PEMBUATAN APLIKASI MOBILE UNTUK REKOMENDASI PEMILIHAN RUMAH BERBASIS FUZZY DATABASE MODEL TAHANI

Transkripsi

1 PEMBUATAN APLIKASI MOBILE UNTUK REKOMENDASI PEMILIHAN RUMAH BERBASIS FUZZY DATABASE MODEL TAHANI Lalu Arry Tri Laksono, Akuwan Saleh, M. Zen Samsono Hadi Jurusan Telekomunikasi Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus PENS ITS, Keputih, Sukolilo, Surabaya Telp : , Fax laloebachdim@gmail.com lalu@student.eepis-its.edu Abstrak Pengembang perumahan (developer) membutuhkan aplikasi untuk memberikan informasi mengenai rumah-rumah yang ditawarkannya, begitu pula konsumen yang biasanya mempertimbangkan beberapa faktor sebelum memutuskan membeli rumah. Untuk dapat membantu hal tersebut, perlu dirancang suatu sistem berbasis sistem pendukung keputusan (Decision Support System). Salah satu jenis aplikasi yang dapat dikembangkan yaitu menggunakan mobile phone J2ME dengan berhubungan dengan database pada domain hosting. Aplikasi mobile ini memanfaatkan input berupa kombinasi parameter dan operator logika untuk dapat mengecek kesesuaian pada database, metode pengecekan ini berbasis Fuzzy database model Tahani. Aplikasi mobile diuji dengan diberi query dengan kombinasi (Harga Sedang DP Kecil ATAU Besar Angsuran Sedang Durasi Angsuran Lama), hasilnya memunculkan 2 rumah dengan tipe yang sama yaitu San Lorenzo bernomor ID 379 dan 383 dengan nilai rekomendasi paling tinggi untuk query ini = 1. Dari hasil rekomendasi tersebut dapat digunakan sebagai pertimbangan user dalam mengambil keputusan akhir. Kata Kunci - Fuzzy database model Tahani, J2ME, domain hosting, database, Decision Support System 1. PENDAHULUAN 1.1 Latar Belakang Pengembang atau developer membutuhkan suatu aplikasi untuk memberikan informasi mengenai rumahrumah yang ditawarkannya pada konsumen, hal ini berbanding lurus dengan konsumen yang juga pada umumnya selalu memiliki pertimbangan atau faktorfaktor sebelum mengambil suatu keputusan dalam mengambil kompleks perumahan, sebagai contoh faktor pertimbangannya adalah harga, DP, luas bangunan, luas tanah, daya listrik untuk memilih rumah serta faktor-faktor pendukung lainnya. Untuk dapat membantu hal tersebut, perlu dirancang suatu sistem berbasis pendukung keputusan. Sistem pendukung keputusan (Decision Support System), selain dapat memberikan informasi juga dapat membantu menyediakan berbagai alternatif yang dapat ditempuh dalam proses pengambilan keputusan. Pada proyek akhir ini, rancangan aplikasi mobile ini memanfaatkan Fuzzy database yaitu suatu metode yang diterapkan pada database dan digunakan untuk menyampaikan informasi dari data yang bersifat ambiguous, ambigous disini maksudnya adalah data tidak bersifat crisp (pasti) umunya di definisikan sebagai 0 (nol) untuk tidak dan 1 (satu) untuk iya. Model database dalam logika fuzzy yang digunakan adalah model Tahani. 1.2 Permasalahan Permasalahan pada proyek akhir ini adalah : 1. Bagaimana merancang suatu software bantu berbasis sistem pendukung keputusan untuk dapat memberikan rekomendasi bagi pembeli rumah. (studi kasus di Pakuwon City). 2. Bagaimana mengimplementasikan Fuzzy database model Tahani secara tepat pada sistem. 3. Bagaimana mengkategorikan data-data rumah menjadi beberapa parameter hingga menjadi bentuk database. 4. Bagaimana menghubungkan aplikasi pada database di hosting sehingga dapat diakses melalui koneksi mobile seluler. 5. Bagaimana menerapkan sistem ini secara real, dengan mengambil sampel/data pada rumahrumah kelas menengah keatas. 2. PERENCANAAN & TEORI PENUNJANG Dalam proyek akhir ini, dasar teori yang digunakan untuk mendukung perencanaan sistem yaitu mengenai Fuzzy database model Tahani serta cara implementasian metode tersebut dalam sistem. 1

2 2. Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya pelayanan yang diberikan. 3. Anda mengatakan pada saya seberapa sejuk ruangan yang anda inginkan, saya akan mengatur putaran kipas yang ada pada ruangan ini. Gambar 1 Rancangan Sistem Sistem ini merupakan penggabungan beberapa jenis bahasa pemrograman yang memiliki fungsi masing-masing serta ditunjang dengan data-data yang ada pada database. Bahasa pemrograman yang pertama yaitu bahasa pemrograman Java dengan platform Java 2 ME (Micro Edition). Pemrograman ini digunakan untuk menghasilkan GUI yang merupakan media bagi user agar dapat memberikan input pada sistem berupa parameter-parameter yang disediakan. Dengan kata lain pemrograman J2ME ini adalah tampilan aplikasi untuk mobile dan menu-menu khusus user yang mana salah satunya merupakan menu untuk terhubung dengan php yang berada pada sisi domain hosting. Hasil pemrograman J2ME ini di-build kemudian di-install pada handphone user. Menu utama yang ada pada progran J2ME ini adalah menu rekomendasi pemilihan rumah, dimana pada menu ini akan disediakan 8 buah parameter dengan tiap parameternya memiliki 3 fungsi keanggotaan yang pemilihannya ditentukan sendiri oleh user. Pilihan user pada fungsi keanggotaan dari setiap parameter inilah yang nantinya akan dihubungkan dengan database setelah sebelumnya melalui pengolahan penyeleksian terlebih dahulu pada php yang berisi rule metode sehingga didapat hasil rekomendasi berdasarkan metode yang digunakan. Untuk pemrograman menggunakan bahasa PHP sendiri ditujukan untuk bagian server dan merupakan akses bagi hasil pemilihan parameter yang ditentukan di program J2ME. PHP ini berisi sintaks-sintaks untuk pengolahan dengan metode Fuzzy database model Tahani. Hasil pengolahan dari file PHP inilah yang selanjutnya dihubungkan ke database MySQL. 2.1 LOGIKA FUZZY Didefinisikan sebagai logika kabur berkenaan dengan semantik dari suatu kejadian, fenomena atau pernyataan itu sendiri. Seringkali ditemui dalam pernyataan yang dibuat oleh seseorang, evaluasi dan suatu pengambilan keputusan. Sebagai contoh: 1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari PERBEDAAN HIMPUNAN FUZZY DENGAN HIMPUNAN PASTI (CRISP) Pada himpunan pasti (crisp) nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µ A [x], memiliki 2 kemungkinan, yaitu: Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau Nol (0), yang berarti bahwa suatu item tidak menjadi anggota suatu himpunan. Contoh : Misalkan variabel umur dibagi menjadi 3 kategori, yaitu: MUDA umur < 35 tahun PAROBAYA 35 umur 55 tahun TUA umur 55 tahun Nilai keanggotaan secara grafis, himpunan MUDA, PAROBAYA, dan TUA ini dapat dilihat pada gambar 2.1. Gambar 2.1 Himpunan MUDA, PAROBAYA, dan TUA Pada Gambar 2.1, dapat dijelaskan bahwa: Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA (µ MUDA [34] = 1); Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA (µ MUDA [35] = 0); Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA (µ PAROBAYA [35 th 1 hari] = 0). Berdasarkan contoh diatas bisa dikatakan pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil, adanya perubahan sedikit saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan. Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, misalnya : MUDA dan PAROBAYA, PAROBAYA dan TUA, atau kombinasi lainnya. 2

3 Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaan-nya. Gambar 2.2 menunjukkan himpunan fuzzy untuk variable umur. Representasi 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 (Gambar 2.3). Gambar 2.2 Himpunan Fuzzy untuk variabel umur Pada Gambar 2.2, dapat dilihat bahwa: Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan µ MUDA [40]=0,25; namun dia juga termasuk dalam himpunan PAROBAYA dengan µ PAROBAYA [40]=0,5. Seseorang yang berumur 50 tahun, termasuk dalam himpunan MUDA dengan µ TUA [40]=0,25; namun dia juga termasuk dalam himpunan PAROBAYA dengan µ PAROBAYA [50]=0,5. Kalau pada himpunan crisp, nilai keanggotaan hanya ada 2 kemungkinan, yaitu 0 atau 1, pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy µ A [x]=0 berarti x tidak menjadi anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzy µ A [x]=1 berarti x menjadi anggota penuh pada himpunan A FUNGSI KEANGGOTAAN Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titiktitik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang dapat digunakan : Gambar 2.3 Representasi linear naik Fungsi keanggotaan : 2. Representasi Linear Turun Representasi linear turun merupakan kebalikan dari 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 (Gambar 2.4). Gambar 2.4 Representasi Linear Turun Fungsi keanggotaan : b. Representasi Kurva Segitiga Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis linear seperti terlihat pada Gambar 2.5. a. Representasi Linear Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas. Ada 2 keadaan himpunan fuzzy linear, yaitu: Gambar 2.5 Representasi Kurva Segitiga 3

4 Fungsi keanggotaan : c. Representasi Kurva Trapesium Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1 (Gambar 2.6). Gambar 2.6 Representasi Kurva Trapesium Fungsi keanggotaan : d. Representasi Kurva Bentuk Bahu Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun (misalkan: DINGIN bergerak ke SEJUK bergerak ke HANGAT dan bergerak ke PANAS). Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan. Sebagai contoh, apabila telah mencapai kondisi PANAS, kenaikan temperatur akan tetap berada pada kondisi PANAS. Himpunan fuzzy bahu, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, sebaliknya bahu kanan bergerak dari salah ke benar. Gambar 2.7 menunjukkan variable TEMPERATUR dengan daerah bahunya. Gambar 2.7 Daerah Bahu pada variabel Temperatur OPERATOR DASAR ZADEH UNTUK OPERASI HIMPUNAN FUZZY Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering dikenal dengan nama fire strength atau α-predikat. Ada 3 operator dasar yang dicptakan oleh Zadeh, namun untuk pengelolaan database umumnya digunakan 2 operator, yaitu: 1. Operator AND Operator ini berhubungan dengan operasi interseksi pada himpunan. α-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan. µa B = min(µa[x], µb[y]) 2. Operator OR Operator ini berhubungan dengan operasi union pada himpunan. α-predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan. µaub = max(µa[x], µb[y]) 2.2 FUZZY DATABASE MODEL TAHANI Fuzzy database model Tahani ini masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan infromasi pada query-nya (Hari dan Kusumadewi, 2010). Tahani mendeskripsikan suatu metode pemrosesan query fuzzy dengan didasarkan atas manipulasi bahasa yang dikenal dengan nama SQL. Dengan menggunakan basis data standar, dapat dicari data karyawan dengan spesifikasi tertentu dengan menggunakan query. Misalnya diinginkan informasi tentang nama-nama karyawan yang usianya kurang dari 35 tahun, maka bisa diciptakan suatu query berikut: SELECT NAMA FROM KARYAWAN WHERE (umur < 35) Sehingga muncul nama-nama Lia, Kiki, dan Yoga. Apabila diinginkan informasi tentang nama-nama karyawan yang gajinya lebih dari 1 juta rupiah, maka bisa diciptakan query berikut : SELECT NAMA FROM KARYAWAN WHERE (gaji > ) Sehingga muncul nama-nama iwan, Sari, Andi, Amir, dan Rian. Apabila diinginkan informasi tentang nama-nama karyawan yang masa kerjanya kurang dari atau sama dengan 5 tahun tetapi gajinya 4

5 sudah lebih dari 1 juta rupiah, maka bisa diciptakan suatu query: SELECT NAMA FROM KARYAWAN WHERE MasaKerja<=5) and (Gaji > ). Sehingga muncul nama-nama Andi dan Rian. 2.3 SISTEM PENDUKUNG KEPUTUSAN Sistem pendukung keputusan (Decision Support Systems disingkat DSS) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Dapat juga dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik. Menurut Moore dan Chang, SPK dapat digambarkan sebagai sistem yang berkemampuan mendukung analisis ad hoc data, dan pemodelan keputusan, berorientasi keputusan, orientasi perencanaan masa depan, dan digunakan pada saat-saat yang tidak biasa. Tahapan SPK : a. Definisi masalah. b. Pengumpulan data atau elemen informasi yang relevan. c. Pengolahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan. d. Menentukan alternatif-alternatif solusi (bisa dalam persentase). Tujuan dari SPK : a. Membantu menyelesaikan masalah semiterstruktur. b. Mendukung manajer dalam mengambil keputusan. c. Meningkatkan efektifitas bukan efisiensi pengambilan keputusan. Dalam pemrosesannya, SPK dapat menggunakan bantuan dari sistem lain seperti Artificial Intelligence, Expert Systems, Fuzzy Logic. Gambar 2.8 Model secara konsep dari DSS 2.4 RANCANGAN SISTEM UNTUK USER User merupakan pengguna dari aplikasi mobile yang dirancang. Sehingga user berperan sebagai pemberi input pada sistem. Input yang diberikan oleh user akan dikirim oleh aplikasi mobile pada file php yang berisi metode Fuzzy database model Tahani untuk di cek pada nilai-nilai fuzzifikasi di database yang terkait dengan range fungsi keanggotaan tiap parameter dari input user. Setelah menemukan range yang terkait selanjutnya dilakukan fire strength untuk mendapatkan nilai rekomendasi sebagai pendukung keputusan yang dikirimkan kembali pada aplikasi mobile di handphone user Komponen Sistem Pendukung Keputusan Sistem pendukung Keputusan terdiri atas tiga komponen utama atau subsistem yaitu: 1. Subsistem pengelolaan data (database). 2. Subsistem pengelolaan model (model base). 3. Subsistem pengelolaan dialog (user system interface). Hubungan antara ketiga komponen di atas tampak pada gambar 2.8. Gambar 2.9 Flowchart sistem dari sisi user 5

6 2.4 RANCANGAN SISTEM UNTUK ADMINIS- TRATOR Selain user, administrator juga memiliki peran dalam sistem ini. Administrator memiliki hak untuk melakukan modifikasi terhadap isi dari database, dan menghasilkan nilai fuzzifikasi dari data-data yang diinput-kan administrator pada database. parameter dengan masing-masing 3 fungsi keanggotaan PERANCANGAN J2ME Pada software Netbeans 7.0 dilakukan perancangan aplikasi mobile dengan memanfaatkan platform Java 2 ME yang dimiliki oleh Netbeans. Disini aplikasi mobile dibuat sedemikian rupa agar dapat memudahkan user untuk mendapatkan informasi rekomendasi rumah. Halaman pemilihan rekomendasi rumah dihubungkan dengan file PHP yang ada di hosting agar dapat diolah sesuai metode Fuzzy database model Tahani dan hasil pengolahannya dikembalikan pada aplikasi mobile berupa tampilan data output. Gambar 2.9 Flowchart sistem dari sisi Administrator 3. PEMBUATAN PENGUJIAN 3.1 PEMBUATAN SISTEM & IMPLEMENTA-SI Sistem ini memiliki sisi administrator dan sisi user sebagai pengguna. Administrator dapat menggunakan sistem untuk memodifikasi isi database, dengan menambah, mengurangi atau mengubah data. Sedangkan sisi user (konsumen) merupakan pengguna aplikasi mobile yang digunakan untuk mendapat rekomendasi pembelian rumah dari seleksi data database administrator sesuai parameter. Sisi user merupakan yang paling ditinjau pada sistem ini, karena user merupakan sebagai pengguna dari layanan aplikasi mobile dan sebagai pemberi input agar metode Fuzzy database model Tahani dapat dibuktikan tingkat keberhasilannya dalam melakukan penyeleksian data. User mengakses aplikasi mobile yang ter-install pada handphone selulernya, kemudian memilih menu rekomendasi pemilihan rumah. Disini disediakan 8 Gambar 3.1 Tampilan emulator aplikasi mobile. 3.3 PERANCANGAN DATABASE Untuk menyimpan data-data yang dibutuhkan oleh aplikasi mobile, maka perlu dibuat sebuah database yang terhubung dengan file PHP yang diakses oleh aplikasi mobile. Dari database inilah, data-data yang dibutuhkan untuk diolah sedemikian rupa sehingga menghasilkan output yang sesuai. 3.4 PERANCANGAN FILE PHP File PHP disini digunakan sebagai penjembatan antara aplikasi mobile dengan database. Di dalam file PHP inilah skrip program untuk metode Fuzzy database model Tahani dibuat. Sehingga setiap kali aplikasi mobile mengirimkan kombinasi, maka kombinasi itu akan diolah dan diperiksa pada database. Kemudian data-data yang terkait diambil dan dikirim ke aplikasi mobile untuk ditampilkan sebagai output dari sistem. 3.5 MEMINDAHKAN FILE KE HOSTING Hosting disini dibutuhkan sebagai sarana tempat penampungan file PHP dan database MySQL sehingga aplikasi mobile tinggal menghubungi alamat URL dari file PHP yang berada di hosting untuk mengirim kombinasi yang diberikan user. 6

7 3.6 PENGUJIAN PENGUJIAN SISTEM Tabel 3.1 Pengujian menu J2ME Pengu jian Menu J2ME Rekomendasi Kami Kontak Profil Denah Keterangan : ( ) sesuai (x) tidak sesuai Tentang Aplikasi Dari tabel diatas, diketahui bahwa tampilan menu-menu yang telah dibuat pada Netbeans platform J2ME baik yang dijalankan secara emulator maupun langsung pada mobile phone berjalan sesuai dengan rancangan dan seluruh halaman-halamannya dapat diakses secara baik. Selanjutnya dilakukan pengujian pada bagian administrator, berikut adalah tabel pengujiannya : Tabel 3.2 Pengujian halaman PHP untuk modifikasi database Pengujian Proses Tampil Edit Delete Input Fuzzifikasi 1 2 x x x Keterangan : ( ) (x) gagal Tabel 3.3 Pemeriksaan kesesuaian perubahan isi tabel Pengujian Tabel Data Rumah Fuzzifikasi 1 2 Tidak Tidak Dari tabel 3.2 dan 3.3 diatas, dapat disimpulkan bahwa ketika modifikasi database gagal dilakukan, atau dengan kata lain modifikasi gagal dilakukan akibat adanya gangguan koneksi jaringan maupun penuhnya trafik pengguna pada hosting mengakibatkan perubahan isi database juga tidak sesuai dengan keinginan PENGAMBILAN DATA Untuk pengambilan Data dilakukan kombinasi, dalam hal ini dilakukan 5 kali proses query. Dan pengujiannya dilakukan pada 2 media, yaitu output dari emulator dari Netbeans dan mobile phone. Query 1 Harga Sedang DP Besar = µ Harga Sedang µ DP Besar = min(µ Harga Sedang, µ DP Besar) Query 2 DP Besar ATAU Luas Bangunan Luas Luas Tanah Sedang = ((µ DP Besar U µ Luas Bangunan Luas) µ Luas Tanah Sedang)) = min(µ Luas Tanah,( µ DP Besar U µ Luas Bangunan Luas)) Query 3 Harga Sedang DP Kecil ATAU Besar Angsuran Sedang Durasi Angsuran Lama = (((µ Harga Sedang µ DP Besar) U µ Besar Angsuran Sedang) µ Durasi Angsuran Lama) = min(µ Durasi Angsuran Lama,(max(µ Besar Angsuran Sedang,(min(µ Harga Sedang, µ DP Besar))))) Query 4 Harga Murah DP Kecil Luas Bangunan Sedang ATAU Luas Tanah Sedang Jumlah Ruangan Banyak Besar Angsuran Kecil = (((((µ Harga Murah µ DP Kecil) µ Luas Bangunan Sedang) U µ Luas Tanah Sedang) µ Jumlah Ruangan Banyak) µ Besar Angsuran Kecil) = min(µ Besar Angsuran Kecil,(min(µ Jumlah Ruangan Banyak,(max(µ Luas Tanah Sedang(min(µ Luas Bangunan Sedang(min(µ DP Kecil, µ Harga Murah))))))))) Query 5 Harga Murah DP Kecil Luas Bangunan Kecil ATAU Luas Tanah Kecil Jumlah Ruangan Sedikit Besar Angsuran Kecil Durasi Angsuran Sebentar Daya Listrik Kecil dari nilai rekomendasi ID 245 7

8 = (((((((µ Harga Murah µ DP Kecil) µ Luas Bangunan Kecil) U µ Luas Tanah Kecil) µ Jumlah Ruangan Sedikit) µ Besar Angsuran Kecil) Durasi Angsuran Sebentar) Daya Listrik Kecil) = min(µ Daya Listrik Kecil,(min(µ Durasi Angsuran Sebentar,(min( µ Besar Angsuran Kecil(min(µ Jumlah Ruangan Sedikit,(min(µ Luas Tanah Kecil,(max( µ Luas Bangunan Kecil,(min(µ Harga Murah, µ DP Kecil))))))))))))) Kecil Durasi Angsuran Sebentar Daya Listrik Kecil 246 Albino Albino Untuk melihat pola dari hasil rekomendasi dari tiap query-nya, maka dapat dilihat pada grafik berikut ini : Tabel 3.4 Hasil output program pada emulator maupun mobile phone Query Kombinasi Harga Sedang AND DP Besar DP Besar ATAU L. Bang. Luas L. Tanah Sedang Harga Sedang DP Kecil ATAU Besar Angsuran Sedang Durasi Angsuran Lama Harga Murah DP Kecil L. Bang. Sedang ATAU L. Tanah Sedang Jml. Ruang Banyak Besar Angsuran Kecil Harga Murah DP Kecil L. Bang. Kecil ATAU L. Tanah Kecil Jml. Ruang Sedikit Besar Angsuran Tampilan ID Tipe Rumah Rekom. 343 Williston Williston Williston Williston Williston San Lorenzo San Lorenzo San Lorenzo San Lorenzo Terranio San Leandro San Leandro San Leandro San Leandro San Leandro Mutiara B Mutiara B Mutiara B San Moreno San Moreno Permata B Albino Albino Gambar 3.2 Grafik Query 1-5 Tiap-tiap query yang digunakan dicoba sebanyak 10 kali proses pengiriman kombinasi yang sama untuk dilihat tingkat keberhasilan sistem dalam request (pengiriman kombinasi) dan response (hasil rekomendasi). Berikut adalah tabel percobaannya : Tabel 3.5 Pengujian pada emulator Query Koneksi ke File PHP di Hosting Tingkat kesesuaian output dengan teori 8

9 Query 4 5 Koneksi ke File PHP di Hosting Tingkat kesesuaian output dengan teori Query 5 Koneksi ke File PHP di Hosting Tingkat kesesuaian output dengan teori Dari hasil pengujian koneksi baik di emulator maupun di mobile phone, maka dapat dilihat polanya pada diagram berikut : Tabel 4.7 Pengujian pada mobile phone Query Koneksi ke File PHP di Tingkat kesesuaian Hosting output dengan teori Gambar 4.26 Diagram Koneksi & kesesuaian data pada emulator Gambar 4.27 Diagram Koneksi & kesesuaian data pada mobile phone 4. KESIMPULAN 1. Dari query-query yang digunakan, nilai output sistem bergantung pada kombinasi yang diberikan oleh user. 2. Nilai rekomendasi tertinggi pada masingmasing query adalah : 9

10 Query 1 : tipe rumah Williston dengan no. ID 343 dengan nilai rekomendasi , Query 2 : tipe rumah San Lorenzo bernomor ID 391 dengan nilai rekomendasi , Query 3 : San Lorenzo bernomor ID 379 dan 383 dengan nilai rekomendasi 1, Query 4 : Mutiara B dengan nomor ID 82 dan 89 dengan nilai rekomendasi 0,88, Query 5 : Permata B dengan ID 74 dan Albino dengan nomor ID 245 dan 259 dengan nilai rekomendasi yaitu 0, Hasil rekomendasi dari aplikasi mobile hanya sebagai sistem pendukung keputusan, keputusan akhir tetap pada user.. 4. Nilai fuzzifikasi dihasilkan dari data mentah yang diberikan oleh administrator pada database, dengan menggunakan perhitungan fungsi keanggotaan. 5. REFERENSI blogspot.com/2009/01/manipu-lasi-databasemysql-dengan-php.html diunduh pada Minggu 6 November 2011 jam [10] Anon Kuncoro Widigdo, Dasar Pemrograman PHP dan MySQL, [11] HelNes, Menggunakan Localhost menggunakan XAMMP dalam diunduh pada Minggu 28 Agustus 2011 jam [12] Admin STMIK Bandung Bali, Koneksi PHP MySQL dengan Dreamweaver dalam php?option=com_content&view=article&id=74:ko neksi-php-mysql-dengandreamweaver&catid=29:php-mysql&itemid=53 diunduh pada Kamis 29 Desember 2011 jam [1] Sri Kusumadewi dan Hari Purnomo, Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Yogyakarta: Graha Ilmu, [2] Zadeh, Fuzzy Logic dalam diunduh pada 1 Desember 2011 jam [3] Deddy Irwan, Implementasi Fuzzy Query pada Database untuk perekomendasian beasiswa, Medan : Universitas Sumatra Utara, [4] Aktia Agriana Umami, Pemilihan Rumah Tinggal menggunakan Fuzzy Query Database, (Prosiding SENTIA 2011 Volume 3 ~ ISSN : ), Malang : Politeknik Negeri Malang, [5] Rr Dini Rusmiyati Andari, Aplikasi Fuzzy Database Evaluasi Kinerja Pegawai di SMKN 02 Bangkalan menggunakan JSP, Surabaya : Politeknik Elektronika Negeri Surabaya, [6] Fitri Wulandari, Pembuatan Sistem Pendukung Keputusan berbasis teori Fuzzy untuk mengembangkan suatu produk baru, Pekanbaru : UIN Suska Pekanbaru, [7] Antonius Aditya Hartanto, Tips dan Trik Java 2 Micro Edition Tingkat lanjut., Jakarta : PT Elex Media Komputindo, [8] Riyanto Sigit dan Wiratmoko Yuwono, Praktik J2ME dalam labkom.bl.ac.id/ftp/dosen/hendri/bp4/praktek- J2ME.pdf diunduh pada Sabtu 1 Oktober 2011 jam [9] Mohamad Safii, Manipulasi Data MySQL dengan PHP dalam 10