Post on 21-Dec-2020
i
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
PENENTUAN BANTUAN DANA PEMBANGUNAN
RUMAH TIDAK LAYAK HUNI MENGGUNAKAN
FUZZY LOGIC
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Teknik
Program Studi Teknik Informatika
Disusun Oleh :
NEHEMIA TEGAR EKO PRAKOSO
125314133
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2016
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ii
DECISION SUPPORT SYSTEM TO DECIDE AID FUND
HOUSE CONTRUCTION NOT LIVEABLE
USING FUZZY LOGIC
A THESIS
Presented as a Meaning
for Gaining Engineering Holder in
Informatics Engineering Study Program
Created by :
NEHEMIA TEGAR EKO PRAKOSO
125314133
INFORMATICS ENGINEERING STUDY PROGRAM
DEPARTMENT OF INFORMATICS ENGINEERING
FACULTY OF SCIENCE AND TECHNOLOGY
SANANTA DHARMA UNIVERSITY
YOGYAKARTA
2016
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
v
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
ABSTRAK
Pembangunan Rumah Tidak Layak Huni (RTLH) adalah suatu program
dari pemerintah khususnya dari Dinas Sosial untuk memberi bantuan dana
pembangunan rumah bagi rakyat miskin. Kantor kelurahan harus mengajukan
proposal tentang berapa anggaran atau dana yang diperlukan untuk memberikan
bantuan dana pembangunan rumah. Kriteria yang digunakan untuk menentukan
besarnya bantuan pembangunan rumah tidak layak huni adalah kondisi kerusakan
rumah dan kondisi ekonomi dengan menggunakan data kepala keluarga yang
diambil dari Desa Kalitanjung, Kecamatan Ngombol, Kabupaten Purworejo,
Provinsi Jawa Tengah.
Konsep logika kabur yang digunakan adalah sistem penalaran fuzzy
metode Tsukamoto. Penentuan bantuan dana pembangunan rumah ini memiliki 9
kombinasi aturan fuzzy dengan 3 tahapan penyelesaian, yaitu unit fuzifikasi,
mekanisme inferensi fuzzy, dan unit defuzifikasi. Unit defuzifikasi akan
memetakan nilai kerusakan rumah dan penghasilan tiap bulan ke himpunan fuzzy
yang telah didefinisikan. Mekanisme inferensi fuzzy akan menggunakan fungsi
MIN. Unit defuzifikasi akan memetakan keluaran inferensi fuzzy (fire-strength)
ke nilai tegas yang berupa bantuan dana pembangunan rumah.
Hasil akhir program aplikasi ini menunjukan bahwa logika kabur sangat
membantu mengatasi kondisi ketidaktegasan dan kekakuan kriteria dalam
menentukan jumlah dana pembangunan rumah, sehingga kondisi ketidakadilan
bantuan yang diberikan dapat lebih teratasi.
Kata kunci : Bantuan dana pembangunan rumah tidak layak huni, fuzzy logic,
fuzzy Tsukamoto, fuzifikasi, defuzifikasi, sistem pendukung pengambilan
keputusan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
ABSTRACT
Construction of homes not liveable is a program of the government,
especially social services to provide financial aid to build homes for the poor.
Headman office mush submit a proposal about how the budget or funds necessary
to provide grant for the reconstruction home. Criteria used in deciding total
construction of homes not liveable reconstruction fund per household were house
condition and economics class using data head of family derived from Kalitanjung
villages in Ngombol district, Purworejo regency of Central Java Province.
The fuzzy logic concept used was Tsukamoto’s fuzzy logical system. The
determination fund granting for housing construction has nine combinations of
fuzzy rules with three solution steps, which were fuzzyfication unit, fuzzy
inference mechanism, and defuzzyfication unit. Fuzzyfication unit would map the
house condition and monthly income into fuzzy group, which had defined. Fuzzy
inference mechanism would perform fire-strength computation (α-predicate) for
each rule using MIN function. Defuzzyfication unit would map fuzzy inference
output (fire-strength) into rigid values of fund granting for housing sonstruction.
Final result from this application program suggested that fuzzy logic was
able to resolve uncertainty and criterion rigidity in deciding total fund granting for
housing construction per household, so that the inequality aid problems can be
resolved.
Keyword : aid fund the construction of homes not liveable,fuzzy logic, fuzzy
Tsukamoto, fuzzification, defuzzification, decision support system.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
DAFTAR ISI
Halaman
HALAMAN JUDUL………………………………………………..…………….i
HALAMAN JUDUL ( BAHASA INGGRIS ) ………………………………....ii
HALAMAN PERSETUJUAN …………………………………………………iii
HALAMAN PENGESAHAN ……………………………………………..…...iv
LEMBAR PERNYATAAN KEASLIAN KARYA …………………………....v
LEMBAR PERNYATAAN PERSETUJUAN ………………………………...vi
ABSTRAK ........................................................................................................... vii
ABSTRACT ........................................................................................................ viii
KATA PENGANTAR …………………………………………………………..ix
DAFTAR ISI .......................................................................................................... x
DAFTAR GAMBAR .......................................................................................... xiii
DAFTAR TABEL ............................................................................................... xv
BAB I PENDAHULUAN ..................................................................................... 1
1.1 Latar Belakang ................................................................................................. 1
1.2 Rumusan Masalah............................................................................................ 3
1.3 Batasan Masalah .............................................................................................. 3
1.4 Tujuan Penelitian ............................................................................................. 3
1.5 Langkah Penelitian .......................................................................................... 3
1.6 Sistematika Penelitian ...................................................................................... 4
BAB II LANDASAN TEORI .............................................................................. 5
2.1 Pendahuluan..................................................................................................... 5
2.1.1 Sistem Pendukung Pengambil Keputusan .............................................. 5
2.1.2 Gejala Kekaburan ................................................................................... 5
2.1.3 Himpunan Fuzzy ..................................................................................... 6
2.1.4 Fungsi Keanggotaan ............................................................................... 8
2.1.5 Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy ...................... 12
2.1.6 Penalaran Monoton ............................................................................... 12
2.1.7 Fungsi Implikasi ................................................................................... 13
2.2 Sistem Inferensi Fuzzy .................................................................................. 13
2.3 Inferensi Menggunakan Metode Tsukamoto ................................................. 15
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
BAB III METODOLOGI PENELITIAN ......................................................... 16
3.1 Gambaran Umum ............................................................................................ 16
3.2 Desain Penelitian ............................................................................................. 16
3.2.1 Studi Literatur ....................................................................................... 16
3.2.2 Data ....................................................................................................... 16
3.2.3 Perancangan Alat Uji ............................................................................ 17
3.2.4 Analisis dan Pengujian Sistem ............................................................. 18
3.3 Spesifikasi Software dan Hardware ................................................................ 18
BAB IV ANALISIS DAN PERANCANGAN SISTEM .................................. 19
4.1 Analisis Masalah ............................................................................................. 19
4.4.1 Analisis Sistem Lama ........................................................................... 19
4.4.2 Analisis Sistem Baru ............................................................................ 19
4.2 Gambaran Umum Sistem ................................................................................ 19
4.3 Analisis Kebutuhan Sistem ............................................................................. 22
4.4 Perancangan Sistem Inferensi Fuzzy Metode Tsukamoto .............................. 24
4.4.1 Kriteria Rumah Rusak .......................................................................... 24
4.4.2 Pembentukan Himpunan Fuzzy ............................................................ 25
4.4.3 Mekanisme Inferensi Fuzzy .................................................................. 28
4.4.4 Unit Defuzzifikasi ................................................................................. 30
4.4.5 Contoh Perhitungan Manual ................................................................. 31
4.5 Perancangan Proses ......................................................................................... 37
4.5.1 Diagram Konteks Sistem ...................................................................... 37
4.5.2 DAD Level 1 ....................................................................................... 38
4.5.3 DAD Level 2 ........................................................................................ 39
4.5.3.1 DAD Level 2 Proses 2 .............................................................. 39
4.5.3.2 DAD Level 2 Proses 5 .............................................................. 39
4.6 Perancangan Basisdata ................................................................................... 40
4.6.1 Perancangan Konseptual ....................................................................... 40
4.6.2 Perancangan Logikal ............................................................................ 41
4.6.3 Perancangan Fisikal .............................................................................. 42
4.7 Perancangan User Interface............................................................................. 48
4.7.1 Desain Interface Input .......................................................................... 48
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
4.7.2 Desain Interface Output ........................................................................ 51
BAB V IMPLEMENTASI, HASIL, DAN PEMBAHASAN ........................... 55
5.1 Implementasi Algoritma Sistem Inferensi Fuzzy Metode Tsukamoto ........... 55
5.1.1 Perhitungan Derajat Keanggotaan ........................................................ 55
5.1.2 Mekanisme Inferensi Fuzzy ................................................................. 64
5.1.3 Unit Defuzifikasi ................................................................................. 71
5.2 Implementasi Interface .................................................................................... 77
5.2.1 Login .................................................................................................. 77
5.2.2 Tambah Data Kepala Keluarga .......................................................... 77
5.2.3 Edit Data Kepala Keluarga ................................................................ 78
5.2.4 Kelola Data Batas Himpunan ............................................................ 78
5.2.5 Upload Gambar.................................................................................. 79
5.2.6 Penentuan Dana Pembangunan ......................................................... 79
5.2.7 Menu Utama ...................................................................................... 80
5.2.8 Menu Kelola Data Kepala Keluarga .................................................. 80
5.2.9 Pencarian Data Derajat Keanggotaan ............................................... 81
5.2.10 Kelola Aturan Fuzzy ......................................................................... 81
5.2.11 Data Kepala Keluarga Penerima Bantuan ........................................ 82
5.2.12 Data Penerima Bantuan Dana ........................................................... 82
5.3 Hasil dan Pembahasan..................................................................................... 83
BAB VI PENUTUP ............................................................................................. 91
6.1. Kesimpulan .................................................................................................... 91
6.2 Saran ................................................................................................................ 91
DAFTAR PUSTAKA .......................................................................................... 93
LAMPIRAN ......................................................................................................... 94
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
DAFTAR GAMBAR
Halaman
Gambar 2. 1 Representasi Linear Naik ................................................................... 8
Gambar 2. 2 Representasi Linear Turun ................................................................. 9
Gambar 2. 3 Representasi Kurva Segitiga ............................................................ 10
Gambar 2. 4 Representasi Kurva Trapesium ........................................................ 11
Gambar 2. 5 Struktur dasar suatu sistem kendali kabur ........................................ 14
Gambar 2. 6 Inferensi dengan menggunakan Metode Tsukamoto ....................... 15
Gambar 4. 1 Flowchart Sistem .............................................................................. 21
Gambar 4. 2 Usecase Diagram .............................................................................. 23
Gambar 4. 3 Fungsi Keanggotaan Variabel Kerusakan Rumah ........................... 26
Gambar 4. 4 Fungsi Keanggotaan Variabel Kondisi Ekonomi ............................. 27
Gambar 4. 5 Fungsi Keanggotaan Variabel Bantuan Rumah ............................... 28
Gambar 4. 6 Nilai µRusakSedang dan µRusakBerat .......................................................... 33
Gambar 4. 7 Nilai µMiskin dan µMenengah .................................................................. 34
Gambar 4. 8Nilai z1 pada [R1] ............................................................................. 34
Gambar 4. 9 Nilai z2 pada [R2] ............................................................................ 35
Gambar 4. 10 Nilai z4 pada [R4] .......................................................................... 35
Gambar 4. 11 Nilai z5 pada [R5] .......................................................................... 35
Gambar 4. 12 Diagram Konteks Sistem ................................................................ 37
Gambar 4. 13 Diagram Aliran Data Level 1 ......................................................... 38
Gambar 4. 14 Diagram Aliran Data Level 2 Proses 2........................................... 39
Gambar 4. 15 Diagram Aliran Data Level 2 Proses 5........................................... 39
Gambar 4. 16 Entity Relationship Diagram .......................................................... 40
Gambar 4. 17 Desain Interface input .................................................................... 48
Gambar 4. 18 Desain Interface Tambah Data Kepala Keluarga ........................... 49
Gambar 4. 19 Desain Interface Edit Data Kepala Keluarga ................................. 49
Gambar 4. 20 Desain Interface Kelola Data Batas Himpunan.............................. 50
Gambar 4. 21 Desain Interface Upload Gambar ................................................... 50
Gambar 4. 22 Desain Interface Penentuan Dana Pembangunan ........................... 51
Gambar 4. 23 Desain Interface Menu Utama........................................................ 52
Gambar 4. 24 Desain Interface Menu Kelola Kepala Keluarga............................ 52
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
Gambar 4. 25 Desain Interface Pencarian Data Derajat Keanggotaan ................. 53
Gambar 4. 26 Desain Interface Kelola Aturan Fuzzy ........................................... 53
Gambar 4. 27 Desain Interface Data Kepala Keluarga Penerima Bantuan........... 54
Gambar 4. 28 Desain Interface Data Penerima Bantuan Dana Pembangunan ..... 54
Gambar 5. 1 Fungsi Keanggotaan Rusak Ringan ................................................. 56
Gambar 5. 2 Fungsi Keanggotaan Rusak Sedang ................................................. 57
Gambar 5. 3 Fungsi Keanggotaan Rusak Berat .................................................... 59
Gambar 5. 4 Fungsi Keanggotaan Miskin............................................................. 60
Gambar 5. 5 Fungsi Keanggotaan Menengah ....................................................... 62
Gambar 5. 6 Fungsi Keanggotaan Kaya ............................................................... 63
Gambar 5. 7 Interface Login ................................................................................. 77
Gambar 5. 8 Interface Tambah Data Kepala Keluarga ......................................... 77
Gambar 5. 9 Interface Edit Data Kepala Keluarga ............................................... 78
Gambar 5. 10 Interface Kelola Data Batas Himpunan .......................................... 78
Gambar 5. 11 Interface Upload Gambar ............................................................... 79
Gambar 5. 12 Interface Penentuan Dana Pembangunan ....................................... 79
Gambar 5. 13 Interface Menu Utama .................................................................... 80
Gambar 5. 14 Interface Menu Kelola Kepala Keluarga ........................................ 80
Gambar 5. 15 Interface Pencarian Data Derajat Keanggotaan ............................. 81
Gambar 5. 16 Interface Kelola Aturan Fuzzy........................................................ 81
Gambar 5. 17 Data Kepala Keluarga Penerima Bantuan ...................................... 82
Gambar 5. 18 Interface Data Penerima Bantuan Dana Pembangunan.................. 82
Gambar 5. 19 Representasi Crisp Kerusakan Rumah ........................................... 83
Gambar 5. 20 Representasi Crisp Kondisi Ekonomi ............................................ 83
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
DAFTAR TABEL
Halaman
Tabel 4. 1Kondisi Atap (k1) .................................................................................. 24
Tabel 4. 2Kondisi Dinding (k2) ............................................................................. 24
Tabel 4. 3Kondisi Lantai (k3) ................................................................................ 24
Tabel 4. 4 Penilaian Rumah (%) ........................................................................... 25
Tabel 4. 5 Aturan Fuzzy ........................................................................................ 29
Tabel 4. 6 Tabel User_RTLH................................................................................ 42
Tabel 4. 7 Tabel BatasHimpunan .......................................................................... 43
Tabel 4. 8 Tabel KepalaKeluarga.......................................................................... 43
Tabel 4. 9 Tabel DerajatKeanggotaan ................................................................... 45
Tabel 4. 10 Tabel KondisiRumah ......................................................................... 46
Tabel 4. 11 Tabel Aturan ...................................................................................... 47
Tabel 4. 12 Tabel Gambar ..................................................................................... 48
Tabel 5. 1 Tabel Batas Himpunan ......................................................................... 85
Tabel 5. 2 Tabel Derajat Keanggotaan Kerusakan Rumah ................................... 87
Tabel 5. 3 Tabel Derajat Keanggotaan Kondisi Ekonomi .................................... 87
Tabel 5. 4 Tabel Batas Himpunan ......................................................................... 88
Tabel 5. 5 Tabel Derajat Keanggotaan Kerusakan Rumah ................................... 90
Tabel 5. 6 Tabel Derajat Keanggotaan Kondisi Ekonomi .................................... 90
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Masyarakat di jaman modern ini, dituntut untuk lebih mengenal
perkembangan teknologi. Teknologi dapat membantu manusia dalam menangani
kehidupannya, khususnya dalam hal pekerjaan. Komputer merupakan salah satu
sarana atau media yang banyak digunakan untuk membantu manusia dalam
pekerjaannya. Tentunya komputer dibekali dengan program aplikasi atau software
yang menunjang kebutuhan penggunannya. Kita melihat banyak komputer yang
tersedia di perkantoran, khususnya di kantor kelurahan. Namum penggunaannya
masih kurang maksimal dalam menunjang kerja. Komputer hanya dipakai untuk
kebutuhan administrasi seperti membuat surat-surat, membuat berita acara, dan
pendataan penduduk.
Pembangunan Rumah Tidak Layak Huni (RTLH) adalah suatu program
dari pemerintah khususnya dari Dinas Sosial untuk memberi bantuan dana
pembangunan rumah bagi rakyat miskin. Namun pada realisasinya masih sering
dijumpai dana bantuan dari pemerintah masih kurang bahkan tidak tepat sasaran.
Rumah yang tidak layak huni atau memprihatinkan akan mendapat sebuah dana
bantuan. Ini adalah salah satu bentuk perhatian dari pemerintah kepada rakyat
miskin. Kantor kelurahan akan mengajukan proposal pembangunan rumah tidak
layak huni yang berisikan data-data kepala keluarga yang mendapat bantuan
beserta jumlah dana bantuan yang kemudian akan dilaporkan ke pemerintahan
pusat.
Namun di balik itu semua, sebelum bantuan dana pembangunan diberikan,
pendataan mengenai kondisi rumah dan warga harus dilakukan terlebih dahulu
oleh para perangkat desa yang khusus menangani bagian ini atau petugas survei.
Pada saat pendataan timbul masalah mengenai penilaian tingkat kerusakan rumah.
Hal ini dikarenakan penilaian seorang petugas survei terhadap tingkat kerusakan
suatu rumah tidak sama dengan penilaian petugas survei yang lainnya. Penilaian
yang berbeda-beda ini mengakibatkan kriteria mengenai kondisi kerusakan rumah
menjadi ambiguous (tidak pasti, tidak tepat, tidak tegas, samar). Hal ini
menyebabkan bantuan yang diterima oleh tiap kepala keluarga menjadi kurang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
adil. Petugas survei akan menentukan kriteria terhadap tingkat atau kondisi
rumah yang layak untuk mendapat bantuan. Maka, dibuat suatu kriteria terhadap
kerusakan rumah yang dihasilkan dari keputusan antara penulis dan perangkat
desa. Kriteria kondisi rumah bisa diliat dari atap yang bocor dan keropos, dinding
yang miring dan keropos, serta lantai yang berlubang dan beralaskan tanah saja.
Selain kriteria rumah rusak, perangkat desa juga menambahkan kriteria kondisi
ekonomi sebagai acuan untuk memberikan dana bantuan. Kriteria kondisi
ekonomi bisa dilihat dari penghasilan tiap bulan. Maka ditentukan kriteria
ekonomi yaitu miskin, menengah atau kaya. Dari kriteria diatas menyulitkan
perangkat desa untuk memberikan jumlah dana bantuan pembangunan rumah
yang akan diterima oleh setiap kepala keluarga.
Berkaitan dengan permasalahan tersebut, penulis tertarik untuk membuat
suatu perangkat lunak menggunakan Sistem Pendukung Pengambilan Keputusan
(SPPK) dengan menggunakan konsep logika kabur dengan penalaran (inferensi)
fuzzy metode Tsukamoto untuk menentukan jumlah bantuan dana pembangunan
rumah tidak layak huni. Hal ini dikarenakan konsep logika kabur mudah
dimengerti, dan memiliki toleransi terhadap data-data yang tidak tepat
(Kusumadewi & Hari P,2004). Menurut Thomas Sri Widodo (2005) inferensi
logika kabur mempunyai kemiripan dengan penalaran manusia dalam menilai
sesuatu, sehingga memberikan fleksibilitas dibandingkan menggunakan logika
tegas. Selain itu, inferensi fuzzy metode Tsukamoto dipilih untuk menyelesaikan
permasalahan ini karena memiliki tahapan perhitungan yang mudah dan tidak
memboroskan waktu (Thomas Sri Widodo, 2005).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
1.2 Rumusan Masalah
Dari latar belakang masalah di atas, dapat dirumuskan masalah yaitu :
1. Bagaimana membuat sebuah Sistem Pendukung Pengambilan Keputusan
Penentuan Dana Pembangunan Rumah Menggunakan Fuzzy Logic?
2. Bagaimana menentukan besarnya bantuan dana pembangunan rumah bagi
masing-masing kepala keluarga menggunakan konsep logika kabur?
1.3 Batasan Masalah
Sesuai dengan rumusan masalah diatas, maka dibuat batasan masalah
berupa :
1. Variabel yang digunakan untuk menentukan warga yang layak mendapat
bantuan adalah warga negara indonesia (dibuktikan dengan KTP),kartu
keluarga, kondisi ekonomi, kondisi rumah (tingkat kerusakan rumah).
2. Kasus yang diambil hanya pada satu kelurahan atau desa.
3. Program dibuat menggunakan Java Netbeans versi 7.4 dengan
menggunakan basisdata Oracle sql developer versi 2.1.1.64.
1.4 Tujuan Penelitian
Tujuan penulisan Tugas Akhir ini adalah
1. Membuat suatu Sistem Pendukung Pengambilan Keputusan untuk
menentukan dana bantuan pembangunan rumah tidak layak huni.
2. Melihat jumlah bantuan yang akan diterima kepala keluarga yang
dihasilkan oleh sistem yang akan dibangun.
1.5 Langkah Penelitian
Langkah penelitian pada penyusunan Tugas Akhir ini, adalah
1. Pengumpulan data penerima bantuan dana pembangunan rumah.
2. Studi Pustaka teori logika kabur dengan menggunakan inferensi fuzzy
metode Tsukamoto.
3. Analisa dan perancangan sistem yang akan dibangun, meliputi :
- analisis masalah.
- gambaran umum sistem.
- analisis kebutuhan sistem.
- perancangan sistem inferensi fuzzy menggunakan metode Tsukamoto.
- perancangan proses.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
- perancangan basisdata.
- perancangan interface.
4. Implementasi rancangan sistem penentuan bantuan data pembangunan
rumah.( Instalansi program di balai Desa Kalitanjung, input data survei ke
dalam program, output rekomendasi jumlah bantuan dana pembangunan
rumah).
1.6 Sistematika Penelitian
Penulisan penelitian ini terdiri dari 6 bab yang mana pada setiap bab berisi
penjelasan yang berkaitan, sebagai berikut :
a. Bab I Pendahuluan
Menguraikan tentang latar belakang masalah, rumusan, batasan masalah,
tujuan penelitian dari penelitian yang akan dilakukan.
b. Bab II Landasan Teori
Berisi tentang teori-teori yang digunakan sebagai acuan dalam
melakukan penelitian.
c. Bab III Metodologi Penelitian
Berisi tentang gambaran umum penelitian, desain penelitian (studi
literatur, data penelitian, perancangan alat uji, dan analisis sistem), dan
spesifikasi software dan hardware.
d. Bab IV Analisis Masalah dan Perancangan Sistem
Bab ini menjelaskan tentang analisis sistem dan perancangan desain
aplikasi.
e. Bab V Implementasi, Hasil, dan Pembahasan
Bab ini berisi tentang analisa hasil implementasi Sistem Pendukung
Pengambilan Keputusan Penentuan Dana Pembangunan Rumah Tidak
Layak Huni menggunakan Fuzzy Logic. Dengan menggunakan inferensi
fuzzy Tsukamoto. Analisa hasil implementasi yang telah diuji cobakan
terhadap user (perangkat desa).
f. Bab VI Penutup
Bab ini berisi tentang kesimpulan dan saran dari penelitian yang telah
dilakukan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
BAB II
LANDASAN TEORI
2.1 Pendahuluan
2.1.1 Sistem Pendukung Pengambil Keputusan
Konsep Sistem Pendukung Pengambil Keputusan (SPPK) / Decision
Support System (DSS) pertama kali diungkapkan pada awal tahun 1970-an
oleh Michael S. Scott Morton dengan istilah Management Decision System.
Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditunjukan
untuk membantu mengambil keputusan dengan memanfaatkan data dan model
tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur. Istilah
SPPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer
dalam proses pengambilan keputusan (Turban, 2001).
2.1.2 Gejala Kekaburan
Kita Sering kali berjumpa dengan gejala kekaburan dalam kehidupan
sehari-hari. Tanpa disadari kita pun juga melalukan gejala kekaburan tersebut.
Ambil Suatu contoh, dalam suatu kelas seorang guru menyuruh para murid
yang mempunyai sepeda untuk mengangkat tangan. Maka dalam seketika
kelas itu terbagi menjadi dua kelompok (himpunan) secara tegas yaitu
kelompok para murid yang mengangkat tangannya (mereka yang mempunyai
sepeda) dan kelompok para murid yang tidak mengangkat tangannya (mereka
yang tidak mempunyai sepeda). Tetapi kalau sang guru kemudian menyuruh
para muridnya yang pandai untuk mengangkat tangan, maka akan timbul
keragu-raguan diantara para murid itu, yaitu mereka ragu-ragu apakah mereka
termasuk kelompok murid yang pandai atau tidak. Batas antara “punya
sepeda” dan “tidak punya sepeda” adalah jelas dan tegas,tetapi tidak demikian
halnya dengan batas antara “pandai” dan “tidak pandai”. Dengan perkataan
lain, himpunan para murid yang pandai dan himpunan murid yang tidak
pandai seakan-akan dibatasi secara tidak tegas (kabur). Masih banyak contoh
kata/istilah lainnya dalam kehidupan sehari-hari yang mengandung
ketidaktegasan semacam itu, misalnya : tinggi, mahal, cantik, muda, kotor,
dingin, cepat, dan sebagainya. (Susilo F, 2006)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
2.1.3 Himpunan Fuzzy
Bahasa semacam itulah yang diciptakan oleh Lotfi Asker Zadeh, seorang
guru besar pada university of California, Berkeley, Amerika Serikat. Zadeh
mendfinisikan himpunan fuzzy dengan menggunakan apa saja yang disebut
fungsi keanggotaan ( Membership function ), yang nilainya berada dalam
selang tertutup [0,1] (Susilo F, 2006). Jadi, keanggotaan dalam himpunan
fuzzy tidak lagi merupakan sesuatu yang tegas, melainkan sesuatu yang
berderajat atau bergradasi secara kontinu.
Pada himpunan fuzzy, fungsi keanggotaan dari suatu himpunan kabur Ã
dalam semesta X adalah pemetaan µÃ (x) ke selang [0,1], yaitu
µÃ : X → [0,1] ……………………….(1.1)
Nilai fungsi µÃ (x) menyatakan derajat keanggotaan unsur x X dalam
himpunan kabur Ã. Apabila x memiliki nilai keanggotaan fuzzy sama dengan
nol ( µÃ (x) = 0 ) berarti x tidak menjadi anggota himpunan A, demiian pula
apabila x memiliki keanggotaan fuzzy sama dengan satu (µÃ (x) = 1) berarti x
menjadi anggota penuh pada himpunan A. Maka himpunan tegas juga dapat
dipandang sebagai kejadian khusus dari himpunan kabur, yaitu himpunan
kabur yang fungsi keanggotaanya hanya bernilai 0 dan 1 saja. Jadi fungsi
keanggotaan dari suatu himpunan tegas A dalam semesta X adalah pemetaan
dari X ke himpunan {0,1}., yang tidak lain daripada fungsi karakteristik χ A,
seperti dibawah ini,
χ A (x) = ……………………...……(1.2)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
Himpunan fuzzy memiliki 2 atribut, antara lain :
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami, seperti : agak rusak,
rusak, sangat rusak.
b. Numeris, yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu
variabel, seperti: 40,60, dan 80.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
a. Variabel fuzzy
Merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.
Contoh : umur, temperatur, kecepatan dan yang lainya.
b. Himpunan fuzzy
Merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu
dalam suatu variabel fuzzy. Contoh:
- Variabel kecepatan, terbagi menjadi 5 himpunan fuzzy, yaitu berhenti,
lambat, sedang, cepat, sangat cepat.
- Variabel kerusakan, terbagi menjadi 5 himpunan fuzzy, yaitu tidak
rusak, agak rusak, rusak, sangat rusak.
c. Semesta pembicara
Keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu
variabel fuzzy. Contoh :
- Semesta pembicara untuk kecepatan : [0, 13000] dalam satuan rpm.
- Semesta pembicara untuk kerusakan : [0, 100] dalam satuan
persentase.
d. Domain
Keseluruhan nilai yang diijinkan dalam semesta pembicara dan boleh
dioperasikan dalam suatu himpunan fuzzy. Contoh domain himpunan fuzzy
untuk variabel kecepatan:
- Berhenti = [0]
- Lambat = [0, 4000]
- Sedang = [3000, 7000]
- Cepat = [6000, 9000]
- Sangat cepat = [ 8000, 13000]
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
2.1.4 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukan pemetaan titik-titik input data ke dalam nilai keanggotaan
(derajat keanggotaan) yang memiliki interval antara 0 sampai 1 ( Kusumadewi
& Hari P, 2004). Salah satu cara yang dapat digunakan untuk mendapatkan
nilai keanggotaan aalah dengan melalui pendekatan fungsi. Ada beberapa
fungsi yang bisa digunakan, antara lain:
a. Representasi Linear
Pada representasi linear, pemetaan dari input ke derajat keanggotaannya
dapat digambarkan sebagai sebuah garis lurus. Bentuk ini paling sederhana
dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang
jelas.
Ada dua jenis himpunan fuzzy dengan representasi linear, yaitu linear
naik dan linear turun.
1. Linear Naik
Kenaikan himpunan dimulai pada nilai domain yang memiliki
derajat keanggotaan nol [0] bergerak ke kanan menuju ke
nilai domain yang memiliki derajat keanggotaan lebih tinggi yang
disebut dengan representasi fungsi linear naik. Representasi fungsi
keanggotaan untuk linear naik adalah sebagai berikut :
1
Derajat
Keanggotaan
µ[x]
0 a domain b
Gambar 2. 1 Representasi Linear Naik
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
Fungsi Keanggotaan :
1; x ≥ b
µ[x,a,b]=
; a ≤ x ≤ b ……………………..…(1.3)
0; x ≤ a
Keterangan :
a = nilai domain yang mempunyai derajat keanggotaan nol.
b = nilai domain yang mempunyai derajat keanggotaan satu.
x = nilai input yang akan di ubah ke dalam bilangan fuzzy.
2. Linear Turun
Fungsi Linear turun merupakan kebalikan dari fungsi linear
naik. 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. Representasi fungsi
keanggotaan untuk linear turun dapat dilihat sebagai berikut:
1
Derajat
Keanggotaan
µ[x]
0 a domain b
Gambar 2. 2 Representasi Linear Turun
Fungsi Keanggotaan :
; a ≤ x ≤ b
µ[x,a,b] = ……..……… (1.4)
0; x ≥ b
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan satu.
b = nilai domain yang mempunyai derajat keanggotaan nol.
x = nilai input yang akan di ubah ke dalam bilangan fuzzy.
b. Representasi Kurva Segitiga
Represetasi Kurva Segitiga, pemetaan input ke derajat keanggotaannya
digambarkan dengan bentuk segitiga dimana pada dasarnya bentuk
segitiga tersebut gabungan antara 2 garis (linear). Nilai-nilai di sekitar b
memiliki derajat keanggotaan turun yang cukup tajam (menjahui 1).
Representasi fungsi keanggotaan untuk kurva segitiga adalah sebagai
berikut:
1
Derajat
Keanggotaan
µ[x]
0 a b c
Gambar 2. 3 Representasi Kurva Segitiga
Fungsi Keanggotaan :
; a ≤ x ≤ b
µ[x,a,b,c]=
b ≤ x ≤ c …….…..………..(1.5)
0; x ≥ b
Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol.
b = nilai domain yang mempunyai derajat keanggotaan satu.
c = nilai domain terbesar yang mempunyai derajat keanggotaan nol.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
3. Representasi Kurva Trapesium
Kurva trapesium pada dasarnya menyerupai bentuk segitiga, hanya
saja ada beberapa titik yang memiliki nilai keanggotaan 1. Representasi
fungsi keanggotaan untuk kurva trapesium adalah sebagai berikut:
1
Derajat
Keanggotaan
µ[x]
0 a b c d
Gambar 2. 4 Representasi Kurva Trapesium
Fungsi Keanggotaan :
0; x ≤ a
; a ≤ x ≤ b
µ[x,a,b,c,d]= 1; b ≤ x ≤ c ………………. (1.6)
; c ≤ x ≤ d
0; x ≥ d
Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol.
b = nilai domain terkecil yang mempunyai derajat keanggotaan satu.
c= nilai domain terbesar yang mempunyai derajat keanggotaan satu.
d = nilai domain terbesar yang mempunyai derajat keanggotaan nol.
x = nilai input yang akan di ubah ke dalam bilangan fuzzy.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
2.1.5 Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy
a. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan.
α-predikat sebagai hasil operasi dengan operator AND diperoleh
dengan mengambil nilai keanggotaan terkecil antara elemen pada
himpunan-himpunan yang bersangkutan.
μA∩B= min(μA[x], μB[y]) …………..…………(1.7)
b. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan
α-predikat sebagai hasil operasi dengan operator OR diperoleh
dengan mengambil nilai keanggotaan terbesar antara elemen pada
himpunan-himpunan yang bersangkutan.
Μ AUB= max(μA[x], μB[y]) ……………….(1.8)
c. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada
himpunan. α-predikat sebagai hasil operasi dengan operator NOT
diperoleh dengan mengurangkan nilai keanggotaan elemen pada
himpunan-himpunan yang bersangkutan dari 1.
μA’=1- μA [x] …….………………………(1.9)
2.1.6 Penalaran Monoton
Metode penalaran secara monoton digunakan sebagai dasar untuk teknik
implikasi fuzzy. Meskipun penalaran ini sudah jarang sekali digunakan,
namun terkadang masih digunakan untuk penskalaan fuzzy. Jika 2 daerah
fuzzy direlasikan dengan implikasi sederhana sebagai berikut:
IF x is A THEN y is B ………………..….(1.10)
transfer fungsi:
y = f((x,A),B) ………………………....…(1.11)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi dan
dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari
nilai keanggotaan yang berhubungan dengan antesedennya.
2.1.7 Fungsi Implikasi
Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan
berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang
digunakan dalam fungsi implikasi adalah:
If x is A THEN y is B …………………...(1.12)
Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy.
Proporsisi yang mengikuti IF disebut sebagai anteseden, sedangkan
proposisi yang mengikuti THEN disebut sebagai konsekuen. Proposisi
ini dapat diperluas dengan menggunakan operator fuzzy, seperti:
IF(x1 is A1) and (x2 = A2) and … and (xn is An) THEN y is B
Secara umum ada dua fungsi implikasi yang digunakan (Kusumadewi,
2003), yaitu:
1. Min (minimum).
Fungsi ini akan memotong output himpunan fuzzy.
2. Dot (product).
Fungsi ini akan men-skala output himpunan fuzzy.
2.2 Sistem Inferensi Fuzzy
Sistem inferensi kabur yaitu sistem komputasi yang bekerja atas dasar
penalaran kabur. Salah satu dari sistem semacam itu, yaitu sistem kendali
otomatis yang juga dikenal dengan nama sistem kendali kabur (fuzzy control
system). Sistem kendali ini berfungsi untuk mengendalikan proses tertentu
dengan mempergunakan aturan infe-rensi berdasarkan logika kabur (Susilo F,
2006).
Pada dasarnya sistem kendali semacam itu terdiri dari empat unit, yaitu :
1. Unit Pengaburan ( fuzzification unit )
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
2. Unit Penalaran logika kabur ( fuzzy logic reasoning unit )
3. Unit Basis Pengetahuan ( knowledge base unit ), yang terdiri dari dua
bagian :
a. Basis data ( data base ), yang memuat fungsi-fungsi keanggotaan dari
himpunan-himpunan kabur yang terkait dengan nilai dari variabel-variabel
linguistik yang dipakai.
b. Basis kaidah ( rule base ), yang memuat kaidah-kaidah berupa implikasi
kabur.
4. Unit Penegasan ( defuzzification unit )
Suatu sistem kendali semacam itu mula-mula mengukur nilai-nilai tegas
dari semua variabel masukan yang terkait dalam proses yang akan
dikendalikan. Nilai-nilai itu kemudian dikonversikan oleh unit
pengaburan ke nilai kabur yang sesuai. Hasil pengukuran yang telah
dikaaburkan itu kemudian doproses oleh unit penalaran, yang dengan
menggunakan unit basis pengetahuan, menghasilkan himpunan kabur
sebagai keluarannya. Langkah terakhir dikerjakan oleh unit penegasan,
yaitu menerjemahkan himpunan kabur keluaran itu ke dalam nilai yang
tegas. Nilai tegas inilah yang kemudian direalisasikan dalam bentuk suatu
tindakan yang dilaksanakan dalam proses pengendalian itu. Langkah-
langkah tersebut secara skematis disajikan dalam gambar 2.5 di bawah ini.
Unit Basis Pengetahuan
(kabur) (kabur)
Masukan Keluaran
(tegas) (tegas)
Gambar 2. 5 Struktur dasar suatu sistem kendali kabur
Basis Data
Basis Data Kaidah
Unit Penalaran
Unit
Pengaburan
Unit
Penegasan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
2.3 Inferensi Menggunakan Metode Tsukamoto
Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk
IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari
masing-masing aturan (rule) ditetapkan secara tegas (crips) berdasarkan
α – predikat (fire-strength).
Hasil akhirnya didapat dari rata-rata terbobot dari masing-masing output rule.
Alur inferensi untuk mendapatkan suatu nilai crisp z dari 2-input dan 2-rule
output seperti pada gambar 2.6 dibawah ini.
Gambar 2. 6 Inferensi dengan menggunakan Metode Tsukamoto
Misalkan ada 2 variabel input, var-1 (x) dan var-2 (y), serta 1 variabel output,
var-3 (z),dimana var-1 terbagi atas 2 himpunan, yaitu A1 dan A2, var-2 terbagi
atas 2 himpunan, yaitu B1 dan B2, serta var-3 terbagi atas 2 himpunan C1 dan
C2(C1 dan C2 harus MONOTON). Ada 2 aturan yang digunakan yaitu:
[R1] IF (x is A1) and (y is B1) THEN (z is C1) …………..…..(1.13)
[R2] IF (x is A2) and (y is B2) THEN (z is C2) ……………... (1.14)
Dengan konsekuennya adalah z is C (rata-rata terbobot dari masing-masing
output rule).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
BAB III
METODOLOGI PENELITIAN
3.1 Gambaran Umum
Penelitian yang dilakukan bertujuan untuk menentukan jumlah dana
bantuan pembangunan rumah tidak layak huni. Input yang digunakan berupa
data kepala keluarga, tingkat kerusakan rumah dan penghasilan warga tiap
bulan. Data tersebut akan diolah untuk selanjutnya menghasilkan output
rekomendasi jumlah dana bantuan. Nantinya sistem diharapkan mampu
membantu pihak desa untuk menentukan jumlah dana bantuan pembangunan
rumah tidak layak huni.
3.2 Desain Penelitian
3.2.1 Studi Literatur
Studi literatur dilakukan dengan membaca buku, jurnal, serta sumber
lain yang berkaitan dengan Sistem Pendukung Pengambil Keputusan
(SPPK) dan fuzzy khususnya fuzzy Tsukamoto.
3.2.2 Data
- Data yang Digunakan
Data yang digunakan adalah data kepala keluarga, kerusakan rumah
dan penghasilan perbulan. Kepala keluarga yang dimaksud adalah
data yang ada pada kartu keluarga, kerusakan rumah adalah tingkat
persentase kerusakan rumah yang telah disurvei berdasarkan kriteria
yang telah ditentukan, penghasilan perbulan adalah jumlah rupiah
penghasilan warga dalam satu bulan.
- Teknik Pengumpulan Data
Teknik pengumpulan data yang digunakan adalah wawancara dan
seleksi data dan survei data. Wawancara dilakukan dengan
melakukan tanya jawab dengan perangkat desa di Desa Kalitanjung.
Melalui wawancara, peneliti dapat mengetahui gambaran proses
penerimaan dana bantuan dari pusat dan proses menentukan kriteria
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
rumah tidak layak huni. Selain itu, peneliti memperoleh data kepala
keluarga dan menyeleksi kepala keluarga yang mendapat bantuan
dana. Peneliti juga mendapatkan data kerusakan rumah dari survei
langsung bersama perangkat desa untuk menentukan persentase
kerusakan rumah.
3.2.3 Perancangan Alat Uji
Metodologi yang digunakan dalam penelitian adalah model
pengembangan alat uji waterfall. Model pengembangan ini dilakukan
secara sistematis. Berikut adalah beberapa tahapannya :
- Analisa
Dalam tahap ini dilakukan analisa terhadap kebutuhan sistem.
Seorang sistem analis bertugas dalam mencari informasi sebanyak
mungkin dari user sehingga sistem yang dibuat sesuai dengan
keinginan user. Tahapan ini biasanya akan menghasilkan dokumen
user requirement yang dapat digunakan sistem analis untuk
menerjemahkan ke dalam bahasa pemrograman.
- Desain
Dalam tahap ini dilakukan proses membuat rancangan alat uji
berdasarkan informasi dari tahap-tahap sebelumnya. Proses ini
berfokus pada struktur data, arsitektur perangkat lunak, representasi
interface, dan detail algoritma. Tahapan ini akan menghasilkan
dokumen yang disebut software requirement. Dokumen ini yang
digunakan seorang programmer untuk membangun sistemnya.
- Pengkodean (Coding)
Pengkodean merupakan tahap di mana perancangan yang telah
dibuat pada tahap desain diterjemahkan ke dalam bahasa
pemrograman pada komputer. Pengkodean menghasilkan alat uji
dalam bentuk perangkat lunak yang dibuat berdasarkan rancangan
yang telah ada.
- Pengujian
Pada tahap pengujian, alat uji berupa perangkat lunak diuji coba
untuk mengetahui apakah perangkat lunak tersebut sudah sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
dengan rancangan dan kebutuhan pengguna. Selain itu, pengujian
dilakukan untuk menemukan kesalahan-kesalahan sistem yang
kemudian akan diperbaiki.
3.2.4 Analisis dan Pengujian Sistem
Analisis hasil dan pengujian sistem yang dibangun adalah sebagai
berikut :
a. Analisis
Pada tahap analisis, melakukan percobaan perhitungan jumlah dana
bantuan menggunakan inferensi fuuzy metode Tsukamoto. Melihat
pengaruh perubahan nilai domain pada setiap kriteria terhadap
jumlah bantuan dana yang diperoleh kepala keluarga.
b. Pengujian
Sistem diuji di kantor kelurahan oleh penulis dan perangkat desa
untuk melihat sejauh mana hasil keputusan penentuan jumlah dana
pembangunan rumah. Melihat kekurangan sistem yang nantinya
akan diperbaiki.
3.3 Spesifikasi Software dan Hardware
Spesifikasi software dan hardware yang digunakan dalam implementasi
sistem penentuan stok buku ini adalah sebagai berikut :
a. Software
- Sistem Operasi yang digunakan adalah Microsoft Windows 7 64-bit
- Bahasa pemrograman yang digunakan adalah Java dengan aplikasi
Netbeans versi 7.4.
- Basisdata yang digunakan adalah Oracle sql developer versi 2.1.1.64.
b. Hardware
- Processor yang digunakan yaitu Intel(R)
Pentium® CPU P6200
@ 2.13GHz
- Memory yaitu 3 GB
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
BAB IV
ANALISIS DAN PERANCANGAN SISTEM
4.1 Analisis Masalah
4.4.1 Analisis Sistem Lama
Masalah utama dalam pemberian dana bantuan rumah tidak layak huni
bagi rakyat miskin adalah menentukan kriteria apa saja yang digunakan
sebagai bahan pertimbangan dalam menentukan bantuan pembangunan
rumah dan sistem pengambilan keputusan yang masih manual. Kesulitan
tim survei dalam menilai kondisi rumah atau kerusakan rumah. Serta
mempertimbangkan besarnya dana bantuan dalam waktu yang cukup
lama.
4.4.2 Analisis Sistem Baru
Sistem baru yang akan dibangun ini adalah suatu sistem pengambil
keputusan secara terkomputerisasi yang sangat membantu tim survei
dalam menangani atau menentukan berapa besar dana bantuan yang akan
diberikan warga yang memiliki rumah tidak layak huni. Tentunya
banyak hal yang perlu dipertimbankan dalam membangun sistem
tersebut. Dengan dibangunnya sistem tersebut, diharapkan sistem yang
dibangun benar-benar membantu menyelesaikan masalah diatas. Dan
meminimalisir adanya ketidak tepat sasaran bantuan. Dan bantuan dana
yang diterima masyarakat akan bernilai adil.
4.2 Gambaran Umum Sistem
Ada tahapan-tahapan yang harus dijalani dalam menentukan bantuan dana
pembangunan rumah tidak layak huni. Secara umum, jalannya kerja sistem
untuk menentukan bantuan dana pembangunan rumah adalah sebagai berikut:
1. User harus menginputkan data calon warga pendapat bantuan dana
pembangunan rumah antara lain :
a. Warga negara indonesia(dibuktikan dengan KTP dan KK).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
b. Kondisi ekonomi(termasuk miskin, menengah, atau mampu) dinilai
dari hasil pendapatan perbulan.
c. Besarnya kerusakan rumah (lantai, dinding, atap) dinilai dari
persentase kerusakan rumah.
2. User harus mengelola atau menentuan Aturan Fuzzy yang akan digunakan
sesuai dengan kebutuhan.
3. Sistem menghitung derajat keanggotaan dari masing-masing kriteria yang
diinputkan.
4. Sistem menghitung fire-strength dari masing-masing aturan fuzzy
menggunakan fungsi MIN.
5. Sistem menghitung nilai Z (rekomendasi bantuan) untuk tiap aturan fuzzy.
6. Sistem menghitung rata-rata terbobot nilai Z dari semua aturan fuzzy.
7. Jika kepala keluarga belum pernah menerima bantuan dana pembangunan
rumah, maka akan keluar output berupa rekomendasi bantuan yang akan
diterima tersebut.
8. Tetapi jika kepala keluarga sudah pernah mandapat bantuan dana
pembangunan rumah, maka rekomendasi bantuan dinyatakan NOL.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
Berikut ini gambar yang menunjukan gambaran umum kerja sistem :
START
Input :
Kerusakan rumah
dan penghasilan/
bulan
Perhitungan
derajat
keanggotaan tiap
himpunan fuzzy
Perhitungan fire-
strenght tiap
aturan fuzzy
Perhitungan nilai Z
tiap rule fuzzy
Perhitungan rata-
rata nilai Z dari
semua rule fuzzy
Output :
Rekomendasi Jumlah
Bantuan Dana
Pembangunan
Rumah Yang Diterima
END
Kelola Aturan
Fuzzy
KK Belum Pernah
Mendapat Bantuan
Dana Pembangunan
Rumah ?
Ya
Rekomendasi
Jumlah Bantuan
Dana
Pembangunan
Dinyatakan NOL
Tidak
Gambar 4. 1 Flowchart System
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
4.3 Analisis Kebutuhan Sistem
Kebutuhan sistem “Sistem Pendukung Pengambil Keputusan Penentuan
Bantuan Dana Pembangunan Rumah” yang akan dibangun terdiri dari 3
kebutuhan yaitu kebutuhan input, kebutuhan proses dan kebutuhan output
sistem.
1. Kebutuhan input
Kebutuhan input digolongkan menjadi 3, yaitu input tegas, input fuzzy dan
input domain fuzzy.
a. Input tegas, berupa data dari Status Kewarganegaraan( WNI atau
WNA) dan data Kartu Keluarga(KK).
b. Input fuzzy, terdiri dari data-data mengenai :
1. Kerusakan rumah.
2. Kondisi ekonomi.
c. Domain himpunan fuzzy :
1. Kerusakan rumah (%)
a. Rusak ringan :[0,50]
b. Rusak sedang : [0,100]
c. Rusak berat:[50,100]
2. Kondisi ekonomi (ribu rupiah)
a. Miskin :[0,1500]
b. Menengah : [500, 2500]
c. Kaya :[1500, +∞]
3. Bantuan rumah
a. Bantuan sedikit : [1,10]
b. Bantuan sedang : [7,23]
c. Bantuan banyak : [20,30]
2. Kebutuhan Proses
Sistem ini memiliki 1 aktor yang terlibat, yaitu perangkat desa.
Diagram usecase dapat digunakan untuk menggambarkan siapa yang akan
menggunakan sistem dan dengan cara apa pengguna mengharapkan untuk
berinteraksi dengan sistem. Berikut adalah uraian bagaimana aktor
berinteraksi dengan sistem yang ditunjukan pada gambar 4.2 :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
a. Admin harus login terlebih dahulu dengan memasukan username dan
password untuk masuk ke dalam sistem.
b. Skenario proses yang dilakukan oleh perangkat desa adalah
menambah data kepala keluarga, edit data KK, hapus data KK, edit
batas himpunan, kelola aturan fuzzy serta mencari data derajat
keanggotaan, menentukan jumlah bantuan dana dan cetak data
penerima bantuan dana pembangunan rumah.
c. Proses kelola data yang dilakukan oleh perangkat desa tersebut
bersifat depend on atau tergantuk pada proses login. Jika proses login
tidak berhasil maka admin tidak bisa melakukan proses kelola data.
d. Skenario logout, admin akan keluar dari sistem aplikasi setelah
menjalankan perintah logout.
Gambar 4. 2 Usecase Diagram
3. Kebutuhan Output
Output sistem berupa rekomendasi bantuan dana pembangunan
rumah yang diterima Kepala Keluarga sesuai dengan data yang diinputkan
oleh perangkat desa.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
4.4 Perancangan Sistem Inferensi Fuzzy Metode Tsukamoto
4.4.1 Kriteria Rumah Rusak
Pada bagian ini, menentukan seberapa besar kerusakan suatu
rumah dengan diberi nilai persentase. Sebelum menentukan nilai
tersebut ada beberapa kriteria rumah rusak, dinilai dari 3 aspek yaitu
kondisi atap, kondisi dinding dan kondisi lantai.
1. Tiga aspek kriteria rumah rusak
Tabel 4. 1 Kondisi Atap (k1)
Nilai (ni) Kondisi
1 Bocor (Genting Berlubang)
2 Bocor (Genting Berlubang) dan usuk keropos (rapuh)
3 Bocor (Genting Berlubang) , usuk keropos (rapuh), dan
gordin keropos.
4 Bocor (Genting Berlubang) , usuk keropos (rapuh),
gordin keropos dan kuda-kuda keropos.
Tabel 4. 2 Kondisi Dinding (k2)
Nilai(ni) Kondisi
1 Semi permanen(cor dan papan)
2 Terbuat dari anyaman bambu atau triplek keropos
3 Terbuat dari anyaman bambu atau triplek keropos dan
penyangga keropos
4 Terbuat dari anyaman bambu atau triplek keropos ,
penyangga keropos dan keadaan dinding miring
Tabel 4. 3 Kondisi Lantai (k3)
Nilai(ni) Kondisi
1 Tegel atau cor berlubang dan retak-retak
2 Beralaskan dari karpet plastik
3 Beralaskan dari karpet plastik dan berlubang-lubang
4 Hanya dari tanah saja
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
2. Penilaian rumah
Tabel 4. 4 Penilaian Rumah (%)
Kondisi Nilai
1 2 3 4
Atap
Dinding
Lantai
- Menghitung persentase kerusakan rumah.
K = ∑
∑ ∑ x 100%
Keterangan :
K = Persentase kerusakan rumah
n = nilai
k = kondisi
4.4.2 Pembentukan Himpunan Fuzzy
Ada 3 variabel fuzzy yang digunakan yaitu kerusakan rumah,
kondisi ekonomi, dan bantuan dana pembangunan rumah dengan fungsi
keanggotaan : linear turun, linear naik, dan segitiga sebagai pendekatan
untuk memperoleh derajat keanggotaan suatu nilai dalam suatu
himpunan fuzzy. Variabel masukan meliputi kerusakan rumah dan
kondisi ekonomi sedangkan variabel keluaran adalah bantuan dana
pembangunan rumah.
a. Variabel Kerusakan Rumah
Variabel kerusakan rumah ini diasumsikan berdasarkan
seberapa persen bagian rumah yang mengalami kerusakan. Variabel
kerusakan rumah dibagi menjadi 3 himpunan fuzzy yaitu RUSAK
RINGAN, RUSAK SEDANG, dan RUSAK BERAT. Himpunan
RUSAK RINGAN menggunakan pendekatan fungsi keanggotaan
yang berbentuk linear turun. Himpunan RUSAK BERAT
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
menggunakan pendekatan fungsi keanggotaan yang berbentuk linear
naik. Dan himpunan RUSAK SEDANG menggunakan pendekatan
fungsi keanggotaan berbentuk segitiga.
Gambar 4. 3 Fungsi Keanggotaan Variabel Kerusakan Rumah
Fungsi keanggotaan pada variabel kerusakan rumah :
0 50 ≤ y ≤ 100
µRusakRingan [y] =
0 ≤ y ≤ 50
0 ≤ y ≤ 50
µRusakSedang [y] =
50 ≤ y ≤ 100
0 ≤ y ≤ 50
µRusakBerat [y] =
50 ≤ y ≤ 100
b. Variabel Kondisi Ekonomi
Variabel kondisi ekonomi dibagi menjadi 3 himpunan fuzzy
yaitu MISKIN, MENENGAH, dan KAYA. Himpunan MISKIN
menggunakan pendekatan fungsi keanggotaan yang berbentuk linear
turun. Himpunan KAYA menggunakan pendekatan fungsi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
keanggotaan yang berbentuk linear naik. Dan himpunan
MENENGAH menggunakan pendekatan fungsi keanggotaan
berbentuk segitiga.
Gambar 4. 4 Fungsi Keanggotaan Variabel Kondisi Ekonomi
Fungsi keanggotaan pada variabel kerusakan rumah :
0 ≤ x ≤ 500
µMiskin [x] =
500 ≤ x ≤ 1500
0 untuk yang lainya
500 ≤ x ≤ 1500
µMenengah [x] =
1500 ≤ x ≤ 2500
0 untuk yang lainya
1500 ≤ x ≤ 2500
µKaya[x] =
1 x ≥ 2500
c. Variabel Bantuan Rumah
Variabel bantuan rumah dibagi menjadi 3 himpunan fuzzy yaitu
SEDIKIT, SEDANG, dan BANYAK. Himpunan SEDIKIT
menggunakan pendekatan fungsi keanggotaan yang berbentuk linear
turun. Himpunan BANYAK menggunakan pendekatan fungsi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
keanggotaan yang berbentuk linear naik. Dan himpunan SEDANG
menggunakan pendekatan fungsi keanggotaan berbentuk segitiga.
Gambar 4. 5 Fungsi Keanggotaan Variabel Bantuan Rumah
Fungsi keanggotaan pada variabel kerusakan rumah :
1 ≤ z ≤ 10
µSedikit[z] =
z ≥ 10
7 ≤ z ≤ 15
µSedang [z] =
15 ≤ z ≤ 23
0 untuk yang lainya
20≤ z ≤ 30
µBanyak[z] =
0 untuk yang lainnya
4.4.3 Mekanisme Inferensi Fuzzy
a. Pembentukan Aturan Fuzzy
Penentuan bantuan dana pembangunan rumah ini memiliki 9
kombinasi pilihan (3 x 3), yaitu 2 variabel fuzzy antara kerusakan
rumah dengan 3 himpunan fuzzy dan kondisi ekonomi dengan 3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
himpunan fuzzy. Sehingga terbentuk 9 rule atau aturan. Ke-9 aturan
fuzzy yang terbentuk adalah sebagai berikut :
Tabel 4. 5 Aturan Fuzzy
Aturan Kondisi
Ekonomi
Kerusakan
Rumah
Bantuan
Rumah
[R1] Miskin Berat Banyak
[R2] Miskin Sedang Banyak
[R3] Miskin Ringan Sedang
[R4] Menengah Berat Banyak
[R5] Menengah Sedang Sedang
[R6] Menengah Ringan Sedang
[R7] Kaya Berat Sedikit
[R8] Kaya Sedang Sedikit
[R9] Kaya Ringan Sedikit
Bantuan dana pembangunan rumah yang diterima disesuaikan
dengan kondisi ekonomi dan kerusakan rumah yang dialami. Pada
kasus ini, warga dengan kondisi ekonomi miskin akan lebih
diprioritaskan dibandingankan dengan yang menengah dan kaya.
b. Penentuan fire-strength (α-predikat)
Setelah masing-masing variabel fuzzy dihitung derajat
keanggotaanya, kemudian menentukan fire-strength dengan
mengambil nilai minimun ( MIN ) dari seluruh derajat keanggotaan.
Operator yang digunakan untuk menghitung fire-strength
rekomendasi jumlah bantuan dana pembangunan rumah adalah
operator AND. Hasil operasi dengan operator AND dari masing-
masing aturan diperoleh dengan :
µA∩B = min ( µA[x1], µB[x2] )
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
Keterangan :
A : kerusakan rumah
B : kondisi ekonomi
Fire-strength ke-9 aturan fuzzy :
[R1] α-predikat1 = min(µEkonomiMiskin, µRusakBerat)
[R2] α-predikat2 = min(µEkonomiMiskin, µRusakSedang)
[R3] α-predikat3 = min(µEkonomiMiskin, RusakRingan)
[R4] α-predikat4 = min(µEkonomiMenengah, µRusakBerat)
[R5] α-predikat5 = min(µEkonomiMenegah, µRusakSedang)
[R6] α-predikat6= min(µEkonomiMenengah, µRusakRingan)
[R7] α-predikat7 = min(µEkonomiKaya, µRusakBerat)
[R8] α-predikat8 = min(µEkonomiKaya, µRusakSedang)
[R9] α-predikat9= min(µEkonomiKaya, µRusakRingan)
4.4.4 Unit Defuzzifikasi
Unit defuzifikasi melakukan pemetaan dari keluaran inferensi
fuzzy (fire-strength) ke nilai tegas yang berupa rekomendasi jumlah
bantuan dana pembangunan rumah. Pada unit ini memiliki 2 proses
perhitungan yaitu perhitungan nilai z tiap aturan fuzzy dan perhitungan
rata-rata nilai z dari semua aturan fuzzy.
a. Perhitungan nilai Z (bantuan rumah) tiap aturan fuzzy
Perhitungan nilai z merupakan perhitungan bantuan dana
pembangunan rumah yang direkomendasikan pada setiap aturan.
Berikut nilai z untuk tiap rule :
[R1] z1=20+( α-predikat1 * (30-20))
[R2] z2=20+( α-predikat2*(30-20))
[R3] z3=23-( α-predikat3*(23-15))
[R4] z4=20+( α-predikat4*(30-20))
[R5] z5= 23-( α-predikat5*(23-15))
[R6]z6=7+( α-predikat6*(15-7))
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
[R7]z7=7+( α-predikat7*(15-7))
[R8]z8=10-( α-predikat8*(10-1))
[R9]z9=10-( α-predikat9*(10-1))
b. Perhitungan rata-rata nilai Z (center of single-ton)
Setelah nilai z untuk setiap aturan fuzzy diketahui, maka langkah
terakhir adalah menghitung rata-rata nilai z dari ke-9 aturan tersebut.
( ) ( )
4.4.5 Contoh Perhitungan Manual
Berikut adalah contoh berdasarkan data “Survei salah satu
keadaan rumah atau tempat tinggal warga secara langsung pada tanggal
03 Desember 2015” warga RT 001 RW 001, Desa Kalitanjung :
Misalkan dalam suatu kasus, ditemukan seorang Kepala Keluarga
bernama Asmoro Bayu Nurprasetyo dengan penghasilan Rp 700.000,00
per-bulan. Dan memiliki rumah dengan kondisi seperti gambar berikut,
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
Kondisi Atap Rumah
Kondisi Dinding Rumah
Kondisi Lantai Rumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
Maka dapat dihitung :
1. Perhitungan Penilaian Rumah
Kondisi Nilai
1 2 3 4
Atap *
Dinding *
Lantai *
K =
= 0,67 x 100 % = 67 %
Jadi persentase kerusakan rumah adalah 67 %
2. Perhitungan derajat keanggotaan
a. Kerusakan rumah 67 %
µRusakRingan [y] = 0
µRusakSedang [y] =
=
= 0,66
µRusakBerat [y] =
=
= 0,34
Gambar 4. 6 Nilai µRusakSedang dan µRusakBerat
b. Penghasilan : Rp 700.000,00 per-bulan
µMiskin [x] =
=
= 0,8
µMenengah [x] =
=
= 0,2
µKaya [x] =
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
Gambar 4. 7 Nilai µMiskin dan µMenengah
3. Penentuan α – predikat
Pada proses inferensi fuzzy ini dilakukan perhitungan fire-strength
( α – predikat ) untuk setiap aturan dengan menggunakan fungsi MIN
pada aplikasi fungsi implikasi. Berikut perhitungan nilai z untuk
setiap rule :
[R1] α – predikat1 =min(0.8 ; 0.34) = 0.34
[R2] α – predikat2 = min(0.8 ; 0.66) = 0.66
[R3] α – predikat3 = min(0.8 ; 0) = 0
[R4] α – predikat4 = min(0.2 ; 0.34) = 0.2
[R5] α – predikat5 = min(0.2 ; 0.66) = 0.2
[R6] α – predikat6 = min(0.2 ; 0) = 0
[R7] α – predikat7 = min(0 ; 0.34) = 0
[R8] α – predikat8 = min(0 ; 0.66) = 0
[R9] α – predikat9 = min(0 ; 0) = 0
4. Proses Defusifikasi
a. Perhitungan nilai Z tiap rule
[R1] z1=20+( 0.34 * (30-20)) = 23.4
Gambar 4. 8Nilai z1 pada [R1]
[R2] z2=20+( 0.66*(30-20)) = 26.6
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
Gambar 4. 9 Nilai z2 pada [R2]
[R3] z3=23-( 0 *(23-15)) = 23
[R4] z4=20+( 0.2 *(30-20)) = 22
Gambar 4. 10 Nilai z4 pada [R4]
[R5] z5= 23-( 0.2 *(23-15))= 21.4
Gambar 4. 11 Nilai z5 pada [R5]
[R6]z6=7+( 0 *(15-7)) = 7
[R7]z7=7+( 0 *(15-7))= 7
[R8]z8=10-( 0 *(10-1))= 10
[R9]z9=10-( 0 *(10-1))= 10
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
b. Perhitungan rata-rata nilai Z
Nilai rata-rata Z dicari dengan cara sebagai berikut :
Z =( ) ( ) ( ) ( )
Z =
Z =
= 24.4
Jadi jumlah bantuan dana pembangunan rumah tidak layak huni
yang akan diterima Bayu sebanyak Rp 24.400.000,00.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
4.5 Perancangan Proses
4.5.1 Diagram Konteks Sistem
Diagram konteks sistem digunakan untuk menunjukan antarmuka
utama sistem dengan lingkungannya. Dari Perangkat desa akan
diperolah data untuk melalukak login, data Kepala Keluarga, data batas
himpunan fuzzy. Lalu perangkat desa akan mendapatkan informasi
mengenai data kepala keluarga, data batas himpunan, data derajat
keanggotaan, data aturan fuzzy, data kondisi rumah, rekomendasi
bantuan dana pembangunan rumah tidak layak huni dan hasil laporan
data penerima bantuan dana pembangunan rumah dalam bentuk Ms.
Excel. Berikut diagram konteks sistem yang ditunjukan pada gambar
4.12 :
0
Sistem
Perangkat
Desa
Data Kepala keluargaData batas himpunanData derajat keanggotaan
Data LoginData Kepala Keluarga
Data Batas Himpunan
Kriteria Kondisi Rumah
Rekomendasi Jumlah Bantuan
yang Diterima
Data Aturan Fuzzy
Kriteria Kondisi Rumah
Gambar 4. 12 Diagram Konteks Sistem
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
4.5.2 DAD Level 1
Berikut diagram konteks sistem pada level 1 yang ditunjukkan pada
gambar 4.13 :
1
Login
2
Kelola/CRUD
data KK
3
Edit Batas
Himpunan
4
Cari data
derajat
keanggotaan
5
Upload
Gambar
Rumah
6
Kelola Aturan
Fuzzy
8
Penentuan
dana bantuan
10
logout
Perangkat Desa
Login
Kepala
Keluarga
Batas
Himpunan
Derajat
Keanggotaan
Username, password
Data KK
Data Batas Himpunan
Data Derajat Keanggotaan
Data Kepala Keluarga
Data Batas Himpunan
Id Kepala Keluarga
Data Gambar
Validasi Login
Validasi Login
Validasi login
Validasi login
Derajat kenggotaan kerusakan rumah,
Derajat keanggotaan kondisi ekonomi,
Rekomendasi dana bantuan
Batas himpunan fuzzy
Perintah logout
Id Kepala Keluarga
Data Derajat Keanggotaan
Validasi login
Validasi login
GambarData Gambar
AturanData Aturan Fuzzy
Persentase kerusakan
rumah, penghasilan
Status CRUD Data KK
7
View data
kepala
keluarga
9
Cetak dan
View Data
Penerima
Bantuan Dana
Status Edit Batas Himpunan
Status upload dan Data Gambar
Rekomendasi dana bantuan
Data Kepala Keluarga
view
Data Kepala Keluarga
Status Perubahan Data Aturan Fuzzy
Data Aturan fuzzy
Data Kepala keluarga
cetak
Data Penerima Bantuan Dana (M.S Excel)
Data Derajat Keanggotaan
Kondisi Rumah
Kondisi Rumah
Kondisi Rumah
Aturan Fuzzy
Gambar 4. 13 Diagram Aliran Data Level 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
4.5.3 DAD Level 2
4.5.3.1 DAD Level 2 Proses 2
Berikut diagram konteks sistem pada level 2 pada proses 2 yang
ditunjukkan pada gambar 4.14 :
Perangkat Desa
2.1
Tambah Data
KK
2.2
Cari Data KK
2.3
Edit Data KK
2.4
Hapus Data
KK
Kepala Keluarga
Data KK
Status Tambah Data KK
Data KK yang akan dicari
Data KK
Data KK yang akan dicari
Status edit data KK
Data KK yang akan dihapus
Status Hapus data KK
Data KK
Data KK
Data Kepala Keluarga
Data KK
Gambar 4. 14 Diagram Aliran Data Level 2 Proses 2
4.5.3.2 DAD Level 2 Proses 5
Berikut diagram konteks sistem pada level 2 pada proses 5 yang
ditunjukkan pada gambar 4.15 :
Perangkat Desa
5.1
Tambah
Gambar
5.2
Cari Gambar
Id KK, kondisi rumah,
Dan Gambar rumah
Status Tambah Gambar
Id KK & Kondisi Rumah
yang akan dicari
Gambar rumah
Gambar
Id KK, kondisi rumah,
Dan Gambar rumah
kondisi rumah,
Dan Gambar rumah
Gambar 4. 15 Diagram Aliran Data Level 2 Proses 5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
4.6 Perancangan Basisdata
4.6.1 Perancangan Konseptual
Pada tahap ini kegiatan yang dilakukan mengecek tentang kebutuhan–
kebutuhan pemakai terhadap data yang dihasilkan, dimana tujuan dari proses
perancangan skema konseptual adalah menyatukan pemahaman dalam
struktur database, pengertian semantik, keterhubungan dan batasan-
batasannya, dengan membuat sebuah skema database konseptual dengan
menggunakan model data ER/ERD tanpa tergantung dengan sistem
manajemen database. Himpunan entitas lemah/bergantung (dependent entity)
adalah himpunan entitas yang keberadaanya bergantunng pada keberadaan
himpunan entitas lain. Pada perancangan dibawah ini ada 4 entitas yaitu
kepala keluarga, derajatkeanggotaan, kondisirumah dan gambar. Untuk entitas
derajatkeanggotaan, kondisi rumah dan gambar sangat bergantung pada entitas
kepalakeluarga. Berikut model data ERD yang ditunjukan pada gambar 4.16 :
Gambar 4. 16 Entity Relationship Diagram
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
Keterangan:
a. Entitas yang terlibat ada 4, yaitu KepalaKeluarga,
DerajatKeanggotaan, KondisiRumah, Gambar.
b. Setiap entitas memiliki atribut masing-masing.
c. Relasi KepalaKeluarga dengan KondisiRumah adalah 1 to 1.
Setiap Kepala Keluarga hanya memiliki satu kondisi rumah
karena hanya memiliki satu rumah. Satu kondisi rumah terdiri
dari tiga kondisi dari atap, dinding dan lantai.
d. Relasi Kepala Keluarga dengan DerajatKeanggotaan adalah 1 to
1.
Setiap Kepala Keluarga hanya boleh memiliki nilai derajat
keanggotaan dari masing-masing kriteria sebanyak 1 untuk
proses perhitungan fire-strenght.
e. Relasi Kepala Keluarga dengan Gambar adalah 1 to N (one to
many).
f. Setiap Kepala Keluarga mempunyai banyak gambar dari setiap
masing-masing kondisi rumah( atap, dinding dan lantai).
4.6.2 Perancangan Logikal
Perancangan logikal adalah proses membangun model informasi yang
digunakan berdasarkan pada model data khusus, tetapi terlepas dari DBMS
dan pertimbangan fisik tertentu. Ada 4 entitas yang digunakan dan yang
berelasi saja, antara lain : KepalaKeluarga, DerajatKeanggotaan,
KondisiRumah dan Gambar.
KepalaKeluarga
- ID_KK : number PK
- NamaKK : varchar2 (50)
- NamaPemilik : varchar2 (50)
- AlamatRumah : varchar2 (50)
- RT : varchar2 (20)
- RW : varchar2 (20)
- Desa : varchar2 (20)
- Kecamatan : varchar2 (20)
- Kodepos : varchar2 (20)
- Provinsi: varchar2 (20)
- Pekerjaan : varchar2 (20)
- Penghasilan : varchar2 (20)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
- Persentaserusak : varchar2 (20)
- Kondisiatap : varchar2 (20)
- Kondisidinding : varchar2 (20)
- Kondisilantai : varchar2 (20)
DerajatKeanggotaan
- ID_KK : number FK
- NamaKK : varchar2 (50)
- NamaPemilik : varchar2 (50)
- MuRusakRingan : varchar2 (20)
- MuRusakSedang : varchar2 (20)
- MuRusakBerat : varchar2 (20)
- MuMiskin : varchar2 (20)
- MuMenengah : varchar2 (20)
- MuKaya : varchar2 (20)
- JumlahBantuan : varchar2 (20)
KondisiRumah
- ID_KK : number FK
- KondisiAtap: varchar2 (100)
- KondisiDinding : varchar2 (100)
- KondisiLantai : varchar2 (100)
Gambar
- ID_KK : number FK
- Kondisi : varchar2 (50)
- Alamatgambar : varchar2 (100)
4.6.3 Perancangan Fisikal
a. Tabel User_RTLH
Tabel Login digunakan untuk menyimpan data UserName dan
Password dari user.
Tabel 4. 6 Tabel User_RTLH
Nama Field Tipe Data Lebar Keterangan
PK UserName Varchar2 20 Nama user untuk
login ke sistem
Password Varchar2 20 Password user untuk
login ke sistem
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
b. Tabel BatasHimpunan
Tabel BatasHimpunan digunakan untuk menyimpan data-data batas
himpunan batas fuzzy.
Tabel 4. 7 Tabel BatasHimpunan
Nama Field Tipe
Data
Lebar Keterangan
PK HimpunanFuzzy Varchar2 50 Nama suatu
himpunan fuzzy
Variabel Varchar2 50 Nama suatu
variabel dari
himpunan fuzzy
BatasBawah Varchar2 20 Nilai batas bawah
suatu himpunan
fuzzy
BatasTengah Varchar2 20 Nilai batas tengah
suatu himpunan
fuzzy
BatasAtas Varchar2 20 Nilai batas atas
suatu himpunan
fuzzy
c. Tabel KepalaKeluarga
Tabel KepalaKeluarga digunakan untuk menyimpan data-data
Kepala Keluarga penerima dana bantuan pembangunan rumah.
Tabel 4. 8 Tabel KepalaKeluarga
Nama Field Tipe
Data
Lebar Keterangan
PK ID_KK number - Kode KK
penerima bantuan
NamaKK Varchar2 50 Nama KK
penerima bantuan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
NamaPemilik Varchar2 50 Nama KK pemilik
rumah
AlamatRumah Varchar2 50 Alamat rumah
yang ditempati
RT Varchar2 20 No. RT
RW Varchar2 20 No. RW
Desa Varchar2 20 Nama Desa
penerima bantuan
Kecamatan Varchar2 20 Nama Kecamatan
penerima bantuan
Kabupaten Varchar2 20 Kabupaten
penerima bantuan
Kodepos Varchar2 20 Kode pos
Kecamatan
Provinsi Varchar2 20 Provinsi dari
alamat penerima
bantuan
Pekerjaan Varcha2 20 Jenis Pekerjaan
penerima bantuan
penghasilan Varchar2 20 Penghasilan KK
per-bulan
Persentaserusak Varchar2 20 Kondisi kerusakan
rumah
Kondisisatap Varchar 25 Bobot nilai
kerusakan atap
Kondisidinding Varchar2 20 Bobot nilai
kerusakan dinding
Kondisilantai Varchar2 20 Bobot nilai
kerusakan lantai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
d. Tabel DerajatKeanggotaan
Tabel DerajatKeanggotaan digunakan untuk menyimpan data-data
mengenai derajat keanggotaan pada himpunan fuzzy tertentu, dan
jumlah bantuan yang direkomendasikan.
Tabel 4. 9 Tabel DerajatKeanggotaan
Nama Field Tipe
Data
Lebar Keterangan
FK ID_KK
number - Kode KK
penerima bantuan
NamaKK Varchar2 50 Nama KK
penerima bantuan
NamaPemilik Varchar2 50 Nama pemilik
rumah penerima
bantuan
MuRusakRingan Varchar2 20 Derajat
keanggotaan untuk
kerusakan rumah
di himpunan
RUSAK RINGAN
MuRusakSedang Varchar2 20 Derajat
keanggotaan untuk
kerusakan rumah
di himpunan
RUSAK SEDANG
MuRusakBerat Varchar2 20 Derajat
keanggotaan untuk
kerusakan rumah
di himpunan
RUSAK BERAT
MuMiskin Varchar2 20 Derajat
keanggotaan untuk
kondisi ekonomi di
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
himpunan
MISKIN
MuMenengah Varchar2 20 Derajat
keanggotaan untuk
kondisi ekonomi di
himpunan
MENENGAH
MuKaya Varchar2 20 Derajat
keanggotaan untuk
kondisi ekonomi di
himpunan KAYA
JumlahBantuan Varchar2 20 Rekomendasi
besarnya bantuan
yang diterima KK
e. Tabel KondisiRumah
Tabel KondisiRumah digunakan untuk menyimpan data-data
deskripsi kondisi rumah penerima dana bantuan pembangunan
rumah.
Tabel 4. 10 Tabel KondisiRumah
Nama Field Tipe
Data
Lebar Keterangan
FK ID_KK
number - Kode KK
penerima bantuan
KondisiAtap Varchar2 100 Deskripsi dari
kondisi atap rumah
penerima bantuan
KondisiDinding Varchar2 100 Deskripsi dari
kondisi dinding
rumah penerima
bantuan
KondisiLantai Varchar 100 Deskripsi dari
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
kondisi lantai
rumah penerima
bantuan
f. Tabel Aturan
Tabel Aturan digunakan untuk menyimpan data-data aturan fuzzy
yang digunakan untuk menentukan proses perhitungan jumlah dana
bantuan.
Tabel 4. 11 Tabel Aturan
Nama Field Tipe
Data
Lebar Keterangan
PK ID_ATURAN
Varchar2 20 Kode aturan fuzzy
Nilai Varchar2 20 Parameter untuk
nilai true dan false
Kondisiekonomi Varchar2 30 Deskripsi fuzzy
untuk kondisi
ekonomi
Kerusakanrumah Varchar2 30 Deskripsi fuzzy
untuk kerusakan
rumah
Jumlahbantuan Varchar2 30 Deskripsi fuzzy
untuk jumlah
bantuan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
g. Tabel Gambar
Tabel Gambar digunakan untuk menyimpan data-data gambar dari
setiap kondisi rumah penerima bantuan.
Tabel 4. 12 Tabel Gambar
Nama Field Tipe
Data
Lebar Keterangan
FK ID_KK
number - Kode KK
penerima bantuan
Kondisi Varchar2 50 Berisi kondisi atap,
dinding dan lantai
rumah.
Alamatgambar Varchar2 100 Alamat directori
dari gambar yang
di ambil.
4.7 Perancangan User Interface
4.7.1 Desain Interface Input
a. Login
Gambar 4.17 dibawah ini, menunjukan desain interface Login.
Menu login akan tampil pertama kali ketika sistem aplikasi ini
dijalankan.
Gambar 4. 17 Desain Interface Input
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
b. Tambah Data Kepala Keluarga
Gambar 4.18 dibawah ini, menunjukan desain interface Tambah
Data Kepala Keluarga yang digunakan untuk melakukan
penambahan data Kepala Keluarga.
Gambar 4. 18 Desain Interface Tambah Data Kepala Keluarga
c. Edit Data Kepala Keluarga
Gambar 4.19 dibawah ini, menunjukan desain interface edit data
kepala keluarga yang digunakan untuk melakukan perubahan data
kepala keluarga.
Gambar 4. 19 Desain Interface Edit Data Kepala Keluarga
d. Kelola Data Batas Himpunan
Gambar 4.20 dibawah ini menunjukan desain interface kelola data
batas himpunan digunakan untuk mengelola batas himpunan masin-
masing himpunan fuzzy. Tombol “ Lihat Fungsi Keanggotaan”
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
digunakan untuk melihat fungsi dari suatu variabel fuzzy (kerusakan
rumah, kondisi ekonomi dan jumlah bantuan). Tombol “edit”
digunakan untuk mengubah batas himpunan fuzzy dari suatu variabel
fuzzy. Tombol “Reset” digunakan untuk me-reset semua batas
menjadi null.
Gambar 4. 20 Desain Interface Kelola Data Batas Himpunan
e. Upload Gambar
Gambar 4.21 dibawah ini, menunjukan desain interface upload
gambar digunakan untuk penambahan gambar kondisi rumah( atap,
dinding dan lantai). Tombol “ cari “ digunakan untuk menampilkan
gambar rumah berdasarkan ID_KK dan kondisi rumah.
Gambar 4. 21 Desain Interface Upload Gambar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
f. Penentuan Dana Pembangunan
Gambar 4.22 dibawah ini, menunjukan desain interface penentuan
dana pembangunan rumah tidal layak huni digunakan untuk
menentukan rekomendasi bantuan dana. Perangkat desa harus
mengisi Id Kepala Keluarga maka akan tampil keterangan nama KK
penghasilan dan kerusakn rumah yang nantinya akan diproses.
Tombol “ Proses” digunakan untuk melihat rekomendasi jumlah
dana bantuan pembangunan rumah tidak layak huni yang diterima
Kepala Keluarga.
Gambar 4. 22 Desain Interface Penentuan Dana Pembangunan
4.7.2 Desain Interface Output
a. Menu Utama
Gambar 4.23 dibawah ini, menunjukan desain interface menu utama.
Perangkat Desa dapat mengakses beberapa menu yang disediakan
sistem.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
Gambar 4. 23 Desain Interface Menu Utama
b. Menu Kelola Data Kepala Keluarga
Pada gambar 4.24 dibawah ini, menunjukan menu kelola data KK.
Perangkat desa bisa melakukan proses tambah KK dengan klik
Tombol “Tambah KK” dan bisa melakukan proses pencarian
sekaligus edit dengan klik tombol “Pencarian”.
Gambar 4. 24 Desain Interface Menu Kelola Kepala Keluarga.
c. Pencarian Data Derajat Keanggotaan
Gambar 4.25 dibawah ini, menunjukan form pencarian data KK.
Perangkat desa dapat melakukan pencarian data derajat keanggotaan
berdasarkan id kepala keluarga.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
Gambar 4. 25 Desain Interface Pencarian Data Derajat Keanggotaan
d. Kelola Aturan Fuzzy
Gambar 4.26 dibawah ini, menunjukan halaman kelola aturan fuzzy.
Perangkat desa dapat melakukan pemilihan aturan fuzzy yang
diinginkan. Tombol “ Reset” harus di klik sebelum perangkat desa
melakukan pemilihan aturan. Tombol “default” bertujuan untuk
mengaktifkan semua aturan yang tersedia.
Gambar 4. 26 Desain Interface Kelola Aturan Fuzzy
e. Data Kepala Keluarga Penerima Bantuan
Gambar 4.27 dibawah ini, menunjukan halaman data KK penerima
bantuan. Perangkat desa dapat melihat seluruh kepala keluarga
penerima bantuan yang sudah ditambahkan pada proses tambah
sebelumnya. Perangkat desa cukup pilih menu view lalu klik “ Data
Kepala Keluarga” maka akan tampil seluruh data KK.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
Gambar 4. 27 Desain Interface Data Kepala Keluarga Penerima
Bantuan
f. Data Penerima Bantuan Dana
Gambar 4.28 dibawah ini, menunjukan halaman data penerima
bantuan dana. Perangkat desa dapat melihat semua kepala keluarga
yang sudah mendapat bantuan dana pembangunan rumah. Pilih
menu view lalu klik “Data Penerima Jumlah Bantuan” maka akan
muncul semua data KK yang sudah mendapat bantuan dana. Tombol
“Export/Cetak” digunakan untuk membuat laporan sekaligus
mencetak data yang telah di eksport menjadi Ms. Excel.
Gambar 4. 28 Desain Interface Data Penerima Bantuan Dana
Pembangunan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
BAB V
IMPLEMENTASI, HASIL, DAN PEMBAHASAN
5.1 Implementasi Algoritma Sistem Inferensi Fuzzy Metode Tsukamoto
Perhitungan untuk menentukan besarnya bantuan dana pembangunan
rumah tidak layak huni yang akan diterima kepala keluarga terdapat 3 tahapan,
yaitu : perhitungan derajat keanggotaan variabel masukan( kerusakan rumah
dan kondisi ekonomi ), mekanisme inferensi fuzzy, dan unit defuzifikasi.
Berikut penjelasan lebih lanjut :
5.1.1 Perhitungan Derajat Keanggotaan
Berikut ini penjelasan lebih lanjut mengenai perhitungan derajat
keanggotaan tiap himpunan fuzzy dari variabel kerusakan rumah dan
kondisi ekonomi dari kasus yang diambil dari survei terhadap rumah
seorang Kepala Keluarga bernama Asmoro Bayu Nurprasetyo dengan
penghasilan Rp 700.000,00 per-bulan. Dan memiliki rumah dengan
kondisi seperti gambar berikut,
Kondisi Nilai
1 2 3 4
Atap *
Dinding *
Lantai *
a. Perhitungan Persentase Kerusakan Rumah
Perhitungan persentase kerusakan rumah harus ditentukan
dengan menghitung dari nilai bobot yang telah ditentukan. Berikut
formula untuk menentuka persentase kerusakn rumah :
K = ∑
∑ ∑ x 100%
Keterangan :
K = Persentase kerusakan rumah
n = nilai
k = kondisi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
maka diperoleh perhitungan seperti dibawah ini :
K =
= 0,67 x 100 % = 67 %
Jadi persentase kerusakan rumah adalah 67 %.
b. Perhitungan µ RusakRingan [y]
Perhitungan derajat keanggotaan himpunan fuzzy “rusak
ringan” menggunakan pendekatan fungsi keanggotaan linear turun.
Perhitungan derajat keanggotaan ini, diimplementasi dalam
function bernama “ FuncRusakringan”.
Kerusakan Rumah ( Persen )
Gambar 5. 1 Fungsi Keanggotaan Rusak Ringan
Batas bawah ( 0% ) dan batas atas (50%) himpunan fuzzy “ rusak
ringan” diambil dari tabel “ batashimpunan”. Listing program
adalah :
select batasbawah ,batastengah, batasatas from
batashimpunan where himpunanfuzzy = 'rusakringan';
Jika kerusakan rumah berada diantara 0 % sampai 50 %
maka nilai keanggotaan “rusak ringan” adalah (50-y) / (50-0).
Listing programnya adalah
if (kerusakan >= bawah && kerusakan <= atas) {
myuRusakRingan = (double) Math.round((atas -
kerusakan) / (atas - bawah) * bulat) / bulat;
if (myuRusakRingan <= 0) {
myuRusakRingan = 0;
}
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
Jika kerusakan rumah lebih besar 50 % maka µ RusakRingan
[y] = 0. Karena nilai kerusakan rumah sebesar 67% maka nilai
kerusakan tersebut diatas batas atas yaitu sebesar 50 %. Listing
programnya sebagai berikut :
if (kerusakan >= atas) {
myuRusakRingan = 0;
}
maka menjadi :
if (67 >= 50) {
myuRusakRingan = 0;
}
Jadi nilai myuRusakRingan adalah 0.
Function “FuncRusakringan” akan memberikan nilai balik berupa
nulai dari myuRusakRingan.
c. Perhitungan µ RusakSedang [y]
Perhitungan derajat keanggotaan himpunan fuzzy “rusak
sedang” menggunakan pendekatan fungsi keanggotaan segitiga.
Perhitungan derajat keanggotaan ini, diimplementasi dalam
function bernama “ FuncRusakSedang”.
Kerusakan Rumah (Persen)
Gambar 5. 2 Fungsi Keanggotaan Rusak Sedang
Batas bawah (0%), batas tengah (50%) dan batas atas (100%)
himpunan fuzzy “rusak sedang” diambil dari tabel “
batashimpunan”. Berikut Listing programnya :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
58
select batasbawah, batastengah, batasatas from
batashimpunan where himpunanfuzzy = 'rusakringan';
Jika kerusakan rumah berada diantara 0% sampai 50% ( antara
batas bawah dan batas tengah fungsi keanggotaan rusak sedang),
maka nilai kenaggotaan “rusak sedang” µ RusakSedang [y] adalah
(y-0) / (50-0). Berikut listing programnya :
if (kerusakan2 >= bawah2 && kerusakan2 <= tengah2) {
myuRusakSedang = (double) Math.round((kerusakan2 -
bawah2)/(tengah2 - bawah2) * bulat) / bulat;
}
Jika kerusakan rumah berada diantara 50% sampai 100% ( antara
batas tengah dan batas atas fungsi keanggotaan rusak sedang),
maka nilai keanggotaan “rusak sedang” µ RusakSedang [y] adalah
(100-y) / (100-50). Karena nilai kerusakan rumah sebesar 67%
maka nilai kerusakan tersebut berada diantara batas tengah yaitu
sebesar 50 % dan batas atas yaitu 100% . Berikut adalah listing
programnya:
if (kerusakan2 >= tengah2 && kerusakan2 <= atas2) {
myuRusakSedang = (double) Math.round((atas2 -
kerusakan2) / (atas2 - tengah2) * bulat) / bulat;
}
Maka menjadi :
if (67 >= 50 && 67 <= 100) {
myuRusakSedang = (double) Math.round((100 - 67) /
(67 - 100) * bulat) / bulat;
}
Jadi nilai myuRusakSedang adalah 0,66.
Function “FuncRusakSedang” akan memberikan nilai balik berupa
nulai dari myuRusakSedang.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
d. Perhitungan µ RusakBerat [y]
Perhitungan derajat keanggotaan himpunan fuzzy “rusak
berat” menggunakan pendekatan fungsi keanggotaan linear naik.
Perhitungan derajat keanggotaan ini, diimplementasi dalam
function bernama “ FuncRusakBerat”.
Kerusakan Rumah (Persen)
Gambar 5. 3 Fungsi Keanggotaan Rusak Berat
Batas bawah (50%), batas tengah (100%) dan batas atas (100%)
himpunan fuzzy “rusak berat” diambil dari tabel “ batashimpunan”.
Berikut Listing programnya :
select batasbawah, batastengah, batasatas from
batashimpunan where himpunanfuzzy = 'rusakberat';
Jika kerusakan rumah berada diantara 50% sampai 100% ( antara
batas bawah dan batas tengah fungsi kenaggotaan rusak berat),
maka nilai kenaggotaan “rusak berat” µ RusakBerat [y] adalah (y-
50) / (100-50). Karena nilai kerusakan rumah sebesar 67% maka
nilai kerusakan tersebut berada diantara batas bawah yaitu sebesar
50 % dan batas tengah yaitu 100%. Berikut listing programnya :
if (kerusakan3 >= bawah3 && kerusakan3 <= tengah3) {
myuRusakBerat = (double) Math.round((kerusakan3 -
bawah3) / (tengah3 - bawah3) * bulat) / bulat;
}
Maka menjadi :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
if (67 >= 50 && 67 <= 100) {
myuRusakBerat = (double) Math.round((67 - 50) /
(100 - 50) * bulat) / bulat;
}
Jadi nilai myuRusakBerat adalah 0,34.
Jika kerusakan rumah lebih besar 100 % (batas atas) maka nilai
keanggotaan “rusak berat” µ RusakBerat [y] =1. Berikut adalah
listing programnya:
if (kerusakan3 >= atas3) {
myuRusakBerat = 1;
}
Function “FuncRusakBerat” akan memberikan nilai balik berupa
nulai dari myuRusakBerat.
e. Perhitungan µ Miskin [x]
Perhitungan derajat keanggotaan himpunan fuzzy “miskin”
menggunakan pendekatan fungsi keanggotaan linear turun.
Perhitungan derajat keanggotaan ini, diimplementasi dalam
function bernama “ FuncMiskin”.
Kondisi Ekonomi (rupiah)
Gambar 5. 4 Fungsi Keanggotaan Miskin
Batas bawah ( 0 ribu ) batas tengah ( 500 ribu) dan batas atas (1500
ribu) himpunan fuzzy “ Miskin ” diambil dari tabel “
batashimpunan”. Listing program adalah :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
61
select batasbawah,batastengah,batasatas from
batashimpunan where himpunanfuzzy = 'miskin';
Jika penghasilan berada diantara 500 ribu sampai 1500 ribu (antara
batas tengah dan batas atas) maka nilai keanggotaan “Miskin”
adalah (1500-x) / (1500-500). Karena nilai penghasilan sebesar
700000 maka nilai penghasilan tersebut berada diantara batas
tengah yaitu sebesar 500000 dan batas atas yaitu 1000000. Listing
programnya adalah
if (kondisi4 >= tengah4 && kondisi4 <= atas4) {
myuMiskin = (double) Math.round((atas4 - kondisi4)
/ (atas4 - tengah4) * bulat) / bulat;
}
Maka menjadi :
if (700000 >= 500000 && 700000 <= 1000000) {
myuMiskin = (double) Math.round((1000000 - 700000)
/ (1000000 - 500000) * bulat) / bulat;
}
Jadi nilai myuMiskin adalah 0,8.
Jika penghasilan berada diantara 0 ribu dan 500 ribu ( antara batas
bawah dan batas tengah) maka µ Miskin [x] = 1. Listing
programnya sebagai berikut :
if (kondisi4 >= bawah4 && kondisi4 <= tengah4) {
myuMiskin = 1;
}
Jika penghasilan tiap bulan lebih besar 1,5 juta maka µ Miskin [x]
= 0. Berikut listing programnya :
if (kondisi4 >= atas4) {
myuMiskin = 0;
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
62
}
Function “FuncMiskin” akan memberikan nilai balik berupa nulai
dari myuMiskin.
f. Perhitungan µ Menengah [x]
Perhitungan derajat keanggotaan himpunan fuzzy “menengah”
menggunakan pendekatan fungsi keanggotaan segitiga. Perhitungan
derajat keanggotaan ini, diimplementasi dalam function bernama “
FuncMiskin”.
Kondisi Ekonomi (rupiah)
Gambar 5. 5 Fungsi Keanggotaan Menengah
Batas bawah ( 500 ribu ) batas tengah ( 1500 ribu) dan batas atas
(2500 ribu) himpunan fuzzy “ Menengah ” diambil dari tabel “
batashimpunan”. Listing program adalah :
select batasbawah,batastengah,batasatas from
batashimpunan where himpunanfuzzy = 'menengah';
Jika penghasilan berada diantara 500 ribu sampai 1500 ribu
(antara batas bawah dan batas tengah) maka nilai keanggotaan
“Menengah” adalah (x-500) / (1500-500). Karena nilai penghasilan
sebesar 700000 maka nilai penghasilan tersebut berada diantara
batas awah yaitu sebesar 500000 dan batas tengah yaitu 1500000.
Listing programnya adalah
if (kondisi5 >= bawah5 && kondisi5 <= tengah5) {
myuMenengah = (double) Math.round((kondisi5 -
bawah5) / (tengah5 - bawah5) * bulat) / bulat;
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
63
Maka menjadi :
if (700000 >= 500000 && 700000 <= 1500000) {
myuMenengah = (double) Math.round((700000 -
500000) / (1500000 - 500000) * bulat) / bulat;
}
Jadi nilai myuMenengah adalah 0,2.
Jika penghasilan berada diantara 1500 ribu dan 2500 ribu ( antara
batas tengah dan batas batas atas) maka µ Menengah [x] adalah
(2500-x) / (2500-1500). Listing programnya sebagai berikut :
if (kondisi5 >= tengah5 && kondisi5 <= atas5) {
myuMenengah = (double) Math.round((atas5 -
kondisi5) / (atas5 - tengah5) * bulat) / bulat;
}
Function “FuncMenengah” akan memberikan nilai balik berupa
nulai dari myuMenengah.
g. Perhitungan µ Kaya [x]
Perhitungan derajat keanggotaan himpunan fuzzy “kaya”
menggunakan pendekatan fungsi keanggotaan linear naik.
Perhitungan derajat keanggotaan ini, diimplementasi dalam
function bernama “ FuncKaya”.
Kondisi Ekonomi (rupiah)
Gambar 5. 6 Fungsi Keanggotaan Kaya
Batas bawah ( 1500 ribu ) batas tengah ( 2500 ribu) dan batas atas
(2500 ribu) himpunan fuzzy “ kaya ” diambil dari tabel “
batashimpunan”. Listing program adalah :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
64
select batasbawah, batastengah, batasatas from
batashimpunan where himpunanfuzzy = 'kaya';
Jika penghasilan berada diantara 1500 ribu sampai 2500
ribu(antara batas bawah dan batas tengah) maka nilai keanggotaan
“Kaya” adalah (x-1500) / (2500-1500). Listing programnya adalah
if (kondisi6 >= bawah6 && kondisi6 <= tengah6) {
myuKaya = (double) Math.round((kondisi6 - bawah6)
/ (tengah6 - bawah6) * bulat) / bulat;
}
Jika penghasilan berada lebih besar 2500 ribu (dari batas atas)
maka µ Kaya [x] = 1. Listing programnya sebagai berikut :
if (kondisi6 >= atas6) {
myuKaya = 1;
}
Jika penghasilan berada diantara 0 dengan 1500 ribu, maka µ Kaya
[x] = 0. Karena nilai penghasilan 700000 maka myuKaya adalah 0.
Function “FuncKaya” akan memberikan nilai balik berupa nulai
dari myuKaya.
5.1.2 Mekanisme Inferensi Fuzzy
Pada mekanisme inferensi fuzzy, setelah masing-masing himpunan
fuzzy dihitung derajat keanggotaanya, kemudian ditentukan a-predikat
atau fire-strength dari tiap aturan fuzzy. Perhitungan ini dilakukan
dengan mengambil nilai minimum (MIN) menggunakan operator AND
dari derajat keanggotaan variabel kerusakan rumah dan kondisi
ekonomi.
a. Perhitungan α-predikat1
Aturan 1 adalah
[R1] Jika Kondisi Ekonomi MISKIN
Dan Kerusakan Rumah BERAT
Maka Bantuan Rumah BANYAK
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
65
α-predikat1 = µMISKIN ∩ µBERAT
= min( µMISKIN [x], µBERAT[y] )
Kemudian dicari nilai MIN dari kedua himpunan fuzzy tersebut.
Untuk nilai myuRusakBerat adalah 0.34 dan myuMiskin adalah
0.8. Berikut listing programnya :
if (rule1 == 1) {
pred1 = Math.min(myuRusakBerat, myuMiskin);
}
Maka menjadi :
if (rule1 == 1) {
pred1 = Math.min(0.34, 0.8);
}
Jadi nilai a-predikat1 adalah 0.34.
Selain itu, a-predikat1=0. Berikut listing programnya :
else {
pred1 = 0;
}
b. Perhitungan α-predikat2
Aturan 2 adalah
[R2] Jika Kondisi Ekonomi MISKIN
Dan Kerusakan Rumah SEDANG
Maka Bantuan Rumah BANYAK
α-predikat2 = µMISKIN ∩ µSEDANG
= min( µMISKIN [x], µSEDANG[y] )
Kemudian dicari nilai MIN dari kedua himpunan fuzzy tersebut.
Untuk nilai myuRusakSedang adalah 0.66 dan myuMiskin 0.8.
Berikut listing programnya :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
66
if (rule2 == 1) {
pred2 = Math.min(myuRusakSedang, myuMiskin);
}
Maka menjadi :
if (rule2 == 1) {
pred2 = Math.min(0.66, 0.8);
}
Jadi nilai a-predikat2 adalah 0.66.
Selain itu, a-predikat2 =0. Berikut listing programnya :
else {
pred2 = 0;
}
c. Perhitungan α-predikat3
Aturan 3 adalah
[R3] Jika Kondisi Ekonomi MISKIN
Dan Kerusakan Rumah RINGAN
Maka Bantuan Rumah SEDANG
α-predikat3 = µMISKIN ∩ µRINGAN
= min( µMISKIN [x], µRINGAN[y] )
Kemudian dicari nilai MIN dari kedua himpunan fuzzy tersebut.
Untuk nilai myuRusakRingan adalah 0 dan myuMiskin 0.8. berikut
listing programnya :
if (rule3 == 1) {
pred3 = Math.min(myuRusakRingan, myuMiskin);
}
Maka menjadi :
if (rule3 == 1) {
pred3 = Math.min(0, 0.8);
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
67
Jadi nilai a-predikat3 adalah 0.
Selain itu, a-predikat3 = 0. Berikut listing programnya :
else {
pred3 = 0;
}
d. Perhitungan α-predikat4
Aturan 4 adalah
[R4] Jika Kondisi Ekonomi MENENGAH
Dan Kerusakan Rumah BERAT
Maka Bantuan Rumah BANYAK
α-predikat4 = µMENENGAH ∩ µBERAT
= min( µMENENGAH [x], µBERAT [y] )
Kemudian dicari nilai MIN dari kedua himpunan fuzzy tersebut.
Untuk nilai myuRusakBerat adalah 0.34 dan myuMenengah adalah
0.2. Berikut listing programnya :
if (rule4 == 1) {
pred4= Math.min(myuRusakBerat,myuMenengah);
}
Maka menjadi :
if (rule4 == 1) {
pred4= Math.min(0.34,0.2);
}
Jadi nilai a-predikat4 adalah 0.2.
Selain itu, a-predikat4 =0. Berikut listing programnya :
else {
pred4 = 0;
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
68
e. Perhitungan α-predikat5
Aturan 5 adalah
[R5] Jika Kondisi Ekonomi MENENGAH
Dan Kerusakan Rumah SEDANG
Maka Bantuan Rumah SEDIKIT
α-predikat5 = µMENENGAH ∩ µSEDANG
= min( µMENENGAH [x], µSEDANG [y] )
Kemudian dicari nilai MIN dari kedua himpunan fuzzy tersebut.
Untuk nilai myuRusakSedang adalah 0.66 dan myuMenengah
adalah 0.2. Berikut listing programnya :
if (rule5 == 1) {
pred5 = Math.min(myuRusakSedang, myuMenengah);
}
Maka menjadi :
if (rule5 == 1) {
pred5 = Math.min(0.66, 0.2);
}
Jadi nilai a-predikat5 adalah 0.2.
Selain itu, a-predikat5 = 0. Berikut listing programnya :
else {
pred5 = 0;
}
f. Perhitungan α-predikat6
Aturan 6 adalah
[R6] Jika Kondisi Ekonomi MENENGAH
Dan Kerusakan Rumah RINGAN
Maka Bantuan Rumah SEDANG
α-predikat6 = µMENENGAH ∩ µRINGAN
= min( µMENENGAH [x], µRINGAN [y] )
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
69
Kemudian dicari nilai MIN dari kedua himpunan fuzzy tersebut.
Untuk nilai myuRusakRingan adalah 0 dan myuMenengah adalah
0.2. Berikut listing programnya :
if (rule6 == 1) {
pred6 = Math.min(myuRusakRingan, myuMenengah);
}
Maka menjadi :
if (rule6 == 1) {
pred6 = Math.min(0, 0.2);
}
Jadi nilai a-predikat6 adalah 0.
Selain itu, a-predikat6 = 0. Berikut listing programnya :
else {
pred6 = 0;
}
g. Perhitungan α-predikat7
Aturan 7 adalah
[R7] Jika Kondisi Ekonomi KAYA
Dan Kerusakan Rumah BERAT
Maka Bantuan Rumah SEDIKIT
α-predikat7 = µKAYA ∩ µBERAT
= min( µKAYA [x], µBERAT [y] )
Kemudian dicari nilai MIN dari kedua himpunan fuzzy tersebut.
Untuk nilai myuRusakBerat adalah 0.34 dan myuKaya adalah 0.
Berikut listing programnya :
if (rule7 == 1) {
pred7 = Math.min(myuRusakBerat, myuKaya); }
Maka menjadi :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
70
if (rule7 == 1) {
pred7 = Math.min(0.34, 0);
}
Jadi nilai a-predikat7 adalah 0.
Selain itu, a-predikat7 = 0. Berikut listing programnya :
else {
pred7 = 0;
}
h. Perhitungan α-predikat8
Aturan 8 adalah
[R8] Jika Kondisi Ekonomi KAYA
Dan Kerusakan Rumah SEDANG
Maka Bantuan Rumah SEDIKIT
α-predikat8 = µKAYA ∩ µSEDANG
= min( µKAYA [x], µSEDANG [y] )
Kemudian dicari nilai MIN dari kedua himpunan fuzzy tersebut.
Untuk nilai myuRusakSedang adalah 0.66 dan myuKaya adalah 0.
Berikut listing programnya :
if (rule8 == 1) {
pred8 = Math.min(myuRusakSedang, myuKaya);
}
Maka menjadi :
if (rule8 == 1) {
pred8 = Math.min(0.66, 0);
}
Jadi nilai a-predikat8 adalah 0.
Selain itu, a-predikat8 = 0. Berikut listing programnya :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
71
else {
pred8 = 0;
}
i. Perhitungan α-predikat9
Aturan 9 adalah
[R9] Jika Kondisi Ekonomi KAYA
Dan Kerusakan Rumah RINGAN
Maka Bantuan Rumah SEDIKIT
α-predikat9 = µKAYA ∩ µRINGAN
= min( µKAYA [x], µRINGAN [y] )
Kemudian dicari nilai MIN dari kedua himpunan fuzzy tersebut.
Untuk nilai myuRusakRingan adalah 0 dan myuKaya adalah 0.
Berikut listing programnya :
if (rule9 == 1) {
pred9 = Math.min(myuRusakRingan, myuKaya);
}
Maka mejadi :
if (rule9 == 1) {
pred9 = Math.min(0, 0);
}
Jadi nilai a-predikat9 adalah 0.
Selain itu, a-predikat9 = 0. Berikut listing programnya :
else {
pred9 = 0; }
5.1.3 Unit Defuzifikasi
a. Perhitungan Nilai Z Tiap Aturan Fuzzy
Perhitungan nilai Z ini merupakan perhitungan bantuan
dana pembangunan rumah tidak layak huni yang direkomendasikan(
sedikit, sedang dan banyak ) pada tiap aturan. Batas bawah, batas
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
72
tengah, dan batas atas untuk tiap himpunan bantuan diambil dari
tabel “batashimpunan” dengan permisalan sebagai berikut :
- Batas TENGAH bantuan SEDIKIT adalah 1 juta,
- Batas ATAS bantuan SEDIKIT adalah 10 juta,
- Batas BAWAH bantuan SEDANG adalah 7 juta,
- Batas TENGAH bantuan SEDANG adalah 15 juta,
- Batas ATAS bantuan SEDANG adalah 23 juta,
- Batas BAWAH bantuan BANYAK adalah 20 juta,
- Batas ATAS bantuan BANYAK adalah 30 juta,
1. Perhitungan z1
Jika kondisi ekonomi MISKIN dan kerusakan rumah
BERAT, maka akan mendapatkan bantuan dana BANYAK.
Perhitungan nilai z1 (bantuan BANYAK) adalah
Z1 = 20 + ( α-predikat1 * ( 30 – 20 ) ).
Implementasi pada program adalah
z1 =(int)(BtsBawah_bantuanBanyak + (pred1 *
(BtsAtas_bantuanBanyak -BtsBawah_bantuanBanyak)));
Proses hitung :
z1 =(int)(20 + (0.34 * (30-20)));
maka z1 = 23.4
2. Perhitungan z2
Jika kondisi ekonomi MISKIN dan kerusakan rumah
SEDANG, maka akan mendapatkan bantuan dana BANYAK.
Perhitungan nilai z2 (bantuan BANYAK) adalah
Z2 = 20 + ( α-predikat2 * ( 30 – 20 ) ).
Implementasi pada program adalah
z2 =(int)(BtsBawah_bantuanBanyak + (pred2 *
(BtsAtas_bantuanBanyak - BtsBawah_bantuanBanyak)));
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
73
Proses hitung :
z2 =(int)(20+ (0.66 * (30 - 20)));
maka z2 = 26.6
3. Perhitungan z3
Jika kondisi ekonomi MISKIN dan kerusakan rumah
RINGAN, maka akan mendapatkan bantuan dana SEDANG.
Perhitungan nilai z3 (bantuan SEDANG) adalah
Z3 = 23 - ( α-predikat3 * ( 23 – 15 ) ).
Implementasi pada program adalah
z3 =(int)(BtsAtas_bantuanSedang-(pred3 *
(BtsAtas_bantuanSedang-BtsTengah_bantuanSedang)));
Proses hitung :
z3 =(int)(23 -(0 * (23 - 15)));
maka z3 = 23
4. Perhitungan z4
Jika kondisi ekonomi MENENGAH dan kerusakan rumah
BERAT, maka akan mendapatkan bantuan dana BANYAK.
Perhitungan nilai z4 (bantuan BANYAK) adalah
Z4 = 20 + ( α-predikat4 * ( 30 – 20 ) ).
Implementasi pada program adalah
z4 =(int)(BtsBawah_bantuanBanyak + (pred4 *
(BtsAtas_bantuanBanyak - BtsBawah_bantuanBanyak)));
Proses hitung :
z4 =(int)(20 + (0.2 * (30 - 20)));
maka z4 = 22
5. Perhitungan z5
Jika kondisi ekonomi MENENGAH dan kerusakan rumah
SEDANG, maka akan mendapatkan bantuan dana SEDANG.
Perhitungan nilai z5 (bantuan SEDANG) adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
74
Z5 = 23 - ( α-predikat5 * ( 23 – 15 ) ).
Implementasi pada program adalah
z5 = (int)(BtsAtas_bantuanSedang - (pred5 *
(BtsAtas_bantuanSedang-BtsTengah_bantuanSedang)));
Proses hitung :
z5 = (int)(23 - (0.2 * (23 - 15)));
maka z5 = 21.4
6. Perhitungan z6
Jika kondisi ekonomi MENENGAH dan kerusakan rumah
RINGAN, maka akan mendapatkan bantuan dana SEDANG.
Perhitungan nilai z6 (bantuan SEDANG) adalah
Z6 = 7 + ( α-predikat6 * ( 15 – 7 ) ).
Implementasi pada program adalah
z6 =(int)(BtsBawah_bantuanSedang + (pred6 *
(BtsTengah_bantuanSedang-BtsBawah_bantuanSedang)));
Proses hitung :
z6 =(int)(7 + (0 * (15-7)));
maka z6 = 7
7. Perhitungan z7
Jika kondisi ekonomi KAYA dan kerusakan rumah
BERAT, maka akan mendapatkan bantuan dana SEDIKIT.
Perhitungan nilai z7 (bantuan SEDIKIT) adalah
Z7 = 7 - ( α-predikat7 * ( 15 – 7 ) ).
Implementasi pada program adalah
z7 =(int)(BtsBawah_bantuanSedang + (pred7 *
(BtsTengah_bantuanSedang-BtsBawah_bantuanSedang)));
Proses hitung :
z7 =(int)(7 + (0 * (15-7)));
maka z7 = 7
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
75
8. Perhitungan z8
Jika kondisi ekonomi KAYA dan kerusakan rumah
SEDANG, maka akan mendapatkan bantuan dana SEDIKIT.
Perhitungan nilai z8 (bantuan SEDIKIT) adalah
Z8 = 10 - ( α-predikat8 * ( 10 – 1 ) ).
Implementasi pada program adalah
z8 =(int)(BtsAtas_bantuansedikit - (pred8 *
(BtsAtas_bantuansedikit-BtsBawah_bantuanSedikit)));
Proses hitung :
z8 =(int)(10 - (0 * (10-1)));
maka z8 = 10
9. Perhitungan z9
Jika kondisi ekonomi KAYA dan kerusakan rumah
RINGAN, maka akan mendapatkan bantuan dana SEDIKIT.
Perhitungan nilai z9 (bantuan SEDIKIT) adalah
Z9 = 10 - ( α-predikat9 * ( 10 – 1 ) ).
Implementasi pada program adalah
z9 =(int)(BtsAtas_bantuansedikit -(pred9 *
(BtsAtas_bantuansedikit-BtsBawah_bantuanSedikit)));
Proses hitung :
z9 =(int)(10 -(0 * (10-1)));
maka z9 = 10
b. Perhitungan Rata-Rata Nilai Z
Setelah nilai z untuk tiap aturan fuzzy diketahui, maka langkah
selanjutnya adalah menghitung rata-rata nilai z ke-9 aturan tersebut.
nilai z dicari dengan cara sebagai berikut :
( ) ( )
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
76
Maka implementasi pada program adalah
rata2_Predikat = (pred1 + pred2 + pred3 + pred4 +
pred5 + pred6 + pred7 + pred8 +
pred9);
Proses hitung rata2_Predikat :
rata2_Predikat = (0.34 + 0.66 + 0 + 0.2 + 0.2 + 0 + 0
+ 0 + 0);
Maka rata2_Predikat = 1.4
rata2_Z_bantuan = (int)((int)(pred1 * z1) + (pred2 *
z2) + (pred3 * z3) + (pred4 * z4) +
(pred5 * z5) + (pred6 * z6) + (pred7
* z7) + (pred8 * z8) + (pred9 *
z9));
Proses hitung rata2_Z_bantuan :
rata2_Z_bantuan = (int)((int)(0.34 * 23.4) + (0.66 *
26.6) + (0 * 23) + (0.2 * 22) + (0.2
* 21.4) + (0 * 7) + (07 * 7) + (0 *
10) + (0 * 10));
Maka rata2_Z_bantuan = 34.18
total_bantuan =(int)(rata2_Z_bantuan/rata2_Predikat);
Proses hitung :
total_bantuan =(int)(34.18/1.4);
Maka total_bantuan = 24.4
Dari semua proses perhitungan, maka didapatkan hasil total bantuan
dana pembangunan rumah tidak layak huni sebesar 24.4 juta.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
77
5.2 Implementasi Interface
5.2.1 Login
Gambar 5. 7 Interface Login
Saat aplikasi ini dijalankan, menu “Login” akan tampil pertama kali.
Admin atau perangkat desa harus memasukan username dan
password untuk dapat masuk ke dalam menu utama.
5.2.2 Tambah Data Kepala Keluarga
Gambar 5. 8 Interface Tambah Data Kepala Keluarga
Form tambah data kepala keluarga digunakan untuk melakukan
penambahan data kepala keluarga penerima bantuan. Admin harus
mengisikan semua data yang diperlukan. Untuk Id KK, penghasilan
dan kerusakan rumah tidak boleh kosong.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
78
5.2.3 Edit Data Kepala Keluarga
Gambar 5. 9 Interface Edit Data Kepala Keluarga
Form edit data kepala keluarga digunakan untuk melakukan edit data
kepala keluarga. Admin bias merubah semua data.
5.2.4 Kelola Data Batas Himpunan
Gambar 5. 10 Interface Kelola Data Batas Himpunan
Interface kelola data batas himpunan digunakan untuk mengelola
batas himpunan masin-masing himpunan fuzzy. Tombol “ Lihat
Fungsi Keanggotaan” digunakan untuk melihat fungsi dari suatu
variabel fuzzy(kerusakn rumah, kondisi ekonomi dan jumlah bantuan).
Tombol “edit” digunakan untuk mengubah batas himpunan fuzzy dari
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
79
suatu variabel fuzzy. Tombol “Reset” digunakan untuk me-reset
semua batas menjadi null.
5.2.5 Upload Gambar
Gambar 5. 11 Interface Upload Gambar
Form ini menunjukan interface upload gambar digunakan untuk
penambahan gambar kondisi rumah( atap, dinding dan lantai).
Perangkat desa memasukan Id KK, kondisi rumah lalu memilih
direktori untuk menyimpan gambar. Tombol “ cari “ digunakan untuk
menampilkan gambar rumah berdasarkan id_KK dan kondisi rumah.
5.2.6 Penentuan Dana Pembangunan
Gambar 5. 12 Interface Penentuan Dana Pembangunan
Form ini menunjukan interface penentuan dana pembangunan rumah
tidak layak huni digunakan untuk menentukan rekomendasi bantuan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
80
dana. Perangkat desa harus mengisi Id Kepala Keluarga maka akan
tampil keterangan nama KK penghasilan dan kerusakan rumah yang
nantinya akan diproses. Tombol “ Proses” digunakan untuk melihat
rekomendasi jumlah dana bantuan pembangunan rumah tidak layak
huni yang diterima Kepala Keluarga.
5.2.7 Menu Utama
Gambar 5. 13 Interface Menu Utama
Form ini menunjukan interface menu utama. Perangkat Desa dapat
mengakses beberapa menu yang disediakan sistem. Antara lain :
kelola akta kelahiran, data batas himpunan, data derajat keanggotaan,
penentuan dana pembangunan.
5.2.8 Menu Kelola Data Kepala Keluarga
Gambar 5. 14 Interface Menu Kelola Kepala Keluarga
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
81
Perangkat desa bisa melakukan proses tambah KK dengan klik
Tombol “Tambah KK” dan bisa melakukan proses pencarian
sekaligus edit dengan klik tombol “Pencarian”. Perangkat desa juga
bisa mengakses menu home, file dan view.
5.2.9 Pencarian Data Derajat Keanggotaan
Gambar 5. 15 Interface Pencarian Data Derajat Keanggotaan
Perangkat desa dapat melakukan pencarian data derajat keanggotaan
berdasarkan id kepala keluarga. Setelah memasukan id kepala eluarga
maka klik tombol “ cari” lalu akan muncul data derajat keanggotaan.
5.2.10 Kelola Aturan Fuzzy
Gambar 5. 16 Interface Kelola Aturan Fuzzy
Perangkat desa dapat melakukan pemilihan aturan fuzzy yang
diinginkan. Tombol “ Reset” harus di klik sebelum perangkat desa
melakukan pemilihan aturan. Tombol “default” bertujuan untuk
mengaktifkan semua aturan yang tersedia.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
82
5.2.11 Data Kepala Keluarga Penerima Bantuan
Gambar 5. 17 Data Kepala Keluarga Penerima Bantuan
Perangkat desa dapat melihat seluruh kepala keluarga penerima
bantuan yang sudah ditambahkan pada proses tambah sebelumnya.
Perangkat desa cukup pilih menu view lalu klik “ Data Kepala
Keluarga” maka akan tampil seluruh data KK.
5.2.12 Data Penerima Bantuan Dana
Gambar 5. 18 Interface Data Penerima Bantuan Dana Pembangunan
Perangkat desa dapat melihat semua kepala keluarga yang sudah
mendapat bantuan dana pembangunan rumah. Pilih menu view lalu
klik “Data Penerima Jumlah Bantuan” maka akan muncul semua data
KK yang sudah mendapat bantuan dana. Tombol “Export/Cetak”
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
83
digunakan untuk membuat laporan sekaligus mencetak data yang
telah di eksport menjadi Ms. Excel.
5.3 Hasil dan Pembahasan
Program Sistem Penentuan Bantuan Dana Pembangunan Rumah Tidak
Layak Huni ini menggunakan konsep logika fuzzy karena logika fuzzy dapat
membantu mengatasi kondisi ketidaktegasan dan kekakuan suatu kriteria,
sehingga dapat menghasilkan jumlah dana bantuan pembangunan rumah untuk
setiap kepala keluarga. Hal ini terlihat pada contoh kasus berikut ini:
Misal pada himpunan tegas (crips) ditetapkan rumah dengan kerusakan
0-30 (%) adalah RUSAK RINGAN, rumah dengan kerusakan 30-75 (%)
adalah RUSAK SEDANG, dan rumah dengan kerusakan 70-100 (%) adalah
RUSAK BERAT. Sedangkan pada kondisi ekonomi ditetapkan bahwa KK
yang berpenghasilan/bulan 0-700.000 dikategorikan MISKIN, KK yang
berpenghasilan/bulan 700.000-1.500.000, dikategorikan MENENGAH, dana
penghasilan/bulan ≥ 1.500.000 dikategorikan KAYA. Representasi crisp-nya
adalah
Gambar 5. 19 Representasi Crisp Kerusakan Rumah
Gambar 5. 20 Representasi Crisp Kondisi Ekonomi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
84
Dalam suatu kasus ditemukan seorang kepala keluarga bernama Asmoro
Bayu Nurprasetyo dengan penghasilan tiap bulan Rp 700.000,00 memiliki
rumah yang mengalami kerusakan sebesar 66,67 %. Maka, Asmoro Bayu
Nurprasetyo dikategorikan Kepala Keluarga dengan kondisi ekonomi
MISKIN yang memiliki rumah RUSAK SEDANG.
Sesuai kenyataan, tim survei sangat kebingungan dalam menentukan
tingkat kerusakan rumah karena tim survei menilai kerusakan rumah secara
utuh dan tidak per-kriteria. Selain itu aspek kondisi ekonomi tidak digunakan
dalam menentukan penentuan bantuan dana. Hal ini mengakibatkan Asmoro
Bayu Nurprasetyo yang memiliki rumah dengan kerusakan 66,67 % mendapat
bantuan Rp 10.000.000,00. Jika ada perubahan kecil saja pada nilai kerusakan
rumah maka akan mengakibatkan perbedaan kategori kerusakan dan
perbedaan jumlah bantuan yang signifikan.
Kekakuan kriteria yang menyebabkan ketidakadilan dalam pemberian
bantuan dana pembangunan rumah seperti yang terlihat pada kasus diatas
dapat lebih diminimalkan dengan penggunaan himpunan fuzzy. Himpunan
fuzzy digunakan untuk menyatakan batas himpunan dari variabel kerusakan
rumah, kondisi ekonomi, dan bantuan rumah. Berikut ini salah satu
penyelesaian kasus Asmoro Bayu Nurprasetyo menggunakan himpunan fuzzy :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
85
Tabel 5. 1 Tabel Batas Himpunan
Variabel Himpunan fuzzy Batas
Bawah
Batas
Tengah
Batas
Atas
Kerusakan
rumah Rusak Ringan 0 0 50
Kerusakan
rumah Rusak Sedang 0 50 100
Kerusakan
rumah Rusak Berat 50 100 100
Kondisi
ekonomi Miskin 0 500000 1500000
Kondisi
ekonomi Menengah 500000 1500000 2500000
Kondisi
ekonomi Kaya 1500000 2500000 2500000
Jumlah
Bantuan Sedikit 0 1000000 10000000
Jumlah
Bantuan Sedang 7000000 15000000 23000000
Jumlah
Bantuan Banyak 20000000 30000000 30000000
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
86
Perubahan batas himpunan akan menghasilkan grafik fungsi keanggotaan
sebagai berikut :
a. Fungsi keanggotaan variabel kerusakan rumah
b. Fungsi Keanggotaan variabel kondisi ekonomi
c. Fungsi Keanggotaan variabel bantuan rumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
87
Setelah program melakukan proses perhitungan berdasarkan batas himpunan
pada tabel 5.1, didapat hasil sebagai berikut :
Tabel 5. 2 Tabel Derajat Keanggotaan Kerusakan Rumah
Nama KK Kerusakan
% µRusakRingan µRusakSedang µRusakBerat
Asmoro Bayu
Nurprasetyo 66,67 0.0 0.67 0.33
Tabel 5. 3 Tabel Derajat Keanggotaan Kondisi Ekonomi
Nama KK Penghasila
n/bln µMiskin µMenengah µKaya
Asmoro Bayu
Nurprasetyo 700.000 0.8 0.2 0.0
Setelah dilakukan inferensi menggunakan metode Tsukamoto, diperoleh
bantuan yang direkomendasikan untuk Asmoro Bayu Nurprasetyo sebesar Rp
24.470.000,00. Nilai keanggotaan masing-masing kategori diolah untuk
menghasilkan keluaran yang benar-benar mendekati kebenaran.
Dengan memanfaatkan fungsi keanggotaan maka nilai-nilai dari batas
himpunan fuzzy dapat disesuaikan sesuai kebutuhan. Sehingga dapat
menghasilkan keluaran yang berbeda-beda. Di bawah ini, kondisi dimana
fungsi keanggotaan untuk variabel kerusakan rumah dan kondisi ekonomi telah
dirubah. Perubahan nilai batas dilakukan pada batas bawah, batas tengah, dan
batas atas seperti pada table 5.4 berikut ini :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
88
Tabel 5. 4 Tabel Batas Himpunan
Variabel Himpunan fuzzy Batas
Bawah
Batas
Tengah
Batas
Atas
Kerusakan
rumah Rusak Ringan 0 0 70
Kerusakan
rumah Rusak Sedang 0 70 100
Kerusakan
rumah Rusak Berat 70 100 100
Kondisi
ekonomi Miskin 0 700000 1700000
Kondisi
ekonomi Menengah 700000 1700000 2700000
Kondisi
ekonomi Kaya 1700000 2700000 2700000
Jumlah
Bantuan Sedikit 0 1000000 10000000
Jumlah
Bantuan Sedang 7000000 15000000 23000000
Jumlah
Bantuan Banyak 20000000 30000000 30000000
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
89
Perubahan batas himpunan akan menghasilkan grafik fungsi keanggotaan
sebagai berikut :
d. Fungsi keanggotaan variabel kerusakan rumah
e. Fungsi Keanggotaan variabel kondisi ekonomi
f. Fungsi Keanggotaan variabel bantuan rumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
90
Setelah program melakukan proses perhitungan berdasarkan batas himpunan
pada tabel 5.4, didapat hasil derajat keanggotaan sebagai berikut :
Tabel 5. 5 Tabel Derajat Keanggotaan Kerusakan Rumah
Nama KK Kerusakan
% µRusakRingan µRusakSedang µRusakBerat
Asmoro Bayu
Nurprasetyo 66,67 0.05 0.95 0.0
Tabel 5. 6 Tabel Derajat Keanggotaan Kondisi Ekonomi
Nama KK Penghasila
n/bln µMiskin µMenengah µKaya
Asmoro Bayu
Nurprasetyo 700.000 1 0.0 0.0
Nilai keanggotaan masing-masing kategori diolah untuk menghasilkan keluaran
yang benar-benar mendekati kebenaran. Setelah dilakukan inferensi menggunakan
metode Tsukamoto, diperoleh bantuan yang direkomendasikan untuk Asmoro
Bayu Nurprasetyo sebesar Rp 29.155.000,00.
Dengan menggunakan data yang sama dan menggunakan fungsi
keanggotaan yang berbeda yaitu merubah nilai fungsi keanggotaan pada variabel
kerusakan rumah dan kondisi ekonomi menjadi lebih besar. Maka didapatkan
keluaran atau rekomendasi jumlah bantuan dana yang berbeda yaitu lebih besar.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
91
BAB VI
PENUTUP
6.1. Kesimpulan
Dari sistem pendukung pengambilan keputusan penentuan bantuan dana
pembangunan rumah tidak layak huni menggunakan metode Tsukamoto
dapat ditarik kesimpulan yaitu :
1. Logika kabur sangat membantu mengatasi kondisi ketidaktegasan dan
kekakuan kriteria ( kerusakan rumah dan kondisi ekonomi ) dalam
menentukan besarnya bantuan dana pembangunan, sehingga kondisi
ketidakadilan bantuan yang diberikan dapat lebih teratasi.
2. Sistem pendukung pengambilan keputusan penentuan bantuan dana
pembangunan rumah menggunakan metode fuzzy logic dapat membantu
memberikan jumlah bantuan dana pembangunan rumah yang diterima
setiap kepala keluarga menggunakan inferensi fuzzy metode Tsukamoto.
3. Jumlah bantuan dana pembangunan rumah sangat bergantung pada
penentuan nilai domain dari kerusakan rumah (rusak ringan, rusak
sedang, dan rusak berat) dan kondisi ekonomi (miskin, menengah, dan
kaya). Jika nilai domain penghasilan ekonomi diperkecil (batas bawah,
batas tengah dan batas atas) maka bantuan dana yang diperoleh akan
mendekati maksimal. Jika nilai domain dari kerusakan rumah (batas
bawah, batas tengah, dan batas atas) diperbesar maka bantuan dana yang
diperoleh mendekati maksimal.
6.2 Saran
Setelah mengamati, menganalisis, merancang, dan membangun program
aplikasi untuk menentukan bantuan dana pembangunan rumah menggunakan
logika kabur dengan inferensi metode Tsukamoto, maka untuk pengembangan
serta penyempurnaan di masa mendatang disarankan untuk melakukan beberapa
hal berikut ini :
1. Program dapat dikembangkan berbasis web, sehingga program dapat diakses
oleh semua kantor kelurahan di seluruh Indonesia.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
92
2. Program dapat memberi kebebasan kepada user untuk melakukan update (
tambah,edit, dan hapus ) jika terjadi perkembangan atau penambahan kriteria
dalam menentukan besarnya bantuan dana pembangunan rumah tidak layak
huni.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
93
DAFTAR PUSTAKA
Arahmi, Muhammad. 2004. Konsep Dasar Sistem Pakar: Andi, Yogyakarta, 199
halaman.
Sutanta, Edi. 2011. Basis Data dalam Tinjauan Konseptual. Andi, Yogyakarta,
259 halaman.
Jogiyanto HM., Pengenalan Komputer, Penerbit ANDI, Yogyakarta: 1999
Kusumadewi, Sri & Hari , P.( 2004 ) “Aplikasi Logika Fuzzy untuk Pendukung
Keputusan”.
Kristanto, Andi, 2008. Perancangan Sistem Informasi dan Aplikasinya. Gava
Media, 171 halaman.
Sinarmata & Paryudi, 2007, “Perancangan Basis Data”, Penerbit Andi
Yogyakarta, 276 Halaman.
Kuswadi, “Kendali Cerdas, Teori dan Aplikasi Praktisnya”, Andi Offset, 2007
Susilo Frans, Sj. ( 2006 ) “ Himpunan dan Logika Kabur Serta Aplikasinya”.
Yogyakarta:Graha Ilmu.
Hermawanto, Denny. Tutorial Pemrograman Fuzzy Logic.
http://www.academia.edu/6511542/Denny_-_Pemrograman_Fuzzy. [accesed 14
mei 2016].
Gati, Becik. Logika Fuzzy. https://www.scribd.com/doc/53169870/bab-7-logika-
fuzzy [accesed 14 mei 2016].
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
94
LAMPIRAN
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
95
Gambar 1 Data Kepala Keluarga Desa Kalitanjung, Kec. Ngombol, Kab. Purworejo
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
96
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
97
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
98
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
99
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
100
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
101
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
102
Tabel 1 Data Penghasilan dan Kerusakan Rumah Calon Penerima Dana Bantuan
no_kk nama_lgkp penghasilan k1 k2 k3
3306021208083900 ASMORO BAYU NURPRASETYO 700000 4 3 1
3306021208083874 MUJI UTOMO 650000 1 1 2
3306021208083881 MISRAN 860000 2 2 1
3306021208083822 ALI MUSTAR 900000 3 2 2
3306021208083832 SINGOTARUNO 640000 2 3 2
3306021208083856 PRAPTO SUDARMO 600000 2 2 4
3306021208083883 JEMADI 800000 3 3 3
3306021208083860 SETRO SASMITO 480000 1 2 3
3306021208083866 PUJI PERMONO 760000 1 2 4
3306021208083893 SUDARTI 970000 3 2 4
3306021208083887 WIDOTO 740000 3 3 2
Tabel 2 Data KTP Calon Penerima Dana Bantuan
No. Kepala Keluarga
Nama Lengkap KTP
3306021208083900 ASMORO
BAYU NURPRASETYO
3306021208083874 MUJI UTOMO
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
103
3306021208083881 MISRAN
3306021208083822 ALI MUSTAR
3306021208083832 SINGOTARUNO
3306021208083893 SUDARTI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
104
3306021208083856 PRAPTO
SUDARMO
3306021208083883 JEMADI
3306021208083860 SETRO
SASMITO
3306021208083866 PUJI
PERMONO
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
105
3306021208083887
WIDOTO
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI