BAB IPENDAHULUAN

Latar BelakangDewasa ini perkembangan teknologi informasi sudah sedemikian pesat. Perkembangan yang pesat tidak hanya teknologi perangkat keras dan perangkat lunak saja, tetapi metode komputasi juga ikut berkembang. Salah satu metode komputasi yang cukup berkembang saat ini adalah metode sistem pengambilan keputusan (DecisionsSupport System). Dalam teknologi informasi, sistem pengambilan keputusanmerupakan cabang ilmu yang letaknya diantara sistem informasi dan sistem cerdas.Sistem pengambilan keputusan juga membutuhkan teknologi informasi, hal ini dikarenakan adanya era globalisasi, yang menuntut sebuahperusahaanuntuk bergerak cepat dalam mengambil suatu keputusan dan tindakan. Dengan mengacu kepada solusi yang diberikan oleh metodeFuzzy Tsukamotodalam membantu membuat keputusan.Salah satunya pengambilan keputusan dalam memberikan imbalan yang setimpal untuk pelayan yang memberikan pelayanan tepat waktu sesuai keinginan pelangganpada sebuah restoran.

Rumusan MasalahanBagaimana membuat suatu Sistem Pendukung Keputusan dengan Parameter Metode Fuzzy Tsukamoto

TujuanTujuan dari penulisan ini adalahmerancang dan membangun aplikasi sistem pendukungkeputusan pemberian tips di restoran dengan menggunakan metodeFuzzy Tsukamoto

BAB IIISI

Pengertian Sistem Pendukung KeputusanKonsepSistemPendukung Keputusan (SPK) / Decision Support Sistem (DSS)pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilahManagement Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur.Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan.

Pengertian MetodeFuzzyAda beberapa hal yang perlu diketahui dalam memahamimetodefuzzy, yaitu:Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: umur, temperatur, permintaan, dsb.Himpunan fuzzy. Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan riil yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya.Domain himpunan samar adalah keseluruhan nilai yang di ijinkan dalam semesta pembicaraan, domain merupakan himpunan bilangan riil yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun bilangan negatif.

MetodeFuzzy TsukamotoPada metode penarikan kesimpulan samar Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan samar dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil penarikan kesimpulan (inference) dari tiap-tiap aturan diberikan secara tegas (cnsp) berdasarkan-predikat (fire strength). Hasil akhir diperoleh dengan menggunakan rata-rata berbobot (weight average).

Fungsi KeanggotaanDalam himpunanfuzzy terdapat beberapa representasi dari fungsikeanggotaan, salah satunya yaitu representasi linear. Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus.

Representasi linear NAIK

Representasi linear TURUN

Konjungsifuzzy AB= A(x) B(y)= min(A(x), B(y))Disjungsifuzzy AB= A(x)B(y)= max(A(x), B(y))

Pada metodeTsukamoto, implikasi setiap aturan berbentuk implikasiSebab-Akibat/Implikasi Input-OutputContohMisalkan ada 2 variabel input, Var-1 (x) dan Var-2(x), serta variabel output,Var-3(z), dimana Var-1 terbagi atas 2 himpunan yaitu A1 dan A2. Var-2 terbagi atas 2 himpunan B1 dan B2, Var-3 juga terbagi atas 2 himpunan yaitu C1 dan C2(C1 dan C2 harus monoton). Ada 2 aturan yang digunakan, yaitu:[R1] IF (x is A1) and (y is B2) THEN (z is C1)[R2] IF (x is A2) and (y is B1) THEN (z is C2)

Contoh KasusAnda sedangmakandi sebuah restoran. Ada seorang pelayan yang melayani anda mulai darimenyambut kedatangan, menulis menu yang anda pesan, mengantar makanan, sampaimenyajikan makanan.Anda akan memberikantipsberdasarkan kualitas pelayanan yang anda rasakan. Faktor-faktor yang mempengaruhipenilaiananda adalah nilaipembayaranmakanan yang anda pesan dandurasimenunggu pesanan. Diketahui dalam restoran tadi bahwapembayaranmakanan yang dibeli, terendah adalah rp 50.000,- dan tertinggi 1.550.000,- untuk sekali kedatangan. Sedangkahlamanyamenunggu pesanan datang tercepat adalah 1 menit dan terlama 16 menit. Sedangkan tips yang biasanya anda berikan berkisar mulai rp. 10.000,- sampai rp. 30.000,-.Jika suatu saat, anda makan di restoran tersebut, nilaipembayaranmakanan yang anda pesan adalah rp. 600.000,-danlamanyaanda menunggu makanan yang anda pesan adalah 12 menit. Berapakah tips yang akan anda berikan ?TabelData maksimum dan Data minimumData Jumlah SatuanPembayaran Tertinggi1.550.000

Pembayaran Terendah50.000

Pelayanan Tercepat1

Pelayanan Terlama16

Tips Terrendah10.000

Tips Terbanyak30.000

Penyelesaiana.Memodelkan variabelfuzzy(Fuzzifikasi)Ada 3 variabelfuzzyyang akan dimodelkan, yaitu: Pembayaran, Pelayanan, dan Tips.1.Pembayaran; terdiri dari 2 himpunanfuzzy, yaitu RENDAH dan TINGGI. Fungsi keanggotaan Permintaan direpresentasikan pada Gambar.

Fungsi Keanggotaan Himpunan Rendah, dan Tinggi dari variabelPembayaran:

Nilai keanggotaan himpunan Rendah, dan Tinggi dari variabel Pembayaran bisa dicari dengan:

PembayaranRendah[600.000] = (1.550.000-600.000)/1.500.000 = 0,6333 PembayaranTinggi[600.000] = (600.000-50.000)/1.500.000 = 0,3667

2. Pelayanan; terdiri dari 2 himpunanfuzzy, yaitu CEPAT dan LAMA. Fungsi keanggotaan Pelayanan direpresentasikan pada Gambar.

Fungsi Keanggotaan Himpunan Cepat, dan Lama dari variabelPelayanan:

Nilai keanggotaan himpunan Cepat, dan Lama dari variabelPelayanan bisa dicari dengan:PelayananCepat[12] = (16-12)/15 = 0,267PelayananLama[12] = (12-1)/15 =0,733

3. TIPS; terdiri dari 2 himpunanfuzzy, yaitu Rendah dan Banyak. Fungsi keanggotaan Permintaan direpresentasikan pada Gambar.

Fungsi Keanggotaan Himpunan Rendah, dan Banyak dari variabelTips:

a.INFERENSI[R1] IF Pembayaran Rendah And Pelayanan Lama THEN Tips Rendah;Nilai keanggotaan anteseden untuk aturan fuzzy [R1] yang dinotasikandengan 1 diperoleh dengan rumus sebagai berikut:1 = PembayaranRendahPelayananLama= min(PembayaranRendah [600.000], PelayananLama [12])= min (0,633, 0,733)= 0.6333

z1=zmax 1(zmax zmin)(3.11)z1adalah nilai z untuk aturanfuzzy[R1].Menurut fungsi keanggotaan himpunan Tips Rendah dalam aturan fuzzy [R1], maka nilai z1 adalah:z1=30.000-0,633(30.000-10.000)z1=30.00012660 z1 =17.340

[R2] IF Pembayaran Rendah And Pelayanan Cepat THEN Tips Rendah;Nilai keanggotaan anteseden untuk aturan fuzzy [R2] yang dinotasikandengan 1 diperoleh dengan rumus sebagai berikut:2 = PembayaranRendahPelayananCepat= min(PembayaranRendah [600.000], PelayananCepat [12])= min (0,633, 0,267)= 0.267

Z2=zmax 2(zmax zmin)z1adalah nilai z untuk aturanfuzzy[R2].Menurut fungsi keanggotaan himpunan Tips Rendah dalam aturan fuzzy [R2], maka nilai z2 adalah:Z2=30.000-0,267 (30.000-10.000)z2=30.0005340z2=24660

[R3] IF Pembayaran Tinggi And Pelayanan Lama THEN Tips Banyak;Nilai keanggotaan anteseden untuk aturan fuzzy [R3] yang dinotasikandengan 3 diperoleh dengan rumus sebagai berikut:3 = PembayaranTinggiPelayananLama= min(PembayaranTinggi [600.000], PelayananLama [12])= min (0,367, 0,733)= 0.367

z3=zmax 3(zmax zmin)z3adalah nilai z untuk aturanfuzzy[R3].Menurut fungsi keanggotaan himpunan Tips Banyak dalam aturan fuzzy [R3], maka nilai z3 adalah:z3=30.000-0,367 (30.000-10.000)z3=30.0007340z3=22660

[R4] IF Pembayaran Tinggi And Pelayanan Cepat THEN Tips Banyak;Nilai keanggotaan anteseden untuk aturan fuzzy [R3] yang dinotasikandengan 3 diperoleh dengan rumus sebagai berikut:4 = PembayaranTinggiPelayananLama= min(PembayaranTinggi [600.000], PelayananCepat[12])= min (0,367, 0,267)= 0.267

z4=zmax 4(zmax zmin)z4adalah nilai z untuk aturanfuzzy[R3].Menurut fungsi keanggotaan himpunan Tips Banyak dalam aturan fuzzy [R3], maka nilai z3 adalah:z4=30.000-0,267 (30.000-10.000)z4=30.0005340z4=24660

b.Menentukan Output Crisp (Deffuzzyfikasi)Pada metodeTsukamoto,untuk menentukan outputcrispdigunakan defuzifikasi rata-rata terpusat, yaitu:

BAB IIIPENUTUP

Kesimpulan yang dapat diambil adalah sebagai berikut:Dengan mengacu kepada solusi yang diberikan oleh metode Fuzzy Tsukamoto dalam membantu membuat keputusan. Salah satunya pengambilan keputusan dalam memberikan imbalan yang setimpal untuk pelayan yang memberikan pelayanan tepat waktu sesuai keinginan pelanggan pada sebuah restoran. Menentukan perkiraan besaran tips yang diberikan kepada pelayan restoran bisa dilakukan secara mudah dan tepat sesuai dengan pelayanan yang diberikan menggunakan Metode Fuzzy Tsukamoto.