26-45-2-PB
-
Upload
seftya-seftya -
Category
Documents
-
view
233 -
download
17
description
Transcript of 26-45-2-PB
-
Vol. 6 No.2 EBISNIS, Juni 2013
44
DECISION SUPPORT SYSTEM UNTUK MENENTUKAN KELUARGA MISKIN
MENGGUNAKAN FUZZY QUERY DATABASE MODEL TAHANI
AHMAD ZAINUDIN
Sekolah Tinggi Elektronika dan Komputer
Jl. Majapahit 605 & 304
Semarang Indonesia
E-mail : [email protected]
Abstrak
Berbagai program dari bantuan Pemerintah dalam upaya penanggulangan kemiskinan memang telah banyak, tetapi
berbagai bantuan yang sampai di tangan rakyat tidak sesuai dengan yang diharapkan serta banyaknya parameter/indikator
kemiskinan mengakibatkan kurang efektifnya program penanganan kemiskinan. Hal ini juga menjadi masalah bagi
Pemerintah berkaitan dengan penentuan keluarga miskin yang belum optimal yaitu banyak terjadi komplain dari pihak
masyarakat karena keputusan dari pemerintah yang menangani masalah penentuan keluarga miskin. Hasil analisa terhadap
data keluarga miskin setelah verifikasi ulang yang dilakukan Dinas Sosial menunjukkan bahwa penyebab terjadinya
kesalahan penentuan keluarga miskin antara lain akibat kesalahan pada saat proses pendataan, dan perhitungan pada saat
pendataan.
Subjek penelitian ini adalah membuat program aplikasi logika fuzzy untuk pendukung keputusan penentuan keluarga miskin di desa Tuntang menggunakan fuzzy query pada database model tahani yang didasarkan pada beberapa parameter,
yaitu: pendapatan rata-rata anggota keluarga, jumlah anggota keluarga, kondisi rumah, nilai barang selain tanah, utilitas
rumah tangga, akses pelayanan kesehatan, tingkat pendidikan, jumlah anak tingkat tolong menolong, tingkat kesulitan untuk
membeli beras. Hasil penelitian ini menunjukkan bahwa Fuzzy Query Database model Tahani dapat digunakan untuk
penetuan keluarga Miskin.
Kata Kunci: Penentuan Keluarga Miskin, Decision Support System, Fuzzy Query database Model Tahani
A. PENDAHULUAN Berbagai program dari bantuan Pemerintah
dalam upaya penanggulangan kemiskinan
memang telah banyak, tetapi berbagai bantuan yang sampai di tangan rakyat tidak sesuai
dengan yang diharapkan serta banyaknya
parameter/indikator kemiskinan mengakibatkan kurang efektifnya program penanganan
kemiskinan. Hal ini juga menjadi masalah bagi
Pemerintah berkaitan dengan penentuan
keluarga miskin yang belum optimal yaitu banyak terjadi komplain dari pihak masyarakat
karena keputusan dari pemerintah yang
menangani masalah penentuan keluarga miskin dalam pemberian bantuan kemiskinan masih
belum sesuai dengan realita yang ada. Hasil
analisa terhadap data keluarga miskin setelah verifikasi ulang yang dilakukan Dinas Sosial
menunjukkan bahwa penyebab terjadinya
kesalahan penentuan keluarga miskin antara lain akibat kesalahan pada saat proses pendataan, dan
perhitungan pada saat pendataan.
Pengelolaan data kemiskinan yang belum
terakumulasi menggunakan database secara optimal juga menyebabkan kesulitan dalam
pemrosesan data. Sistem database yang ada
sampai sekarang ini, hanya mampu menangani data yang bersifat pasti (crips). Begitu pula pada
query yang menggunakan bahasa Structure
Query Languange (SQL), definisi yang
diberikan hanya mampu menangani kondisi yang sifatnya juga pasti. Sedangkan dalam
-
Decision Support System untuk Menentukan Keluarga Miskin Menggunakan Fuzzy Query Database Model Tahani
(Ahmad Zainudin)
45
kondisi nyata kehidupan sehari-hari, seringkali
seseorang harus berhadapan dengan kondisi yang memiliki nilai yang samar, tidak pasti, atau
ambigu. Pada kondisi yang samar berarti tidak
terdapat suatu kondisi dimana terjadi ketidakjelasan dari beberapa alternatif yang
harus diterima. Bahasa Structure Query
Languange (SQL) tidak mampu memenuhi
kebutuhan untuk seleksi data berdasarkan ekspresi linguistik dan derajat kebenaran (Gupta,
2011). Dalam prakteknya, sistem informasi
didasarkan pada koleksi data yang sangat besar biasanya disimpan dalam database relasional.
Berdasarkan kriteria-kriteria yang ada
nantinya aplikasi akan menganalisa data dengan menggunakan logika fuzzy. Dengan
memanfaatkan logika Fuzzy, manipulasi data
dapat diantisipasi dalam basis data yang
mengandung ketidakpastian, baik dari sisi data maupun query-nya. Fuzzy Query tidak hanya
sebagai alat query, akan tetapi dapat
meningkatkan makna query dan dapat menampilkan informasi lebih dari hasil query
tersebut (Hudec, 2009).
Seiring kemajuan dunia teknologi informasi,
yang meliputi perkembangan perangkat keras dan perangkat lunak, ternyata membawa dampak
yang multi kompleks dalam berbagai segi
kehidupan manusia, salah satu diantaranya adalah munculnya model pengambilan
keputusan yang dikenal dengan Decision
Support System (DSS), dengan DSS para pengambil keputusan dalam menentukan
kebijakannya dapat merekomendasikan dalam
menentukan warga miskin sehingga berhak
menerima bantuan. Rumusan masalah pada penelitian ini adalah
dalam penetuan keluarga miskin pada penelitian
sebelumnya menggunakan parameter data pasti (crisp), dan masih terdapat beberapa faktor
terkait yang dapat mempengaruhi dalam
menentukan keluarga miskin, sehingga diperlukan pengukuran terhadap parameter yang
terkait.
Tujuan penelitian ini adalah untuk
membangun sistem rekomendasi otomatis untuk membantu dalam menentukan keluarga miskin
sesuai dengan parameter yang sudah ditentukan
dan menggunakan Fuzzy Database model Tahani.
B. DASAR TEORI 1. Konsep Sistem Pendukung Keputusan
Konsep sistem pendukung keputusan
diperkenalkan pertama kali oleh Michael S.
Scoott Morton pada tahun 1970-an dengan istilah Management Decision System
(Sprague,1982). SPK dirancang untuk
mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi
masalah, memilih data yang relevan, dan
menentukan pendekatan yang digunakan dalam proses pengambilan keputusan,
sampai mengevaluasi pemilihan alternatif.
Pengembanag DSS berawal pada akhir
tahun 1960-an dengan adanya pengguna komputer secara time-sharing (berdasarkan
pembagian waktu). Pada mulanya seseorang
dapatberinteraksi langsung dengan komputer tanpa harus melalui spesialis informasi.
Time-sharingmembuka peluang baru dalam
penggunaan komputer.Tidak sampai tahun 1971, ditemukan istilah DSS, G Anthony
Gorry dan Michael S. ScottMorton yang
keduanya profesor MIT, bersama-sama
menulis artikel dalam jurnal yangberjudul A Framework for Management Information System mereka merasakanperlunya ada kerangka untuk menyalurkan aplikasi komputer terhadap pembuatankeputusan
manajemen.
Gorry dan Scott Morton mendasarkan
kerangka kerjanya pada jenis keputusan menurutSimon dan tingkat manajemen dari
Robert N. Anthony. Anthony menggunakan
istilahStrategic palnning, managemen control dan operational control
(perencanaan strategis,control manajemen,
dan control manajemen).
Usaha berikutnya dalam mendefinisikan
konsep DSS dilakuikan oleh Steven L.
Alter.Alter melakukan study terhadap 56 sistem penunjang keputusan yang digunakan
padawaktu itu, studi tersebut memberikan
pengetahuan dalam mengidentifikasi enam
jenisDSS, yaitu :
-
Vol. 6 No.2 EBISNIS, Juni 2013
46
a. Retrive information element (memanggil eleman informasi)
b. Analyze entries files (menganali semua file)
c. Prepare reports form multiple files (laporan standart dari beberapa files)
d. Estimate decisions qonsquences (meramalkan akibat dari keputusan)
e. Propose decision (menawarkan keputusan ) f. Make decisions (membuat keputusan)
Dalam DDS terdapat tiga tujuan yang harus di capai yaitu :
a. Membantu manajer dalam pembuatan keputusan untuk memecahkan masalah
semi terstruktur. b. Mendukung keputusan manajer, dan
bukannya mengubah atau
menggantikeputusan tersebut. c. Meningkatkan efektivitas menajer dalam
pembuatan keputusan, dan
bukannyapeningkatan efisiensi Tujuan ini berkaitan dengan tiga prinsip
dasar dari konsep DSS, yaitu struktur
masalah,dukungan keputusan, dan efektivitas
keputusan. DSS sebagai sebuah sistem yang
memberikan dukungan kepada seorang
manajer, ataukepada sekelompok manajer yang relative kecil yang bekerja sebagai tim
pemecahmasalah, dalam memecahkan masalah
semi terstrukitur dengan memberikan informasiatau saran mengenai keputusan
tertentu. Informasi tersebut diberikan oleh
laporanberkala, laporan khusus, maupun output
dari model matematis. Model tersebut juga mempunyai kemampuan untuk memberikan
saran dalam tingkat yang bervariasi
2. Pengertian Fuzzy Logic Fuzzy Logic diperkenalkan oleh Prof. Lotfi
Zadeh pada tahun 1965. Merupakan metode
yang mempunyai kemampuan untuk memproses variabel yang bersifat kabur atau
yang tidak dapat dideskripsikan secara
eksak/pasti seperti misalnya tinggi, lambat, bising. Dalam fuzzy logic variabel yang
bersifat kabur tersebut direpresentasikan
sebagai sebuah himpunan yang anggotanya
adalah suatu nilai crisp dan derajat
keanggotaannya (membershipfunction) dalam himpunan tersebut (DinKeSos, 2009).
Proses-proses dalam fuzzylogic adalah
fuzzifikasi, penalaran (reasoning), dan defuzzifikasi:
a. Fuzzifikasi: merupakan proses untuk mendapatkan derajat keanggotaan dari
sebuah nilai numerik masukan (crisp) b. Penalaran: proses untuk mendapatkan aksi
keluaran dari suatu kondisi input dengan
mengikuti aturan-aturan (IF-THEN Rules) yang telah ditetapkan yang disebut sebagai
inference/reasoning.
c. Defuzzifikasi: proses untuk merubah hasil penalaran yang berupa derajat keanggotaan keluaran menjadi variabel numerik
kembali.
Fuzzy Logic (Logika Fuzzy) atau biasa juga disebut dengan Logika Samar merupakan
suatu cara yang tepat untuk memetakan suatu
ruang input ke dalam suatu ruang output didasari oleh konsep himpunan fuzzy.
Gambar 3.Pemetaan input-outpu
Gambar 1. Konsep himpunan fuzzy
Diantarainput dan output terdapat
blackbox. Di dalam blackbox terdapat proses yang tidak diketahui, bisa didekati dengan
pendekatan sistem linear, ekonometri,
interpolasi, sistem pakar atau logika fuzzy, dan lain-lain. Namun, seperti yang diungkapkan
Lotfi Zadeh: Dalam hampir setiap kasus, cara fuzzy lebih cepat dan lebih murah.
Logika fuzzy sebagai komponen utama pembangun softcomputing, terbukti telah
memiliki kinerja yang sangat baik untuk
menyelesaikan masalah-masalah yang mengandung ketidakpastian. Implementasinya
luas, baik di bidang engineering, psikologi,
social, dan juga bidang ekonomi.
Input 1
Input 2 Black Box
Output
-
Decision Support System untuk Menentukan Keluarga Miskin Menggunakan Fuzzy Query Database Model Tahani
(Ahmad Zainudin)
47
3. Alasan menggunakan logika fuzzy Ada beberapa alasan mengapa orang menggunakan logika fuzzy:
a. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan
mudah dimengerti.
b. Logika fuzzy sangat fleksibel. c. Logika fuzzy punya toleransi terhadap data
yang tidak tepat.
d. Logika fuzzy mampu memodelkan fungsi-fungsi non linier yang sangat kompleks.
e. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman
para pakar secara langsung tanpa harus
melalui proses pelatihan. f. Logika fuzzy dapat bekerjasama dengan
teknik-teknik kendali secara konvensional.
g. Logika fuzzy didasarkan pada bahasa alami.
4. Himpunan fuzzy Tahun 1965, Profesor L.A. Zadeh
memperkenalkan teori himpunan fuzzy, yang
secara tidak langsung mengisyaratkan bahwa
tidak hanya teori probabilitas saja yang dapat merepresentasikan ketidakpastian. Teori
himpunan fuzzy adalah merupakan perluasan
dari teori logika Boolean yang menyatakan tingkat angka 1 atau 0 atau pernyataan benar
atau salah, sedang pada teori logika fuzzy
terdapat tingkat nilai, yaitu : a. Satu (1), yang berarti bahwa suatu item
menjadi anggota dalam suatu himpunan,
atau
b. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu
himpunan.
C. METODOLOGI
Penelitian yang dilaksanakan adalah jenis
penelitian eksperimen, yaitu melakukan pengujian
tingkat akurasi Fuzzy Query dalam menentukan keluarga miskin di Desa Tuntang kecamatan
Tuntang Kabupaten Semarang.
Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini berupa data primer dan data sekunder:
a. Data primer adalah berupa data yang diperoleh dari data BPS kecamatan Tuntang. Data primer ini meliputi informasi mengenai pendapatan
anggota keluarga, jumlah anggota keluarga,
Kondisi rumah, Nilai barang selain tanah,
perlengkapan Utilitas Rumah, akses pelayanan kesehatan, tingkat pendidikan, jumlah anak
tingkat tolong menolong, tingkat kesulitan
untuk membeli beras. b. Data sekunder adalah data yang bersifat
pendukung data dalam menentukan keluarga
Miskin di kecamatan Tuntang, yang diperoleh secara tidak langsung bersumber dari
dokumentasi, literatur, buku, jurnal dan
informasi lainnnya yang ada hubungannya
dengan masalah yang diteliti.
Pengolahan Data Awal
Data diperoleh dari BPS kecamatan Tuntang, berdasarkan data warga yang di desa Tuntang tahun
2012 ada 1434 kepala keluarga dan data yang
digunakan sebagai sampling sebanyak 20% yaitu 287 kepala keluarga. Untuk mendekati angka
tersebut maka penulis mengambil data warga yang
di RW.02 Dusun Gading yang jumlah kepala
keluarganya berjumlah 288 kepala keluarga.
-
Vol. 6 No.2 EBISNIS, Juni 2013
48
Tabel 1. Parameter Keluarga Miskin
No Aspek Parameter Bobot Jawab
1 Pendapatan
dan Asset
1. Pendapatan rata-rata anggota keluarga setiap bulan kurang dari Rp. 150.000,-
2. Keluarga tidak memiliki barang selain tanah yang bernilai lebih dari Rp. 500.000,-
3. Jenis alat penerangan yang digunakan bukan listrik atau listrik tetapi bukan milik sendiri.
13
7
5
Ya/Tidak
Ya/Tidak
Ya/Tidak
2 Pangan 1. Keluarga tidak mampu memberi makan Anggota keluarga 3 kali setiap hari.
2. Keluarga tidak mampu membeli dan menyediakan lauk daging/telur/ayam atau susu 1 kali dalam
semingu
12
8
Ya/Tidak
Ya/Tidak
3 Sandang Keluarga hanya bisa membelikan pakaian baru bagi
Anggota keluarga maksimal 1 kali dalam satu tahun.
5 Ya/Tidak
4 Papan 1. Jenis bahan lantai bidang terluas dari tempat tinggal berupa tanah/bambu/kayu kualitas rendah.
2. Jenis bahan dinding bidang terluas dari tempat
tinggal berupa bambu kayu / bahan lain
berkualitas rendah / tembok tanpa plester atau
diplester kualitas rendah.
6
4
Ya/Tidak
Ya/Tidak
5 Kesehatan 1. Keluarga tidak mampu mengobatkan anggota
keluarga yang sakit.
2. Sumber air minum yang digunakan berasal dari
sumber air tidak terlindung.
3. Kebiasaan membuang air besar di sungai/MCK
Umum/ Milik tetangga.
10
5
5
Ya/Tidak
Ya/Tidak
Ya/Tidak
6 Pendidikan Pendidikan Kepala Keluarga maksimal hanya lulus
SD.
10 Ya/Tidak
7 Sosial Keluarga tidak mengikuti aktifitas kegiatan lingkungan sama sekali.
10 Ya/Tidak
TOTOL BOBOT 100
Berdasarkan parameter kemiskinan dan
hasil survei data kemiskinan yang telah
dilakukan maka bobot nilai yang diperoleh dikelompokkan sebagai berikut :
a. Tidak Miskin (TM) = 30;
b. Hampir Miskin (HM) = 45; c. Miskin (M) = 50;
d. Fakir Miskin (FM) = 75;
Metode Pengukuran
Akurasi penerapan Fuzzy Query dalam
menentukan pelabelan keluarga miskin di desa
Tuntang kecamatan Tuntang Kabupaten Semarang dengan cara:
a. Hasil penentuan keluarga miskin menggunakan Fuzzy Query akan dibandingkan dengan hasil penentuan
keluarga miskin yang telah dilakukan oleh
BPS secara manual.
b. Jika hasil yang ditentukan oleh BPS sama dengan hasil menggunakan Fuzzy Query,
maka Fuzzy Query dinyatakan Akurat.
c. Jika hasil yang ditentukan oleh BPS tidak sama dengan hasil menggunakan Fuzzy
menggunakan Fuzzy Query, maka Fuzzy
Query dinyatakan Tidak Akurat. d. Selanjutnya dihitung persentase tingkat
akurasi Fuzzy Query dengan:
% Akurasi = (Jumlah Data Akurat/Total
Sampel)*100
D. HASIL DAN PEMBAHASAN
Pengujian sistem merupakan tahapan
penting dalam rekayasa perangkat lunak karena
-
Decision Support System untuk Menentukan Keluarga Miskin Menggunakan Fuzzy Query Database Model Tahani
(Ahmad Zainudin)
49
dengan adanya pengujian dapat diketahui
kesalahan yang mungkin terjadi sebelum sistem digunakan oleh user. Tahap pengujian yang
dilakukan terdiri dari pengujian internal dan
pengujian external. Pada tahap pengujian internal menggunakan teknik pengujian white
box dan black box, dan pengujian external yaitu
kepada calon konsumen pemilihan property. Parameter untuk fuzzification input dan output
adalah sebagai berikut :
1. Pendapatan setiap bulan, mempunyai nilai
linguistik (rendah, sedang, tinggi)
2. Jumlah anggota keluarga, mempunyai nilai
linguistik (sedikit, sedang, banyak)
3. Kondisi Rumah mempunyai nilai dengan
linguistik (jelek, sedang, Baik )
4. Memiliki nilai barang selain tanah dan
tanah, mempunyai nilai dengan linguistik
(rendah, sedang, tinggi)
5. Apakah rumahtangga anda memiliki
Kelengkapan Utilitas Rumah yaitu Air
Bersih, MCK, Listrik, mempunyai nilai
linguistik (sedikit, sedang, banyak)
6. Apakah rumahtangga anda selulu
mendapatkan pelayanan kesehatan ketika
ada anggota rumahtangga ada yang sakit,
mempunyai nilai linguistik (tidak
mendapat, kadang-kadang, ya selalu dapat)
7. Tingkat Pendidikan tertinggi dari anggota
keluarga termasuk kepala keluarga,
mempunyai nilai linguistik (rendah,
sedang, tinggi)
8. Apakah ada anak usia sekolah dirumah
anda yang bersekolah (anak yang dibiayai
oleh rumah tangga anda), mempunyai nilai
linguistik (sedikit, sedang, banyak)
9. Bagaimana tingkat tolong menolong (baik
sumbangan tenaga maupun uang) antar
masyarakat di kampung ini? mempunyai
nilai linguistik (rendah, sedang, tinggi)
10. Apakah tingkat kesulitan rumahtangga
untuk membeli beras, mempunyai nilai
linguistik (sulit, sedang dan mudah)
Proses Fuzzifikasi secara lebih detail dapat
diuraikan sebagai berikut :
Pendapatan per bulan
Tabel 2. Nilai linguistik Pendapatan Perbulan
Nilai Linguistik Interval (Rp)
Rendah X 750.000,-
Sedang 750.000,- < X 1.500.000,-
Tinggi X> 1.500.000,-
Gambar 2. Fungsi Keanggotaann Pendapatan perbulan
Rendah Sedang Tinggi
1500000 0
1
750000 1 125000
[x]
-
Vol. 6 No.2 EBISNIS, Juni 2013
50
Ekspresi untuk fungsi keanggotaan fuzzy Pendapatan perbulan
1 ; x 750000
Rendah [x] = 1125000 1125000 750000
; 750000 < x < 1125000
0 ; x 1125000
0 ; x 750000 atau x 1500000
Sedang [x] = 7500001125000 750000
; 750000 < x 1125000
1500000 1500000 1125000
; 1125000< x < 1500000
0 ; x 1125000 Tinggi [x] = 1125000
1500000 1125000 ; 1125000 < x < 1500000
1 ; x 1500000
Tabel 3. Tabel perhitungan Derajat Penghasilan dan Jml Anggota Keluarga
No No_KTP Derajat Kenggotaan Penghasilan
Derajat Keanggotaan Anggota Keluarga
Rendah Sedang Tinggi Sedikit Sedang Banyak
1 3322060403470001 0,00 0,00 1,00 0,00 1,00 0,00
2 3322062507800003 1,00 0,00 0,00 0,00 0,00 1,00
3 3322060606500001 1,00 0,00 0,00 0,50 0,50 0,00
4 3322061005650001 1,00 0,00 0,00 1,00 0,00 0,00
5 3322060901610001 1,00 0,00 0,00 0,00 1,00 0,00
6 3322060706660001 1,00 0,00 0,00 0,00 0,00 1,00
7 3322062312670001 0,07 0,93 0,00 0,00 1,00 0,00
8 3322062811700001 0,00 0,00 1,00 0,00 0,00 1,00
9 3322061809720001 1,00 0,00 0,00 1,00 0,00 0,00
10 3322061411740001 0,00 0,00 1,00 0,50 0,50 0,00
... ................. ....... ....... ....... ....... ....... .......
288 3322063112310001 1,00 0,00 0,00 1,00 0,00 0,00
Tabel 4. Tabel bandingan Fakir Miskin sebelum dan sesudah menggunakan fuzzy database
No Domain Himpunan Sebelum Sesudah
1 Fakir Miskin 53 58
2 Miskin 73 73
3 Hampir Miskin 80 83
4 Tidak Miskin 82 74
-
Decision Support System untuk Menentukan Keluarga Miskin Menggunakan Fuzzy Query Database
Model Tahani
(Ahmad Zainudin)
51
Dari data di atas diperoleh hasil pengujian menggunakan t-test sampel
berpasangan (paired sample) sebagai berikut :
Tabel 5. Hasil t-test
Tabel diatas menunjukkan bahwa nilai mean dari
data sebelum (Pre-Test) dan sesudah (Post-Test)
menggunakan fuzzy query adalah 72, dan
korelasi antara dua variabel adalah sebesar 0,911
dengan sig sebesar 0,089. Hal ini menunjukkan
bahwa korelasi antara duanya adalah kuat dan
signifikan.
Tabel 6. Hasil t-test
Nilai t hitung adalah sebesar 0 dengan sig 1,00.
Karena sig > 0.05 maka dapat disimpulkan bahwa
aplikasi DSS untuk menentukan Keluarga Miskin
menggunakan fuzzy database model tahani dapat digunakan sebagai rekomendasi dalam penentuan
Keluarga miskin.
Apabila tabel hasil sebelum dan sesudah
menggunakan fuzzy query digambarkan menjadi grafik, akan tampak seperti pada gambar berikut
ini :
-
Vol. 6 No.2 EBISNIS, Juni 2013
52
Gambar 3. Grafik Pre-Test dan Post-Test
0
20
40
60
80
100
Fakir Miskin Miskin Hampir Miskin
Tidak Miskin
Pre-Test
Post-Test
-
Decision Support System untuk Menentukan Keluarga Miskin Menggunakan Fuzzy Query Database Model Tahani
(Ahmad Zainudin)
53
E. KESIMPULAN DAN SARAN
Simpulan
Dari hasil penelitian yang dilakukan mulai
dari tahap awal hingga pengujian dapat menghasilkan analisa dan informasi yang akurat
sehingga penerapan sistem pendukung
keputusan untuk menentukan Keluarga Miskin menggunakan fuzzy query model Tahani dapat
digunakan sebagai rekomendasi dalam
penentuan Keluarga miskin.
Saran
Berdasarkan hasil penelitian, penerapan
sistem ini dapat membawa efek positif dalam proses penentuan seleksi Keluarga Miskin,
namun terdapat beberapa hal yang perlu penulis
sarankan bagi pengembangan sistem ini antara lain:
1. Perlu menambahkan lebih banyak sampel data sehingga kehandalan sistem yang digunakan lebih teruji.
2. Penentuan Keluarga Miskin dengan model algoritma yang lain perlu juga diterapkan
untuk menambah kehandalan sistem diwaktu yang akan datang.
F. DAFTAR PUSTAKA
BPS, Profil Kemiskinan Di Indonesia Maret
2010, No. 45/07/Th. XIII, 1 Juli 2010
Sajogyo, 1980. Garis Kemiskinan dan
Kebutuhan Minimum Pangan. LPSP-
IPB. Bogor. DinKeSos, 2009, Laporan Data KeluargaMiskin,
DinasKementrianSososial. Gupta, P. (Oktober,2011). Fuzzy Querying In
Traditional Database. International Journal
of Artificial Intelligence and Knowledge Discovery Vol.1, Issue 4
Hudec, M. (Desember, 2009). An Approach to
Fuzzy Database Querying, Analysis and
Realisation. ComSIS Vol. 6, No. 2
Irma Irandha P.W.2008, Analisa Keluarga
Miskin dengan metode Fuzzy C-Means
Clustering. Politeknik Elektro Negeri
Surabaya. Hari Purnomo Sri Kusumadewi, Aplikasi Logika
Fuzzy. Yogyakarta: Graha Ilmu, 2010.
Miroslav Hudec, "An Approach to Fuzzy Database
Querying, Analysis anad Realisation," Comsis, vol. VI, no. 2, pp. 127 - 140,
December 2009.
Turban, E., dkk., 2005. Decision Support Systems and Intelligent Systems. Yogyakarta: Andi
Kusumadewi, S., dkk. 2010. Aplikasi Logika Fuzzy
untuk Pendukung Keputusan. Yogyakarta:
Graha Ilmu Klir GJ, Bo Y. 1995. Fuzzy Sets and Fuzzy Logic:
Theory and Applications. New York:
Prentice Hall, Englewood Cliffs. 1995. Amalia, L., Fananie, Z.B. dan Utama, D.N. 2010.
Model fuzzy Tahani untuk pemodelan sistem
pendukung keputusan. Prosiding Seminar Nasional Aplikasi Teknologi Informasi,
Yogyakarta
Akhmad Fauzi Hasibuan. 2010. Penggunaan Fuzzy
Database Dalam Rekomendasi Pembelian Perumahan Berbasis Sistem Pendukung
Keputusan. Departemen Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
Dewi Novia Nursa. 2010. Implementasi Pangkalan
Data Fuzzy model Tahani Pada
Perekomendasian Pembelian Mobil. Skripsi Program Studi S1 Ilmu Komputer
Departemen Ilmu Komputer Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
Kusumadewi, S. 2007. Sistem Fuzzy Untuk
Klasifikasi Indikator Kesehatan Daerah. Seminar TEKNOIN 2007.
Drs. Peter Salim dan Yenny Salim, Kamus Bahasa
Indonesia Kontemporer, Jakarta: Modern
English Press, 1991, hal. 986. Bupati, 2009, Rencana Aksi Daerah Penanggulangan
Kemiskinan Dan Pengangguran, Keputusan
Bupati Kabupaten Semarang Nomor 464/KEP/2009, Kabupaten Semarang.
Ginanjar Kartasasmita, Strategi Nasional
Penanggulangan Kemiskinan dalam PJP II Melalui Inpres Desa Tertinggal, 1994,
5Sundani, D. 2008. Perangkat Lunak SPSS
Sebagai Alat Untuk Analisa Hubungan
Kinerja Dosen Dengan Keberhasilan Belajar. Jurnal Informatika Komputer. No 3.
Volume 13.
Nikravesh, M. & Azvine, B. (2002). Fuzzy Queries, Search, And Decision Support System. Soft
Computing Vol. 6, pp. 37339
-
Vol. 6 No.2 EBISNIS, Juni 2013
54
Rini, F. (Mei, 2008). Klasifikasi Kelulusan
Mahasiswa STIMIK NURDIN HAMZAH Menggunakan Fuzzy Database, Jurnal
MEDIA SISFO Vol. 2, No. 2, pp. 13-21
Miroslav Hudec, "An Approach to Fuzzy Database Querying, Analysis anad Realisation,"
Comsis, vol. VI, no. 2, pp. 127 - 140,
December 2009.
Julius Hermawan, Membangun Decision Support System. ogyakarta: Andi, 2005.