SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN … · dari pemerintah khususnya dari Dinas Sosial untuk...

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


iii


iv


v


vi


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.


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.


ix


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


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


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


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


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


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


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


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).


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.


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.


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)


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)


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]


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


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


; a ≤ x ≤ b

µ[x,a,b] = ……..……… (1.4)

0; x ≥ b


10

Keterangan:

a = nilai domain yang mempunyai derajat keanggotaan satu.

b = nilai domain yang mempunyai derajat keanggotaan nol.


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


; 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.


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


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.



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)


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 )


http://informatika.web.id/basis-pengetahuan.htm

http://informatika.web.id/relasi.htm

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


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).


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


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


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


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).


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.


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


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 :


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.


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


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


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


turun. Himpunan KAYA menggunakan pendekatan fungsi


27

keanggotaan yang berbentuk linear naik. Dan himpunan

MENENGAH menggunakan pendekatan fungsi keanggotaan

berbentuk segitiga.

Gambar 4. 4 Fungsi Keanggotaan Variabel Kondisi Ekonomi


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


turun. Himpunan BANYAK menggunakan pendekatan fungsi


28

keanggotaan yang berbentuk linear naik. Dan himpunan SEDANG

menggunakan pendekatan fungsi keanggotaan berbentuk segitiga.

Gambar 4. 5 Fungsi Keanggotaan Variabel Bantuan 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


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] )


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))


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,


32

Kondisi Atap Rumah

Kondisi Dinding Rumah

Kondisi Lantai Rumah


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] =


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


35

Gambar 4. 9 Nilai z2 pada [R2]

[R3] z3=23-( 0 *(23-15)) = 23

[R4] z4=20+( 0.2 *(30-20)) = 22


[R5] z5= 23-( 0.2 *(23-15))= 21.4


[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


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.


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


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


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


view


Status Perubahan Data Aturan Fuzzy

Data Aturan fuzzy

Data Kepala keluarga

cetak

Data Penerima Bantuan Dana (M.S Excel)


Kondisi Rumah

Kondisi Rumah

Kondisi Rumah

Aturan Fuzzy

Gambar 4. 13 Diagram Aliran Data Level 1


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 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


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


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)


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


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


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


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


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


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


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


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”


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


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.


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.


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.


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


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


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;

}

}


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]


sedang” menggunakan pendekatan fungsi keanggotaan segitiga.


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 :


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;

}


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.


59

d. Perhitungan µ RusakBerat [y]


berat” menggunakan pendekatan fungsi keanggotaan linear naik.


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 :


batashimpunan where himpunanfuzzy = 'rusakberat';


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 :


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.


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 :


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;


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”.


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 “


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


myuMenengah = (double) Math.round((kondisi5 -

bawah5) / (tengah5 - bawah5) * bulat) / bulat;

}


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.


function bernama “ FuncKaya”.


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 “



64


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


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


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


Dan Kerusakan Rumah SEDANG


α-predikat2 = µMISKIN ∩ µSEDANG

= min( µMISKIN [x], µSEDANG[y] )


Untuk nilai myuRusakSedang adalah 0.66 dan myuMiskin 0.8.

Berikut listing programnya :


66

if (rule2 == 1) {

pred2 = Math.min(myuRusakSedang, myuMiskin);

}

Maka menjadi :

if (rule2 == 1) {

pred2 = Math.min(0.66, 0.8);

}


Selain itu, a-predikat2 =0. Berikut listing programnya :

else {

pred2 = 0;

}

c. Perhitungan α-predikat3

Aturan 3 adalah


Dan Kerusakan Rumah RINGAN

Maka Bantuan Rumah SEDANG

α-predikat3 = µMISKIN ∩ µRINGAN

= min( µMISKIN [x], µRINGAN[y] )


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);

}


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



α-predikat4 = µMENENGAH ∩ µBERAT

= min( µMENENGAH [x], µBERAT [y] )


Untuk nilai myuRusakBerat adalah 0.34 dan myuMenengah adalah


if (rule4 == 1) {

pred4= Math.min(myuRusakBerat,myuMenengah);

}

Maka menjadi :

if (rule4 == 1) {

pred4= Math.min(0.34,0.2);

}


Selain itu, a-predikat4 =0. Berikut listing programnya :

else {

pred4 = 0;

}


68

e. Perhitungan α-predikat5

Aturan 5 adalah



Maka Bantuan Rumah SEDIKIT

α-predikat5 = µMENENGAH ∩ µSEDANG

= min( µMENENGAH [x], µSEDANG [y] )


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);

}



else {

pred5 = 0;

}

f. Perhitungan α-predikat6

Aturan 6 adalah



Maka Bantuan Rumah SEDANG

α-predikat6 = µMENENGAH ∩ µRINGAN

= min( µMENENGAH [x], µRINGAN [y] )


69


Untuk nilai myuRusakRingan adalah 0 dan myuMenengah adalah


if (rule6 == 1) {

pred6 = Math.min(myuRusakRingan, myuMenengah);

}

Maka menjadi :

if (rule6 == 1) {

pred6 = Math.min(0, 0.2);

}



else {

pred6 = 0;

}

g. Perhitungan α-predikat7

Aturan 7 adalah

[R7] Jika Kondisi Ekonomi KAYA



α-predikat7 = µKAYA ∩ µBERAT

= min( µKAYA [x], µBERAT [y] )


Untuk nilai myuRusakBerat adalah 0.34 dan myuKaya adalah 0.


if (rule7 == 1) {

pred7 = Math.min(myuRusakBerat, myuKaya); }

Maka menjadi :


70

if (rule7 == 1) {

pred7 = Math.min(0.34, 0);

}



else {

pred7 = 0;

}

h. Perhitungan α-predikat8

Aturan 8 adalah




α-predikat8 = µKAYA ∩ µSEDANG

= min( µKAYA [x], µSEDANG [y] )


Untuk nilai myuRusakSedang adalah 0.66 dan myuKaya adalah 0.


if (rule8 == 1) {

pred8 = Math.min(myuRusakSedang, myuKaya);

}

Maka menjadi :

if (rule8 == 1) {

pred8 = Math.min(0.66, 0);

}




71

else {

pred8 = 0;

}

i. Perhitungan α-predikat9

Aturan 9 adalah




α-predikat9 = µKAYA ∩ µRINGAN

= min( µKAYA [x], µRINGAN [y] )


Untuk nilai myuRusakRingan adalah 0 dan myuKaya adalah 0.


if (rule9 == 1) {

pred9 = Math.min(myuRusakRingan, myuKaya);

}

Maka mejadi :

if (rule9 == 1) {

pred9 = Math.min(0, 0);

}



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


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


SEDANG, maka akan mendapatkan bantuan dana BANYAK.


Z2 = 20 + ( α-predikat2 * ( 30 – 20 ) ).



(BtsAtas_bantuanBanyak - BtsBawah_bantuanBanyak)));


73

Proses hitung :

z2 =(int)(20+ (0.66 * (30 - 20)));

maka z2 = 26.6

3. Perhitungan z3


RINGAN, maka akan mendapatkan bantuan dana SEDANG.

Perhitungan nilai z3 (bantuan SEDANG) adalah

Z3 = 23 - ( α-predikat3 * ( 23 – 15 ) ).


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.


Z4 = 20 + ( α-predikat4 * ( 30 – 20 ) ).



(BtsAtas_bantuanBanyak - BtsBawah_bantuanBanyak)));

Proses hitung :

z4 =(int)(20 + (0.2 * (30 - 20)));

maka z4 = 22

5. Perhitungan z5


SEDANG, maka akan mendapatkan bantuan dana SEDANG.



74

Z5 = 23 - ( α-predikat5 * ( 23 – 15 ) ).


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


RINGAN, maka akan mendapatkan bantuan dana SEDANG.


Z6 = 7 + ( α-predikat6 * ( 15 – 7 ) ).


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 ) ).


z7 =(int)(BtsBawah_bantuanSedang + (pred7 *

(BtsTengah_bantuanSedang-BtsBawah_bantuanSedang)));

Proses hitung :

z7 =(int)(7 + (0 * (15-7)));

maka z7 = 7


75

8. Perhitungan z8


SEDANG, maka akan mendapatkan bantuan dana SEDIKIT.


Z8 = 10 - ( α-predikat8 * ( 10 – 1 ) ).


z8 =(int)(BtsAtas_bantuansedikit - (pred8 *

(BtsAtas_bantuansedikit-BtsBawah_bantuanSedikit)));

Proses hitung :

z8 =(int)(10 - (0 * (10-1)));

maka z8 = 10

9. Perhitungan z9


RINGAN, maka akan mendapatkan bantuan dana SEDIKIT.


Z9 = 10 - ( α-predikat9 * ( 10 – 1 ) ).


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 :

( ) ( )


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.


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.


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


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


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


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.


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”


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


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 :


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


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


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 :


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


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


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.


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.


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.


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].


http://www.academia.edu/6511542/Denny_-_Pemrograman_Fuzzy

94

LAMPIRAN


95

Gambar 1 Data Kepala Keluarga Desa Kalitanjung, Kec. Ngombol, Kab. Purworejo


96


97


98


99


100


101


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


103

3306021208083881 MISRAN

3306021208083822 ALI MUSTAR

3306021208083832 SINGOTARUNO

3306021208083893 SUDARTI


104

3306021208083856 PRAPTO

SUDARMO

3306021208083883 JEMADI

3306021208083860 SETRO

SASMITO

3306021208083866 PUJI

PERMONO


105

3306021208083887

WIDOTO


SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN … · dari pemerintah khususnya dari Dinas Sosial untuk...

Documents

Transcript of SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN … · dari pemerintah khususnya dari Dinas Sosial untuk...