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 :


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


(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.


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


(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


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


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]


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 :


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


(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


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.

26-45-2-PB

Documents

Transcript of 26-45-2-PB