BAB IITINJAUAN PUSTAKA

2.1 Tinjauan Pustaka2.1.1 Sistem Pendukung Keputusan

Sistem pendukung keputusan didefinisikan sebagai sistem yang memiliki kemampuan untuk memberikan pemecahan suatu masalah maupun tertentu kemampuan pengkomunikasian masalah yang semi-terstruktur. Secara khusus, SPK didefinisikan sebagai sebuah sistem yang mampu memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun saran menuju pada keputusan tertentu sehinggan mampu mendukung kerja seorang manajer maupun sekelompok manajer (Hermawan, 2005).

2.1.2 Definisi handphoneHandphone didefinisikan sebagai sebuah alat elektronik untuk

telekomunikasi radio dua arah melalui jaringan seluler BTS yang dikenal sebagai situs sel. Ponsel berbeda dari telepon tanpa kabel, yang hanya menawarkan layanan telepon dalam jangkauan terbatas melalui stasiun pangkalan tunggal menempel pada garis tanah tetap, misalnya di dalam rumah atau kantor.

Sebuah ponsel memungkinkan pengguna untuk membuat dan menerima panggilan telepon dari dan ke jaringan telepon publik yang meliputi ponsel lain dan telepon fixed-line diseluruh dunia.

2.1.3 Logika FuzzyLogika fuzzy adalah salah satu komponen pembentuk soft computing.

Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah 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 dalam penalaran dengan logika fuzzy tersebut (Kusumadewi, 2003).

2.1.3.1 Himpunan FuzzyJika pada himpunan tegas (crisp), nilai keanggotaan hanya terdapat dua

kemungkinan, yaitu 0 dan 1. Tapi pada himpunan fuzzy, nilai keanggotaan terletak pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy μA[x] = 0, berarti x tidak menjadi anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzy μA[x] = 1, berarti x menjadi anggota penuh pada himpunan A (Kusumadewi dan Purnomo, 2004). Himpunan fuzzy memiliki dua atribut, yaitu: 1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau

kondisi tertentu dengan menggunakan bahasa alami, seperti: muda, parobaya, tua.

2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50, dsb.

Terdapat beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu : variabel fuzzy, himpunan fuzzy, semesta pembicaraan, domain.

3

2.1.3.2 Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang

menunjukkan pemetaan titik-titik input data, ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan), yang memiliki interval antara 0 sampai 1. Terdapat beberapa fungsi yang bisa digunakan yaitu sebagai berikut: 1. Representasi Kurva-S

Kurva PERTUMBUHAN dan PENYUSUTAN merupakan kurva-S atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan secara tak linear. Kurva-S untuk PERTUMBUHAN akan bergerak dari sisi paling kiri (nilai keanggotaan = 0) ke sisi paling kanan (nilai keanggotaan = 1). Fungsi keanggotaannya akan tertumpu pada 50% nilai keanggotaannya yang sering disebut dengan titik infleksi. Kurva-S dapat dilihat pada gambar 1.

Gambar 1. Himpunan fuzzy dengan kurva-S (Pertumbuhan)

Kurva-S untuk penyusutan akan bergerak dari sisi paling kanan (nilai keanggotaan = 1) ke sisi paling kiri (nilai keanggotaan = 0). Kurva-S penyusutan dapat dilihat pada gambar 2.

Gambar 2. Himpunan fuzzy dengan kurva-S (Penyusutan)

Kurva-S didefinisikan dengan menggunakan 3 parameter, yaitu: nilai keanggotaan nol (α), nilai keanggotaan lengkap (ϒ), dan titik infleksi atau crossover (β) yaitu titik yang memiliki domain 50% benar. Gambar 3 menunjukkan karakteristik kurva-S dalam bentuk skema. Karakteristik fungsi kurva-S dapat dilihat pada gambar 3.

Gambar 3. Karakteristik fungsi kurva –S

Fungsi keanggotaan kurva PERTUMBUHAN adalah seperti pada persamaan 1 berikut:

4

Contoh fungsi keanggotaan untuk himpunan TUA pada variabel umur terlihat seperti pada gambar 4.

Gambar 4. Himpunan fuzzy: TUA

µTUA[50] = 1-2((60-50)/(60-35))² = 1-2(10/25)² = 0,68

Sedangkan fungsi keanggotaan pada kurva PENYUSUTAN adalah seperti pada persamaan 2 berikut:

Contoh fungsi keanggotaan untuk himpunan MUDA pada variabel umur terlihat seperti pada gambar 5.

Gambar 5. Himpunan fuzzy: MUDA

µMUDA[50] = 2((50-37)/(50-20))² = 2(13/30)² = 0,376

2. Representasi Kurva BetaKurva BETA berbentuk lonceng didefinisikan dengan 2 parameter, yaitu

nilai pada domain yang menunjukan pusat kurva (ᵧ), dan setengah lebar kurva (β) yang di tunjukan pada gambar 6.

Gambar 6. Karakteristik fungsi kurva BETA

5

Fungsi keanggotaan pada kurva BETA adalah seperti pada persamaan 3 berikut:

Fungsi keanggotaan untuk himpunan PAROBAYA pada variabel seperti terlihat pada gambar 7.

µPAROBAYA[42] =1/(1+((42-45)/5)²) = 0,7353

µPAROBAYA[51] =1/(1+((51-45)/5)²) = 0,4098

Gambar 7. Himpunan fuzzy: PAROBAYA dengan kurva BETA

2.1.4 Model Fuzzy TahaniFuzzy tahani adalah salah satu cabang dari logika fuzzy, yang merupakan

salah satu metode fuzzy yang menggunakan basis data standar. Tahani mendeskripsikan suatu metode pemrosesan query fuzzy, dengan didasarkan atas manipulasi bahasa yang dikenal dengan nama SQL (Structured Query Language), sehingga model fuzzy tahani sangat tepat digunakan dalam proses pencarian data yang tepat dan akurat (Anggraeni, Indarto dan Kusumadewi, 2004).a. Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy

Nilai keanggotaan sebagai dari 2 himpunan fuzzy dikenal dengan nama Fire Strength atau α-predikat. Sangat mungkin digunakan operator dasar dalam proses query berupa operator AND dan OR.

α -predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan- himpunan yang bersangkutan, dinotasikan : µA∩B = min(µA[x], µB[y]). Sedangkan untuk hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan, dinotasikan : µAUB = max(µA[x], µB[y]).

Alternatif yang direkomendasikan adalah alternatif yang memiliki nilai Fire Strength atau tingkat kesesuaian dengan kriteria pilihan di atas angka 0 (nol) sampai dengan angka 1 (satu).

2.2 Penelitian Terkait2.2.1 Penggunaan Metode Tahani dalam Berbagai Bidang

Banyak sekali studi yang berkaitan dengan penerapan fuzzy tahani dalam berbagai bidang diantaranya yaitu :

6

1. Studi Oleh Eliyani, Utomo Pujianto dan Didin RosyadiPenelitian yang telah dilakukan ini berjudul “ Decision Support System

untuk Pembelian Mobil Menggunakan Fuzzy Database Model Tahani”. Tujuan dari penelitian ini adalah dapat menyelesaikan masalah proses perekomendasian mobil yang sesuai bagi pengguna (calon pembeli mobil). Mobil yang paling direkomendasikan adalah mobil yang memiliki fire strength atau tingkat kesesuaian dengan kriteria pilihan diatas angka 0 (nol) sampai dengan 1 (satu).

Kebutuhan input sistem digolongkan menjadi 2, yaitu input fuzzy dan input non fuzzy. Sebagai sampel untuk input fuzzy terdiri dari :a. Data-data mobil yang menyangkut dimensi mobil (panjang, lebar, tinggi),

kapasitas penumpang, ukuran mesin, jumlah fitur interior, jumlah fitur exterior, jumlah fitur keamanan, dan kapasitas bahan bakar.

b. Batas bawah (parameter a untuk semua bentuk fungsi), batas atas (parameter b untuk fungsi berbentuk bahu) dan (parameter c untuk fungsi segitiga) serta nilai tengah (parameter b untuk fungsi segitiga) untuk variabel-variabel pada bagian (a).

Sedangkan untuk input non fuzzy, sebagai sampel akan terdiri dari data-data mobil yang menyangkut ada tidaknya sistem otomatis pada mobil (Eliyanti et al, 2009).2. Studi Oleh Shofwatul Uyun

Penelitian ini berjudul “Aplikasi Basisdata Fuzzy Berbasis Web untuk Pemilihan Handphone”. Data-data yang digunakan sebagai variabel adalah berat, games, harga, lebar, message length, panjang, standby, talktime, tebal, voice dialing dan phone book. Perangkat lunak dibuat cukup dinamis terutama pada fuzzy rulesnya. Admin hanya tinggal menggeser batas grafik untuk melakukan pengeditan fuzzy rules sehingga nilai derajat keanggotaan dari masing-masing telepon seluler menyesuaikan dengan perubahan pada batas-batas dari setiap fungsi yang digunakan. Hasil dari pencarian hanya dapat menampilkan nama dan tipe serta derajat keanggotaannya dari handphone yang direkomendasikan. Perangkat lunak ini belum bisa menampilkan gambar handphone yang direkomendasikan dan produk handphone secara dinamis (Shofwatul Uyun, 2009).3. Studi Oleh Abdul Gani

Topik yang diambil adalah “Penerapan Fuzzy Database untuk Rekomendasi Pembelian Laptop”, akan tetapi aplikasi yang dibuat belum berbasis web. Variabel fuzzy yang digunakan dalam sistem ini adalah harga, processor, hardisk, memory, lcd dan berat. Kebutuhan input pada sistem ini digolongkan menjadi dua bagian input, yaitu input fuzzy dan input non fuzzy. Terdiri dari data spesifikasi laptop yang menyangkut harga, processor, hardisk, memory, lcd dan berat. Sedangkat input non fuzzy terdiri dari data spesifikasi laptop yang menyangkut merk dan kecocokan antara spesifikasi satu dengan yang lain.

Hasil output dari sistem berupa rekomendasi spesifikasi laptop yang sesuai dengan kriteria yang diinginkan customer (Abdul Gani, 2012).

7