SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN BESARAN PROFIT MARGIN DALAM BIRO PERJALANAN WISATA MENGGUNAKAN METODE FUZZY LOGIC

dokumen-dokumen yang mirip
PENGESAHAN PEMBIMBING...

Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic

SISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI SEKOLAH BERDASARKAN STANDAR PELAYANAN MINIMAL (SPM) DENGAN METODE K-MEANS CLUSTERING

BAB III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan

SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY

BAB III METODE PENELITIAN. sistem yang digunakan untuk menggambarkan aliran data secara keseluruhan

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

SISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB

3.4 Data dari Melati Mekar Mandiri... 38

PEMBUATAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN MENGGUNAKAN LOGIKA FUZZY BERBASIS WEBSITE Studi Kasus: SMA Negeri 10 Purworejo

APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA BANTUAN SOSIAL PADA BADAN KETAHANAN PANGAN SUMATERA SELATAN

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

PENERAPAN METODE LOGIKA FUZZY MODEL TAHANI DALAM PEMILIHAN HARDWARE KOMPUTER

Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani

DAFTAR ISI ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL

PENGEMBANGAN APLIKASI PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PEKERJAAN DI BIDANG TEKNOLOGI INFORMASI

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:

Muhammad Yudin Ritonga ( )

LOGIKA FUZZY (Lanjutan)

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto

BAB IV HASIL DAN UJI COBA

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH PRODUKSI DENGAN METODE FUZZY TSUKAMOTO DI PT KSTEX BANDUNG. Fikri Nur Fathan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OBYEK WISATA DI DAERAH ISTIMEWA YOGYAKARTA MENGGUNAKAN LOGIKA FUZZY TAHANI. Abstract

ABSTRAK. Kata kunci : Web, Tes Pauli, psikolog, ASP.NET. v Universitas Kristen Maranatha

IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL

PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)

Rima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang

Vol. X Nomor 29 Juli Jurnal Teknologi Informasi ISSN : PEMODELAN UNTUK MENENTUKAN KECUKUPAN ANGKA GIZI IBU HAMIL.

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

ABSTRACT. Keywords: Decision Support Systems, Lending (mortgages), Fuzzy Inference System (FIS) Tsukamoto method. ABSTRAK

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

BAB III METODE PENELITIAN. pegawai negeri pada instansi pemerintahan, seperti digambarkan sebagai

ABSTRAK. viii. Kata Kunci: Jaringan, Konstruksi, Pelaporan, Proyek, Sistem Informasi. Universitas Kristen Maranatha

BAB I PENDAHULUAN. yang sangat penting khususnya di Program Studi Informatika Fakultas Teknik

PENERAPAN FUZZY MAMDANI MAX-MIN DALAM PENGEMBANGAN SISTEM INFORMASI PENENTUAN GAJI PEGAWAI PADA SEKOLAH TINGGI TEKNIK POLIPRFESI

Penerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

BAB I 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. Seiring perkembangan zaman laptop merupakan sebuah kebutuhan yang

BAB IV HASIL DAN UJI COBA. Adapun hasil dari penelitan yang dilakukan adalah sebuah perangkat lunak

DECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

BAB IV HASIL DAN UJI COBA

PERANCANGAN SISTEM PERENCANAAN JUMLAH PRODUKSI ROTI MENGGUNAKAN METODE FUZZY MAMDANI

IMPLEMENTASI METODE FUZZY MAMDANI PADA APLIKASI INVENTORY UNTUK PREDIKSI PENGADAAN BARANG DI PT. PERTAMINA (PERSERO) PERKAPALAN

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani

BAB III METODOLOGI PENELITIAN

ANALISIS ALGORITMA FUZZY INFERENCE SYSTEM (FIS) MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PENJURUSAN SISWA DI SMA NEGERI 1 JATISRONO

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi

BAB III METODOLOGI PENELITIAN

ABSTRAK. vii. Kata kunci : Akuntansi

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA SMK KERTHA WISATA DENPASAR Menggunakan Fuzzy SAW

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA)

ABSTRAK. Kata Kunci : Tempat kost X, C#, ASP.NET. iii Universitas Kristen Maranatha

APLIKASI FUZZY INFERENCE SYSTEM MAMDANI UNTUK KLASIFIKASI EKSTRAKURIKULER SEKOLAH

DENIA FADILA RUSMAN

1 BAB 1 Pendahuluan. 1.1 Latar Belakang

LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN FURNITURE RUMAH DENGAN METODE TOPSIS BERBASIS WEB. Oleh : SHOFIANI RISTI KHANIFAH

BAB III METODE PENELITIAN. a. Menentukan kebutuhan data yang dibutuhkan. b. Mengumpulkan semua data yang dibutuhkan.

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI

Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.

masukan pada sistem yang umumnya berapa data yang diturunkan dari kebutuhan perangkat lunak atau program komputer

JURNAL INFORMATIKA IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING PADA SISTEM PENGAMBILAN KEPUTUSAN SERTIFIKASI GURU

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA

Penentuan Produksi Makanan Berbasis Fuzzy Mamdani

BAB III METODE PENELITIAN

BAB IV. Hasil dan Pembahasan

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

Oleh : Tutut Maitanti*, Ema Utami**, Emha Taufiq Luthfi**

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno

DAFTAR ISI BAB I PENDAHULUAN

BAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI

Seminar Tugas Akhir. Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web

ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)

Desain sistem Analisis sistem Implementasi sistem Pemeliharaan Sistem HASIL DAN PEMBAHASAN Investigasi sistem

BAB II TEORI PENUNJANG

IMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN CUTI PEGAWAI MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION

Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler

Penerapan Metode Fuzzy Mamdani dalam Perencanaan Produksi Roti

DAFTAR ISI HALAMAN JUDUL...

BAB III ANALISA DAN DESAIN SISTEM

1 BAB 1 PENDAHULUAN Latar Belakang

Transkripsi:

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN BESARAN PROFIT MARGIN DALAM BIRO PERJALANAN WISATA MENGGUNAKAN METODE FUZZY LOGIC Bagus Joko Sutrisno Anggri Sartika Wiguna 1 Teknik Informatika, Universitas Kanjuruhan Malang, alaskaki666@gmail.com 2 Teknik Informatika, Universitas Kanjuruhan Malang, 4n66121@gmail.com ABSTRAK Happy Holiday Tour & Travel awalnya menangani wisata seputar Malang raya dan sekitarnya. Seiring berjalannya waktu berkembang di berbagai bidang jasa khususnya pariwisata. Bidang yang di layani perusahaan ini antara lain : perjalanan wisata, studi banding, wisata religi, sewa bus pariwisata dan rental mobil. Karena tidak ada standar baku penentuan profit margin sehingga sering terjadi kesalahan dalam perhitungan. Maka dari itu, sistem pendukung keputusan untuk menentukan profit margin ini menggunakan metode fuzzy logic yang dapat membantu admin untuk menghindari kesalahan dalam menghitung profit margin. Dari hasil evaluasi uji coba dan analisis hasil uji coba sistem yang dibuat dapat berjalan sesuai dengan yang diharapkan dan output sistem telah sesuai dengan hasil perhitungan manual. Kata kunci : Profit Margin, Sistem Pendukung Keputusan, Fuzzy Logic. ABSTRACT Happy Holiday Tour & Travel initially handled the tour in Malang and it's surroundings. Nowdays this company do business in various fields of services, especially tourism. Fields of service in this company include: travel, study tours, religious tours, buses rent and cars rental. Because there is not standard determination of the profit margin errors, is happened frequently in calculation. Therefore, a decision support system to determine profit margin is built using fuzzy logic that can help administrators to avoid mistakes in calculating the profit margin. From the evaluation results of testing, the system can run as expected and output of the system in accordance with the results of manual calculations. Keywords: Profit Margin, Decision Support System, Fuzzy Logic. 1. Pendahuluan Happy Holiday tour & travel merupakan perusahaan pemilikan pribadi yang bermula dari sebuah komunitas yang membernya mempunyai hobi travelling, yang kemudian membentuk tour organizer (biro perjalanan). Happy Holiday tour & travel awalnya menangani wisata seputar Malang raya dan sekitarnya. Di perusahaan yang bergerak di bidang jasa biro perjalanan, penentuan profit margin sangatlah penting. Penentuan margin dipengaruhi oleh besaran gaji pegawai, serta nilai pokok dari produk biro perjalanan. Dimana nilai pokok itu terdiri dari dua komponen utama yaitu fixed cost component dan variable cost component. Fixed cost component adalah biaya yang ditanggung oleh keseluruhan peserta rombongan, sedangkan variable cost component adalah biaya yang ditanggung oleh masing-masing individu peserta rombongan. Fixed cost component terdiri dari harga sewa bis, fee crew, tiket

penyebrangan (kalau ada), fee local guide, spanduk kegiatan, obat-obatan, doorprize. Sedangkan variable cost component terdiri dari harga sewa hotel, snack, makan, tiket wisata, dan biaya optional tambahan. Dari penjumlahan biaya-biaya tersebut di atas, akan didapat nilai pokok produk yang akan mempengaruhi besaran margin yang akan digunakan. Yang diharapkan dari pimpinan Happy Holiday tour & travel adalah sebuah sistem yang membantu pekerjaan perhitungan biaya dalam sebuah perjalanan wisata. Dengan adanya sistem ini diharapkan dapat menentukan harga yang pas dan bisa menjadi patokan dalam penentuan margin. Sehingga mempersingkat waktu yang digunakan untuk menawarkan produk ke konsumen. 2. Tinjauan Pustaka 2.1 Pengertian Profit Margin Berdasarkan pengertian di atas, dapat disimpulkan bahwa net profit margin merupakan perbandingan antara laba bersih dengan penjualan. Net profit margin dapat disebut juga sebagai ukuran keuntungan dengan membandingkan antara laba setelah bunga dan pajak dibandingkan dengan penjualan.. Sehingga menurut Sartono (2008:123) rasio ini dapat dirumuskan sebagai berikut: 2.3 Konsep Fuzzy Orang yang belum pernah mengenal logika fuzzy pasti akan mengira bahwa logika fuzzy adalah sesuatu yang amat rumit dan tidak menyenangkan. Namun, sekali seseorang mulai mengenalnya, ia pasti akan sangat tertarik dan akan menjadi pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern dan metodis baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. 2.4 Himpunan Fuzzy Himpunan Fuzzy berbeda dengan himpunan klasik memiliki batasan yang jelas (crisp set), karena itu keanggotaan dari himpunan klasik dapat dinyatakan hanya dalam dua macam yaitu: menjadi anggota himpunan atau tidak. Sedangkan pada himpunan fuzzy, keanggotaan suatu elemen pada suatu himpunan lebih lanjut dinyatakan dengan derajat keanggotaannya (Irawan, 2007). Gambar 2 Rumus Himpunan Fuzzy Gambar 1 Rumus Profit Margin 2.2 Sistem Pendukung Keputusan Definisi SPK secara sederhana adalah sebuah sistem yang digunakan sebagai alat bantu menyelesaikan masalah untuk membantu pengambil keputusan (manajer) dalam menentukan keputusan tetapi tidak untuk menggantikan kapasitas manajer hanya memberikan pertimbangan. SPK ditujukan untuk keputusan-keputusan yang memerlukan penilaian atau pada keputusankeputusan yang sama sekali tidak dapat didukung oleh algoritma(turban, 2011). Fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Gambar 3 Rumus Fungsi Keanggotaam 2.5 Metode Mamdani Metode Mamdani sering juga dikenal

dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan: 1. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi (aturan) 3. Komposisi aturan 4. Penegasan (deffuzy) untuk mengurangi kesalahan dalam perhitungan keuangan perusahaan. 3.2 Perancangan Desain Fuzzy Untuk mendapatkan output, diperlukan 3 tahapan: 1. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi (aturan) 3. Penegasan (deffuzy) 1. Pembentukan himpunan fuzzy Pada variabel himpunan margin yang diambil. Gambar 4 Rumus Metode Mamdani 3 Pembahasan 3.1 Analisa sistem Permasalahan yang dihadapi oleh biro perjalanan yaitu kurang optimalnya waktu untuk menentukan profit margin yang didapat perusahaan pada sebuah kegiatan wisata. Selama ini perusahaan hanya menggunakan perhitungan secara manual karena tidak adanya standart penentuan margin yang berakibat lamanya waktu yang dibutuhkan admin dalam melakukan perhitungan. Karena menggunakan sistem perkiraan harga yang didapat bisa terlalu mahal yang berakibat tidak terjangkaunya harga oleh konsumen. Bisa juga harga terlalu murah yang berakibat keuntungan yang didapat tidak bisa menutupi operasional perusahaan. Dengan dibuatnya sistem ini bertujuan agar harga yang didapat sesuai dengan keinginan konsumen maupun perusahaan. Terdapat suatu permasalahan pada perhitungan penentuan margin pada perusahaan saat ini, yaitu : 1. Perhitungan secara manual tidak efektif karena sering terjadi kesalahan perhitungan oleh admin. 2. Sistem pendukung keputusan penentuan profit margin ini dikembangan Gambar 5 Keanggotaan Margin Kondisi : - 7% = 0-32700000 - 8% = 10900000 87200000-9% = 65400000-130800000 - 10% = 109000000 173500000-11% = 151700000 237675000 2. Aplikasi fungsi implikasi Pada pengimplikasian fungsi yang digunakan adalah nilai Min pada range margin. Aplikasi fungsi implikasi : If Total Cost 10900000 THEN MARGIN 7%; =MIN(10900000) =MIN(0.1) =0.1 3. Penegasan (defuzzy) Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy di inputan gejala pada cacat mata, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai output. A. Pada nilai cost range 10900000-32700000 Input crisp nya 10900000, maka rumus yang dihasilkan dengan input crisp tersebut, yaitu :

S(x: a,b) = S(10900000: 10900000, 237675000) x=10900000 b<=x, x = 0.1 Nilai output margin = 0.1 (7%) 3.3 Perancangan Sistem Pada perancangan sistem pendukung keputusan penentuan profit margin akan menjelaskan tahap-tahap rancangan sistem yang terdiri dari diagram context, data flow diagram, entity relationship diagram, rancangan tabel, rancangan interface, dan desain program. Gambar 6 Context Diagram Dari gambar diatas dapat dijelaskan bahwa ada dua data yang akan di proses : 1. Admin Seorang Admin memiliki hak penuh pada sistem, oleh karena itu Admin bisa melakukan manajemen data pada sistem. Proses yang admin jalankan antara lain dapat menginput dan merubah parameter pada tab fixed cost, tab spek, tab variabel cost dan tab giji, report, dan penambahan user account. 2. User User (Operator) adalah setiap orang yang ditugaskan admin untuk melakukan sebuah proses perhitungan dalam sistem aplikasi namun tak memiliki hak akses untuk masuk kedalam sistem. Gambar diatas adalah gambaran DFD Level 1 alur proses perhitungan margin dari admin sampai dengan user, keterangan gambar diatas adalah menunjukkan bagaimana admin memanajemen semua isi dari sistem. Admin harus login dulu kedalam sistem, admin diberikan hak akses antara lain untuk mengelola user yang akan memakai program. Selain itu admin juga mempunyai hak untuk mengelola data variabel cost, data fixed cost, data gaji, data spek. Pengelolaan data tersebut meliputi create, update dan delete. Setelah semua data dikelola admin maka selanjutnya admin dapat melakukan proses perhitungan margin, yang mana perhitungan tersebut akan menghasilkan report informasi perhiutngan dan informasi rekomendasi harga paket tour yang akan diberikan kepada konsumen. 3.4 Flowchart Program Adapun flowchart untuk sistem pendukung keputusan penentuan margin adalah untuk melakukan proses masukkan data-data spek, variabel cost, fixed cost dan gaji. Flowchart untuk sistem pendukung keputusan ini dapat dilihat pada gambar di bawah ini. Gambar 8 Flowchart Program Gambar 7 DFD Level 1

Gambar diatas menunjukkan untuk melakukan manajemen sistem penentu keputusan ini, Admin harus login terlebih dahulu dengan cara menginputkan username dan password. Setelah berhasil login admin memasukan data gaji, variabel cost, fixed cost dan spek, jika data telah diinputkan maka selanjunya admin melakukan proses perhitungan. Dengan perhitungan tersebut maka akan muncul hasil laporan (report). Report ini yang diberikan kepada konsumen, jika konsumen setuju maka proses selesai. 3.5 Desain ERD Pada gambar dibawah ini merupakan rancangan ERD dari program yang telah dibuat. Pada gambar ERD dibawah terdapat 6 tabel yaitu: tabel jenis paket, tabel simulasi margin, tabel fixed cost, tabel variabel cost, tabel rekomendasi dan tabel gaji pegawai. Relasi antar tabel dijelaskan pada gambar dibawah ini jenis paket, variabel cost dan gaji pegawai beralasi one to many terhadap tabel simulasi margin. Tabel fixed cost dan rekomendasi berelasi one to one dengan tabel simulasi margin. Metode pengujian yang digunakan adalah metode pengujian black box, pengujian black box adalah pengujian aspek fundamental sistem tanpa memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk mengetahui apakah perangkat lunak berfungsi dengan benar. Pengujian black box merupakan metode perancangan data uji yang didasarkan pada spesifikasi perangkat lunak. Data uji pada perangkat lunak dan kemudian keluaran dari perangkat lunak di cek apakah sudah sesuai dengan yang diharapkan atau tidak. Tahap implementasi sistem merupakan proses pengubahan spesifikasi sistem menjadi sistem yang dapat dijalankan. Implementasi dari analisis dan perancangan sistem ini menggunakan Delphi 7.0. Form menu input data paket wisata yang diinputkan oleh admin sesuai dengan keinginan konsumen. Menunya antara lain paket tour, variabel cost, fixed cost dan gaji pegawai. Gambar 10 Form Input data paket wisata Form Analisa Profit Margin merupakan tampilan antarmuka dimana akan muncul rincian perhitungan biaya yang diinputkan oleh admin dan menampilkan hasil perhitungan profit margin. Gambar 9 Desain ERD 3.6 Implementasi Sistem Pengujian Fungsionalitas: Pengujian sistem dilakukan untuk memeriksa kekompakan atau kinerja antar komponen sistem yang diimplementasikan, tujuan utama dari pengujian sistem adalah untuk memastikan bahwa elemen atau komponen dari sistem telah berfungsi sesuai dengan yang diharapkan. Gambar 11 Form Analisa Profit Margin

4 Kesimpulan Setelah merancang, menganalisis dan menghasilkan sistem pendukung keputusan penentuan margin dalam usahabiro perjalanan wisata menggunakan metode fuzzy logic maka dapat diambil kesimpulan Sistem pendukung keputusan dengan metode Fuzzy Logic ini dapat membantu dalam hal penentuan margin keuntungan pada usaha biro perjalanan wisata dan sesuai dengan hasil perhitungan manual. 5 Saran Berdasarkan pada pengujian yang dilakukan pada sistem pendukung keputusan penentuan margin pada biro perjalanan wisata ini masih ada kekurangan, oleh karena itu maka saran yang diberikan adalah sebagai berikut : Sistem pendukung keputusan ini dapat dikembangkan secara online melalui web sehingga memudahkan untuk mengakses dari manapun tanpa harus menggunakan komputer yang telah diinstall aplikasi pendukung sistem keputusan ini. DAFTAR PUSTAKA Ika, K. 2007. Sistem Pendukung Keputusan Penanganan Kesehatan Balita Menggunakan Fuzzy Mamdani. Irawan, J. 2007. Sistem Pakar Buku Pegangan Kuliah. Surabaya, Indonesia: Sekolah Tinggi Manajemen Informatika dan Teknik Komputer Surabaya. Kusumadewi, Sri; Hari, Purnomo. 2004. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Graha Ilmu. Yogyakarta. Sartono, Agus. 2008. Manajemen keuangan teori, dan aplikasi. Yogyakarta: BPFE Yogyakarta. Turban, Efraim, et al. 2011. Decision Support Systems and Intelligent Systems 7th Ed. New Jersey : Pearson Education.