Implementasi FMCDM Sebagai Alternatif Penentuan Dalam Pemilihan Lokasi Perumahan
|
|
- Hadi Kusuma
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Implementasi FMCDM Sebagai Alternatif Penentuan Dalam Pemilihan Lokasi Perumahan Yeffiansjah Salim Sekolah Tinggi Manajemen dan Informatika (STMIK) Indonesia Banjarmasin Jl. Pangeran Hidayatullah Banua Anyar Telp. (0511) Banjarmasin ABSTRACT Decision making system implementation the optimal with several criteria using fuzzy multi- criteria decision-making(fmcdm) used to review completed decision to 7 ( seven ) criteria will become material considerations fmcdm as the highest priority as an optimal alternative highest, singer systems provide housing location with options until highest priority the lowest location with desire accordance housing development prospective homebuyers the optimal based on criteria with regard value total integral the tin, the big value total integram shows that alternative high more match rate based criteria. Keywords : Decision making, fmcdm, backpropagation, prospective house development A. PENDAHULUAN 1. Latar Belakang Saat ini perkembangan usaha di bidang perumahan / property sangat pesat banyak sekali dipromosikan dengan berbagai jenis type dan harga serta lokasi yang berbeda-beda. Secara umum disebutkan bahwa rumah adalah struktur fisik terdiri dari ruangan, halaman dan area sekitarnya yang dipakai sebagai tempat tinggal dan sarana pembinaan keluarga (UU RI No. 4 Tahun 1992). Menurut WHO, rumah adalah struktur fisik atau bangunan untuk tempat berlindung, dimana lingkungan berguna untuk kesehatan jasmani dan rohani serta keadaan sosialnya baik untuk kesehatan keluarga dan individu (Komisi WHO Mengenai Kesehatan dan Lingkungan, 2001). Dalam kasus pemilihan lokasi perumahan ini tiap pengembang perumahan / developer memiliki angsuran pembiayaan secara kredit dengan tingkat nominal yang berbeda, fasilitas umum yang berbeda, jarak kedekatan yang berbeda dengan rumah sakit, pasar tradisional ataupun hyper market serta sekolah, hal ini akan mempersulit pengambilan keputusan untuk menentukan solusi yang efektif sehingga pemilihan lokasi perumahan tersebut dapat ditentukan dengan cermat, serta proses untuk pemilihan lokasi dapat dengan mudah dan cepat ditentukan disertai dengan data yang akurat, alternatif solusi yang didapatkan adalah sebuah hasil informasi yang benar dengan sistem pengurutan berdasarkan nilai prioritas tertinggi dengan mempertimbangkan berbagai kriteria dan bobot yang ditentukan untuk pemilihan lokasi perumahan. Muticriteria Decision Making Methods (MCDM) adalah sebuah metode yang mengacu pada proses screening, prioritizing, ranking, atau memilih set alternative (dapat berupa candidate atau action) dengan criteria yang bersifat independent, incommensurate, atau conflicting (Wang, 2005). MCDM sangat tepat untuk diimplementasikan pada kasus dengan semua alternatif yang memiliki sejumlah criteria yang masing-masing memiliki nilai nominal dan masing-masing criteria memiliki bobot yang dapat dimanfaatkan sebagai sarana pembanding. MCDM memiliki asumsi bahwa rating alternatif dan bobot dari criteria bersifat crips, namun tidak semua kasus memenuhi asumsi tersebut. Sehingga pemikiran MCDM kurang tepat dan diperlukan sejumlah pemikiran baru. Pemikiran tersebut tertuang dalam konsep FMCDM yang merupakan suatu metode pengambilan keputusan dengan mempertimbangkan beberapa alternatif dan kriteria pada suatu situasi yang bersifat fuzzy. Hal ini sangat tepat untuk menyelesaikan permasalahan dalam proses pemilihan lokasi perumahan di mana sejumlah kriteria bersifat fuzzy / samar. Kriteria tersebut antara lain : jumlah besaran angsuran yang ditawarkan oleh pengembang perumahan, fasilitas umum dari perumahan seperti lampu jalan, portal security, mesjid, taman bermain, dan kolam renang, kedekatan lokasi perumahan dengan rumah sakit, pasar, tempat sekolah anakanak, dimana masing-masing memiliki criteria yang 78
2 bobotnya tidak memiliki nilai yang sama atau berbeda. 2. Perumusan masalah Berdasarkan uraian pada latar belakang, dirumuskan suatu permasalahan yaitu : pemilihan lokasi perumahan menggunakan metode fuzzy multi criteria decision making pada penelitian ini diujicoba untuk membuat suatu alternatif kriteria yang dapat dijadikan salah satu solusi dalam pemberian informasi kepada pengguna aplikasi, maka pertanyaannya adalah : Bagaimana implementasi dari FMCDM sebagai alternative penentuan dalam pemilihan lokasi perumahan sehingga menghasilkan keputusan yang cepat dan disertai dengan data yang benar serta akurat. 3. Batasan Masalah Batasan masalah dalam penelitian ini adalah : a. Metode yang digunakan adalah fuzzy multicriteria decision making. b. Fungsi keanggotaan dari bilangan fuzzy menggunakan fungsi segitiga (triangular fuzzy number). c. Jumlah himpunan fuzzy kepentingan dan kecocokan maksimal 5 himpunan. d. Jumlah kriteria yang digunakan 7. e.tidak memiliki batasan jumlah pengembang perumahan dan jumlah data calon pembeli rumah. f. data type rumah yang diasumsikan sama yakni type 45 sehingga dengan tenggang waktu angsuran yang sama selama 15 (lima belas) tahun. B. LANDASAN TEORI 1. Logika Fuzzy Kata Fuzzy merupakan kata sifat yang berarti kabur, tidak jelas. Fuzziness atau kekaburan atau ketidakjelasan atau ketidakpastian selalu meliputi keseharian manusia. Logika fuzzy adalah suatu cara yang tepat untuk memetakan ruang input kedalam suatu ruang output (Kusumadewi, 2003). Konsep ini diperkenalkan dan dipublikasikan pertama kali oleh Lotfi A. Zadeh, seorang profesor dari University of California di Berkeley pada tahun Logika fuzzy menggunakan ungkapan bahasa untuk menggambarkan nilai variabel. Logika fuzzy bekerja dengan menggunakan derajat keanggotaan dari sebuah nilai yang kemudian digunakan untuk menentukan hasil yang ingin dihasilkan berdasarkan atas spesifikasi yang telah ditentukan. 2 Himpunan Fuzzy Himpunan Fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak diantaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah. Himpunan fuzzy memiliki 2 atribut, yaitu (Kusumadewi, 2003): Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel. 3. Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai Multi Criteria Decision Making Multi Criteria Decision Making (MCDM) adalah salah satu metode yang bisa membantu pengambil keputusan dalam melakukan pengambilan keputusan terhadap beberapa alternative keputusan yang harus diambil dengan beberapa criteria yang akan menjadi bahan pertimbangan (Chen,2004) Satu hal yang menjadi permasalahan adalah apabila bobot kepentingan dari setiap criteria dan derajat kecocokan setiap alternative terhadap setiap criteria mengandung ketidakpastian. Biasanya penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistic. Sejumlah literatur menerangkan bahwa terdapat sejumlah tahapan yang harus ditempuh untuk mengaplikasikan FMCDM, diantaranya yang dikemukakan oleh Wang dan Lee (2005), Wang (2005) dan Joo (2004) dalam Kusumadewi (2006). Ketiganya menyampaikan langkah-langkah yang serupa dengan Fauziati (2004). Ketiga artikel tersebut memaparkan langkah-langkah penyelesaian FMCDM yang memiliki kemiripan antara satu dengan yang lainnya, memperhatikan ketiga artikel tersebut, maka secara garis besar ada tiga langkah yang dilakukan dalam menerapkan proses FMCDM yang dapat diusulkan, yaitu: a) Representasi masalah. Langkah ini dapat diturunkan menjadi beberapa tahapan yaitu 1. Identifikasi tujuan dan kumpulan alternative keputusannya, 2. Identifikasi kumpulan criteria, dan 3. Membangun struktur hirarki dari masalah tersebut berdasarkan pertimbangan-pertimbangan tertentu b) Evaluasi Himpunan Fuzzy dan Pembobotan Kriteria. Langkah ini dapat 79
3 diturunkan menajadi beberapa tahapan yaitu : 1. Memilih himpunan rating untuk bobotbobot criteria, dengan derajat kecocokan setiap alternative dengan kriterianya, Secara umum, himpunan-himpunan rating terdiri-atas 3 elemen, yaitu: variabel linguistik (x) yang merepresentasikan bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya; T(x) yang merepresentasikan rating dari variabel linguistik; dan fungsi keanggotaan yang berhubungan dengan setiap elemen dari T(x). Misal, rating untuk bobot pada Variabel Penting untuk suatu kriteria didefinisikan sebagai: T(penting) = {SANGAT RENDAH, RENDAH, CUKUP, TINGGI, SANGAT TINGGI}. Sesudah himpunan rating ini ditentukan, maka kita harus menentukan fungsi keanggotaan untuk setiap rating. Biasanya digunakan fungsi segitiga. Misal, Wt adalah bobot untuk kriteria Ct; dan Sit adalah rating fuzzy untuk derajat kecocokan alternatif keputusan Ai dengan kriteria Ct; dan Fi adalah indeks kecocokan fuzzy dari alternatif Ai yang merepresentasikan derajat kecocokan alternatif keputusan dengan kriteria keputusan yang diperoleh dari hasil agregasi Sit dan Wt. dan 2. Mengevaluasi bobot-bobot criteria, dan derajat kecocokan setiap alternative dengan kriterianya, dan 3. Mengagregasikan bobot-bobot criteria, dan derajat kecocokan setiap alternative dengan kriterianya. Ada beberapa metode yang dapat digunakan untuk melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara lain: mean, median, max, min, dan operator campuran. Dari beberapa metode tersebut, metode mean yang paling banyak digunakan. Operator. dan. adalah operator yang digunakan untuk penjumlahan dan perkalian fuzzy. Dengan menggunakan operator mean, Fi dirumuskan sebagai: Dengan cara mensubstitusikan Sit dan Wt dengan bilangan fuzzy segitiga, yaitu Sit = (oit, pit, qit); dan Wt = (at, bt, ct); maka Ft dapat didekati sebagai: Fi=(Yi,Qi,Zi) dengan : c) Seleksi Alternative Yang Optimal. Langkah ini juga dapat diturunkan menjadi beberapa tahapan, yaitu : 1. Memprioritaskan alternative keputusan berdasarkan hasil agregasi, dan Prioritas dari hasil agregasi dibutuhkan dalam rangka proses perangkingan alternatif keputusan. Karena hasil agregasi ini direpresentasikan dengan menggunakan bilangan fuzzy segitiga, maka dibutuhkan metode perangkingan untuk bilangan fuzzy segitiga. Salah satu metode yang dapat digunakan adalah metode nilai total integral. Misalkan F adalah bilangan fuzzy segitiga, F = (a, b, c), maka nilai total integral dapat dirumuskan sebagai berikut: Nilai a adalah indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan (0=a=1). Apabila nilai a semakin besar mengindikasikan bahwa derajat keoptimisannya semakin besar. 2. Memilih alternative keputusan dengan prioritas tertinggi sebagai alternative yang dianggap optimal. Semakin besar nilai F1 berarti kecocokan terbesar dari alternative keputusan untuk criteria keputusan, dan nilai inilah yang akan menjadi tujuan. 5. Pengertian Perumahan Perumahan adalah kelompok rumah yang berfungsi sebagai lingkungan tempat tinggal atau hunian yang dilengkapi dengan prasarana lingkungan yaitu kelengkapan dasar fisik lingkungan, misalnya penyediaan air minum, pembuangan sampah, tersedianya listrik, telepon, jalan, yang memungkinkan lingkungan pemukiman berfungsi sebagaimana mestinya. Rumah adalah tempat untuk melepaskan lelah, tempat bergaul, dan membina rasa kekeluargaan diantara anggota keluarga, tempat berlindung keluarga dan menyimpan barang berharga, dan 80
4 rumah juga sebagai status lambing social (Azwar, 1996; Mukono,2000). Rumah adalah struktur fisik terdiri dari ruangan, halaman dan area sekitarnya yang dipakai sebagai tempat tinggal dan sarana pembinaan keluarga (UU RI No. 4 Tahun 1992). Menurut WHO, rumah adalah struktur fisik atau bangunan untuk tempat berlindung, dimana lingkungan berguna untuk kesehatan jasmani dan rohani serta keadaan sosialnya baik untuk kesehatan kelu arga dan individu (Komisi WHO Mengenai Kesehatan dan Lingkungan, 2001). Menurut American Public Health Association (APHA) rumah dikatakan sehat apabila : (1) Memenuhi kebutuhan fisik dasar seperti temperatur lebih rendah dari udara di luar rumah, penerangan yang memadai, ventilasi yang nyaman, dan kebisingan db.a.; (2) Memenuhi kebutuhan kejiwaan; (3) Melindungi penghuninya dari penularan penyakit menular yaitu memiliki penyediaan air bersih, sarana pembuangan sampah dan saluran pembuangan air limbah yang saniter dan memenuhi syarat kesehatan; serta (4) Melindungi penghuninya dari kemungkinan terjadinya kecelakaan dan bahaya kebakaran, seperti fondasi rumah yang kokoh, tangga yang tidak curam, bahaya kebakaran karena arus pendek listrik, keracunan, bahkan dari ancaman kecelakaan lalu lintas (Sanropie, 1992; Azwar, 1996). Penerapan metode machine learning database besar disebut data mining. Para analogi adalah bahwa volume besar bumi dan bahan baku diekstraksi dari tambang, yang ketika diproses mengarah kepada sejumlah kecil bahan yang sangat berharga; sama dalam data pertambangan, volume besar data diproses untuk membangun sebuah model sederhana dengan berharga digunakan, misalnya, memiliki akurasi prediksi yang tinggi. Area aplikasi yang berlimpah, di Selain ritel, keuangan bank menganalisis data masa lalu mereka untuk membangun model untuk digunakan dalam kredit aplikasi, deteksi penipuan, dan pasar saham. Dalam manufaktur, model pembelajaran yang digunakan untuk optimasi, kontrol, dan pemecahan masalah. Dalam pengobatan, program pembelajaran digunakan untuk diagnosis medis. Dalam telekomunikasi, pola panggilan dianalisis untuk jaringan optimasi dan memaksimalkan kualitas layanan. Dalam ilmu, sejumlah besar data di fisika, astronomi, dan biologi hanya dapat dianalisis cukup cepat oleh komputer. Para World Wide Web adalah besar, melainkan terus berkembang dan mencari informasi yang relevan tidak dapat dilakukan secara manual. Tapi belajar mesin tidak hanya masalah database; juga merupakan bagian dari buatan intelijen. Untuk menjadi cerdas, sistem yang dalam lingkungan yang berubah harus memiliki 81 kemampuan untuk belajar. Pembelajaran mesin juga membantu dalam menemukan solusi untuk banyak masalah di visi, pidato pengakuan, dan robotika. Pembelajaran mesin menggunakan teori statistik di membangun model matematika, karena tugas inti adalah membuat kesimpulan dari sampel. Peran ilmu komputer ada dua. Pertama, dalam pelatihan, perlu algoritma efisien untuk memecahkan masalah optimasi, serta untuk menyimpan dan memproses jumlah besar data yang umumnya memiliki. Kedua, setelah model dipelajari, representasi dan algoritma solusi untuk inferensi harus efisien juga. 2.7 Tipe dan Jenis Rumah Kriteria rumah berdasarkan konstruksinya dibedakan menjadi : Tabel 1. Kriteria Rumah Berdasar Konstruksi Jika dilihat berdasarkan ukuranya, standar perbandingan jumlah rumah besar, rumah sedang dan rumah kecil yaitu 1:3:6 Luas kapling rumah besar : 120 m² 600 m² (tipe 70) Luas kapling rumah sedang : 70 m² 100 m² (tipe 45-54) Luas kapling rumah kecil : 21 m² 54 m² (tipe 21-36) Untuk menentukan luas minimum rata-rata dari perpetakan tanah harus mempertimbangkan faktorfaktor kehidupan manusianya, faktor alamnya dan pengaturan bangunan setempat. 6. Persyaratan Permukiman Suatu bentuk permukiman yang ideal di kota merupakan pertanyaan yang menghendaki jawaban yang bersifat komprehensif, sebab perumahan dan permukiman menyangkut kehidupan manusia termasuk kebutuhan manusia yang terdiri dari berbagai aspek. Sehingga dapat dirumuskan secara sederhana tentang ketentuan yang baik untuk suatu permukiman yaitu harus memenuhi sebagai berikut: Lokasinya sedemikian rupa sehingga tidak terganggu oleh kegiatan lain seperti pabrik, yang umumnya dapat memberikan dampak pada pencemaran udara atau pencemaran lingkungan lainnya.
5 Mempunyai akses terhadap pusat-pusat pelayanan seperti pelayanan pendidikan, kesehatan, perdagangan, dan lain-lain. Mempunyai fasilitas drainase, yang dapat mengalirkan air hujan dengan cepat dan tidak sampai menimbulkan genangan air walaupun hujan yang lebat sekalipun. Mempunyai fasilitas penyediaan air bersih, berupa jaringan distribusi yang siap untuk disalurkan ke masing-masing rumah. Dilengkapi dengan fasilitas air kotor/ tinja yang dapat dibuat dengan sistem individual yaitu tanki septik dan lapangan rembesan, ataupun tanki septik komunal. Permukiman harus dilayani oleh fasilitas pembuangan sampah secara teratur agar lingkungan permukiman tetap nyaman. Dilengkapi dengan fasilitas umum seperti taman bermain bagi anak-anak, lapangan atau taman, tempat beribadat, pendidikan dan kesehatan sesuai dengan skala besarnya permukiman itu. Dilayani oleh jaringan listrik dan telepon C. METODE PENELITIAN 1. Standarisasi Fuzzyfikasi Tahapan yang dilakukan dalam melakukan penelitian ini adalah dengan memberikan standarisasi fuzzyfikasi untuk penilaian derajat kecocokan calon pembeli rumah terhadap kriteria sebagai berikut : Tabel 2. Fuzzyfikasi kriteria Jumlah angsuran / bulan selama 15 tahun Tabel 3. Fuzzyfikasi kriteria lebar jalan Tabel 6. Fuzzyfikasi kriteria jarak ke rumah sakit Tabel 7. Fuzzyfikasi kriteria jarak ke sekolah Tabel 8. Fuzzyfikasi kriteria jarak ke pasar Model Fuzzy segitiga untuk derajat kecocokan calon pembeli dengan pengembang perumahan terhadap kriteria yang digunakan adalah sebagai berikut : Tabel 9. Tabel Model Fuzzy segitiga Tahapan berikutnya setelah dilakukan penilaian pengembang perumahan pada bagian data uji selesai dilakukan pemasukan data, melakukan perhitungan dengan fuzzy MCDM. Misalnya : contoh perhitungan untuk satu calon pembeli dengan no_id = SARI dengan hasil proses data pruning yang memiliki derajat kecocokan fuzzy : K1=Sangat Baik K2=Baik K3=Baik K4=Sangat Baik K5=Baik K6=Baik K7=Baik Maka, nilai y,q,z dihitung dengan persamaan : Tabel 4. Fuzzyfikasi kriteria kondisi jalan Tabel 5. Fuzzyfikasi kriteria fasum Sehingga didapatkan hasil perhitungannya sebagai berikut : Yi=(0,75x0,75)+(0,5x0,5)+(0,5x0,5)+(0,75x0,75)+( 0,5x0,5)+(0,5x0,5)+(0,5x0,5) / 7 =0,
6 Qi=(1x1)+(0,75x0,5)+(0,75x0,75)+(1x1)+(0,75x0,7 5)+(0,75x0,75)+(0,75x0,75) / 7 =0,6875 Zi=(1x1)+(1x0,75)+(1x1)+(1x1)+(1x1)+(1x1) +(1x1) / 7 =1 Dari masing-masing nilai Y,Q,Z ini dilanjutkan dengan memasukan ke dalam persamaan : Dengan mempergunakan asumsi nilai derajat keoptimisan (α), dimana α=0, α=0.5, α=1 maka total integral untuk kandidat dengan no_id= SARI adalah sebagai berikut : Tabel 10 Nilai total integral kandidat no_id= SARI Nilai alpha Total nilai integral α= α=0, α= Implementasi Antar muka ini merepresentasikan asumsi derajat kecocokan dan kepentingan, adapun batasan nilai yang digunakan berkisar antara 0-1. Hasil dari pembuatan aplikasi dapat dilihat sesuai dengan gambar berikut : Gambar 2. Antar muka kriteria Antar muka pengembang perumahan dipergunakan menyimpan data nama pengembang, alamat, dan no telepon. Hasil dari pembuatan aplikasi dapat dilihat sesuai dengan gambar berikut : Gambar 3 Antar muka pengembang perumahan Gambar 1. Antar muka asumsi derajat kecocokan dan kepentingan Tahapan berikutnya adalah membuat antar muka untuk merepresentasikan kriteria yang paling sering diperhatikan oleh calon pembeli rumah, oleh sebab itu diinputkan sebanyak 7 (tujuh) buah disesuaikan dengan asumsi derajat kecocokan yang diinginkan oleh user. Hasil dari pembuatan aplikasi dapat dilihat sesuai dengan gambar berikut : Antar muka ini merepresentasikan data uji berupa data pengembang perumahan disesuaikan dengan kriteria yang ada pada lokasi perumahan tersebut, data yang diinputkan sesuai data pengembang perumahan yang akan mengikuti seleksi. Hasil dari pembuatan aplikasi dapat dilihat sesuai dengan gambar berikut : Gambar 4 Antar muka data uji pengembang perumahan 83
7 Antar muka ini menyimpan data calon pembeli rumah, pengisian data nama, no telepon, jenis kelamin, disesuaikan dengan keinginan ataupun harapan dari calon pembeli berdasarkan kriteria yang sering diperhatikan dalam pemilihan lokasi rumah, hasil pembuatan sistem dapat dilihat pada gambar berikut ini : Gambar 7 Antar muka hasil agregasi calon pembeli rumah dengan α=0 Gambar 5 Antar muka calon pembeli rumah Hasil agregasi untuk setiap calon pembeli rumah dengan kriteria setiap pengembang perumahan sesuai dengan kondisi lingkungan perumahan, dengan menggunakan derajat keoptimisan (α), dimana α=0,5 dapat dilihat sesuai dengan gambar berikut : Antar muka ini merepresentasikan proses perhitungan bobot criteria dan derajat kecocokan calon pembeli rumah dengan berbagai kriterianya yang ada pada setiap data uji dalam hal ini pengembang perumahan. Hasil dari pembuatan system dapat dilihat pada gambar berikut ini : Gambar 8 Antar muka hasil agregasi calon pembeli rumah dengan α=0,5 Gambar 6 Antar muka proses perhitungan bobot criteria dan derajat kecocokan Hasil agregasi untuk setiap calon pembeli rumah dengan kriteria setiap pengembang perumahan sesuai dengan kondisi lingkungan perumahan, dengan menggunakan derajat keoptimisan (α), dimana α=0 dapat dilihat sesuai dengan gambar berikut : Hasil agregasi untuk setiap calon pembeli rumah dengan kriteria setiap pengembang perumahan sesuai dengan kondisi lingkungan perumahan, dengan menggunakan derajat keoptimisan (α), dimana α=1 dapat dilihat sesuai dengan gambar berikut : 84
8 Gambar 9 Antar muka Hasil agregasi calon pembeli rumah dengan α=1 Pada gambar di atas terlihat pengurutan pengembang perumahan dengan nilai total integral terbesar yang dihasilkan dari proses seleksi menggunakan FMCDM, hal ini akan memudahkan pengambil keputusan yaitu calon pembeli rumah untuk menyeleksi lokasi perumahan yang akan dibeli sesuai dengan kriteria keinginan atau harapan dari calon pembeli rumah. Gambar 4.10 Laporan sistem memberikan alternatif pemilihan lokasi perumahan 3. Implikasi Penelitian Implikasi penelitian ini ditujukan bagi masyarakat umum yang memiliki beberapa harapan ataupun keinginan dengan merepresentasikan ke beberapa kriteria yang paling sering diperhatikan oleh calon pembeli seperti : jumlah besaran angsuran kredit per bulan, kondisi dan lebar jalan di dalam komplek perumahan, fasum yang disediakan pengembang, jarak dari perumahan ke lokasi pasar, sekolah maupun rumah sakit terdekat. Adanya hasil penelitian ini dapat dilakukan pemberian alternatif pilihan kepada calon pembeli rumah sehingga keputusan untuk melakukan pembelian dapat diambil dengan cepat dan tepat sesuai dengan harapan calon pembeli. E. PENUTUP 1. Kesimpulan Pembuatan sistem pengambilan keputusan yang optimal dengan beberapa kriteria menggunakan fuzzy multi-criteria decision making dapat disimpulkan bahwa : 1. Perangkat lunak ini dapat digunakan untuk menyelesaikan pengambilan keputusan dengan 7 (tujuh) kriteria yang akan menjadi bahan pertimbangan menggunakan fuzzy multicriteria decision making untuk mendapatkan alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal. 2. Perangkat lunak yang telah dibuat dapat digunakan untuk menyelesaikan pengambilan keputusan untuk memberikan alternative pilihan lokasi perumahan dengan memberikan prioritas tertinggi sampai yang terendah lokasi pengembang perumahan yang sesuai dengan keinginan calon pembeli rumah yang optimal berdasarkan kriteria dengan memperhatikan nilai total integral yang diperoleh, semakin besar nilai total integral menunjukan bahwa alternatif tingkat kecocokan lebih tinggi berdasarkan kriterianya. 2. Saran Sistem yang dibuat masih memiliki kekurangan seperti belum ditambahkan kriteria jenis bangunan yang ditawarkan oleh pihak pengembang perumahan apakah permanen, atau semi permanen. Beberapa pertimbangan lain seperti luas tanah serta nilai uang lebih tanah di setiap lokasi perumahan memiliki perbedaan harga, belum dimasukan pada variabel kriteria, oleh karena itu system ini perlu dikembangkan lebih lanjut untuk penelitian tahap berikutnya untuk menjadi lebih sempurna dan sesuai harapan yang diinginkan calon pembeli rumah. DAFTAR PUSTAKA [1] Kusumadewi, S., Artificial Intelligence: Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu [2] Kusumadewi, S. dan Hari Purnomo, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu [3] Kusumadewi, S., Fuzzy Multi Criteria Decision Making, diakses tanggal 30 maret 2014 [4] Kusumadewi, S. Dkk, Fuzzy Multi Atribut Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu [5] Negnevitsky, Michael, Setiawan, S., Artificial Intelligence A Guide to Intelligence System., Addins-Wesley: Harlow,England, 2002 [6] Setiawan, S., Artificial Intelligence. Yogyakarta, 1994 [7] Turban, Efraim. Joy E.Aronson. Ting-Peng Liang. Negnevitsky, Michael, Setiawan, S., Decision Support Systems and Intelligence System., Yogyakarta: Andi Offset, 2005 [8] diakses 4 desember 2015 jam wita [9] /24/sedikit-teori-tentang-perumahan/, diakses 4 desember 2015 jam wita [10] -perumahan-dan-rumah.html,,diakses 4 desember 2015 jam wita 85
BAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2. 1. Fuzzy Logic Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia
Lebih terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciPENERAPAN FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK DIAGNOSIS PENYAKIT TROPIS
PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK DIAGNOSIS PENYAKIT TROPIS Rika Rosnelly 1, Retantyo Wardoyo 2 STMIK Potensi Utama 1 Jl. KL. Yos Sudarso Km. 6,5 No. 3A Tj. Mulia Medan 1 rika@potensi-utama.ac.id
Lebih terperinciSISTEM PENILAIAN KINERJA KARYAWAN DENGAN METODE FUZZY MULTICRITERIA DECISION MAKING (Studi Kasus : PT. PANCA ARNYS)
SISTEM PENILAIAN KINERJA KARYAWAN DENGAN METODE FUZZY MULTICRITERIA DECISION MAKING (Studi Kasus : PT. PANCA ARNYS) Muslim Alamsyah Program Studi Teknik Informatika Fakultas Teknik Universitas Yudharta
Lebih terperinciP14 FMADM Dengan Pengembangan. A. Sidiq P.
P14 FMADM Dengan Pengembangan A. Sidiq P. http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System)
BAB 2 LANDASAN TEORI 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System) Pada dasarnya Sistem Pendukung Keputusan ini merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi
Lebih terperinciBAB III METODE PENELITIAN. terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar
BAB III METODE PENELITIAN Bab III berisi tentang metode penelitian. Metode penelitian yang digunakan terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar aplikasi. A. Teknik
Lebih terperinciAnalisis Sistem Pendukung Keputusan Dalam Memilih Program Studi Menggunakan Metode Logika Fuzzy
Analisis Sistem Pendukung Keputusan Dalam Memilih Program Studi Menggunakan Metode Logika Fuzzy Hetty Rohayani Teknik Informatika, STIKOM Dinamika Bangsa Jambi Email : hetty_mna@yahoo.com Abstract STIKOM
Lebih terperinciJURNAL EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING FUZZY BEST MULTI CRITERIA DECISION MAKING (FMCDM) CASE STUDY CUSTOM CAPS KEDIRI
JURNAL SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KARYAWAN TERBAIK MENGGUNAKAN METODE FUZZY MULTY CRITERIA DECISION MAKING (FMCDM) STUDI KASUS TOPI CUSTOM KEDIRI EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING
Lebih terperinciPENGGUNAAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING DALAM PENDUKUNG KEPUTUSAN MEMILIH PROGRAM STUDI
PENGGUNAAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING DALAM PENDUKUNG KEPUTUSAN MEMILIH PROGRAM STUDI Hetty Rohayani. Ah, ST, M.Eng Teknik Informatika, STIKOM Dinamika Bangsa Jln. Jendral Sudirman, The
Lebih terperinciIMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL
INFOKAM Nomor II/Th. X/September/14 23 IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL SUMARDI (Dosen Amik JTC Semarang) ABSTRAK
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Sistem Pendukung Keputusan (SPK) 2.1.1 Konsep Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS) pertama kali diperkenalkan
Lebih terperinciISSN : MODEL PENENTUAN MUTU SEKOLAH MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING. Adi Suwondo
ISSN : 026-985 MODEL PENENTUAN MUTU SEKOLAH MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING Adi Suwondo Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer Universitas Sains Al-Quran
Lebih terperinciSTUDI EXPLORATIF TINGKAT KEPUASAN PENGHUNI TERHADAP KONDISI BANGUNAN PERUMAHAN BERSUBSIDI BAITUL MARHAMAH 1,2,3 KOTA TASIKMALAYA
STUDI EXPLORATIF TINGKAT KEPUASAN PENGHUNI TERHADAP KONDISI BANGUNAN PERUMAHAN BERSUBSIDI BAITUL MARHAMAH 1,2,3 KOTA TASIKMALAYA Indra Mahdi, Drs, ST, MT (0410106002) Anto Purwanto, S.KM., M.Kes (0410028201)
Lebih terperinciPerbandingan Metode AHP-SAW Dengan FMCDM-SAW Pada Pemberian Pinjaman Modal Usaha Pertanian
625 Perbandingan Metode AHP-SAW Dengan FMCDM-SAW Pada Pemberian Pinjaman Modal Usaha Pertanian Biasty Handayani, Ruliah S. STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru efekbiass@gmail.com, twochandra@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI 2.1 Sistem pendukung keputusan (SPK) Konsep sistem pendukung keputusan atau decision support system (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA DENGAN FUZZY MULTICRITERIA DECISION MAKING (STUDI KASUS : SMA NEGERI 2 DENPASAR)
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA DENGAN FUZZY MULTICRITERIA DECISION MAKING (STUDI KASUS : SMA NEGERI 2 DENPASAR) Ni Komang Sri Julyantari Sistem Komputer, STMIK STIKOM BALI Jl
Lebih terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
Lebih terperinciANALISIS SISTEM PENDUKUNG KEPUTUSAN DALAM MEMILIH PROGRAM STUDI MENGGUNAKAN METODE LOGIKA FUZZY
KNTI 0 NLISIS SISTEM PENDUKUNG KEPUTUSN DLM MEMILIH PROGRM STUDI MENGGUNKN METODE LOGIK FUZZY HETTY ROHYNI. H, STIKOM Dinamika Bangsa bstrak STIKOM Dinamika Bangsa Jambi merupakan Perguruan Tinggi yang
Lebih terperinciBAB I PENDAHULUAN. ada tiga, yaitu association rules, classification dan clustering.
BAB I PENDAHULUAN 1.1. Latar Belakang Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciPENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN NASABAH YANG BERPOTENSI MEMBUKA SIMPANAN DEPOSITO DENGAN FUZZY MCDM
1 PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN NASABAH YANG BERPOTENSI MEMBUKA SIMPANAN DEPOSITO DENGAN FUZZY MCDM Meirisa Sarastri Fakultas Teknik Informatika, Universitas Dian Nuswantoro
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciBAB 2 TINJAUAN PUSTAKA Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan
22 BAB 2 TINJAUAN PUSTAKA 2.1. Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan 2.1.1. Definisi Sistem Sistem adalah kumpulan objek seperti orang, sumber daya, konsep dan prosedur yang dimaksudkan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
1 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjuan Pustaka Dalam penelitiannya Sistem Pakar Penentuan Bakat Anak Berdasarkan Multiple Intelligences Menggunakan Metode Fuzzy Logic bahwa Anak usia
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PRODUK LAPTOP MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING.
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PRODUK LAPTOP MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING Naskah Publikasi diajukan oleh Dadang Setiawan 08.11.2540 kepada JURUSAN TEKNIK
Lebih terperinciSarana lingkungan adalah fasilitas penunjang yang berfungsi untuk penyelenggaraan dan pengembangan kehidupan ekonomi, sosial dan budaya.
Sarana lingkungan adalah fasilitas penunjang yang berfungsi untuk penyelenggaraan dan pengembangan kehidupan ekonomi, sosial dan budaya. Prasarana lingkungan adalah kelengkapan dasar fisik lingkungan yang
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Perpindahan penduduk dari desa ke kota (urbanisasi) mengakibatkan populasi penduduk kota semakin tinggi. Populasi penduduk yang tinggi mengakibatkan sulit untuk memperoleh
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
1 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Penelitian yang dilakukan oleh Apriliani Wulandari, (2007), Penelitian ini memfokuskan pada penggunaan kriteria Bayes dalam proses pemberian
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA AKSELERASI PADA SMA NEGERI 1 SEMARANG MENGGUNAKAN FUZZY MADM
1 SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA AKSELERASI PADA SMA NEGERI 1 SEMARANG MENGGUNAKAN FUZZY MADM Wibianto Wicaksono Jurusan Teknik Informatika, Universitas Dian Nuswantoro Semarang, Indonesia
Lebih terperinciBAB II. KAJIAN PUSTAKA. A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto
BAB II. KAJIAN PUSTAKA A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto Masalah kinerja pegawai di Universitas Muhammadiyah Purwokerto sangat mendapat perhatian. Hal ini dibuktikan dengan diadakannya
Lebih terperinciStudi Penentuan Harga Rumah di Jakarta Menggunakan Metode Fuzzy
98 Jurnal AL-AZHAR INDONESIA SERI SAINS DAN TEKNOLOGI, Vol. 3, No. 2, September 2015 Studi Penentuan Harga Rumah di Jakarta Menggunakan Metode Fuzzy Sisca Dewi Priyani 1,Pradanuari Firdaus 1,Effrizka Permatasari
Lebih terperinciSIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY
SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,
Lebih terperinciDAFTAR ISI BAB I PENDAHULUAN
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pernyataan Keaslian Tugas Akhir... iii Lembar Pengesahan Penguji... iv Halaman Persembahan... v Motto... vi Kata Pengantar... vii
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DI SMA NEGERI 2 PEMALANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DI SMA NEGERI 2 PEMALANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING DIDIK PAMBUDI A11.2009.04833 Program Studi Teknik Informatika-S1,Fakultas Ilmu Komputer,Universitas
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga
Lebih terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
Lebih terperinciSistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani
Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani Eddy Triswanto S., ST., M.Kom. Jurusan Sistem Informasi Institut Informatika Indonesia Jl. Raya Sukomanunggal Jaya 3, Surabaya
Lebih terperinciPEMODELAN KEMISKINAN DAERAH MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (MCDM) (STUDI KASUS : PROPINSI JAWA TENGAH)
PEMODELAN KEMISKINAN DAERAH MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (MCDM) (STUDI KASUS : PROPINSI JAWA TENGAH) Alz Danny Wowor Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciPENENTUAN PENERIMA BEASISWA BERDASARKAN KRITERIA PADA UIN RADEN FATAH PALEMBANG
PENENTUAN PENERIMA BEASISWA BERDASARKAN KRITERIA PADA UIN RADEN FATAH PALEMBANG Gusmelia Testiana UIN Raden Fatah Palembang Jl.KH. Zainal Abidin Fikri Palembang gusmelia.testiana@gmail.com ABSTRAK Masalah
Lebih terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
Lebih terperinciPERBANDINGAN METODE PROFILE MATCHING DAN SIMPLE ADDITIVE WEIGHTING PADA PENENTUAN JURUSAN SISWA KELAS X SMA N 2 NGAGLIK
Jurnal Ilmiah DASI Vol. 1 No. 1 Maret 2015, hlm 1-22 ISSN: 1411-3201 PERBANDINGAN METODE PROFILE MATCHING DAN SIMPLE ADDITIVE WEIGHTING PADA PENENTUAN JURUSAN SISWA KELAS X SMA N 2 NGAGLIK Bety Wulan Sari
Lebih terperinciSeleksi Penerima Dana Bantuan Modal Usaha KUPP Berbasis Fuzzy MCDM
ISSN: 2089-3787 553 Seleksi Penerima Dana Bantuan Modal Usaha KUPP Berbasis Fuzzy MCDM Taufiq, Ayu Pratiwi STMIK Banjarbaru Jl. A. Yani Km. 33,3 Loktabat Banjarbaru pa_tauw@yahoo.com, Ayupratiwi@yahoo.co.id
Lebih terperinciAPLIKASI METODE TOPSIS FUZZY DALAM MENENTUKAN PRIORITAS KAWASAN PERUMAHAN DI KECAMATAN PERCUT SEI TUAN
Saintia Matematika Vol. 1, No. 1 (2012), pp. 101 115. APLIKASI METODE TOPSIS FUZZY DALAM MENENTUKAN PRIORITAS KAWASAN PERUMAHAN DI KECAMATAN PERCUT SEI TUAN Meliya Ningrum, Sutarman, Rachmad Sitepu Abstrak.
Lebih terperinciSeminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2013) ISBN
Sistem Pendukung Keputusan Untuk Menentukan Lokasi Pasar Dengan Menggunakan Fuzzy Multi Atribut Decision Making (FMADM) Metode Simple Additive Weighting (SAW) Reny Wahyuning Astuti 1), Muhsin 2) Program
Lebih terperinciSISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB
SISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka berikut beberapa contoh penelitian yang sudah dilakukann oleh para penelti yang dapat digunakan sebagai acuan dan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI PERUMAHAN IDEAL MENGGUNAKAN METODE FUZZY SIMPLE ADDITIVE WEIGHTING
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI PERUMAHAN IDEAL MENGGUNAKAN METODE FUZZY SIMPLE ADDITIVE WEIGHTING Erwin Panggabean Program Studi Sistem Informasi STMIK Sisingamangaraja XII Medan Sumatera
Lebih terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang
Lebih terperinciAnalisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB
Analisa Tingkat di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Popy Meilina Jurusan Teknik Informatika Universitas Muhammadiyah Jakarta E-mail: Opi3_five@yahoo.com.sg Abstrak -- Fuzzy Logic
Lebih terperinciDECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Tren (SNIT)205 DECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN Ghofar Taufiq Akademi Manajemen Informatika dan Komputer Bina Sarana Informatika (AMIK
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciPenentuan Lokasi Usaha Percetakan Menggunakan Metode FMCDM
ISSN: 0216-3284 1337 Penentuan Lokasi Usaha Percetakan Menggunakan Metode FMCDM Haryadi Fauzan, Hugo Aprilianto Program Studi Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru, Telp.(0511)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciAPLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI
APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI Hafsah1), Wilis Kaswidjanti2), Tendi R. Cili3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari
Lebih terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE Intro Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DENGAN METODE FUZZY MADM
echno.om, Vol. 13, No. 2, Mei 2014: 99-107 SISEM PENDUKUNG KEPUUSAN PENERIMAAN PEGAWAI DENGAN MEODE FUZZY MADM Denni Aldi Ramadhani 1, Setia Astuti 2 1,2 Program Studi eknik Informatika, Fakultas Ilmu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN PENERIMA BEASISWA BERPRESTASI MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING (FMADM) DENGAN METODE SAW
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN PENERIMA BEASISWA BERPRESTASI MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE
Lebih terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciIMPLEMENTASI KOMBINASI METODE AHP DAN SAW DALAM PENDUKUNG KEPUTUSAN PENENTUAN KREDIT PERUMAHAN RAKYAT ABSTRAK
IMPLEMENTASI KOMBINASI METODE AHP DAN SAW DALAM PENDUKUNG KEPUTUSAN PENENTUAN KREDIT PERUMAHAN RAKYAT Yustina Meisella Kristania Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciLOGIKA FUZZY PADA PROSES PELET PAKAN IKAN
LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com
Lebih terperinciMADM-TOOL : APLIKASI UJI SENSITIVITAS UNTUK MODEL MADM MENGGUNAKAN METODE SAW DAN TOPSIS.
MADM-TOOL : APLIKASI UJI SENSITIVITAS UNTUK MODEL MADM MENGGUNAKAN METODE SAW DAN TOPSIS. Henry Wibowo S Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
Lebih terperinciMODEL FUZZY MADM METODE AHP SEBAGAI MEDIA MENENTUKAN JENIS SAKIT KEPALA BERDASARKAN GEJALANYA
MODEL FUZZY MADM METODE AHP SEBAGAI MEDIA MENENTUKAN JENIS SAKIT KEPALA BERDASARKAN GEJALANYA Suhendi Saputra Jurusan Sistem Informasi STMIK Pringsewu Lampung Jl. Wisma Rini No. 09 pringsewu Lampung website:
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN GURU TELADAN DI SMP N 24 SEMARANG DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN GURU TELADAN DI SMP N 4 SEMARANG DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Aji Dewantoro A.009.0480 Program Studi Teknik Informatika, Fakultas Ilmu Komputer,
Lebih terperinciPenerapan Algoritma Fuzzy Multi-Attribute Decision Making pada Penjadwalan Ujian Skripsi
Penerapan Algoritma Fuzzy Multi-Attribute Decision Making pada Penjadwalan Ujian Skripsi (Studi Kasus : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Salatiga) Yessica Nataliani 1, Martin
Lebih terperinciJurnal SISFO Vol. 7, No.1, Februari 2013 STIKOM Dinamika Bangsa - Jambi 1
ANALISIS SISTEM PENUNJANG KEPUTUSAN UNTUK MENENTUKAN PELAMAR CALON DOSEN MENJADI DOSEN DENGAN MENGGUNAKAN FUZZY MADM (STUDI KASUS : STIKOM DINAMIKA BANGSA) Jasmir, S.Kom, M.Kom Dosen Tetap STIKOM Dinamika
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 SISTEM PENDUKUNG KEPUTUSAN Sistem pendukung keputusan pertama kali diperkenalkan pada awal tahun 1970 oleh Michael S. Scott dengan istilah management decision system yang merupakan
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Sistem Pendukung Keputusan DSS adalah suatu sistem informasi yang datanya diproses dalam bentuk pembuatan keputusan bagi pemakai akhir. Karena berorientasi pada pemakai akhir,
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciBAB I PENDAHULUAN. fasilitas- fasilitas atau fitur- fitur yang ada di perumahan tersebut dan faktor-faktor
BAB I PENDAHULUAN I.1 Latar Belakang Pengembang atau developer perumahan selaku koordinator pelaksana di lapangan perlu diiringi oleh perkembangan teknologi komputer untuk dapat memenuhi kebutuhan para
Lebih terperinciREVIEW JURNAL LOGIKA FUZZY
REVIEW JURNAL LOGIKA FUZZY Disusun oleh : Gita Adinda Permata 1341177004309 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NEGERI SINGAPERBANGSA KARAWANG KATA PENGANTAR Assalamualaikum
Lebih terperinciKata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa
SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan
Lebih terperinciSISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC
SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciP13 Fuzzy MCDM. A. Sidiq P.
P13 Fuzzy MCDM A. Sidiq P. http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta Tujuan Mahasiswa
Lebih terperinciPerancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani
Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika
Lebih terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih terperinciSistem Pendukung Keputusan Pembagian Raskin dengan Metode Simple Additive Weighting (SAW)
Sistem Pendukung Keputusan Pembagian Raskin dengan Metode Simple Additive Weighting (SAW) Aprilia Ekawati Program Studi Teknik Informatika, Universitas Dian Nuswantoro email:leeya.aprilia@gmail.com Abstrak
Lebih terperinciPENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MULTIPLE ATRIBUTE DECISSION MAKING.
PENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MULTIPLE ATRIBUTE DECISSION MAKING Apriansyah Putra 1, Dinna Yunika Hardiyanti 2 Jurusan Sistem Informasi,Fakultas Ilmu Komputer Universitas Sriwijaya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Keputusan Teori keputusan adalah teori mengenai cara manusia memilih pilihan diantara pilihan-pilihan yang tersedia secara acak guna mencapai tujuan yang hendak diraih (Hansson,
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY Jamaludin Malik 1), Arik Sofan Tohir 2), Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email: 1) malixjams@gmail.com,
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang STKIP Tapanuli Selatan merupakan perguruan tinggi yang legal dibawah Yayasan Al-Iman Padangsidimpuan berdiri berdasarkan akta notaris pada tanggal 31 Agustus 1981.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciSATUAN ACARA PENYULUHAN (SAP)
SATUAN ACARA PENYULUHAN (SAP) Pokok Bahasan : Kesehatan Lingkungan Masyarakat Sub Pokok Bahasan : SPAL yang memenuhi standar kesehatan. Sasaran : Waktu : Tempat : I. A. Tujuan Instruksi Umum Setelah mengikuti
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ARTIKEL SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ARTIKEL SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada
Lebih terperinci