Jurnal Ilmu Komputer VOL. XIII No. 1

p-ISSN: 1979-5661

e-ISSN: 2622-321X

Rekomendasi Penentuan Harga Jual Untuk Warangka Keris Menggunakan Logika Fuzzy Mamdani

Rama Joko Pamungkas1, Hanny Haryanto2, Setia Astuti3, Erna Zuni Astuti4, Yuniarsi Rahayu5

Program Studi Teknik Informatika, Universitas Dian Nuswantoro Jalan Imam Bonjol 207 Semarang, Indonesia 1111201207323@mhs.dinus.ac.id

2hanny.haryanto@dsn.dinus.ac.id (Corresponding author) 1setia.astuti@mhs.dinus.ac.id 1erna.zuni.astuti@mhs.dinus.ac.id 1yuniarsi.rahayu@mhs.dinus.ac.id

Abstrak

Indonesia adalah negara yang kaya akan sumber daya alam dan keanekaragam budaya dan bahasa banyak diantaranya yang telah diakui UNESCO (United Nation Educational, Scientific and Cultural Organization). Salah satunya adalah keris yang telah ditetapkan sebagai Warisan Kemanusiaan Budaya Lisan dan Nonbendawi (Masterpieces of the oral and Intangible Heritage of humanity) sejak 25 November 2015. Karena itulah munculnya peluang usaha bagi masyarakat Indonesia untuk melakukan bisnis pusaka nusantara ini terutama dalam bidang warangka keris. Kendala mereka terdapat pada penetapan harga warangka keris. Banyak warangka keris yang memiliki harga yang tidak sesuai kualitasnya dan tidak sesuai dengan harga pasar. Oleh karena itu pembisnis baru banyak yang kalah bersaing dari orang yang telah mendirikan bisnis warangka keris sejak puluhan tahun. Karena itulah dibutuhkan sebuah sistem yang dapat menentukan harga jual warangka keris dengan menggunakan metode Logika Fuzzy Mamdani. Dengan adanya sistem ini dapat memberikan harga warangka keris sesuai dengan harga pasar. Hasil dari penelitian ini adalah menentukan harga jual warangka keris dengan selisih error MAE (Mean Absolute Error) sebesar Rp. 43.252,05.

Keywords: Fuzzy Mamdani, Harga, Penjualan, Warangka Keris

sederhana, sistem besar, multi-channel, system embedded, dan jaringan. Metode logika fuzzy juga dapat dikombinasikan ke dalam perangkat lunak (software), perangkat keras (hardware), dan dapat juga dikombinasikan kedua-duanya [2]. Metode yang digunakan dalam menerapkan penelitian ini adalah metode mamdani, metode ini lebih dikenal dengan metode Max-Min. Metode ini diperkenalkan oleh Ebrahin Mamdani pada tahun 1975. Dan untuk memperoleh output dari metode ini diperlukan 4 tahapan yaitu: menentukan himpunan fuzzy, amplikasi fungsi implikasi (aturan), komposisi aturan, dan penegasan.

Fuzzy telah banyak digunakan untuk menyelesaikan berbagai permasalahan. Diantaranya adalah [5] dalam jurnalnya yang membuat sistem pendukung keputusan beasiswa diklat dengan fuzzy MADM. Penelitian ini dilakukan dengan cara mencari nilai bobot, kemudian dilakukan proses perengkingan untuk menentukan alternatif yang diberikan. Dengan adanya penelitian ini diharapkan dapat mempercepat proses perangkingan serta mengurangi kesalahan dalam menentukan beasiswa dan membantu tim penyeleksi dalam menentukan penerimaan beasiswa. Kemudian [6] membahas tentang sistem yang digunakan untuk mendukung dalam mengambil keputusan menentukan parameter kelulusan perguruan tinggi. Parameter lulusan dapat dilihat dari strategis dan sudut pandang eksekutif dalam periode tertentu. Dalam institusi pendidikan, parameter lulusan menjadikan suatu faktor yang memberikan pengaruh besar terhadap kepercayaan masyarakat. Penelitian ini menggunakan konsep ELT, OLAP yang digunakan untuk menganalisis dan menentukan indeks KPI, setelah itu indeks KPI tersebut di analisis dengan menggunakan metode fuzzy model Tsukamoto untuk mengevaluasi lulusan. Penelitian oleh [7] membahas tentang produk yang paling banyak terjual di sebuah minimarket. Jumlah mie instan yang terjual ke konsumen setiap harinya tidak secara konstan, sehingga sering terjadinya ketidak sesuaian minimarket dalam membeli mie dari supplier, yang mengakibatkan sisa stok mie instan bisa terjadi kekurangan atau kelebihan. Dari sinilah penulis menemukan ide untuk memprediksi produk mie instan dengan metode takagi sugeno. Dengan adanya penelitian ini metode fuzzy takagi-sugeno dapat memprediksi pembelian mie instan dari sebuah minimarket, sehingga meminimalisir terjadinya kelebihan dan kekurangan mie instan. Penelitian ini terdapat selisih error MAPE sebesar 35,55%. Selanjutnya [8] membahas tentang Sistem Pendukung Keputusan untuk membantu konsumen dalam memilih smartphone. Penelitian ini membandingkan antara perhitungan secara manual dengan perhitungan secara system dan hasilnya tidak ada perbedaan secara manual maupun sistem. Penelitian yang juga menggunakan fuzzy adalah [1] untuk menentukan harga jual batik dengan fuzzy mamdani. Dari penelitian-penelitian tersebut didapatkan bahwa fuzzy tepat menangani suatu permasalahan yang memerlukan intuisi, seperti pada penentuan harga warangka keris.

Penelitian ini akan menerapkan Fuzzy Mamdani untuk membantu penentuan harga warangka keris. Ruang lingkup dan batasan dalam maksimal enam kriteria saja yaitu proses kualitas kayu, pelet, handle, stok, permintaan yang digunakan untuk menentukan harga jual atau keluaran.

  • 2.    Metode Penelitian

Dalam penyusunan penerapan logika fuzzy mamdani untuk menentukan harga jual warangka keris dilakukan beberapa langkah untuk mendapatkan data valid. Hal ini dilakukan untuk mendapatkan harga warangka keris yang diharapkan.

  • 2.1.    Menentukan himpunan fuzzy

Tahap pertama yang dilakukan adalah penyusunan fungsi keanggotaan dengan rumus untuk kurva segitiga adalah sebagai berikut.

{0,x ≤ a,x ≥ c

x-a

— ,a < x < b

  • bc-X

    (1)


— ,b < x < c

c-b ’

1,x = b

Sedangkan untuk kurva trapezium dapat dirumuskan sebagai berikut.

{0,x ≤ a,x ≥ d

x-a

—, a < x < b

b<-^-Xc

(2)


,c < x < d

d-c

  • 1,    b ≤ x ≤ c

  • a.    Variabel kualitas kayu

Variabel kualitas disini dipakai untuk menganalisa handle yang digunakan pada warangka keris dan jumlah pelet yang melekat pada kayu tersebut apakah mempunyai kualitas yang tinggi atau mempunyai kualitas yang rendah. Tabel 1 menunjukkan tingkat fuzzy untuk kualitas kayu. Derajat keanggotaan untuk kualitas kayu ditunjukkan pada Gambar 1.

Tabel 1. Kualitas Kayu

No Kualitas Kayu                Tingkat Fuzzy

1            1 – 40                     Rendah


Gambar 1. Himpunan Kualitas Kayu

  • b.    Variabel Himpunan Handle

Variabel Handle digunakan untuk menentukan harga handle. Kebanyakan berbahan dasar kayu yang keras, berserat bagus dan gampang dibentuk. biasanya ladrang-gayaman sering diganti dengan gading. Tabel 2 menunjukkan tingkat fuzzy untuk handle. Derajat untuk himpunan handle ditunjukkan pada Gambar 2.

Tabel 2. Handle

No          Handle                  Tingkat Fuzzy

1      100.000 – 2.000.000                 Kayu

2     300.000 – 3.000.000               Gading

Gambar 2. Himpunan Handle


  • c.    Himpunan Pelet

Himpunan pelet digunakan untuk menentukan berapa jumlah pelet pada kayu. pelet merupakan gambar yang menempel pada kayu dikarenakan proses alam atau pembusukan atau penyakit pohon. Biasanya pelet berbentuk corak-corak, berwarna coklat sampai hitam. Tabel 3 menunjukkan tingkat fuzzy untuk pelet dan derajat keanggotaannya ditunjukkan pada Gambar 3.

Tabel 3. Pelet

No

Pelet

Tingkat Fuzzy

1

1 – 4

Polos

2

2 – 8

Tidak Teratur

3

6 – 10

Motif

Gambar 3. Himpunan Fuzzy Pelet

  • d.    Himpunan Fuzzy Stok

Variabel stok memiliki 3 kategori yaitu Normal, Banyak, dan Langka seperti ditunjukkan pada Tabel 4. Fungsi keanggotaan pada himpunan fuzzy dapat diketahui pada Gambar 4.

Tabel 4. Stok

No

Stok

Tingkat Fuzzy

1

1 – 15

Banyak

2

10 – 30

Normal

3

20 – 35

Langkah

Gambar 4. Himpunan Fuzzy Stok

  • e.    Himpunan Fuzzy Permintaan

Variabel Permintaan memiliki 3 kategori yaitu Sedikit, Normal, dan Banyak yang ditunjukkan pada Tabel 5. Gambar 5 menunjukkan fungsi keanggotaan pada himpunan fuzzy permintaan.

Tabel 5. Permintaan

No

Pelet

Tingkat Fuzzy

1

1 – 15

Sedikit

2

10 – 30

Normal

3

20 – 35

Banyak

Gambar 5. Himpunan Fuzzy Permintaan

  • f.    Himpunan Fuzzy Harga Jual

Himpunan Harga Jual merupakan hasil akhir dari sistem ini, yang nilainya ditunjukkan pada Tabel 6. Fungsi keanggotaan yang menyatakan harga jual warangka keris berdasarkan handle, pelet, stok, dan permintaan diperlihatkan pada Gambar 6.

Tabel 6. Harga Jual

No

Pelet

Tingkat Fuzzy

1

100.000 – 1.000.000

Murah

2

500.000 – 2.500.000

Standar

3

2.000.000 – 3.000.000

Mahal

Gambar 6. Himpunan Fuzzy Harga Jual

  • 2.2.    Komposisi Aturan

Dari aturan predikat yang ada, dapat dihasilkan komposisi aturan baru pada Tabel 7 dan Tabel 8 sebagai berikut :

Tabel 7. Rule Kualitas Kayu

No

IF

Handle

Pelet

THEN

1

Kayu

Polos

Rendah

2

Kayu

Tidak Teratur

Standar

3

Kayu

Motif

Tinggi

4

Gading

Polos

Rendah

5

Gading

Tidak Teratur

Standar

6

Gading

Motif

Tinggi

Tabel 8. Rule Harga Jual Warangka

No

IF

THEN

Kualitas

Stok

Permintaan

1

Rendah

Banyak

Sedikit

Murah

2

Rendah

Banyak

Normal

Murah

3

Rendah

Banyak

Banyak

Standar

4

Rendah

Normal

Sedikit

Murah

5

Rendah

Normal

Normal

Standar

6

Rendah

Normal

Banyak

Standar

7

Rendah

Langkah

Sedikit

Standar

8

Rendah

Langkah

Normal

Standar

9

Rendah

Langkah

Banyak

Standar

10

Standar

Banyak

Sedikit

Murah

11

Standar

Banyak

Normal

Standar

12

Standar

Banyak

Banyak

Tinggi

13

Standar

Normal

Sedikit

Murah

14

Standar

Normal

Normal

Standar

15

Standar

Normal

Banyak

Tinggi

16

Standar

Langkah

Sedikit

Murah

17

Standar

Langkah

Normal

Standar

18

Standar

Langkah

Banyak

Tinggi

19

Tinggi

Banyak

Sedikit

Murah

20

Tinggi

Banyak

Normal

Tinggi

21

Tinggi

Banyak

Banyak

Tinggi

22

Tinggi

Normal

Sedikit

Standar

23

Tinggi

Normal

Normal

Standar

24

Tinggi

Normal

Banyak

Tinggi

25

Tinggi

Langkah

Sedikit

Standar

26

Tinggi

Langkah

Normal

Tinggi

27

Tinggi

Langkah

Banyak

Tinggi

  • 2.3.    Defuzzyfikasi

Defuzzifikasi rekomendasi penentuan harga jual untuk warangka keris menggunakan Logika Fuzzy Mamdani yaitu :

y=∑


μ( y) y μ( y)


(3)


Dimana y adalah nilai crisp dan µ(y) adalah derajat keanggotaan y.

  • 3.    Hasil dan Pembahasan

Skenario uji coba adalah menerapkan fuzzy pada program kemudian dibandingkan antara hasil rekomendasi dari fuzzy dengan data yang sebenarnya, kemudian dihitung tingkat errornya. Uji coba akan dilakukan pada 20 sampel. Perhitungan berikut adalah contoh cara kerja fuzzy dalam melakukan rekomendasi. Setelah aturan dibentuk, maka dilakukan aplikasi fungsi implikasi. Sebagai contoh terdapat sebuah kasus sebagai berikut, penentuan harga warangka keris jika :

Handle Pelet Stok Permintaan

1.000.000

7

12

10


Aturan yang berlaku adalah sebagai berikut, karena operator dari rule adalah AND maka nilai α -predikat dipilih yang minimum. Kemudian dengan menggunakan rumus (1) dan (2) dapat dihitung nilai tegas dari masing-masing variable :

[R1] IF handle Kayu AND pelet Tidak teratur THEN kualitas Standar

α-predikat1 =      µKayu∩µTidak teratur

=      min(µKayu[1.000.000],µTidak teratur[7])

=       min(0,58 , 0,5)

=       0,5

Himpunan Rendah pada grafik keanggotaan variabel kualitas yaitu

(x - 20) / 20 = 0.5, x = 30

[R11] IF kualitas Standar AND stok Banyak AND permintaan Normal THEN harga Standar

α-predikat1 =      µStandar∩µBanyak∩µNormal

=      min(µRendah[30],µSedikit[12],µSedikit[10])

=       min(0.5,0.6,0.67)

=       0.5

Himpunan Murah pada grafik keanggotaan variabel harga jual yaitu

(x – 500.000) / 500.000 = 0.5, x = 750.000

[R14] IF kualitas Standar AND stok Normal AND permintaan Normal THEN harga Standar α-predikat2 =      µstandar∩Normal∩Normal

=      min(µRendah[30],µNormal[12],µNormal[10])

=       min(0.5,0.4,0.67)

=       0.4

Himpunan Murah pada grafik keanggotaan variabel harga jual yaitu

(x – 500.000) / 500.000 = 0.4, x = 700.000

[R17] IF kualitas Standar AND stok Langka AND permintaan Normal THEN harga Standar α-predikat2 =      µStandar∩Langka∩Normal

=      min(µStandar[30],µLangka[0],µNormal[12])

=       min(0.5,0,0.67)

=      0

Himpunan Murah pada grafik keanggotaan variabel harga jual yaitu

(x – 500.000) / 500.000 =, x = 500.000

Defuzzifikasi rekomendasi penentuan harga jual untuk warangka keris menggunakan Logika Fuzzy Mamdani yaitu :

y = ∑ μ( y) y

A μ(y)

y =


0.5*750.000+ 0.4*700.000 + 0*500.000

0.5+0.4+0

y =


375.000+2

0,9


.000


655.000

0.9


727.778


Proses-proses fuzzyfikasi yang sudah dilakukan diatas dengan memberikan sampel yang harus dihitung sehingga didapatkan harga jual warangka keris, setelah dilakukan penerapan logika fuzzy akhirnya didapatkan harga jual warangka keris sebagai senilai Rp 727.778.

Setelah tahap implementasi selesai, maka dilanjutkan dengan pengujian dari implementasi yang telah dibuat. Pengujian sistem dilakukan dengan tujuan untuk menjamin sistem yang dibangun sesuai dengan hasil analisa dan perancangan sehingga dapat dibuat satu kesimpulan akhir. Pengujian dilakukan dengan melihat MAE(Mean Absolute Error) dengan dataset sebanyak 20 buah yang ditunjukkan pada Tabel 9 berikut. Tabel 9 menunjukkan perbandingan harga sebenarnya dan harga yang direkomendasikan oleh sistem fuzzy.

Tabel 9. Perbandingan harga sebenarnya dan harga prediksi

No

Harga Sebenarnya

Harga Prediksi dari Fuzzy

1

790.000

727.979

2

350.000

300.000

3

1.000.000

900.000

4

970.000

935.000

5

890.000

941.176

6

963.000

911.765

7

882.353

850.000

8

800.000

794.118

9

788.000

750.000

10

2.730.000

2.683.333

11

723.000

707.143

12

2.500.000

2.621.429

13

700.000

695.455

14

800.000

730.000

15

850.000

815.350

16

821.000

843.918

17

2.800.000

2.780.000

18

750.000

750.000

19

650.000

407.059

20

550.000

533.333

MAE dapat didefinisikan sebagai berikut :

MAE = ⅛p=1 ∣fi-yi∣                                                              (4)

Keterangan :

Dimana ƒi adalah nilai hasil prediksi, yi adalah nilai sebenarnya dan n adalah jumlah data. Berdasarkan formula 1 di atas MAE secara intuitif menghitung rata –rata error dengan memberikan bobot yang sama untuk seluruh data ( i = 1 …. n).

Berdasarkan pengertian di atas maka perhitungan MAE pada sistem ini adalah sebagai berikut :

MAE = (∣790.000 - 727.979∣ + ∣350.000 - 300.000∣ + ∣1.000.000 - 900.000∣

+ ∣970.000 - 935.000∣ + ∣890.000 - 941.176∣ + ∣963.000 - 911.765|

+ ∣882.353 - 850.000∣ + ∣800.000 - 794.118∣ + ∣788.000 - 750.000∣

+ ∣2.730.000 - 2.683.333∣ + ∣723.000 - 707.143∣ + ∣2.621.429 - 2.500.000∣

+ ∣700.000 - 695.455∣ + ∣800.000 - 730.000∣ + ∣850.000 - 815.350∣

+ ∣843.918 - 821.000∣ + ∣2.800.000 - 2.780.000∣ + ∣750.000 - 750.000∣

+ ∣650.000 - 407.059∣ + ∣550.000 - 533.333∣)/ 20

865.041

MAE = —20— = 43.252,05

Hasil perhitungan error menggunakan Teknik Peramalan MAE (Mean Absolute Error) dan hasil nilai error yang di dapat dengan MAE adalah Rp 43.252,05. Sehingga sistem ini mempunyai selisih error sebesar Rp. 43.252,05.

  • 4.    Kesimpulan

Berdasarkan hasil pembahasan yang sudah dilakukan sebelumnya, penelitian ini mengambil kesimpulan sebagai berikut :

  • 1.    Kesimpulan dari penelitian ini adalah penentuan harga jual warangka keris dengan menerapkan logika fuzzy mamdani cukup akurat untuk memprediksi harga warangka keris dengan rata-rata selisih error adalah Rp 43.252,05.

  • 2.    Dengan adanya sistem ini para penjual dan pengrajin yang baru saja berkecimbung dalam dunia bisnis warangka keris dapat menggunakan sistem ini untuk membantu menemukan harga warangka keris, karena harga yang dihasilkan sudah bisa dikatakan harga standar.

Setelah menyelesaikan penelitian ini, ada beberapa kekurangan untuk ada beberapa kekurangan yang perlu diperbaiki untuk penelitian selanjutnya:

  • 1.    Dalam penelitian ini tidak menyertakan jenis kayu dan jenis pelet pada warangka keris.

  • 2.    Dalam penelitian ini tidak menyertakan harga pamor keris itu dikarenakan pamor tidak terbuat dari bahan baku kayu melainkan terbuat dari bahan baku seperti titanium, besi baja , karbon , chlor, nikel, emas maupun campuran dari keduanya.

Untuk penelitian selanjutnya dapat menambahkan jaringan syaraf tiruan untuk dapat mempelajari data secara otomatis untuk input dari fuzzy yang ada.

Referensi

  • [1]    A. Widiyantoro et al., “Menerapkan Logika Fuzzy Mandani Untuk Menentukan Harga Jual Batik,” Techno.COM, vol. 13, no. 2, pp. 69–74, 2014.

  • [2]    S. S. Himawan, Asep Saefullah, “Analisa dan Perancangan Sistem Informasi Penjualan Online ( E- Commerce ) pada CV Selaras Batik Menggunakan Analisis Deskriptif,” Sci. J. Informatics, vol. 1, no. 1, pp. 53–64, 2014.

  • [3]    A. D. Zulhida and R. Haryanto, “Spesialisasi Kegiatan Produksi dan Kemitraan Subkontrak pada Klaster Batik Kota Pekalongan,” Wil. dan lingkuangan, vol. 4, pp. 95–110, 2016.

  • [4]    E. Setiawati, F. Ekonomi, and U. M. Surakarta, “Pengembangan Komoditas Batik: Determinasi Budaya Ekonomi Dan Perubahan Struktur Kebijakan Terhadap Perkembangan Usaha Ekonomi Lokal ( Studi Tentang Pengusaha Batik Laweyan Surakarta ),” Ekon. dan Bisnis, vol. XVIII, no. 1, pp. 119–134, 2015.

  • [5]    M. Ihsan Zul, dan Satria Perdana Arifin, and K. kunci, “Sistem Pendukung Keputusan untuk Pembelian Smartphone Menggunakan Metode Simple Additive Weight dan Fuzzy Associative Memory,” J. KomputerTerapan, 2016.

  • [6]    A. Bahroini, A. Farmadi, and R. A. Nugroho, “Prediksi Permintaan Produk Mie Instan Dengan Metode Fuzzy Takagi-Sugeno,” Ilmu Komput., vol. 3, no. 2, pp. 220–230, 2016.

  • [7]    T. S. (teguhsusyanto@gmail. com. Tri Handayani, Wawan Laksito, “Sistem pendukung keputusan beasiswa diklat dengan fuzzy madm,” TIKomSiN, vol. 1 no 2, pp. 29–34, 2013.

  • [8]    A. Lubis, “Sistem Informasi Pendukung Keputusan Terhadap Mutu Lulusan dengan Metode Fuzzy Model Tsukamoto,” Sist. Inf. Bisnis, vol. 2, pp. 87–95, 2014.

  • [9]    S. Ms. Suyanto, Artificial Intelligence, Edisi Revisi. 2011.

  • [10]    H. Kusumadewi, Sri; Purnomo, Aplikasi Logika Fuzzy Pendukung Keputusan, 2nd ed. 2010.

55