PENENTUAN HARGA JUAL SEPEDA MOTOR BEKAS MENGGUNAKAN FUZZY LOGIC (METODE TSUKAMOTO) DAN IMPLEMENTASINYA ABSTRAK

Transkripsi

1 1 PENENTUAN HARGA JUAL SEPEDA MOTOR BEKAS MENGGUNAKAN FUZZY LOGIC (METODE TSUKAMOTO) DAN IMPLEMENTASINYA 1 Indra Prasetya, Dra. Yuniarsi Rahayu, M.Kom Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro, Jl. Nakula 1 No. -. Semarang @mhs.dinus.ac.id, yuniarsi.rahayu@dsn.dinus.ac.id ABSTRAK Dalam kehidupan sehari-hari tidak lepas dari transaksi jual beli. Salah satunya ialah jual beli sepeda motor. Harga di tawarkanpun sangat bervariasi baik dalam kondisi baru maupun kondisi bekas. Adapun dalam menentukan harga jual sepeda motor bekas setidaknya ada beberapa variabel menentukan. Bagi seseorang sudah ahli dan berkecimpung dalam dunia jual beli sepeda motor menentukan harga jual sepeda motor bekas sangatlah mudah. Dengan melihat sepeda motor tersebut saja sudah mampu menyimpulkan harga jualnya. Lain halnya seseorang bukan ahli, maka perlu adanya alat bantu dalam menentukan harga jual sepeda motor bekas berdasarkan variabel-variabel penentunya. Dalam penelitian ini penulis akan menerapkan fuzzy tsukamoto untuk kasus penentuan harga jual sepeda motor bekas berdasarkan variabel-variabel penentunya. Adapun variabel-variabel akan digunakan dalam penelitian penentuan harga sepeda motor bekas didasarkan pada kondisi sepeda motor, jarak tempuh sepeda motor, pajak STNK sepeda motor, tahun pembuatan atau perakitan motor tertera dalam BPKB dan STNK, dan warna sepeda motor. Dengan variabel-variabel tersebut dihasilkan defuzzyfikasi merupakan prediksi harga jual sepeda motor bekas diterapkan pada tiga jenis sepeda motor dan setelah di uji menggunakan memiliki tingkat kesalahan sebesar,1%. Kata Kunci : Jual Beli, Sepeda Motor, Metode Tsukamoto, I. PENDAHULUAN Bagi seseorang sudah ahli dan Jual beli sepeda motor merupakan suatu berkecimpung dalam dunia jual beli sepeda kegiatan transaksi sering di jumpai pada motor menentukan harga jual sepeda motor kehidupan sehari-hari. Bahkan sekarang ini bekas sangatlah mudah. kegiatan transaksi tersebut bisa dilakukan sepeda motor tersebut saja sudah mampu secara online di internet. Harga di menyimpulkan harga jualnya. Lain halnya tawarkanpun sangat bervariasi baik dalam seseorang bukan ahli, maka kondisi baru maupun kondisi bekas. Adapun perlu adanya alat bantu dalam menentukan dalam menentukan harga jual sepeda motor harga jual sepeda motor bekas berdasarkan bekas setidaknya ada beberapa variabel variabel-variabel penentunya. menentukan. Dengan melihat

2 Salah satu cara bisa digunakan avansa G M/T bekas didasarkan pada dalam menentukan harga sepeda motor bekas warna, tahun pembuatan, kondisi mobil dan adalah menerapkan fuzzy logic. harga beli baru. Karena dibandingkan sistem logika Istraniady dkk [] dalam penelitiannya lain, variabel-variabel penentu dalam menentukan fuzzy keputusan logic manusiawi. bisa lebih menghasilkan adil logic dan lebih memodelkan perasaan atau intuisi cara merubah Sedangkan Menurut harga sepeda motor bekas didasarkan pada kondisi sepeda motor dan jarak tempuh. Berdasarkan penelitian sebelumnya nilai crisp menjadi nilai linguistik maka penulis menentukan variabel-variabel fuzzyfikasi dan kemudian memasukkannya akan digunakan dalam penelitian ke dalam rule dibuat berdasarkan penentuan knowledge [1]. Di dalam perhitungan logika didasarkan pada kondisi sepeda motor, jarak fuzzy terdapat beberapa, dan setiap tempuh sepeda motor, pajak STNK sepeda memiliki cara dan hasil perhitungan motor, tahun pembuatan atau perakitan motor berbeda. Metode fuzzy Tsukamoto dan tertera dalam BPKB dan STNK, dan warna sepeda motor. fuzzy Mamdani dalam harga motor bekas Dengan variabel- perhitungannya memiliki cara berbeda variabel pada mesin inferensi dan defuzzifikasi. prediksi harga sepeda motor lebih akurat. Adapun akan diterapkan oleh Variabel-variabel tersebutlah akan penulis Tsukamoto. akan Tsukamoto keanggotaan fuzzy. ialah Penggunaan tersebut sepeda diharapkan direpresentasikan hasil dari fungsi dipilih karena merupakan suatu dapat memprediksi dan memberikan toleransi II. LANDASAN TEORI data-data tidak tepat bersifat A. Logika fleksibel dan fluktuatif. Selain itu Logika fuzzy adalah suatu cara berdasarkan penelitian Istraniady dkk [] tepat untuk memetakan suatu ruang input ke Tsukamoto dinilai menghasilkan dalam suatu ruang output []. prediksi harga lebih mahal dan lebih akurat dibanding mamdani. B. Cara Kerja Logika Metode tersebut akan coba penulis terapkan pada kasus penentuan harga jual Cara kerja logika fuzzy, meliputi beberapa tahapan berikut [] : motor bekas berdasarkan variabel-variabel penentunya. penelitiannya Menurut Mulyono [] dalam variabel-variabel penentu dalam menentukan harga mobil Toyota Gambar 1 Struktur sistem inferensi fuzzy

3 Input : berupa variabel input fikasi : proses untuk mengubah penentuan spesifikasi komputer untuk input sistem mempunyai nilai tegas suatu paket komputer lengkap []. menjadi. variabel linguistik. menggunakan fungsi keanggotaan disimpan dalam basis pengetahuan. 6. Model evaluasi performa mahasiswa tahun pertama []. Basis Pengetahuan : kumpulan 7. Sistem pendukung keputusan dan rule-rule fuzzy dalam bentuk pernyataan pemberi saran pemilihan konsentrasi IF THEN. (studi kasus : jurusan teknik informatika Mesin inferensi : proses untuk mengubah UII [1]. input fuzzy menjadi output fuzzy. cara mengikuti aturan-aturan (IF-THEN. Prediksi Harga Saham Berbasis Web []. fuzzy.. Sistem pendukung keputusan dalam Rancang Bangun Sistem Pengundian Sepakbola [1]. Rule) telah ditetapkan pada basis. Simulasi kecepatan kendaraan [1]. pengetahuan fuzzy.. Pengolahan Peta Tematik (Studi Kasus : Defuzzifikasi : mengubah output fuzzy Sistem Informasi Geografis Daerah diperoleh dari mesin inferensi Rawan Penyakitdemam Berdarah) [1]. menjadi nilai tegas menggunakan fungsi keanggotaan sesuai saat III. METODE PENELITIAN dilakukan fuzzyfikasi. A. Alur Penelitian Proses defuzzyfikasi Adapun alur atau langkah akan Tsukamoto menggunakan rata- ditempuh oleh penulis dalam melakukan rata (Average) rumus berikut: penelitian kali ini digambarkan oleh diagram Metode Rata-Rata (Average). penelitian berikut : 6. = pada µ µ Output : berupa hasil fuzzy. C. Aplikasi Logika Beberapa aplikasi logika fuzzy, antara lain : Penentuan harga beli handphone bekas [6]. Penentuan tingkat resiko penyakit [7].. Simulasi Traffic Light []. Gambar.1 Diagram Penelitian

4 Rumasan Masalah. Mengidentifikasi masalah akan di angkat oleh penulis. Implementasi Pengimplementasian program dilakukan menggunakan bahasa pemrograman JAVA software developer NetBeans IDE 6.. Pengumpulan Data Metode dilakukan dalam memperoleh Data yaitu wawancara dan studi pustaka. a.. Pengujian Program Agar program dihasilkan sesuai Wawancara apa diharapkan sebelumnya Wawancara dilakukan kepada pemilik atau tervalidasi maka dilakukan pengujian Showroom sepeda motor bekas ataupun menggunakan (Mean karyawan bertanggung jawab pada Absolute transaksi pembelian sepeda motor bekas, merupakan digunakan dalam untuk mengukur tingkat validasi dari suatu model mengetahui bagaimana proses penentuan harga jual sepeda motor bekas dilakukan selama ini. Dan untuk = digunakan sebagai penentu harga jual sepeda motor bekas serta pemberian bobot pada setiap kriteria tersebut. Studi Pustaka sumber-sumber dari buku-buku atau literatur lain membahas tentang logika fuzzy Tsukamoto, Sepeda motor bekas, atau semua literatur masih terkait penelitian penulis. x 0% Xt = Nilai data periode ke-t Ft = Nilai ramalan periode ke-t N = banyaknya data IV. HASIL DAN PEMBAHASAN A. Hasil Penelitian pada penelitian ialah prediksi harga sepeda Metode penelitian akan diterapkan penulis dalam kasus perkiraan harga jual motor bekas dilakukan sesuai rancangan struktur system inferensi fuzzy []. Hasil dari penerapan tsukamoto Menerapkan Logika sepeda Keterangan : Metode dilakukan mencari. Eror). [16], dapat dirumuskan : mengetahui apa saja variabel-variabel b. Percentage motor bekas berdasarkan kriteria dan bobot sudah ditentukan. B. Implementasi Program Pada penelitian ini penulis membuat implementasi program menggunakan bahasa pemrograman JAVA software

5 developer NetBeans IDE 6.. Adapun dalam program ini diharuskan memberikan data inputan seperti kondisi, jarak, pajak, Gambar.1 Pesan prediksi harga motor bekas tahun dan warna. Selanjutnya program akan mengolah data ditentukan sesuai yaitu Tsukamoto. Sehingga program akan memberikan hasil atau output sesuai apa diharapkan. Gambar.1 merupakan tampilan awal program berupa ikon-ikon menu tersedia dalam program antara lain ikon menu untuk input data motor, menu about, dan tiga menu prediksi. C. Pengujian Program Agar program dihasilkan sesuai apa diharapkan sebelumnya atau tervalidasi maka dilakukan pengujian menggunakan (Mean Absolute Percentage Eror). merupakan digunakan dalam mengukur tingkat validasi dari suatu model. Gambar.1 Menu Utama Program Gambar.1 merupakan tampilan awal program berupa ikon-ikon menu Berikut adalah hasil pengujian program telah dilakukan oleh penulis : tersedia dalam program antara lain ikon menu untuk input data motor, menu about, dan tiga menu prediksi. Tabel. Hasil pengujian program Jenis Motor Vario Techno CBS -01 Vario CW 1 FI 006- Gambar.1 Halaman prediksi Gambar.1 merupakan tampilan menu prediksi. Didalam menu inilah perhitungan fuzzy dilakukan. Mio Soul Jarak Pajak Tahun Warna Tempu STNK No. Kondisi Harga Sistem (x) Harga Nyata (y) Selisih (y-x) (1) (.71) (.7) (.6) () (7.6) (.67) (6.17) ((y-x)/y) 0,0 0,001 0,017 0,06 0,001 0,0 0,01 0,006 0,001 0, (6.16) (6).6 0. (16.7) (6) (7) (10.000) (7.0) (6.0) (.06) () 0.6 (16.6) (16.1) Jumlah 0,0 0,07 0,076 0,06 0,07 0,0 0,077 0,0611 0,0 0,017 0,0 0,067 0,0 0,07 0,01 0,01 0,01 0,0077 0,0 0,076 0,0 0,01 0,07 0,0 0,001 0,070 1,0716

6 1 FI 006- Mio Soul (7) (10.000) (7.0) (6.0) (.06) () 0.6 (16.6) (16.1) Jumlah 0,077 0,0611 0,0 0,017 0,0 0,067 0,0 0,07 0,01 0,01 0,01 0,0077 0,0 0,076 0,0 0,01 0,07 0,0 0,001 0,070 1, V. PENUTUP A. Kesimpulan Berdasarkan hasil dari penelitian tersebut dapat disimpulkan bahwa fuzzy Tsukamoto dapat diterapkan dalam Keterangan Warna : menentukan harga jual sepeda motor bekas. Vario Techno CBS Adapun variabel-variabel penentunya ialah White Blue : kondisi sepeda motor, jarak tempuh sepeda Red : motor, pajak STNK sepeda motor, tahun. Black :1 pembuatan atau perakitan motor tertera Vario CW 1 FI dalam BPKB dan STNK dan warna sepeda Glam Red : motor. Estilo Black : diimplementasikan. Grande White : pemrograman java menggunakan.. Posh White : Dan. Shimmer Blue :1 menggunakan Mio Soul Pada setelah penelitian ini pada bahasa dilakukan telah pengujian (Mean Absolute Percentage Error) diketahui tingkat Bluish White Cocktail : kesalahan sebesar,1%. Hasil pengujian Leaf Green Metallic : menunjukan tingkat kesalahan dibawah 1%,. Black Metallic X : sehingga dapat dikatakan baik.. Deep Redish Yellow Cocktail :1 demikian hasil dari implementasi ini dapat Dengan digunakan bagi penjual maupun pembeli =,,70% Setelah menggunakan dilakukan sepeda motor bekas sebagai alat bantu dalam x 0% = menentukan harga jual sepeda motor bekas. pengujian (Meant Absolute Percentade Error) menghasilkan tingkat kesalahan sebesar,1%. Hasil pengujian menunjukan tingkat kesalahan dibawah 1%, sehingga dapat dikatakan baik. B. Saran Tentunya penelitian ini masih belum bisa dikatakan sempurna sehingga masih perlu adanya perbaikan dan penyempurnaan. Adapun saran dari penulis untuk penelitian selanjutnya ialah: Dalam penelitian ini hanya menggunakan tsukamoto sehingga adanya pembanding perlu lain sehingga nantinya

7 7 mendapatkan paling tepat Mamdani Pada Perbandingan Harga dan akurat. Sepeda Dalam penelitian ini masih terbatas pada Informatika STMIK GI MDP. 0 lima variabel yaitu kondisi sepeda. Bekas. Teknik []. Mulyono, Muhammad. Implementasi motor, jarak tempuh sepeda motor, pajak Logika STNK sepeda motor, tahun pembuatan Menentukan atau perakitan motor tertera dalam Avansa G M/T Bekas. Skripsi BPKB dan STNK dan warna sepeda Teknik Informatika Universitas Dian motor sehingga perlu dikaji sekali lagi Nuswantoro. Semarang. 0 apakah variabel-vabel tersebut masih. Motor Tsukamoto Harga Dalam Mobil Toyota []. Kusumadewi, S. Purnomo, H 00, relevan atau tidak. Aplikasi Logika untuk Pada penelitian ini hasil implementasi Pendukung Keputusan, Graha Ilmu, masih berupa program statis yaitu hanya Yogyakarta. menentukan harga jual sepeda motor []. Sutojo, T, Mulyanto, E & Suhartono, V vario techno cbs, vario cw 1 fi dan 0, Kecerdasan Buatan, Andi Offset, mio soul sehingga penelitian selanjutnya Yogyakarta. diharapkan bisa lebih dinamis dan [6]. S. W. P. Yulianto, H. Kristanto, J. mampu untuk menentukan harga jual Karel, Implementasi Set dan semua jenis sepeda motor bekas. Inference System Tsukamoto Program hasil implementasi pada Pada Penentuan Harga Beli Handphone penelitian ini masih berbasis dekstop Bekas, Jurnal Informatika, vol., no. sehingga dalam menggunakannya harus, 00. menggunakan komputer atau laptop. Hal itu tentu akan menyulitkan [7]. S. Kusumadewi, Penentuan Tingkat Resiko Penyakit Menggunakan penggunanya sehingga dalam penelitian Tsukamoto Inference System, selanjutnya diharapkan bisa dikemas Seminar Nasional II: The Application dalam program berbasis mobile. of Technology Toward A Better Life, 00. []. W. DAFTAR PUSTAKA [1]. Nugroho, Pengantar Anto Satriyo. Softcomputing. 00. Modul KuliahUmum IlmuKomputer.Com. []. Istraniady. Andrian, Priko. Mardiai. Analisis Perbandingan Metode Tsukamoto Dan Metode W. Rakhmat, L. Afriyanti, Aplikasi Inference System (FIS) Metode Tsukamoto Pada Simulasi Traffic Light Menggunakan Java, Seminar Nasional Aplikasi Teknologi Informasi (SNATI

8 ), ISSN : 107-0, Yogyakarta, Aplikasi Teknologi Informasi 00. (SNATI []. Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani. Aplikasi Pendukung Keputusan Dengan 00). ISSN: Yogyakarta. [1]. Samuel Lukas, Arnold Aribowo, Yogih Menggunakan Suharta Tjia. 00. Simulasi kecepatan Logika (Studi Kasus : Penentuan kendaraan menggunakan logika Spesifikasi Komputer Untuk Suatu fuzzy. Paket Teknologi Informasi 00 (SNATI Komputer Lengkap). Jurnal Informatika, Vol., No., Desember 00: Nasional Aplikasi 00). ISSN: Yogyakarta. [1]. Iswari, []. Muchlas, Tole Sutikno. Prediksi Harga Seminar Sistem Lizda. 00. Inferensi Pemanfaatan Dalam Saham Berbasis Web Dengan Sistem Pengolahan Peta Tematik (Studi Kasus Inferensi Fuzi Tsukamoto. Seminar : Sistem Informasi Geografis Daerah Nasional Aplikasi Teknologi Informasi Rawan (SNATI ). ISSN: Seminar Nasional Aplikasi Teknologi Yogyakarta. Informasi 00 (SNATI 00). ISSN: []. Abidin, Zaenal, Zulkifli. 0 Model evaluasi performa mahasiswa tahun Penyakitdemam Berdarah) Yogyakarta. [16]. Hansun, Seng.. Peramalan Data pertama melalui pendekatan fuzzy IHSG inference Series. IJCCS, Vol.6, No., July, system tsukamoto. Seminar Nasional Aplikasi Teknologi Informasi 01 (SNATI 01). ISSN: Yogyakarta. [1]. Rakhman, Arkham Zahri.. inference system tsukamoto sebagai pemberi saran pemilihan konsentrasi (studi kasus : jurusan teknik informatika UII). Seminar Nasional Aplikasi Teknologi Informasi (SNATI ). ISSN: Yogyakarta. [1]. Paputungan, Irving Vitra, Irawan, Denni. 00. Rancang Bangun Sistem Pengundian Sepakbola Menggunakan Logika. Seminar Nasional Menggunakan pp. 7~. ISSN: Time