sistem pendukung keputusan untuk penanganan … · 2019. 7. 16. · menggunakan penalaran fuzzy...
TRANSCRIPT
SISTEM PENDUKUNG KEPUTUSAN UNTUK PENANGANAN
KESEHATAN BALITA MENGGUNAKAN LOGIKA FUZZY TAHANI
BERBASIS WEB
Artikel Ilmiah
Diajukan Kepada
Fakultas Teknologi Informasi
Untuk Memeperoleh Gelar Serjana Komputer
Oleh:
YEPI APRIANUS PAHNAEL
NIM : 672014184
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
2018
1. Pendahuluan
Lembaga-lembaga Negara dalam bidang kesehatan dapat diperhatikan banyaknya
kasus gizi buruk balita dan kasus kematian bayi yang disebabkan oleh beberapa faktor, baik klinis maupun non-klinis[1]. Salah satu contoh penyebab nonklinis seperti catatan medik yang kurang lengkap, pelayanan yang tidak maksimal, dan standar protokol
klinis yang tidak dipatuhi. Adapun contoh lain yang cukup disayangkan adalah Kartu Menuju Sehat (KMS) yang fungsinya sebagai acuan untuk pemantuan tumbuh
kembang balita yang ternyata dalam penggunaanya tidak optimal, sehingga muncul beberapa kasus mengenai gizi buruk karena kesehatan balita yang tidak terpantau. Akibat kinerja yang tidak optimal tersebut maka data informasi mengenai tumbuh
kembang balita akan tidak akurat, sehingga penanganan kasus yang terjadi akan mengalami keterlambatan bagi instansi-instansi yang terkait. Buruknya penanganan
kasus yang dialami oleh balita akan mengkhawatirkan kualitas sumber daya manusia generasi penerus yang akan datang.
Kekhawatiran tersebut merupakan dasar dari pembuatan Sistem Pendukung
Keputusan Penanganan Kesehatan Balita Berbasis Web ini, karena dampaknya dapat dikatakan sangat penting untuk penentu kualitas SDM generasi penerus bangsa
Indonesia. Pada paper “Sistem Pendukung Keputusan Penanganan Kesehatan Balita Menggunakan Penalaran Fuzzy Mamdani” menyatakan bahwa Sistem Pendukung Keputuasan merupakan salah satu jenis sistem yang bertujuan untuk menyediakan
informasi, membimbing, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik, dalam hal
ini dapat memudahkan pihak yang terkait diantaranya rumah sakit atau puskesmas, pemerintah dan orang tua cepat mengambil keputusan yang tepat dalam penganganan kesehatan balita.
Paper tersebut menggunakan metode Fuzzy Mamdani, dengan tujuan membuat sistem dengan ketelitian yang tinggi. Sedangkan pada penelitian ini menggunakan
metode Fuzzy Tahani karena fuzzy database model tahani mampu menangani data dari proses query yang bersifat samar dari kriteria-kriteria yang merupakan inputan user. Logika Fuzzy model tahani tergolong dalam fuzzy database yang menggunakan relasi
standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada query-nya[2]. Fuzzy database model tahani merupakan database yang
mampu memetakan suatu input data yang bersifat angka (crisp) menjadi data linguistik (samar), hal tersebut akan memudahkan pihak yang terkait dalam memantau tumbuh kembang balita karena tidak perlu mengetahui ukuran/ nilai dari kriteria kesehatan
secara pasti. Berdasarkan latar belakang yang ada di atas maka dilakukan penelitian yang
bertujuan untuk merancang aplikasi dengan berbasis website sebagai sistem pendukung keputusan penanganan kesehatan balita menggunakan metode Fuzzy Tahani.
2. Tinjauan Pustaka
Pada penelitian yang berjudul “Pengembangan Sistem Pendukung Keputusan
Berbasis Android untuk Penentuan Daerah Wisata Di Bali Dengan Menggunakan Metode Fuzzy Tahani” membahas tentang bagaimana mengembangkan aplikasi mobile
menggunakan metode Fuzzy tahani sebagai metode sistem pendukung keputusannya. Alur proses pengolahan data pada sistem dijelaskan secara rinci menggunakan Data
Flow Diagram (DFD). DFD dipergunakan karena sangat memudahkan dalam memahami alur sistem secara logika, terstruktur dan logis. Aplikasi pendukung
keputusan ini dapat diakses menggunakan smartphone android. Wisatawan dapat memilih tiga kriteria yaitu jarak tempuh, biaya, dan waktu berkunjung. Hasilnya wisatawan akan diberikan pilihan objek wisata yang dapat dikunjungi berdasarkan
pilihan ketiga kriteria yang sudah dipilih. Hasil yang dikeluarkan tersebut berdasarkan perhitungan menggunakan metode fuzzy tahani[3]. Penelitian ini memiliki persamaan
dalam penggunaan logika Fuzzy, yaitu sama – sama menggunakan logika fuzzy Tahani dalam perancangannya, namun juga memiliki perbedaan dalam hal proses pembuatan dan mengimplementasikannya, penelitian terdahulu proses pengimplementasiannya
pada device atau media berbasis android sedangkan penelitian ini berbasis web, sehingga akan dapat diakses di mana saja dan kapanpun itu waktunya asalkan
terhubung dengan koneksi internet.
Penelitian serupa menggunakan logika Fuzzy dengan judul “Sistem Penunjang keputusan pemberian kredit menggunakan logika Fuzzy” membahas tentang bagaimana mengatasi masalah keterbatasan kapasitas bank dalam menangani kredit dan bagaimana
cara menyeleksi calon nasabah pinjaman agar kredibilitas bank tetap terjaga menjadi suatu tantangan perbankan dalam melakukan proses peningkatan dan perbaikan.
Pemanfaatan Sistem Penunjang Keputusan ini dapat membantu approval atau pejabat yang bersangkutan dalam melakukan putusan permohonan kredit dengan kemudahan dan waktu yang relatif cepat dan mengurangi resiko kredit berdasarkan bobot yang
sudah ditentukan dengan menggunakan metode fuzzy. Metode penelitian menggunakan metode SDLC, dengan pemanfaatan metode fuzzy menggunakan variabel penghasilan,
pengeluaran serta variabel angsuran, pada tahapan kesimpulan mendapatkan nilai angsuran yang layak pada setiap nasabah[4]. Penelitian ini memiliki kesamaan yaitu sama – sama menganlisa tentang bagaimana pengambilan keputusan dengan
menggunakan logika Fuzzy namun juga memilki perbedaan pada metode yang di gunakan yaitu penelitian terdahulu menggunakan logika fuzzy secara umum sedangkan
penelitian ini menggunakan logika fuzzy yang lebih spesifik lagi yaitu Fuzzy tahani.
Pada penelitian dengan judul “Sistem pendukung keputusan untuk memantau perkembangan balita berbasis web” membahas tentang bagaimana merancang sistem pendukung keputusan perkembangan balita yang bertujuan untuk memudahkan tenaga
medis dalam menentukan/mengambil keputusan terkait perkembangan balita dan memudahkan pihak instansi kesehatan (puskesmas) dalam memantau perkembangan
balita dalam satu wilayah. Metode perancangan sistem yang digunakan adalah metode waterfall yaitu metode yang menggunakan pendekatan secara sistematis dan urut mulai dari level mendefinisikan kebutuhan sistem sampai maintenance.Metode yang
digunakan dalam menentukan suatu perkembangan balita adalah metode AHP (Analytical Hierarchy Process) adalah suatu metode pengambilan keputusan dengan
multiple criteria, yaitu model AHP merupakan suatu model pengambilan keputusan yang komprehensif. Prioritas yang diambil untuk menentukan status perkembangan yaitu nilai jawaban benar ½ dari jumlah pertanyaan, sehingga status perkembangan
ditentukan berdasarkan pernyataan / pertanyaan. Berdasarkan hasil dari uji sistem,
tenaga medis dapat dengan mudah menentukan perkembangan balita karena adanya bantuan dari sistem dalam menentukan status perkembangan balita disamping itu juga
instansi kesehatan terkait (puskesmas) dapat memonitoring perkembangan balita dalam suatu wilayah dengan mudah[5].Penelitian terdahulu memiliki persamaan dengan
penelitian ini yaitu sama – sama menganalisa pengambilan keputusan menggunakan logika Fuzzy berbasis web. Akan tetapi kedua penelitian ini juga memiliki perbedaan dalam hal metode perancangan sistem yaitu pada penelitian terdahulu menggunakan
metode waterfall dan AHP (Analytical Hierarchy Process) sedangkan pada penelitian ini menggunakan UML (Unified Modelling Language) dalam perancangan sistem.
Mengacu pada penelitian-penelitian terdahulu terkait penggunaan logika fuzzy
dan penggunaan website dalam sistem pendukung keputusan, maka di lakukan penelitian yang dengan judul “Sistem Pendukung Keputusan Untuk Penanganan Kesehatan Balita Menggunakan Logika Fuzzy Tahani Berbasis Web” yang membahas
tentang sistem pendukung keputusan berbasis web untuk penanganan kesehatan balita menggunakan metode Fuzzy. Aplikasi yang dibangun, diharapkan dapat memberikan
informasi akurat tentang penentuan status gizi balita,baik itu Gizi buruk maupun baik.
3. Tahapan Penelitian
Pada penelitian ini menggunakan beberapa tahapan penelitian sebagai berikut, yaitu : (1) Identifikasi masalah, (2) Pengumpulan data (3) Analisis, (4) Perancangan
sistem, (5) Implementasi sistem, (6) Pengujian sistem dan yang terakhir adalah melakukan penulisan laporan hasil laporan penelitian. Tahapan penelitian yang digunakan dalam pembuatan aplikasi sistem pendukung keputusan untuk penanganan
kesehatan balita menggunakan logika fuzzy tahani dapat dilihat pada gambar 1.
Gambar 1.Tahapan Penelitian
Identifikasi Masalah
Pengumpulan Data
Analisis
Perancangan Sistem
Implementasi Sistem
Pengujian Sistem
Penulisan Laporan Hasil Penelitian
(Jurnal)
Tahapan penelitian pada gambar 1, dapat dijelaskan sebagai berikut: Identifikasi masalah, pada tahap ini dilakukan identifikasi terhadap permasalahan yang ada terkait
prosedur dalam kesehatan balita maupun permasalahan yang terkait dengan proses perancangan SPK berbasis website. Tahap pengumpulan data yang terbagi menjadi dua
bagian, yaitu :
1. Pustaka: Mencari literatur yang berkaitan dengan penelitian dengan mengacu pada buku dan internet. Adapun literatur yang dipelajari berupa sistem pakar dalam hal ini logika fuzzy, sistem pengambilan keputusan, PHP
MySql dan kesehatan balita. 2. Survei : Mencari data data yang berkaitan dengan kesehatan balita.
Analisa dan Perancangan Sistem : Setelah memperoleh sejumlah fakta dan data terkait permasalahan kesehatan balita dan mengetahui proses pembuatan website, berikutnya adalah membuat perancangan sistem berupa UML dan database,
perancangan sistem menggunakan PHP MySql sehingga menghasilkan sebuah prototype. Implementasi dan pengujian sistem, pada tahap ini dilakukan
pengimplementasian sistem dengan mengacu pada perancangan aplikasi.Implementasi di lakukan dengan menggunakan bahasa pemrograman PHP dengan software Notepad++. Pada pembuatan database sistem pendukung keputusan, digunakan
Database Management System (DBMS) MySQL dengan software wamp server. Pengujian sistem dilakukan dengan cara menjalankan website yang telah dibuat melalui
perhitungan akurasi kinerja efektivitas penggunaan sistem pendukung keputusan bila dibandingkan dengan sistem manual. Pengambilan kesimpulan dilakukan setelah dilakukan proses pengujian sistem pendukung keputusan sehingga dapat diketahui
kinerja efektifitas yang diberikan apakah sudah sesuai dengan konsep penanganan kesehatan balita berbasis website yang akurat dan efektif. Tahap akhir dari penelitian
ini adalah membuat laporan penelitian dari awal sampai akhir dalam bentuk tulisan yang akan dijadikan sebagai laporan penelitian.
Diagram use case merupakan salah satu model UML yang digunakan untuk
mendeskripsikan kebutuhan-kebutuhan dan fungsionalitas dari sebuah sistem dari prespektif end user dan menunjukan aktifitas-aktifitas yang dilakukan oleh aktor-aktor
yang terlibat dengan perangkat lunak yang di bangun beserta proses-proses yang ada di dalamnya[6].
Activity Diagram adalah salah satu cara untuk memodelkan event-event yang
terjadi dalam suatu Use Case. Activity Diagram juga merupakan bentuk flow diagram yang memodelkan alur kerja (workflow) sebuah proses bisnis dan urutan aktivitas
sebuah proses. Aktivitas login menjaga agar sistem tetap aman dari pihak-pihak yang tidak
memiliki hak akses terhadap sistem. Dengan kata lain login menjadi kunci untuk dapat
masuk dan menjalankan sistem. Gambar 3 menunjukan activity diagram login.
Gambar 2. Activity Diagram Login
Activity Diagram menjelaskan aktivitas yang dilakukan sistem. Setelah user berhasil login maka sistem akan terjalankan. User memilih menu SPK Kesehatan Balita kemudian sistem akan menampilkan form inputan yang digunakan untuk memasukan
data kesehatan Balita termasuk form SPK. Setelah inputan selesai, user dapat mengklik tombol simpan dan sistem akan melakukan perhitungan secara otomatis, hingga hasil
keputusan ditampilkan. Gambar 4 menunjukan Activity Diagram menu SPK Kesehatan Balita.
Gambar 3. Activity Diagram Menu SPK Kesehatan Balita
User memilih menu panduan kemudian sistem akan menampilkan isi dari menu
panduan. Gambar 5 menunjukan activity diagram menu panduan.
Gambar 4. Activity Diagram Menu Panduan
Sequence diagram mendeskripsikan bagaimana entitas dalam sistem berinteraksi, termasuk pesan yang digunakan saat interaksi. Semua pesan dideskripsikan dalam
urutan dari eksekusi. Sequence diagram berhubungan erat dengan Use Case diagram, dimana 1 Use Case akan menjadi 1 Sequence Diagram Proses yang terjadi pada saat
login adalah aktor memasukan username dan password untuk mengaktifkan menu utama selanjutnya sistem menjalankan perintah login dan melaksanakan validasi username dan password. Jika login valid maka sistem akan menu utama. Sequence
Diagram login ditunjukan pada Gambar 5.
Gambar 5. Sequence Diagram Login
Gambar 6 menunjukan sequence diagram menu SPK Kesehatan Balita. Pada proses ini pengguna (user) dapat menginput data balita kemudian akan di proses oleh sistem sehingga menghasilkan output berupa Keputusan.
Gambar 6. Sequence Diagram menu SPK Kesehatan Balita
Sequence Diagram Menu Panduan, pada proses ini pengguna dapat melihat
beberapa panduan tentang penggunaan aplikasi. Gambar 7 menunjukan sequence diagram menu Panduan.
Gambar 7. Sequence Diagram Menu Panduan
Class diagram menggambarkan struktur sistem dari segi pendefinisian kelas-kelas yang akan dibuat untuk membangun sebuah sistem. Gambar 8 menunjukan class
diagram pada aplikasi sistem pendukung keputusan penanganan kesehatan pada balita.
Gambar 8. Class Diagram.
4. Pembahasan
Sistem pendukung keputusan penanganan kesehatan balita menggunakan logika
fuzzy tahani ini digunakan untuk mendapatkan rekomendasi penanganan kesehatan
balita berdasarkan kesesuaian input pengguna. Sistem ini menggunakan penalaran
linguistik sebagai input sistem rekomendasi, sehingga akan lebih mudah untuk
digunakan sebagai parameter penilaian. Penggunaan logika fuzzy model tahani sebagai
metode pada sistem ini, maka di harapkan dapat menyelesaikan permasalahan yang
relatif dalam kasus penanganan kesehatan balita dimana melalui metode ini,maka hasil
keluaran yang didapatkan memiliki nilai kelenturan terhadap grafik fungsi keanggotaan
dari himpunan fuzzy setiap variabel.
Pada penelitian ini dihasilkan sebuah sistem berbasis web yang dijalankan dengan
browser. Keuntungan yang diperoleh ketika sistem dibangun berbasis web adalah
dihasilkannya web yang lebih dinamis dan karena teknologi server side scripting yang
dimiliki oleh PHP, server side scripting adalah teknologi scripting dimana script
pemrograman dikompilasi di server. PHP juga mampu berkomunikasi dengan berbagai
macam database yang ditampilkan dalam data yang bersifat dinamis, data yang
diperoleh dari database ditampilkan dihalaman web sehingga tepat untuk pembangunan
halaman web yang dinamis. Sebagai sistem pendukung keputusan, tentu hasil sistem
berupa alternatif, dimana alternatif ini tidak mengikat keputusan pengguna (user)
walaupun data yang di tampilkan sudah valid berdasarkan sistem. Dalam SPK, pembuat
keputusan atau decision maker bebas dalam menentukan keputusan yang diambil,
namun peran SPK sebagai penunjang keputusan yang diharapkan dapat dijadikan
pertimbangan dalam mengambil sebuah keputusan.
Pemodelan Kriteria
Pada perancangan fungsi keanggotaan terdapat 3 grafik fungsi keanggotaan pada vaariabel fuzzy yang digunakan, yakni umur, tinggi badan dan bobot (berat badan). Setiap variabel fuzzy menggunakan representasi kurva bahu dan segitiga pada grafik
fungsi keanggotaannya. Fungsi keanggotaan pada aplikasi ini bersifat dinamis (dapat berubah menyesuaikan konfigurasi batas nilai pengguna).
1. Umur
Variabel umur dikategorikan dalam bentuk kelompok himpunan : RENDAH, SEDANG, dan TINGGI.
Gambar 9. Grafik Fungsi Keanggotaan Variabel Umur
Gambar 9 menunjukan bahwa ada 3 kategori dalam variabel umur, yaitu
rendah, sedang dan tinggi. Kategori umur rendah menggunakan representasi linear menurun, garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi
pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah atau dengan kata lain menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu. Kategori umur sedang menggunakan representasi
kurva atau pendekatan fungsi keanggotaan yang berbentuk segitiga, sedangkan yang terakhir kategori umur tinggi menggunakan representasi linear menaik.
Fungsi Keanggotaan: µRENDAH[X] = 1, x≤20
30-x/10, 20≤x≤30
0, x≥30
µSEDANG[X] = 0, x≤20
x-20/10, 20≤x≤30
1, x=30
40-x/10, 30≤x≤40
µTINGGI[X] = 0, x≤30
x-30/10, 30≤x≤40
1, x≥40
2. Panjang Badan. Variabel panjang badan dikategorikan dalam bentuk kelompok himpunan : RENDAH, SEDANG, dan TINGGI.
Gambar 10.Grafik Fungsi Keanggotaan Variabel Panjang Badan.
Gambar 10 menunjukan bahwa ada 3 kategori dalam variabel panjang badan,
yaitu rendah, sedang dan tinggi. Kategori panjang badan rendah menggunakan representasi linear menurun, garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain
yang memiliki derajat keanggotaan lebih rendah atau dengan kata lain menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu. Kategori
panjang badan sedang menggunakan representasi kurva atau pendekatan fungsi keanggotaan yang berbentuk segitiga, sedangkan yang terakhir kategori panjang badan tinggi menggunakan representasi linear menaik.
Fungsi Keanggotaan:
µRENDAH[X] = 1, x≤49
75-x/26, 49≤x≤75
0, x≥75
µSEDANG[X]= 0, x≤49
x-49/26, 49≤x≤75
1 x= 75
101-x/26, 75≤x≤101
µTINGGI[X] = 0, x≤75
x-75/26, 75≤x≤101
1, x≥101
3. Bobot. Variabel bobot dikategorikan dalam bentuk kelompok himpunan : RINGAN, BIASA dan BERAT.
Gambar 11. Grafik Fungsi Keanggotaan Variabel Bobot.
Gambar 11 menunjukan bahwa ada 3 kategori dalam variabel bobot, yaitu
ringan, biasa dan berat. Kategori bobot ringan menggunakan representasi linear menurun, garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki
derajat keanggotaan lebih rendah atau dengan kata lain menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu. Kategori bobot biasa menggunakan
representasi kurva atau pendekatan fungsi keanggotaan yang berbentuk segitiga, sedangkan yang terakhir kategori bobot berat menggunakan representasi linear menaik.
Fungsi Keanggotaan:
µRINGAN[X] = 1, x≤7
13-x/6, 7≤x≤13
0, x≥13
µBIASA[X] = 0, x≤7
x-7/5, 7≤x≤13
1; x= 13
19-x/6, 13≤x≤19
µBERAT[X] = 0, x≤13
x-13/6, 13≤x≤19
1, x≥19
Berdasarkan penelitian yang dilakukan maka pembangunan sistem berbasis web
dapat diterapkan untuk sistem pendukung keputusan penanganan kesehatan balita menggunakan logika fuzzy Tahani. Hasil dan pembahasan dapat dijelaskan sebagai
berikut.
Gambar 12. Halaman Utama (home).
Gambar 12 menunjukan halaman utama sistem ketika pertama kali diakses,
dimana terdapat empat menu utama yang terdapat pada tampilan home, yaitu Home Page, SPK Balita, Panduan dan Menu Hubungi Kami. Untuk melakukan proses pengambilan keputusan maka user harus memilih Menu SPK Balita.
Gambar 13.Halaman Menu Data Balita.
Gambar 13 Menunjukan semua data balita ketika user memilih menu SPK Balita. Adapun data balita akan disajikan dalam bentuk tabel seperti yang terlihat pada
gambar 14. Pada tampilan seperti gambar 14, jika user ingin menambahkan data balita maka tinggal mengklik button Tambah Data Balita sehingga akan menampilkan form Balita seperti gambar 15 dibawah ini.
Gambar 14.Form Balita.
Gambar 14 merupakan tampilan Form Balita yang digunakan untuk menginputkan data balita. Didalam form balita terdapat tombol Simpan yang di
gunakan untuk menyimpan data yang diinputkan ke dalam tabel data balita. Pada sistem , user juga dapat melakukan pengaturan nilai domain fuzzy dari setiap variabel yang ada dengan cara memilih Menu Setting. Tampilan menu setting dapat di tunjukan
pada Tabel 1.
Tabel 1. Tampilan Menu Setting
No Nama Variabel Aksi
1 Umur Lihat Himpunan Fuzzy
2 Tinggi Badan Lihat Himpunan Fuzzy
3 Bobot Lihat Himpunan Fuzzy
Berdasarkan tabel 1 menunjukan tampilan menu setting. Menu setting digunakan untuk mengatur konfigurasi batas nilai domain fuzzy dari setiap variabel yang di pakai
untuk proses pengambilan keputusan yang terdiri dari tiga variabel yaitu Umur, Tinggi Badan dan Bobot. Setelah semua nilai domain fuzzy dari setiap variabel disetting maka selanjutnya sistem akan menampilkan tabel yang berisi derajat keanggotaan dari setiap
variabel yang dapat dilihat pada tabel 2.
Tabel 2. Derajat Keanggotaan Variabel Umur
ID Nama Jenis
Kelamin
Umur(x) Tinggi
Badan(y
)
Bobot(
z)
Derajat
Keanggotaan(µ[x])
Rendah Sedang Tinggi
3 Lukas Laki –
Laki
54 65 55 0,00 0,00 0,80
4 Yepi Laki –
Laki
20 30 50 0,67 0,67 0,00
Tabel 2 merupakan tabel yang berisi derajat keanggotaan berdasarkan variabel umur. Penentuan derajat keanggotaan berdasarkan proses fuzzifikasi terhadap nilai
yang diinputkan oleh user. Source code penentuan derajat keanggotaan untuk semua variabel sama, yang
membedakan adalah function-nya saja karena terdapat tiga variabel, sehingga terdapat
tiga function yaitu function derajat_keanggotaan, derajat_keanggotaan1 dan derajat_keanggotaan11. Berikut ini adalah source code menentukan derajat
keanggotaan variabel umur.
Kode Program 1. Controller Penentuan Fungsi Keanggotaan.
function derajat_keanggotaan($nilai, $bawah, $tengah, $atas)
{
$selisih=$atas-$bawah;
if($nilai<$bawah)
{
$DA=0;
}
elseif(($nilai>=$bawah) && ($nilai<=$tengah))
{
if($bawah<=0)
{
$DA=1;
}
else
{
$DA=($nilai-$bawah) / ($tengah-$bawah);
}
}
elseif(($nilai>$tengah) && ($nilai<=$atas))
{
$DA=($atas-$nilai) / ($atas-$tengah);
}
elseif($nilai>$atas)
{
$DA=0;
}
return $DA; }
Tampilan sistem selanjutnya yaitu tampilan tabel derajat keanggotaan Variabel
Tinggi Badan yang dapat dilihat pada tabel 3. Tabel 3. Tampilan Derajat Keanggotaan Variabel Tinggi Badan.
ID Nam
a
Jenis
Kelamin
Umur(x
)
Tinggi
Badan(y)
Bobot(z) Derajat
Keanggotaan(µ[z])
Rendah Sedang Tinggi
3 Lukas Laki - Laki 54 65 55 0,14 0,60 0,00
4 Yepi Laki - Laki 20 30 50 1,00 0,00 0,00
Tabel 3 menunjukan tabel derajat keanggotaan berdasarkan variabel tinggi badan
dan tabel derajat keanggotaan berdasarkan variabel bobot dapat dilihat pada tabel berikut ini.
Tabel 4. Tampilan Derajat Keanggotaan Variabel Bobot
ID Nama Jenis
Kelamin
Umur(x
)
Tinggi
Badan(y)
Bobot(z) Derajat
Keanggotaan(µ[x])
Rendah Sedang Tinggi
3 Lukas Laki -
Laki
54 65 55 0,00 0,75 0,00
4 Yepi Laki -
Laki
20 30 50 0,00 1,00 0,00
Kemudian user juga dapat melihat detail hasil dari setiap parameter atau variabel
serta nilai gizi dari balita akan diketahui perhitungannya. Tabel 5. Detail Hasil
ID Nam
a
Jenis
Kelamin
Umur
(x)
Tinggi
Badan(y)
Bobot(z) Derajat Keanggotaan(µ[x])
Rendah Sedang Tinggi
3 Lukas Laki – Laki 54 65 55 0,00 0,00 0,00
4 Yepi Laki – Laki 20 30 50 0,67 0,67 0,00
Derajat Keanggotaan(µ[y]) Derajat Keanggotaan(µ[z]) µ[x] µ[y] µ[z]
Rendah Sedang Tinggi Rendah Sedang Tinggi
0,14 0,60 0,00 0,00 0,75 0,00 0,80 0,60 0,75
1,00 0,00 0,00 0,00 1,00 0,00 0,67 0,99 0,99
Z atau Fire Strenght Keterangan
0,72 OBESITAS
0,88 OBESITAS
Keterangan : µ[x] :Derajat Keanggotaam µ[x] bernilai paling tinggi
µ[y] : Derajat Keanggotaam µ[y] bernilai paling tinggi µ[z] : Derajat Keanggotaam µ[z] bernilai paling tinggi
Z atau Fire Strenght : (µ[x]+ µ[y]+ µ[z]) / 3 Pada tabel 5 ini menjabarkan hasil dari perhitungan sesuai rule yang telah
ditetapkan sebelumnya. Selain itu menampilkan derajat keanggotaan tiap variabel, mulai dari variabel umur, variabel panjang badan dan variabel bobot. Selain derajat
keanggotaan dari setiap variabel juga terdapat derajat keanggotaan keputusan status gizi pada tahap defuzzyfikasi. Berdasarkan hasil perhitungan fungsi masing – masing variabel dengan menggunakan fuzzy tahani mendapat hasil rekomendasi balita yang
layak mendapat penanganan kesehatan dengan cara menjumlahkan hasil atau derajat keanggotaaan yang paling tinggi dari semua variabel kriteria yang telah dijabarkan lalu
dibagi dengan jumlah variabel. Dalam kasus ini semua layak mendapat penanganan kesehatan karena keduanya memiliki nilai rekomendasi yang termasuk dalam balita berstatus gizi lebih dalam hal ini obesitas.
5. Kesimpulan dan Saran
Berdasarkan hasil analisis menunjukan bahwa dengan menggunakan metode logika fuzzy tahani ini dapat digunakan untuk membuat sistem pendukung keputusan
yang berfungsi dalam menentukan status gizi seorang balita dengan menggunakan kriteria umur, tinggi badan dan bobot (berat badan) yang mewakili tingkat kesehatan balita khususnya dalam bidang kesehatan sebagai data input fuzzy, sehingga dapat
memberikan rekomendasi bagi pihak medis untuk melakukan penanganan kesehatan balita berdasarkan status gizi tersebut. Dan sistem ini dapat dimanfaatkan oleh rumah
sakit atau klinik balita untuk memantau tumbuh kembang balita dengan mengetahui status gizi balita tersebut.
Penggunaan PHP yang juga aman dan didukung oleh bermacam-macam jenis
web browser untuk pembentukan sebuah sistem berdasarkan permintaan terkini. Koneksi query database yang sederhana juga dimiliki oleh PHP dan dapat dijalankan
pada platform berbasis windows ataupun unix. PHP juga didukung bahasa pemrograman open source yang dapat digunakan secara luas untuk pengembangannya dan dapat disimpan dalam format HTML (Hyper Text Mark up Languange) yang di
dalamnya tersedia banyak fitur tambahan serta didukung dengan beberapa support tool sehingga digunakan untuk melakukan penyeleksian dengan kriteria variabel kesehatan
balita yang sebelumnya telah diproses nilainya dengan menggunakan fuzzy tahani. Bagi pengembang program selanjutnya, penulis menyarankan untuk
menambahkan kriteria atau variabel lain agar hasil yang didapatkan nantinya lebih
mewakili dan akurat dalam menentukan status gizi balita. Selain itu menambah fitur penanganan dari keputusan yang telah dihasilkan oleh sistem sehingga orang tua dari
balita dapat mengetahui langkah apa saja yang harus dilakukan untuk menjaga kesehatan balita-nya.
Daftar Pustaka
[1] Ayuningtiyas, I.K, Saptono Fajar, Hidayat Taufik., 2012 Sistem Pendukung
Keputusan Penanganan Kesehatan Balita Menggunakan Penalaran Fuzzy
Mamdani. SNATI. Yogyakarta. Seminar Nasional Aplikasi Teknologi Informasi
2012 (SNATI 2012) Yogyakarta, 16 Juni 2012.
[2] Sutojo, T, Mulyanto, E & Suhartono,V.2011. Kecerdasan Buatan. Andi Offset
Yogyakarta.
[3] Sudyatmika, I.W, Aditya, Darmawiguna, I.G, Mahendra, Wirawan, I.M, Agus.
2015. Pengembangan Sistem Pendukung Keputusan Berbasis Android Untuk
Penentuan Daerah Tujuan Wisata Di Bali Menggunakan Metode Fuzzy Tahani.
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika)
Vol.IV No.4. (https://ejournal.undiksha.ac.id/index.php/KP/article/view/6515,
Diakses pada tanggal 5 Oktober 2017).
[4] Puspitarini Eldas, Kusrini, Lutfi, E.T. 2015. Sistem Penunjang Keputusan
Pemberian Kredit Menggunakan Logika Fuzzy. Konferensi Nasional Sistem &
Informatika 2015. STMIK, STIKOM Bali, 9 – 10 Oktober 2015.
(http://ejournal.stikom-bali.ac.id/index.php/knsi/article/view/502, Diakses pada
tanggal 5 Oktober 2017).
[5] Giwangkoro, dkk., 2011. Sistem Pendukung Keputusan Untuk Memantau
Perkembangan Balita Berbasis Web, Karya Ilmiah [Skripsi], Program studi
Teknik Informatika, Fakultas Ilmu Komunikasi dan Informatika,
UMS,Surakarta; hal 4-7. 2011. (http://eprints.ums.ac.id/16202/, Diakses tanggal
10 Oktober 2017).
[6] Susanti, M., 2016 Perencanaan Sistem Informasi Akademik berbasis Web Pada
SMK Pasar Minggu Jakarta. Jurnal Informatika, Vol.III No.1 April 2016 ISSN.