E-Jurnal Matematika Vol. 6 (4), November 2017, pp. 248-252

doi: https://doi.org/10.24843/mtk.2017.v06.i04.p173

ISSN: 2303-1751

PENERAPAN METODE LOGIKA FUZZY MODEL TAHANI DALAM PEMILIHAN HARDWARE KOMPUTER

Moh. Heri Setiawan1§, G. K. Gandhiadi2, Luh Putu Ida Harini3

1Jurusan Matematika, FMIPA – Universitas Udayana [Email: [email protected]]

2Jurusan Matematika, FMIPA – Universitas Udayana [Email: [email protected]]

3Jurusan Matematika, FMIPA – Universitas Udayana [Email: [email protected]] §Corresponding Author

ABSTRACT

This study to determine the selection of computer hardware using fuzzy database method. This is because of many series of hardware produced by the manufacture, so the public will be confused in determining the choice of a combination of computer assembly. In this study the processor, motherboard, random access memory, hard disk, vga cards, power supply studied to find best recommendation. The result obtained from this study these several results obtained in study in the form of recommendation, that is if the recommendation value 0 then the hardware is not displayed as a decision, whereas if the recommendation value is greater than 0 and less than or equal to 1 the device will be displayed as a decision according to the value of its recommendation.

Keywords: Fuzzy Database, Tahani Model, Hardware, Personal Computer, Decision Support System

  • 1.    PENDAHULUAN

Seiring perkembangan zaman, perangkat keras komputer mengeluarkan produk-produk terbaru dengan spesifikasi perangkat keras yang lebih baru. Hal ini mengakibatkan seorang konsumen yang belum memiliki pengalaman dalam merakit komputer akan merasa bingung bila dihadapkan dengan pilihan perangkat keras yang ada.

Konsumen dalam pemilihannya akan memberikan kriteria-kriteria yang masih ambigu. Teori fuzzy dapat menangkap keambiguan dari kriteria yang diberikan konsumen. Salah satu metode fuzzy yang dapat digunakan dalam pencarian adalah basis data fuzzy model tahani.

Basis data merupakan gabungan file data yang dibentuk berdasarkan hubungan/relasi yang logis dan dapat diungkapkan dengan suatu catatan serta bersifat independen. Sistem basis data adalah suatu sistem penyusunan dan pengelolaan record-record dengan menggunakan komputer, dengan tujuan untuk menyimpan atau merekam serta memelihara

data secara lengkap pada sebuah organisasi/perusahaan, sehingga mampu menyediakan informasi yang optimal yang diperlukan pemakai untuk kepentingan proses pengambilan keputusan (Lubis, 2016).

Sistem pendukung keputusan ini dapat digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan tak terstruktur, dimana tak seorangpun yang secara pasti tidak dapat memberikan keputusan yang seharusnya dibuat (Turban, et al., 2001).

Pada penelitian ini akan mencoba menggunakan basis data fuzzy model Tahani dalam memberikan keputusan pemilihan perangkat keras komputer. Adapun perangkat keras yang dimaksud dalam penelitian ini adalah processor, motherboard, RAM, VGA card, harddisk, dan power supply.

  • 2.    METODE PENELITIAN

Sumber data yang digunakan pada penelitian ini adalah data primer berupa daftar seri dari setiap perangkat beserta harga dan spesifikasinya, sedangkan teknik pengumpulan

datanya adalah observasi, wawancara, dan studi literatur.

Sistem fuzzy dalam penelitian ini meliputi kebutuhan input dari variabel processor, motherboard, RAM, VGA card, harddisk, dan power supply. Setiap variabel memiliki himpunan fuzzy sesuai dengan input yang dibutuhkan dalam sistem fuzzy.

Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nlai keanggotaannya (sering juga disebut 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 (Kusumadewi & Purnomo, 2010).

Fungsi keanggotan dalam sistem fuzzy merupakan fungsi keanggotaan kombinasi antara fungsi kurva bahu kiri, kurva segitiga, dan kurva bahu kanan. Domain dari masing-masing fungsi dimulai dari 0 sampai dengan ∞ (tak hingga), hal ini karena agar domain dari fungsi lebih fleksibel.

Fuzzy Inference Sistem (FIS) merupakan sistem penarikan kesimpulan dari sekumpulan kaidah fuzzy/aturan fuzzy (Kusumadewi & Purnomo, 2010). Pada penelitian ini hasil dari FIS akan menentukan nilai dari rekomendasi dari perangkat keras yang bersangkutan.

  • 3.    HASIL DAN PEMBAHASAN

Kebutuhan sistem fuzzy dari setiap variabel adalah sebagai berikut :

  • a.    Kebutuhan input fuzzy variabel processor meliputi harga, kecepatan, core, dan tahun.

  • b.    Kebutuhan    sistem fuzzy variabel

motherboard meliputi harga, slot RAM, kapasitas RAM, kecepatan maksimal RAM, dan tahun.

  • c.    Kebutuhan sistem fuzzy variabel RAM meliputi harga, kecepatan, dan kapasitas.

  • d.    Kebutuhan sistem fuzzy variabel VGA card meliputi harga, memory, kecepatan memory, kecepatan core, dan interface.

  • e.    Kebutuhan sistem fuzzy variabel harddisk meliputi harga, kecepatan, dan kapasitas.

  • f.    Kebutuhan sistem fuzzy variabel power supply meliputi harga dan daya.

Fungsi keanggotaan dari setiap variabel fuzzy menggunakan kombinasi kurva bahu kiri, kurva segitiga, dan kurva bahu kanan untuk himpunan yang memiliki 3 himpunan fuzzy, sedangkan yang memiliki 2 himpunan fuzzy menggunakan kombinasi kurva bahu kiri dan kurva bahu kanan. Domain dari fungsi keanggotaan dari setiap variabel disajikan pada tabel berikut :

Tabel 3.1 Domain Fungsi Keanggotaan Variabel Processor

Himpunan Fuzzy

Domain

Satuan

Harga

Murah

[0,1370]

Rupiah (dalam ribuan)

Sedang

[695,2325]

Mahal

[1370,∞]

Core

Sedikit

[0,4]

Buah

Sedang

[2,6]

Banyak

[4,∞]

Kecepatan

Lambat

[0,2.5]

GHz

Sedang

[1.6,3.1]

Cepat

[2.5,∞]

Tahun

Lama

[0,2013]

Tahun

Sedang

[2012,2016]

Baru

[2013,∞]

Sumber: Data olahan tahun 2017

Tabel 3.2 Domain Fungsi Keanggotaan Variabel Motherboard

Himpunan Fuzzy

Domain

Satuan

Harga

Murah

[0,989]

Rupiah (dalam ribuan)

Sedang

[827.5,2085]

Mahal

[989,∞]

Tahun

Lama

[0,2015]

Tahun

Sedang

[2013,2016]

Baru

[2015,∞]

Max Speed RAM

Lambat

[0,2133]

MHz

Sedang

[1866,2400]

Cepat

[2133,∞]

Slot

RAM

Sedikit

[0,4]

Buah

Banyak

[2,∞]

Max

RAM

Sedikit

[0,32]

GB

Sedang

[16,64]

Banyak

[32,∞]

Sumber: data olahan tahun 2017

Tabel 3.3 Domain Fungsi Keanggotaan Variabel RAM

Himpunan Fuzzy

Domain

Satuan

Speed

Lambat

[0,1600]

MHz

Sedang

[1333,2133]

Cepat

[1600,∞]

Harga

Murah

[0,405]

Rupiah (dalam ribuan)

Sedang

[305,776]

Mahal

[405,∞]

Kapasitas

Sedikit

[0,4]

GB

Sedang

[2,8]

Banyak

[4,∞]

Sumber: data olahan tahun 2017

Tabel 3.4 Domain Fungsi Keanggotaan

Variabel VGA Card

Himpunan Fuzzy

Domain

Satuan

Core Speed

Lambat

[0,1119]

MHz

Sedang

[941,1260]

Cepat

[1119,∞]

Harga

Murah

[0,1755]

Rupiah (dalam ribuan)

Sedang

[889.25,4417.5]

Mahal

[1755,∞]

Memory Speed

Lambat

[0,5205]

MHz

Sedang

[1800,7003]

Cepat

[5205,∞]

Interface

Kecil

[0,256]

Bit

Besar

[128,∞]

Memory

Sedikit

[0,4]

GB

Sedang

[2,8]

Banyak

[4,∞]

Sumber: data olahan tahun 2017

Tabel 3.5 Domain Fungsi Keanggotaan Variabel Harddisk

Himpunan Fuzzy

Domain

Satuan

Harga

Murah

[0,995]

Rupiah (dalam ribuan)

Sedang

[609,1482.5]

Mahal

[1042.5,∞]

Kapasitas

Kecil

[0,2000]

GB

Sedang

[750,3000]

Besar

[2000,∞]

Kecepatan

Lambat

[0,7200]

RPM

Cepat

[5900,∞]

Sumber: data olahan tahun 2017


Tabel 3.6 Domain Fungsi Keanggotaan Variabel Power Supply

Himpunan Fuzzy

Domain

Satuan

Daya

Kecil

[0,650]

Watt

Sedang

[500,780]

Besar

[650,∞]

Harga

Murah

[0,1210]

Rupiah

Sedang

[640,1785]

Mahal

[1210,∞]

Sumber: data olahan tahun 2017

Aturan fuzzy dalam sistem ini menggunakan fungsi implikasi monoton dengan input himpunan dan operator bersifat dinamis untuk menentukan nilai fire-strengh dari implikasi. Sifat dinamis yang dimaksud adalah aturan fuzzy terbentuk sesuai dengan kombinasi yang diinginkan oleh pengguna. Fuzzy inference system yang terbentuk dari aturan fuzzy akan disesuaikan berdasarkan jumlah kriteria yang diinginkan oleh pengguna. Berikut aturan fuzzy berdasarkan jumlah kriteria yang diinginkan pengguna :

  • 1.    Dua kriteria dengan 1 operator

Fungsi implikasi dua kriteria dengan 1 operator adalah sebagai berikut :

IF

(x1is A1 ) O (x2 is A2 )

THEN y is B              (3.1)

Dengan penentuan nilai fire-strengh untuk rekomendasinya adalah :

B (X 10 X 2 ) —

o (μx[[A 1 ], μx2[A2])              (3.2)

  • 2.    Tiga kriteria dengan 2 operator

Fungsi implikasi tiga kriteria dengan 2 operator adalah sebagai berikut :

IF

∕((Xiis Aι) O1 (X2 is A2 ))∖

V      02 (X 3 iS A 3)      ∕

THEN y is B

(3.3)


Dengan penentuan nilai fire-strengh untuk rekomendasinya adalah :

μ(⅛ 1O1 X2 ) O2 X))

O2 (O1(μX1[A1],μX2[A2 ]),μX2[Λ3 ])

(3.4)


  • 3.    Empat kriteria dengan 3 operator

Fungsi implikasi empat kriteria dengan 3 operator adalah sebagai berikut :

IF

(((x1 is A1) O1 (x2 is A2))

(O2 (x3isA3)) O3 (x4 is A4)) THEN y is B

(3.5)


Dengan penentuan nilai fire-strengh untuk

rekomendasinya adalah :

B((XlO1 X2) O2 (X3O3X4)) = O3

⎜

⎝


∕ O1

((Bx1 [^i], Bx2 [^2]),

(BX3 [^3] )

Bx4 [^4]

⎞ ⎟

⎠


(3.6)

  • 4.    Lima kriteria dengan 4 operator

Fungsi implikasi lima kriteria dengan operator adalah sebagai berikut :

IF

4


⎜⎛⎜⎛( ⎜⎜⎝

⎝


O2

(X3 is A3) O3 (x4 is A4) O4

(X3 is A3) THEN y is B

)⎟⎞ ⎟⎞

⎠  ⎟⎟

⎠


(3.7 )


Dengan penentuan nilai fire-strengh untuk rekomendasinya adalah :

B (((X1O1 X2) O2 (X3O3X4))O1X-)=

O4


I


⎝


dengan

×i

Ai


y

B


O3

O2 ∖

X[^i ], Bx [^2]), ),

Bx3 [^3])

Bx4 [^4]

Bx [^5])

∖


⎠


,


(3.8 )


kriteria ke-i

Himpunan fuzzy ke-i

Fire-strenght

Rekomendasi

Operator ke-i (AND = min, OR = max)

Sistem yang telah dibuat disimulasikan menggunakan data processor dengan spesifikasi sebagai berikut :

Harga Kecepatan Core Tahun


IDR 1.440.000

  • 3.5 GHz

2

2014

Dengan aturan fuzzy sebagai berikut :

  • - Jika Harga Sedang AND Kecepatan Cepat

THEN Rekomendasi

Setelah mengetahui nilai input dari data tersebut diatas maka akan dicari derajat keanggotaan setiap himpunan yang diketahui sesuai dengan fungsi keanggotaan dari variabel processor. Berikut penghitungan manualnya :

a.


b.


c.


d.


Derajat keanggotaan himpunan harga

I^HargaMurah [1440000] ∣Λ-HargaSedaτιg [1440000]

0

2325000 - 1440000

955000

0.9267

1440000 - 1370000


BHargaMahal [1440000]


955000

=       0.073298

Derajat keanggotaan himpunan core

BcoreSedikit [2]   =1

BcoreSedang [2]  =0

BcoreBanyak [2]  =0

Derajat keanggotaan himpunan kecepatan

BKecepatanLambat [3.5]

BKecepatanSedang [3.5]

BKecepatanCepat [3.5]

0

0

1


Derajat keanggotaan himpunan tahun

BTahunLama[201 =0

BrahunSedang[2014]   =    2016-2014

3

=

3

=0.667

BrahunBaru [2014 =  2014 - 2013

3

=

3

=0.333

Berdasarkan penghitungan di atas data simulasi memiliki derajat keanggotaan tertinggi pada himpunan Harga Sedang, Core Sedikit, Kecepatan Cepat, dan Tahun Sedang dengan masing-masing nilainya adalah 0.9267, 1, 1, dan 0.667.

Ouput dari sistem adalah sebuah urutan data berdasarkan fire-strengh dari kriteria-kriteria yang diberikan oleh pengguna. berikut beberapa contoh hasil pencarian berdasarkan kriteria dari pengguna:

Processor Motherboard RAM VGACard Harddisk PowerSuppIy

Kriteria Pencarian

TipeInput* ∙ Fuzzy Manual JumIahKriteria* 1   ∙ 2     3     4

Harga ’ Sedang j - AND *■ Kecepatan ■* Cepat ∙* O Cari

Id

Nama

Harga Sedang

Kecepatan Cepat

Fire Strengh *

13

Intel 13-4160+F AN

0.979058

1.0

0.979058

97.9058%

9

Intel 13-4130

0.960209

1.0

0.960209

96.020905%

15

Intel 13-4170

0.954974

1.0

0.954974

95.4974%

11

Intel 13-4150

0.926702

1.0

0.926702

92.670204%

10

Intel 13-4130+FAN

0.911111

1.0

0.911111

91.1111%

27

Intel 13-6100

0.895288

1.0

0.895288

89.5288%

12

Intel 13-4160

0.879581

1.0

0.879581

87.9581%

14

Intel 13-4170

0.87644

1.0

0.87644

87.644%

7

Intel G3420

0.466667

1.0

0.466667

46.6667%

28

Intel 13-7100

0.462827

1.0

0.462827

46.2827%

8

Intel G3450

0.244444

1.0

0.244444

24.444399%

26

Intel G4400

0.0785185

1.0

0.0785185

7.85185%

Sumber data : Data olahan tahun 2017

Gambar 3.1 Output sistem

Dari Gambar 3.1 dapat dilihat data simulasi yaitu Intel Core i3-4150 juga terbukti memiliki nilai rekomendasi 92.670204% dengan kriteria Harga Sedang dan Kecepatan Cepat, sesuai dengan perhitungan nilai rekomendasi secara manual.

4. Kesimpulan dan Saran

Penerapan metode basis data fuzzy dalam pemilihan perangkat keras komputer dapat memberikan rekomendasi pembelian perangkat keras sesuai dengan kriteria yang telah diberikan. Hal ini dapat dilihat dari nilai rekomendasi terhadap input maupun kriteria yang diberikan. Apabila nilai rekomendasi 0 maka perangkat keras tersebut tidak ditampilkan sebagai keputusan, sedangkan jika nilai rekomendasi lebih besar 0 dan kurang dari sama dengan 1 perangkat tersebut akan di tampilkan sebagai keputusan sesuai dengan nilai rekomendasi yang dimiliki perangkat tersebut.

Sistem pendukung keputusan pemilihan perangkat keras komputer ini masih dapat dikembangkan seiring dengan perkembangan perangkat keras komputer yang semakin tahun semakin berkembang. Oleh karena itu, disarankan untuk pengembangan sistem melalui

penambahan kriteria setiap variabel sehingga dapat menambah kombinasi dalam pencarian oleh pengguna.

DAFTAR PUSTAKA

Kusumadewi & Purnomo, 2010. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.

Lubis, A., 2016. Basis Data Dasar Untuk Mahasiswa Ilmu Komputer. Yogyakarta: Deepublish.

Sparague, R. H. & H., W. J., 1993. Decision Support Systems:Putting Theory Into Practice. Englewood Clifts, N. J.: Prentice Hall.

Turban, J. E., E. & A., 2001. Decision Support Systems and Intelligent Systems 6th edition. Upper Saddle River New Jersey: Prentice Hall.

252