LOGIKA FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK ANALISA PENDISTRIBUSIAN RASKIN ( STUDI KASUS DI KECAMATAN BUKIT SUNDI )

Transkripsi

1 LOGIKA FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK ANALISA PENDISTRIBUSIAN RASKIN ( STUDI KASUS DI KECAMATAN BUKIT SUNDI ) Irzal Arief Wisky Universitas Putra Indonesia YPTK Padang irzal.arief2@gmail.com ABSTRAK Raskin merupakan subsidi pangan dalam bentuk beras yang diperuntukkan bagi rumah tangga berpenghasilan rendah sebagai upaya dari pemerintah untuk meningkatkan ketahananpangan dan memberikan perlindungan social pada rumah tangga sasaran. Keberhasilan Program Raskin diukur berdasarkan tingkat pencapaian indikator 6 T, yaitu: tepat sasaran, tepat jumlah, tepat harga, tepat waktu, tepat kualitas, dan tepat administrasi. Program ini bertujuan untuk mengurangi beban pengeluaran Rumah Tangga Sasaran (RTS) melalui pemenuhan sebagian kebutuhan pangan pokok dalam bentuk beras dan mencegah penurunan konsumsi energy dan protein. Adanya ketidak tepatan dalam pendistribusian raskin berdampak pada hasil keputusan yang diberikan kurang tepat. Oleh sebab itu untuk memudahkan di dalam penyeleksian masyarakat yang berhak mendapatkan raskin, Sistem Pendukung Keputusan dapat menjadi pilihan di dalam memilih masyarakat yang berhak mendapatkannya. Dengan metode fuzzy logic model tahani yang dilakukan dapat dijadikan sebagai variable yang nantinya dijadikan sebagai penilaian dalam mendapatkan keputusan.. Kata Kunci : Raskin, metode fuzzy logic, model tahani dan sistem pendukung keputusan. Pendahuluan Fuzzy Tahani menganjurkan penggunaan fuzzy set untuk query database konvensional, di mana kondisi tidak tepat dalam query dipandang sebagai fuzzy set, bahasa SQL diusulkan oleh Bosc dan Pivert yang merupakan perpanjangan fuzzy untuk SQL (Structured Query Language), dimana nilai kabur yang telah digunakan untuk memodelkan dan menangani informasi dengan tepat dalam database ( Meng, 2 ). Fuzzy Tahani ini sudah sering digunakan dalam pengolahan data tertentu untuk menghasilkan informasi atau keputusan, model fuzzy tahani untuk pemodelan sistem pendukung keputusan (SPK) rekomendasi pembelian rumah, sistem pendukung keputusan pembelian mobil. Beberapa contoh lain dari aplikasi logika fuzzy termasuk model untuk memprediksi dampak dari beberapa tekanan pada pertumbuhan pohon, pengorganisasian pengetahuan bioteknologi dalam model fuzzy yangdapat digunakan untuk prediksi, memprediksi kelembaban tanah yang tepat untuk persiapan lahan, strategi makan dipeternakan besar, dan grading kualitas daging sapi (Hosseinzadeh, 2). Program raskinya itu untuk memberikan perlindungan kepada keluarga miskin melalui bantuan beras bersubsidi guna memenuhi kebutuhan gizi dan mengurangi beban pengeluaran keluarga pada jumlah yang telah ditentukan dan tingkat harga tertentu, Implementasi program Raskin melibatkan Satgas Raskin. Satgas Raskin adalah Dulog/ Sub dulog adalah unit kerja dibawah Dulog / Subdulog yang bertugas mengangkut dan menyerahkan beras kepada pelaksana distribusi (Toening A, 2). Selama ini pelaksanaan raskin tidak lepas dari berbagai permasalahan, hambatan dan tantangan. Untuk itu perlu dilakukan pengkajian ulang tentang pendistribusian raskin, terutamap ada tahap pengolahan data masyarakat yang menerima raskin, sehingga untuk melakukan pengolahan data masyarakat ini dapat menggunakan fuzzy tahani yang mana data masyarakat tersebut dilakukan perhitungan fungsi keanggotaan fuzzy dan hasil dari perhitungan data tersebut didapatkan data-data masyarakat yang berhak untuk menerima 93

2 raskin kemudian digunakan perintah structure query language (SQL) untuk menseleksi data-data yang paling layak untuk menerima raskin dari program pemerintah dalam upaya mensejahterakan masyarakat, sehingga seorang manajerial dalam pengambilan keputusan bisa tepat sasaran dan berjalan sesuai dengan apa yang diharapkan oleh masyarakat..2. Perumusan Masalah Masalah yang dirumuskan dari kasus diatas adalah :. Bagaimana implementasi metode logika fuzzy tahani dalam pengambilan keputusan pendistribusian raskin? 2. Bagaimana menentukan criteria untuk menetapkan masyarakat yang layak menerima raskin? 2. Tinjauan Literatur 2. Konsep Fuzzy Logic Dalam banyak hal, logika fuzzy digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju ke output yang diharapkan. Beberapa contoh yang dapat diambil antara lain :. 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. 2. Seorang pegawai melakukan tugasnya dengan kinerja yang sangat baik, kemudian atasan akan memberikan reward yang sesuai dengan kinerja pegawai tersebut. Ada beberapa alasan mengapa orang menggunakan logika fuzzy (Kusumadewi dan Purnomo, 2) antara lain:. Konsep logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan dasar teori himpunan, maka konsep matematis yang mendasari penalaran fuzzy tersebut cukup mudah untuk dimengerti. 2. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahanperubahan dan ketidakpastian yang menyertai permasalahan. 3. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat. 4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. Dalam hal ini, sering dikenal dengan nama fuzzy expert systems menjadi bagian terpenting. 6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 7. Logika fuzzy didasarkan pada bahasa alami. 2.2 Konsep Fuzzy Logic Teori logika fuzzy yang diajukan oleh Zadeh pada pertengahan tahun 96 memberikan suatu pemecahan masalah terhadap persoalan yang tidak pasti ini. Sehingga sistem informasi yang akan dibuat menggunakan model DBMS dan query yang berbasis fuzzy karena model DBMS konvensional, non fuzzy kurang dapat memenuhi kebutuhan sistem informasi ini. Banyak model DBMS dan query fuzzy yang ada, salah satunya adalah model Tahani yang ditemukan pada tahun 977. Prof. Lutfi Zadeh berpendapat bahwa logika benar dan salah dari logika boolean/konvensional tidak dapat mengatasi masalah gradasi yang ada di dunia nyata. Untuk mengatasi masalah gradasi tersebut maka ia mengembangkan sebuah himpunan samar (fuzzy) (Prasetiyowati dan Seta, 27). 94

3 2.3 Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µa[x], memiliki 2 kemungkinan (Kusumadewi dan Purnomo, 2) yaitu:. Satu (), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau 2. Nol (), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. 2.4 Fungsi Keanggotaan Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara sampai. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Apabila U menyatakan himpunan universal dan A adalah himpunan fungsi fuzzy dalam U, maka A dapat dinyatakan sebagai pasangan terurut. Ada beberapa fungsi yang bisa digunakan. 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 yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol() bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi (Kusumadewi dan Purnomo, 2). Seperti terlihat pada gambar berikut : Derajat keanggotaan Fungsi keanggotaan: a domain Gambar. Representasi Linear Naik x a b µ[x] = (x-a)/(b-a); a < x < b ; x b Kedua, merupakan kebalikan dari yang pertama. 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. Seperti terlihat pada gambar berikut: Derajat keanggotaan a domain Gambar 2. Representasi Linear Turun b 95

4 Fungsi keanggotaan: µ[x] = (b-x)/(b-a); x a a < x < b ; x b b. Representasi kurva segitiga Kurva segitiga pad dasarnya merupakan gabungan antara 2 garis (linear). Seperti terlihat pada gambar berikut: Derajat keanggotaan a b domain c Fungsi Keanggotaan: Gambar 3. Kurva Segitiga x c atau x a µ[x] = (x-a)/(b-a); (c-x)/(c-b) a < x < b b < x < c c. Representasi kurva trapezium (Kusumadewi S, Purnomo H, 2) Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada titik yang memiliki nilai keanggotaan. Seperti terlihat pada gambar berikut: Derajat keanggotaan a b domain c d Fungsi keanggotaan: Gambar 4. Representasi Kurva Trapezium x d atau x a µ[x] = (x-a)/(b-a); (d-x)/(d-c) a < x < b c < x < d ; b x c 2.5 Fuzzy Database Model Tahani Fuzzy Tahani adalah salah satu cabang dari logika fuzzy, yang merupakan salah satu metode fuzzy yang menggunakan basis data standar. Tahani mendeskripsikan suatu metode pemrosesan query fuzzy, dengan didasarkan atas manipulasi bahasa yang dikenal dengan nama SQL (Structured Query Language), sehingga model fuzzy Tahani sangat tepat digunakan dalam proses pencarian data yang tepat dan akurat (Amalia, Fenanie dan Utama, 2). 96

5 Dengan menggunakan basis data standar, dapat dicari data-data karyawan dengan spesifikasitertentu dengan menggunakan query. Misalnyadiinginkan informasi tentang namanama karyawan yang usianya kurang dari 5 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 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 sudah lebih dari juta rupiah, maka bisa diciptakan suatu query: SELECT NAMA FROM KARYAWAN WHERE MasaKerja<=5) and (Gaji > ) Sehingga muncul nama-nama Andi dan Rian. Tetapi pada kenyataannya seseorang terkadang membutuhkan informasi dari data-data yang bersifat ambiguous. Apabila hal ini terjadi, maka bisa digunakan basis data Fuzzy. Selama ini, sudah ada beberapa penelitian tentang basis data fuzzy, salah satu diantaranya adalah model Tahani. Basis Data Fuzzy model Tahani masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada query-nya (Eliyani, Pujianto dan Rosyadi, 29). Misalkan kita mengkategorikan usia karyawan ke dalam himpunan : Muda, Parobaya, dan tua, dapat dilihat pada gambar berikut: Muda Parobaya Tua Umur (tahun) Gambar 5. Fungsi Keanggotaan untuk Variabel Usia Fungsi keanggotaan : ; x 3 µmuda[x] = 4 x ; 3 x 4 x 4 µparobaya[x] = µtua[x] = x 4 ; x 35 atau x 5 x 35 ; 35 x 45 5 x ; 45 x 5 5 x 4 4 x 5 x 5 97

6 Variabel masa kerja bisa dikategorikan dalam himpunan: Baru dan Lama, seperti pada gambar 6: Baru Lama Masa Kerja (tahun) Gambar 6. Fungsi Keanggotaan untuk Variabel Masa Kerja Fungsi keanggotaan : µbaru[y] = µlama[y] = ; 5 y y 5 ; y 5 5 y 5 y 5 y x 25 y 25 Variabel gaji bisa dikategorikan dalam himpunan: Rendah, Sedang dan Tinggi, seperti pada gambar berikut: Rendah Sedang Tinggi Gaji (x Rp/bl) Gambar 7. Fungsi Keanggotaan untuk Variabel Gaji Fungsi keanggotaan : µrendah[z] = ; z 3 8 z 3 z 8 z 8 µsedang[z] = µtinggi[z] = z z 5 z ; z 5 atau z 5 5 z z 5 z z 2 z 98

7 2.6 Design Database Proses perancangan sistem membutuhkan suatu database yang digunakan untuk menyimpan data dan informasi yang diperlukan dalam sistem. Sehubungan penelitian ini menggunakan fuzzy tahani sistem ini hanya digunakan untuk menguji kebenaran dari dari perhitungan fuzzy secara manual saja, maka struktur basis data yang digunakan sangat sederhana, seperti pada tabel : Tabel Tabel Data Raskin No Nama Field Tipe Data Lebar Keterangan NoKK Varchar 7 Nomor Kartu Keluarga 2 NmKRT Varchar 5 Nama Kepala Rumah Tangga 3 NmPKRT Varchar 5 Nama Pasangan Kepala Rumah Tangga 4 Jnsrumah Varchar 5 Jenis Rumah 5 Penghasilan Numeric 3 Penghasilan 6 Alamat Varchar 6 Alamat Tempat Tinggal 2.7 Design Menu Rancangan yang akan dibentuk yaitu rancangan menu utama, input data fuzzy masyarakat dan laporan keseluruhan. Adapun bentuk struktur menu yang akan dibuat dapat dibuat pada gambar berikut: RANCANGAN SISTEM INPUT DATA FUZZY LAPORAN DATA MASYARAKAT MENU UTAMA Gambar 8. Struktur Menu Aplikasi 2.8 Desain Form Input Data Fuzzy Setelah user atau pengguna masuk ke dalam sistem program maka akan muncul form input data fuzzy seperti gambar berikut: SISTEM PENDUKUNG KEPUTUSAN UNTUK ANALISA PENDISTRIBUSIAN RASKIN INPUT DATA FUZZY NOMOR KK : NAMA KRT : NAMA PKRT : JENIS RUMAH : PENGHASILAN : ALAMAT : Varchar (7) Varchar (5) Varchar (5) Varchar (5) Varchar (3) Varchar (6) PROSES Varchar (3) SIMPAN BATAL HAPUS KELUAR Gambar 9. Form Menu Utama Untuk Input Fuzzy 99

8 3. Metodologi Penelitian 4. Hasil Gambar. Form Menu Utama Untuk Input Fuzzy 4. Form Entry Data Calon Penerima Raskin Form ini digunakan oleh petugas kecamatan untuk meng-entry-kan, data-data calon penerima raskin yang akan mengikuti tahap penyeleksian. Adapun bentuk form entry data calon penerima raskin dapat dilihat pada gambar berikut : Gambar. Form Entry Data Calon Penerima Raskin

9 Untuk menyimpan data cukup mengetikan data pada field yang sudah disediakan dan untuk menyimpan data tersebut ke dalam tabel yang telah dirancang di dalam database yaitu dengan cara menekan tombol simpan. 4.2 Form Laporan Data Masyarakat Miskin Form laporan data calon Penerima raskin merupakan form untuk melihat data-data calon penerima raskin yang ada pada database. Adapun bentuk form laporan data calon penerima raskin tergolong keluarga miskin dapat dilihat pada gambar berikut Gambar 2. Form Laporan Data Masyarakat Miskin Melalui form laporan masyarakat miskin kita dapat melihat informasi semua data calon yang berhak untuk mendapatkan raskin. Adapun laporan data masyarakat miskin dapat dilihat pada gambar berikut. Gambar 3 : Laporan Data Masyarakat Miskin 4.3 Form Laporan Data Masyarakat Pra sejahtera Form laporan data Masyarakat pra sejahtera merupakan form untuk melihat data-data calon penerima raskin yang telah mengikuti peninjauan langsung ke lapangan yang tersimpan pada database. Adapun bentuk form laporan data masyarakat pra sejahtera dapat dilihat pada gambar berikut :

10 Gambar 4. Form Laporan Data Masyarakat Pra Sejahtera Melalui form laporan data masyarakat pra sejahtera kita dapat melihat informasi semua data calon penerima raskin tergolong prasejahtera. Adapun laporan data masyarakat yang tergolong pra sejahtera dapat dilihat pada gambar berikut : Gambar 5 : Laporan Data Masyarat Pra sejahtera Pada gambar 5 tampil data-data calon penerima raskin yang mengikuti seleksi peninjauan langsung ke lapangan. Calon penerima raskin yang memiliki keterangan pra sejahtera tidak berhak menerima raskin. 4.4 Form Laporan Masyarakat Sejahtera Melalui form laporan data masyarakat sejahtera kita dapat melihat informasi semua data calon penerima raskin yang ikut seleksi peninjauan langsung ke lapangan. Adapun laporan data masyarakat sejahtera dapat dilihat pada gambar 6. 2

11 Gambar 6. Laporan Data Masyarakat Sejahtera Pada gambar 6 tampil data-data calon penerima raskin yang mengikuti seleksi peninjauan langsung ke lapangan. Calon penerima raskin yang memiliki keterangan sejahtera tidak berhak menerima raskin. 4.4 Form Laporan Masyarakat Keseluruhan Melalui form laporan data masyarakat keseluruhan kita dapat melihat informasi semua data calon penerima raskin yang ikut seleksi peninjauan langsung ke lapanagan dimana ada masyarakat yang tergolong miskin, pra sejahtera dan sejahtera. Adapun laporan data masyarakat keseluruhan dapat dilihat pada gambar

12 5 Kesimpulan Gambar 7. Laporan Data Masyarakat Keseluruhan Berdasarkan pembahasan dan hasil pengujian aplikasi ini, maka dapat dibuat kesimpulan antara lain: a. Dengan adanya kriteria-kriteria masyarakat yang berhak menerima raskin dalam Sistem Pendukung Keputusan, maka pemerintah mudah dalam proses pengambilan keputusan. b. Dengan menggunakan metode logika fuzzy, proses untuk menentukan masyarakat yang tergolong keluarga miskin, keluarga prasejahtera dan sejahtera lebih mudah dibandingkan dengan menggunakan cara manual. DAFTAR PUSTAKA [] HM, Jogiyanto. 25. Analisis dan Desain. Yogyakarta. Andi. [2] Sri, Kusuma dewi dan Hari, Purnomo. 2. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta. GrahaIlmu. [3] LiaAmalia, Zainuddin Bey Fenanie Didit N Utama. Model Fuzzy Tahani untuk Pemodelan Sistem Pendukung Keputusan, Seminar Nasional Aplikasi Teknologi Informasi.9 Juni 2.ISSN : [4] Magdalena, Karismariyanti. Simulasi Pendukung Keputusan Penerima Beasiswa Menggunakan Metode Composite Performance Index. Jurnal Teknologi Informasi. Bandung. 2 November 2. [5] Arwan, Ahmad, Khoiruddin. Sistem Pendukung Keputusan Penentuan kelayakan Calon Rintisan Sekolah Bertaraf Internasional Dengan Metode Fuzzy Associative Memory, Seminar Nasional Aplikasi Teknologi Informasi.2 Juni 28. ISSN : [6] Rian Anggraini, Wawan Indarto, Sri Kusumadewi. Sistem Pencarian Kriteria Kelulusan Menggunakan Metode Fuzzy Tahani, Media Informatika. 2 Desember 24. ISSN :