian parameter yang pasti. Proses query fuzzy mencakup logika boolean yang hasil pencariannya berupa nilai benar atau salah dan juga akan menghasilkan nilai x% mendekati benar atau x% mendekati salah dari nilai keanggotaannya. Basis data fuzzy bertujuan untuk memecahkan setiap permasalahan yang berhubungan dengan representasi dan menangani informasi yang tidak tepat.

Logika fuzzy terdiri dari 3 proses utama, yaitu fuzzifikasi, Inferensi fuzzy dan defuzzifikasi. Fuzzifikasi adalah pengubahan seluruh variabel input/output ke bentuk himpunan fuzzy. Rentang nilai variabel input dikelompokkan menjadi beberapa himpunan fuzzy dan tiap himpunan mempunyai derajat keanggotaan tertentu. Bentuk fuzzifikasi yang dipakai pada sistem ini adalah bentuk segitiga dan bentuk bahu. Bentuk fuzzifikasi menentukan derajat keanggotaan suatu nilai rentang input/output. Derajat keanggotaan himpunan fuzzy dihitung dengan menggunakan rumus fungsi keanggotaan dari segitiga fuzzifikasi. Setelah fungsi keanggotaan untuk variabel masukan dan keluarannya ditentukan, basis aturan pengendalian dapat dikembangkan untuk menghubungkan aksi keluaran pengendali terhadap kondisi masukannya. Tahap ini disebut sebagai tahap inferensi, yakni bagian penentuan aturan dari sistem logika fuzzy. Sejumlah aturan dapat dibuat untuk menentukan aksi pengendali fuzzy . Pada basis aturan, aturan If-Then tersebut dapat menghubungkan banyak variabel masukan dan keluaran. Masukan x dipetakan menjadi keluaran y. Aturan if-then diinterpretasikan sebagai implikasi fuzzy. Terdapat banyak sekali model interpretasi implikasi yang telah dikembangkan. Pada sistem ini, metode yang digunakan adalah Metode MAMDANI.

Proses yang terakhir adalah defuzzifikasi, yaitu kerja yang mengubah aksi dari himpunan fuzzy menjadi suatu nilai tunggal [4]. Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai tegas (crisp) tertentu sebagai output.

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 pada sistem ini digolongkan menjadi dua bagian input, yaitu input fuzzy dan input non fuzzy. Input fuzzy, terdiri dari data spesifikasi komputer yang menyangkut kecepatan prosesor, kapasitas memory, kapasitas Harddisk, ukuran VGA, ukuran monitor, kapasitas power supply, dan harga. Sedangkan input non
fuzzy terdiri dari data spesifikasi komputer yang menyangkut merek dan kecocokan antara spesifikasi yang satu dengan yang lain. 

Pada sistem ini proses fuzzy meliputi pengambilan nilai input fuzzy ataupun non fuzzy dari dalam database, sesuai dengan keterangan yang disebutkan oleh pembeli, proses fuzzifikasi dari data input, dengan menggunakan rumus fungsi keanggotaan kurva bahu dan kurva segitiga, proses logika pengambilan keputusan melalui pembentukan query, dan menampilkan hasil rekomendasi sesuai dengan kriteria yang disebutkan oleh pengguna.

Output pada sistem ini berupa rekomendasi paket komputer lengkap yang sesuai dengan kriteria-kriteria yang diinginkan (di-input-kan) oleh para pengguna.Adapun variabel dalam fungsi fuzzy adalah sebagaimana pada Gambar 4 berikut ini.

Semua variabel akan ditransformasikan nilainya dalam suatu variabel fuzzy sebagaimana pada Gambar 3 dan Gambar 4. Setiap variabel dapat memiliki besaran yang berbeda, demikian pula dapat memiliki nilai μ[x] yang berbeda. 

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 pengguna.

UML adalah sebuah “bahasa” yang telah menjadi standar untuk visualisasi,merancang dan mendokumentasikan sistem peranti lunak. UML pada sistem yang dibangun ini terdiri dari use case diagram, sequence diagram dan activity diagram. 

Use case diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. Sebuah use case merepresentasikan sebuah interaksi antara aktor dengan sistem. Secara umum sistem ini memiliki dua aktor yaitu aktor pengguna yang menggambarkan pembeli dan aktor pengguna yang menggambarkan administrator.Untuk dapat melakukan interaksi dengan sistem, pembeli harus memasukkankriteria dan spesifikasi komputer yang diinginkan. Sistem fuzzy akan melakukan komputasi untuk menghasilkan rekomendasi paket set komputer. Aktor pengguna administrator harus memasukkan data spesifikasi komputer sebagai data batas himpunan, seperti data harga dan data item. Data ini akan menjadi dasar bagi fuzzy untuk pembuatan rekomendasi paket set komputer sesuai dengan masukan pengguna, sebagaimana pada Gambar 5.

Sistem fuzzy bekerja melalui beberapa tahapan, yaitu identifikasi hasil pencarian item (data spesifikasi komputer yang menyangkut kecepatan prosesor, kapasitas memory, kapasitas Harddisk, ukuran VGA, ukuran monitor, kapasitas power supply, dan harga ) yang akan menjadi masukan bagi proses penentuan prioritas setiap itemnya. Setelah ditentukan prioritas setiap item tersebut dilakukan pengacakan. Tahapan berikutnya adalah penggabungan masing – masing item menjadi paket lengkap sebagai set item yang akan direkomendasikan, sebagaimana pada Gambar6.

 

 

sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana berakhir.

Aktivitas sistem berawal pada saat pengguna melakukan login. Setelah login pengguna masuk pada halaman spesifikasi komputer untuk memilih spesifik yang dikehendaki. Sistem akan melakukan komputasi menggunakan fuzzy. Peranan admin dalam hal ini adalah melakukan pengelolaan dengan memasukkan batas

himpunan fuzzy (fuzzy set) sesuai dengan variabel fuzzy sebagaimana pada Gambar 7.

Diagram ERD menggambarkan berbagai relasi antar entity dalam suatu database. Entitas data dalam basisdata meliputi kecepatan prosesor, kapasitas memory, kapasitas Harddisk, ukuran VGA, ukuran monitor, kapasitas power supply, dan harga. Setiap entitas memiliki atribut yang menggambarkan infromasi secara lebih detail. Antar entitas terhubung dengan entitas lainnya dalam bentuk relasional. Seluruh entitas akan terhubung dengan fungsi fuzzy sebagai sistem komputasi dalam aplikasi. Setiap relasional dapat digambarkan tingkat keterhubungannya melalui bilangan kardinalitas dala relasi tersebut. Hal ini dapat dilihat sebagaimana pada Gambar 8.

Implementasi dan Evaluasi

Implementasi sistem dibagi menjadi empat bagian, yaitu implementasi tampilan awal dan menu utama, implementasi setup data, implementasi pencarian paket komputer dan implementasi menu tambahan. Proses pencarian, dilakukan dengan pemilihan variabel fuzzy dan variabel non fuzzy yang berfungsi untuk memilih kriteria-kriteria yang sesuai dengan keinginan pembeli.

Proses pencarian dilakukan secara berurutan mulai dari prosesor, mainboard, memory, VGA, casing, PSA, harddisk, monitor, optical, keyboard dan mouse. Setelah memilih masing-masing item maka proses berikutnya adalah pemasukan besarnya nilai prioritas untuk masing-masing item yang berfungsi untuk pengacakan masing-masing item hasil rekomendasi sehingga terbentuk menjadi suatu paket komputer lengkap.

Setelah kedua proses tersebut maka ditampilkan hasil konfirmasi, yang berfungsi sebagai pemberi informasi, apa saja kriteria yang telah kita tentukan pada waktu pencarian masing-masing item.

Jika konfirmasi data masing-masing item sudah sesuai dengan keinginan pembeli, maka akan ditampilkan hasil pencarian paket komputer, sebanyak 5 macam paket komputer dengan nilai rekomendasi tertinggi.

Pengujian dilakukan dengan menggunakan data riil spesifikasi produk yang ada di pasaran untuk membuat rekomendasi paket komputer. Pengujian menghasilkan rekomendasi yang berisi 10 kelompok item dalam satu paket rekomendasi. Adapun rekomendasi yang dihasilkan dalam pengujian adalah sebagaimana berikut pada Gambar 11 dan 12.

Kesimpulan

Beberapa kesimpulan dapat diambil dari perancangan sistem pendukung keputusan dengan menggunakan logika fuzzy model Tahani ini. Untuk mengetahui tingkat keberhasilan pengambilan keputusan dengan menggunakan logika fuzzy, maka harus dibutuhkan batasan himpunan pada tiap-tiap 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. Tingkat keberhasilan pengambilan keputusan dengan menggunakan logika fuzzy juga dipengaruhi oleh jumlah kriteria yang dipilih oleh pemakai yang berfungsi sebagai variabel fuzzy. Dari pengujian terhadap 10 orang sampel pemakai, didapatkan tingkat akurasi sistem sebesar 68 %. Sedangkan hasil dari pencarian yang tidak sesuai dengan parameter harga atau besaran dari spesifikasi komputer yang diinginkan pemakai, dapat dipengaruhi dari data-data spesifikasi komputer yang tidak akurat atau kemajuan fitur-fitur dan fasilitas-fasilitas yang baru.

Daftar Pustaka

[Cri05] Cristiono, Denny, 2005, Aplikasi Pendukung Keputusan Dengan

 Menggunakan Logika Fuzzy (studi kasus Pemilihan Handphone Berdasarkan Kebutuhan Konsumen),

Salatiga, Fakultas Teknologi

Informasi, Universitas Kristen Satya Wacana.
[Hel01] Hellmann, M, 2001, Fuzzy Logic Introduction, Laboratoire Antennes
Radar Telecom, F.R.E CNRS 2272, Equipe Radar Polarimetrie.
[Nad03] Nadlir, Syariful dan Oon Amroni, 2003, Teknologi Sistem Fuzzy, Jurnal
Komputer dan Informatika 4(2), FTI, Universitas Tarumanagara.
[Kus04] Kusumadewi, Sri dan Hari Purnomo, 2004, Aplikasi Logika Fuzzy Untuk
Pendukung Keputusan, Yogyakarta: Graha Ilmu.
[Kus03] Kusumadewi, Sri, 2003, Artificial Intelligence (Teknik dan Aplikasinya),
Yogyakarta : Graha Ilmu.
[Mar04] Marimin, Herdiyeni,Y. dan Nila Oktavia, 2004, Aplikasi Logika Fuzzy
untuk Pembentukan Tipe Data Fuzzy dan Querynya pada Sistem Basis
Data, Prosiding SNIKTI V, No 1, Departemen Ilmu Komputer - FMIPA -
Institut Pertanian Bogor.
[Wib98] Wibawanto, Hari, 1998, Pengendali Berbasis Logika Kabur, Elektro
Indonesia, Edisi ke Empat Belas.