proposal penelitian
TRANSCRIPT
PROPOSAL
PENELITIAN PENINGKATAN KAPASITAS (PPK)
ANALISIS TINGKAT KEPUASAN PENUMPANG
TERHADAP LAYANAN BANDAR UDARA HANG NADIM
BATAM DENGAN PENDEKATAN LOGIKA FUZZY
TIM PENGUSUL1. Joni Eka Candra, S.T., M.T.
2. Ngadnan
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS PUTERA BATAM
TAHUN 2016-2017
HALAMAN PENGESAHANPROPOSAL PENELITIAN PENINGKATAN KAPASITAS (PPK)
Rumpun Ilmu : TeknikTema Unggulan : Artificial IntelligenceJudul Penelitian : Analisis Tingkat Kepuasan Penumpang Terhadap
Layanan Bandar Udara Hang Nadim Batam Dengan Pendekatan Logika Fuzzy
Ketua Pengusula. Nama Lengkap : Joni Eka Candra, S.T., M.T.b. NIDN : 1025068201c. Jabatan Fungsional : Asisten Ahlid. Program Studi : Teknik Informatikae. Nomor HP : 085655567040f. Alamat Surel (e-mail) : [email protected]
Anggota Peneliti (1)a. Nama Lengkap : Ngadnanb. NPM : 130210092c. Program Studi : Teknik informatikad.Nomor HP : 085374286333e. Alamat surel (e-mail) : [email protected]
Biaya Penelitian : Rp. 2.500.000.-
Batam, 25 Juli 2016
MengetahuiKetua Program Studi Ketua Tim Pengusul
Realize, S.Kom., M.SI Joni Eka Candra, ST.,MT.NIP.00012 NIP. 00330
ii
DAFTAR ISI
HalamanHALAMAN SAMPUL..................................................................................... iHALAMAN PENGESAHAN ......................................................................... iiDAFTAR ISI .................................................................................................... iiiDAFTAR GAMBAR........................................................................................ vDAFTAR TABEL............................................................................................ viRINGKASAN................................................................................................... viiBAB I PENDAHULUAN ........................................................................... 11.1 Latar Belakang Masalah.................................................................... 11.2 Rumusan Masalah.............................................................................. 31.3 Batasan Masalah................................................................................ 31.4 Tujuan Penelitian............................................................................... 41.5 Rencana Target Capaian.................................................................... 4BAB II TINJAUAN PUSTAKA................................................................... 52.1 Teori .................................................................................................. 52.1.1 Fuzzy Logic........................................................................................ 52.1.2 Pengertian Fuzzy Logic...................................................................... 62.1.3 Alasan Penggunaan Metode Fuzzy Logic.......................................... 72.1.4 Dasar-Dasar Fuzzy logic.................................................................... 72.1.5 Fungsi Keanggotaan........................................................................... 102.1.6 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzzy................. 122.1.7 Penalaran Monoton............................................................................ 132.1.8 Fungsi Implikasi................................................................................. 132.1.9 Sisten Infensi Fuzzy Metode Mamdani............................................ 142.1.10 Kualitas Jasa....................................................................................... 182.1.11 Kepuasan Konsumen dengan Jasa Pelayanan.................................... 192.1.12 Hubungan antara kualitas pelayanan pelayanan dengan kepuasan
konsumen............................................................................................. 19
2.1.13 Skala Likert........................................................................................ 202.2 Penelitian Terdahulu.......................................................................... 102.3 Kerangka Pemikiran........................................................................... 11BAB III METODOLOGI PENELITIAN..................................................... 253.1 Desain Penelitian............................................................................... 253.2 Pengumpulan Data............................................................................. 263.3 Identifikasi Data................................................................................ 263.4 Metode Analisis Data........................................................................ 263.5 Penarikan Kesimpulan....................................................................... 28BAB IV BIAYA DAN JADWAL PENELITIAN........................................ 294.2 Anggaran dan Biaya penelitian......................................................... 294.2 Jadwal Penelitian............................................................................... 29DAFTAR PUSTAKALAMPIRAN
DAFTAR GAMBAR
HalamanGambar 2.1Himpunan Fuzzy Pada Variable Mahasiswa.....................................9Gambar 2.2Kurva Representasi Linear Naik.......................................................10Gambar 2.3Kurva Representasi Linear Turun.....................................................11Gambar 2.4Kurva Segitiga...................................................................................11Gambar 2.5Kurva Representasi Trapezium.........................................................12Gambar 2.6 Fungsi ImplikasiMIN..........................................................................14Gambar 2.7Fungsi Implikasi DOT..........................................................................14Gambar 2.8 Komposisi Aturan Fuzzy Metode MAX.................................................16Gambar 2.9 Proses Defuzzifikasi...........................................................................17Gambar 2.10 Kerangka Pemikiran.......................................................................24Gambar 3.1Desain Penelitian...............................................................................25
iv
DAFTAR TABEL
Halaman
Tabel 1.1. Rencana Target Luaran........................................................................4Tabel 2.1. Besar Bobot dan Kategori Penelitian...................................................20Tabel 4.1. Anggaran Biaya...................................................................................29Tabel 4.2Jadwal Penelitian...................................................................................29
v
RINGKASAN
Salah satu kajian Artificial Intelligenceadalah logika fuzzy. Logika fuzzy (logika samar) merupakan logika yang berhadapan dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekpresikan dalam istilah binary (0 atau 1). Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Berbagai teori dalam pengembangan logika fuzzy menunjukkan bahwa pada dasarnya logika fuzzy dapat digunakan untuk memodelkan berbagai sistem. Logika fuzzy dianggap mampu memetakan suatu input dan output dengan tidak mengabaikan faktor-faktor yang ada.Konsep fuzzy telah diterapkan dalam berbagai segi kehidupan, sebagai contoh dalam bidang perekonomian yaitu dalam pada penetapan suku bunga pada bank. Teori himpunan fuzzy diterapkan dengan berbagai cara ke dalam berbagai macam disiplin ilmu. Sehingga aplikasi teori ini dapat ditemukan kecerdasan buatan,teori pengambilan keputusan, ilmu komputer, teknik kendali, ilmu manajemen, robotika, dan lain-lain.Bandar Udara Hang Nadim Batamadalah Bandar Udara yang terletak di pulau Batam, Provinsi Kepulauan Riau. Bandar udara ini menghubungkan Kota Batam dengan Bandar Udara di seluruh Indonesia. Beberapa pesawat penerbangan yang beroperasi di Bandar Udara Hang Nadim Batam diantaranya, Garuda Indonesia Air, Citilink Air, Lion Air, Sriwijaya Air, dan lain sebagainya. Kesemuanya itu dikelola oleh berbagai macam perusahaan maskapai penerbangan yang menjadi operator dibawah kontrol dari Unit Pelaksana Tugas (UPT) Bandar Udara Hang Nadim Batam.Kualitas pelayanan bukan hanya masalah dalam mengontrol kualitas yang akan datang saja, akan tetapi juga pencegahan terjadinya kualitas pelayanan yang jelek sejak awal. Para calon penumpang pesawat menginginkan pelayanan yang bisa diterima secara cepat dan baik, dan hal tersebut juga menjadi nilai dalam peningkatan kualitas pelayanan. Tingkat kepuasan yang berbeda dari para calon penumpang pesawat menjadi indikator yang baik untuk pengukuran tingkat kualitas ataupun pelayanan yang mereka terima. Kualitas pelayanan yang baik dimana maskapai penerbangan pemberi layanan mampu memberikan pelayanan yang memuaskan sehingga dapat memenuhi permintaan dan harapan penumpang. Pada penelitian peningkatan kapasitas ini pendekatan logika fuzzy diterapkan untuk mengetahui tingkat kepuasan penumpang terhadap layanan Bandar Udara Hang Nadim Batam.
vi
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Bandar Udara Hang Nadim Batamadalah Bandar Udara yang terletak di
pulau Batam, Provinsi Kepulauan Riau. Bandar udara ini menghubungkan Kota
Batam dengan Bandar Udara di seluruh Indonesia , seperti Bandar Udara Sukarno
Hatta di Jakarta, Bandar Udara Juanda di Surabaya.
Beberapa pesawat penerbangan yang beroperasi di Bandar Udara Hang
Nadim Batam diantaranya, Garuda Indonesia Air, Citilink Air, Lion Air,
Sriwijaya Air, dan lain sebagainya. Kesemuanya itu dikelola oleh berbagai macam
perusahaan maskapai penerbangan yang menjadi operator dibawah kontrol dari
Unit Pelaksana Tugas (UPT) Bandar Udara Hang Nadim Batam.
Pelayanan yang berkualitas dari instansi-instansi terkait yang tersebut diatas,
terutama pelayanan dari operator-operator pesawat udara merupakan faktor dasar
yang berpengaruh besar terhadap penumpang dalam menentukan pilihan
maskapaipesawat udara mana yang akan ditumpangi sesuai dengan tujuan dari
para calon penumpang, dikarenakan adanya beberapa maskapai penerbangan yang
berbeda, melayani jalur dan tujuan penerbangan yang sama. Sehingga maskapai
penerbangan mana yang memberikan pelayanan yang dianggap lebih memuaskan
begitu juga dengan tawaran harga tiket yang lebih murah itulah yang banyak
menjadi pilihan para calon penumpang pesawat.
Layanan dari pengelola atau UPT Bandar Udara Hang Nadim Batam dan
layanan dari instansi-instansi terkait di Bandar Udara Hang Nadim juga
merupakan harapan dari para calon penumpang pesawt, baik yang mau berangkat
maupun para penumpang yang datang, layanan yang baik juga dapat dirasakan
dikarenakan adanya fasilitas-fasilas pendukung Bandar Udara yang disediakan
oleh pengelola atau UPT Bandar Udara. Hal tersebut bisa dilihat banyaknya calon
penumpang dan lancarnya arus pelayaran setiap hari.
Kualitas pelayanan bukan hanya masalah dalam mengontrol kualitas yang
akan datang saja, akan tetapi juga pencegahan terjadinya kualitas pelayanan yang
jelek sejak awal. Para calon penumpang pesawat menginginkan pelayanan yang
bisa diterima secara cepat dan baik, dan hal tersebut juga menjadi nilai dalam
peningkatan kualitas pelayanan. Tingkat kepuasan yang berbeda dari para calon
penumpang pesawat menjadi indikator yang baik untuk pengukuran tingkat
kualitas ataupun pelayanan yang mereka terima. Kualitas pelayanan yang baik
dimana maskapai penerbangan pemberi layanan mampu memberikan pelayanan
yang memuaskan sehingga dapat memenuhi permintaan dan harapan penumpang.
Salah satu kajian Artificial Intelligenceadalah logika fuzzy. Logika fuzzy
(logika samar) merupakan logika yang berhadapan dengan konsep kebenaran
sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekpresikan
dalam istilah binary (0 atau 1). Logika fuzzy memungkinkan nilai keanggotaan
antara 0 dan 1. Berbagai teori dalam pengembangan logika fuzzy menunjukkan
bahwa pada dasarnya logika fuzzy dapat digunakan untuk memodelkan berbagai
sistem. Logika fuzzy dianggap mampu memetakan suatu input dan output dengan
tidak mengabaikan faktor-faktor yang ada.
Langkah-langkah yang akan dilakukan dalam metode analisis terdapat tiga
tahapan logika fuzzy yaitu, 1. fuzzyfication,yang terdiri dari membentuk variabel
yang digunakan dan membentuk himpunan kabur, 2. inferensi,merupakan
penentuan aturan dari sistem logika kabur, 3. defuzzyfication, adalah tahap
penegasan dimana input dari proses penegasan adalah himpunan kabur dari
komposisi himpunan aturan kabur, dan output merupakan domain himpunan
kabur tersebut.
Konsep fuzzy telah diterapkan dalam berbagai segi kehidupan, sebagai
contoh dalam bidang perekonomian yaitu dalam pada penetapan suku bunga pada
bank. Teori himpunan fuzzy diterapkan dengan berbagai cara kedalam berbagai
macam disiplin ilmu. Sehingga aplikasi teori ini dapat ditemukan kecerdasan
buatan,teori pengambilan keputusan, ilmu komputer, teknik kendali, ilmu
manajemen, robotika, dan lain-lain.
Konsep fuzzy menurut Zadeh, adalah himpunan yang tidak tegas yang
dikaitkan dengan suatu fungsi yang menyatakan derajat kesesuaian unsur-unsur
dalam semestanya dengan konsep yang merupakan syarat keanggotaan himpunan
tersebut. Dengan demikian setiap unsur dalam semesta pembicaraan mempunyai
2
derajat keanggotaan tertentu dalam himpunan tersebut. Derajat keanggotaan
dinyatakan dalam suatu bilangan real dalam selang tertutup [0,1].
Berdasarkan Konsep himpunan fuzzy, Zadeh juga mengembangkan konsep
algoritma fuzzy yang merupakan landasan dari logika fuzzy dan penalaran
hampiran (approximate reasoning), yaitu penalaran yang melibatkan pertanyaan-
pertanyaan dengan predikat kabur. Logika adalah ilmu yang mempelajari secara
sistematis kaidah-kaidah penalaran yang absah (valid). Dewasa ini terdapat 2
konsep logika, yaitu logika tegas dan logika fuzzy. Logika tegas hanya mengenal
dua keadaan yaitu : ya atau tidak, on atau off, high atau low, 1 atau 0. Logika
semacam ini disebut dengan logika himpunan tegas. Sedangkan logika fuzzy
adalah logika yang menggunakan konsep sifat kesamaran. Sehigga logika fuzzy
adalah logika dengan tak hingga banyak nilai kebenaran yang dinyatakan dalam
bilangan real dalam selang [0,1].
Pada penelitian peningkatan kapasitas ini pendekatan logika fuzzy
diterapkan untuk mengetahui tingkat kepuasan penumpang terhadap layanan
Bandar Udara Hang Nadim Batam.
1.2 Perumusan Masalah
Adapun permaslahan yang dihadapi dalam penelitian peningkatan kapasitas
ini berdasarkan latar belakang masalah di atas adalah bagaimanatingkat kepuasan
penumpang terhadap layanan Bandar Udara Hang Nadim Batam berdasarkan
pendekan logika fuzzy.
1.3 Batasan Masalah
Agar penelitian ini tidak melebar kemana-mana maka peneltian ini akan
diberi batasan-batasan masalah seperti berikut ini:
1. Objek Penelitian Hanya penumpang yang datang dan pergi melalui
Bandar Udara Hang Nadim.
2. Metode yang digunakan untuk Anlisis hanya menggunakan logika
fuzzy.
3
1.4 Tujuan Penelitian
Tujuan dari penelitian peningkatan kapasitas yang berjudul “Analisis
Tingkat Kepuasan Penumpang Terhadap Layanan Bandar Udara Hang Nadim
Batam Dengan Pendekan Logika Fuzzy " adalah:
1. Menerapkan logika fuzzy sebagai pendekatan untuk mengukur tinkat
kepuasan penumpang pesawat udara di Bandar Udara Hang Nadim
Batam.
1.5 Rencana Target Capaian
Rencana target capaian pada penelitian bias dilihat dalam bentuk table
dibawah ini:
Tabel 1.1. Rencana Target Luaran
No Target Luaran Indikator Capaian
1 Publikasi ilmiah di jurnal nasional (ber ISSN) Draf
2 Pemakalah dalam temu
ilmiah
Nasional Tidak ada
Lokal Tidak ada
3 Buku Ajar Draf
4 Luaran lainnya jika ada (Teknologi tepat guna,
model/purwarupa/Desain/Karya seni/Rekayasa
Sosial
Tidak ada
5 Tingkat Kesiapan Teknologi 2
4
BAB II
TINJAUAN PUSTAKA
2.1 Teori
2.1.1. Fuzzy Logic
Menurut Sutojo, em, vs (2010: 211) konsep tentang logika fuzzy
diperkenalkan oleh Prof. Lotfi Astor Zadeh pada 1962, Logika fuzzy adalah
metodologi sistem control pemecahan masalah, yang cocok untuk
diimplementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil,
embedded system, jaringan PC, multi-channel atau workstation berbasis akuisisi
data, dan sistem control. Dalam logika klasik dinyatakan bahwa segala sesuatu
bersifat biner, yang artinya adalah hanya mempunyai dua kemungkinan, “Ya atau
Tidak”, “Benar atau Salah”, “Baik atau Buruk” dan lain-lain. Oleh karena itu,
sistem ini dapat mempunyai nilai keanggotaan 0 atau 1. Akan tetapi, dalam logika
fuzzy memungkinkan nilai keanggotaan berada di antara 0 dan 1. Artinya, bisa
saja suatu keadaan mempunyai dua nilai “Ya dan Tidak”, “Benar dan Salah”,
“Baik dan Buruk” secara bersamaan, namun besar nilainya tergantung pada bobot
keanggotaan yang dimilikinya. Bila dibandingkan dengan logika konvensional,
kelebihan logika fuzzy adalah kemampuannya dalam proses penalaran secara
bahasa sehingga dalam perancanganya tidak memerlukan persamaan matematik
yang rumit. Sejak itu aplikasi dari fuzzy logic ini berkembang pesat terutama
dinegara Jepang dengan dihasilkannya ribuan paten mulai dari bermacam-macam
produk elektronik sampai aplikasi pada kereta api di kota Sendai. Fuzzylogic pada
dasarnya merupakan logika bernilai banyak (Multivalued Logic) yang dapat
mendefinisikan nilai diantara keadaan yang biasa dikenal seperti ya atau
tidak, hitam atau putih, benar atau salah. Fuzzy logic menirukan cara manusia
mengambil keputusan dengan kemampuannya bekerja dari data yang samar atau
tidak rinci dan menemukan penyesuaian yang tepat
.
5
2.1.2. Pengertian Fuzzy Logic
Fuzzy Logic merupakan kecerdasan buatan yang pertama kali
dipublikasikan oleh Prof.Dr. Lotfi Zadeh yang berasal dari Pakistan. Melaluifuzzy
logic ini sistem dapat membuat keputusan sendiri dan terkesan seperti memiliki
perasaan, karena memiliki keputusan lain selain iya (logika 1) dan tidak (logika
0). Oleh karena itu fuzzy logic sangat berbeda jauh dari alur algoritma
pemrogaman. Sebagai contoh adalah robot yang menggunakan fuzzy logic dapat
memprediksikan kapan ia harus bertindak atau menghindar saat ada halangan di
depannya dengan hanya ada peringatan ‘awas’ dan tanpa ada hitungan matematis
yang diberikan oleh user. Sedangkan robot yang menggunakan algoritma
pemrograman konvensional tidak akan dapat memutuskan sendiri untuk
menghindar dari halangan yang ada di depannya.
Sebuah metodologi “berhitung” dengan variable kata-kata(linguistic
variable), sebagai pengganti berhitung dengan bilangan. Kata kata yang
digunakan dalam fuzzy logic memang tidak sepresisi bilangan, namun kata-kata
jauh lebih dekat dengan intuisi manusia. Manusia biasa langsung “merasakan“
nilai dari variabel kata-kata yang sudah dipakainya sehari-hari. Demikianlah, fuzzy
logic membutuhkan”ongkos” yang lebih murah dan memecahkan berbagai
masalah yang bersifat fuzzy.
Fuzzy logic merupakan ilmu yang mempelajari mengenai ketidakpastian.
Fuzzy logic dianggap mampu untuk memetakan suatu input kedalam suatu output
tanpa mengabaikan faktor–faktor yang ada. Fuzzy logic diyakini dapat sangat
fleksibel dan memiliki toleransi terhadap data-data yang ada.
Fuzzy logic, yang dalam bahasa Indonesia dapat diartikan sebagai Logika
Kabur atau Logika Samar, dapat dikatakan sebagai “logika baru yang sudah
lama”. Hal ini karena ilmu tentang Fuzzy logic secara modern dan metodis
ditemukan pada tahun 1965, namun konsep Fuzzy logic sudah melekat pada diri
manusia, sejak manusia ada. Konsep Fuzzy logic dapat dengan mudah kita
temukan pada perilaku manusia dalam kesehariannya
6
Himpunan fuzzy memiliki dua atribut yaitu:
a. Linguistik, yaitu nama suatu kelompok yang mewakili suatu keadaan
tertentu dengan menggunakan bahasa alami, misalnya DINGIN, SEJUK,
PANAS mewakili variabel temperatur.
b. Numeris, yaitu suatu nilai yang menunjukkan ukuran dari suatu variabel,
misalnya 10, 35, 40, dan sebagainya.
2.1.3. Alasan Penggunaan Metode Fuzzy Logic
Dalam penelitian ini, penulis menggunakan metode fuzzy logic. Ada
beberapa alasan penulis memilih menggunakan metode ini, antara lain
sebagaiberikut:
a. Konsep fuzzy logic mudah dimengerti. Konsep matematis yang mendasari
penalaran fuzzy sangat sederhana dan mudah dimengerti.
b. Fuzzy logic sangat fleksibel.
c. Fuzzy logic memiliki toleransi terhadap data-data yang tidak tepat.
d. Fuzzy logic mampu memodelkan fungsi-fungsi nonlinear yang sangat
kompleks.
e. Fuzzy logic dapat membangun dan mengaplikasiakan pengalaman-
pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
f. Fuzzy logic dapat bekerjasama dengan teknik-teknik kendali secara
konvensional.
g. Fuzzy logic didasarkan pada bahasa alami.
2.1.4. Dasar – DasarFuzzy Logic
Ada beberapa hal yang menjadi dasar dalam memahami Fuzzy Logic,
yaitu:
a. Variabel fuzzy, yaitu variabel yang akan dibahas dalam suatu sistem fuzzy.
b. Himpunan fuzzy, yaitu suatu kelompok yang mewakili suatu keadaan tertentu
dalam suatu variabel fuzzy. Himpunan fuzzy memiliki 2 atribut yaitu :
Linguistik dan Numeris
c. Semesta pembicaraan, yaitu seluruh nilai yang diizinkan untuk dioperasikan
dalam suatu variabel fuzzy
7
d. Domain himpunan fuzzy, yaitu seluruh nilai yang diizinkan dalam semesta
pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Secara umum dalam sistem logika fuzzy terdapat empat buah elemen dasar,
yaitu:
a. Basis kaidah (rule base), yang berisi aturan-aturan secara linguistik yang
bersumber dari para pakar
b. Suatu mekanisme pengambilan keputusan (inference engine), yang
memperagakan bagaimana para pakar mengambil suatu keputusan dengan
menerapkan pengetahuan (knowledge)
c. Proses fuzzifikasi (fuzzification), yang mengubah besaran tegas (crisp) ke
besaran fuzzy
d. Proses defuzzifikasi (defuzzification), yang mengubah besaran fuzzy hasil
dari inference engine, menjadi besaran tegas (crisp).
Sistem fuzzy secara umum terdapat 5 langkah dalam melakukan penalaran,
yaitu:
a. Memasukkan inputfuzzy.
b. Mengaplikasikan operatorfuzzy.
c. Mengaplikasikan metode implikasi.
d. Komposisi semua output.
e. Defuzifikasi
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy
yaitu:
a. Variable fuzzy
Variable fuzzy merupakan variabel yang hendak dibahas dalam suatu
system fuzzy. Contoh: umur, temperatur, permintaan, dsb.
b. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy. Contoh:
Variable mahasiswa, terbagi menjadi 5 himpunan fuzzy, yaitu: kurang
sekali, kurang, cukup, baik dan baik sekali.
8
Variabel dosen, terbagi menjadi 3 himpunan fuzzy, yaitu: cukup, baik,
dan baik sekali. Seperti terlihat pada gambar 2.1.
Gambar 2.1 Himpunan Fuzzy Pada Variable Mahasiswa
c. Semesta Pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton
dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan
positif maupun negatif. Ada kalanya nilai semesta pembicaraan ini tidak
dibatasi batas atasnya. Contoh:
Semesta pembicaraan untuk variable mahasiswa: [0 50]
Semesta pembicaraan untuk variable dosen: [0 50]
d. Domain adalah keseluruhan nilai yang diijinkan dalam semesta
pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Domain
merupakan himpunan bilangan real yang senantiasa naik (bertambah)
secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan
positif dan bilangan negatif. Contoh domain himpunan fuzzy:
Kurang Sekali = [0 15]
Kurang = [5 25]
Cukup = [15 35]
Baik = [25 45]
Baik Sekali = [35 50]
2.1.5. Fungsi Keanggotaan
9
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik
– titikinputdata kedalam nilai keanggotaannya (sering juga disebut dengan
derajatkeanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara
yangdapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan
melaluipendekatan fungsi. Apabila U menyatakan himpunan universal dan A
adalahhimpunan fungsi fuzzy dalam U, maka A dapat dinyatakan sebagai
pasangan terurut. Ada beberapa fungsi yang biasa digunakan.
a. Representasi Linear
Pada representasi linear, pemetaan input ke derajat
keanggotaannyadigambarkan sebagai suatu garis lurus. Bentuk ini paling
sederhana danmenjadi pilihan yang baik untuk mendekati suatu konsep
yang kurang jelas.Ada 2 keadaan himpunan fuzzy yang linear. Pertama,
kenaikan himpunandimulai pada nilai domain yang memiliki derajat
keanggotaan nol (0) bergerakke kanan menuju ke nilai domain yang
memiliki derajat keanggotaan lebih tinggi. Seperti terlihat pada gambar
2.2.
Sumber: Sri Kusumadewi (2013) Hal 9Gambar 2.2KurvaRepresentasi Linear Naik
Fungsi keanggotaan:
μ [ x ]={ 0 ;( x−a )/ (b−a ) ;
l ;
x ≤ aa ≤ x ≤b
x=b………………………………(2.1)
Kedua, merupakan kebalikan dari yang pertama. Garis lurus dimulai dari
nilaidomain dengan derajat keanggotaan tertinggi pada sisi kiri,
kemudianbergerak menurun ke nilai domain yang memiliki derajat
keanggotaan lebihrendah. Seperti terlihat pada gambar 2.3.
10
Sumber: Sri Kusumadewi (2013) Hal 10Gambar 2.3 Representasi Linear Turun
Fungsi keanggotaan:
μ [ x ]={ 0 ;(b−x )/ (b−a ) ;
l ;
x≤ az≤ x≤ b
x=b…………………………….(2.2)
b. Representasi kurva segitiga
Kurva segitiga pad dasarnya merupakan gabungan antara 2 garis
(linear).Seperti terlihat pada gambar 2.4.
Sumber: Sri Kusumadewi (2013) Hal 11
Gambar 2.4 Kurva Segitiga
Fungsi Keanggotaan:
μ [ x ]={ 0 ;( x−a )/ (b−a ) ;(b−x )/ (c−b ) ;
x≤ a atau x ≥ ca≤ x≤ bb≤ x≤ c
…………………..(2.3)
c. Representase kurva trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada
titikyang memiliki nilai keanggotaan 1. Seperti terlihat pada gambar 2.5.
11
Sumber: Sri Kusumadewi (2013) Hal 13
Gambar 2.5 Representasi Kurva Trapezium
Fungsi keanggotaan:
μ [ x ]={ 0;( x−a )/ (b−a );
1;(d−x ) /( d−c ) ;
x ≤ aatau x≥ da ≤ x≤ bb≤ x≤ cc ≤ x ≤ d
…………………..(2.4)
2.1.6. Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi
yangdidefinisikan secara khusus untuk mengkombinasi dan memodifikasi
himpunanfuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering
dikenaldengan nama fire strength atau –predikat. Ada 3 operator dasar yang
diciptakanoleh Zadeh, yaitu:
a. OperatorAND
Operator ini berhubungan dengan operasi interseksi pada himpunan. -
predikat sebagai hasil operasi dengan operatorAND diperoleh
denganmengambil nilai keanggotaan terkecil antar elemen pada himpunan
– himpunanyang bersangkutan.
μA B (x )=min {μA ( x ) , μB ( x ) }untuk setiap x∈ X…………………..(2.5)
b. OperatorOR
Operatorini berhubungan dengan operasi union pada himpunan. α–
predikatsebagai hasil operasi dengan operatorOR diperoleh dengan
mengambil nilaikeanggotaan terbesar antar elemen pada himpunan -
himpunan yangbersangkutan.
μA∪ B (x )=max . {μA ( x ) , μB (x ) }untuk setiap x∈ X……………..(2.6)
12
c. OperatorNOT
Operator ini berhubungan dengan operasi komplemen pada himpunan. α–
predikat sebagai hasil operasi dengan operatorNOT diperoleh
denganmengurangkan nilai keanggotaan elemen pada himpunan yang
bersangkutandari 1.
μA C ( x )=1−μA(x )…………………………………..(2.7)
2.1.7. Penalaran Monoton
Metode penalaran secara monoton digunakan sebagai dasar untuk
teknikimplikasi fuzzy. Meskipun penalaran ini sudah jarang sekali digunakan,
namunterkadang masih digunakan untuk penskalaan fuzzy. Jika 2 daerah
fuzzydirelasikan dengan implikasi sederhana sebagai berikut:
IF x is A THEN y is B
transfer fungsi:
y = f((x,A),B)
Maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi dan
dekomposisifuzzy. Nilai output dapat diestimasi secara langsung dari nilai
keanggotaan yangberhubungan dengan antesedennya.
2.1.8. Fungsi Implikasi
Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan
berhubungandengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan
dalam fungsiimplikasi adalah:
IF x is A THEN y is B
dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisiyang
mengikuti IF disebut sebagi anteseden, sedangkan proposisi yang
mengikutiTHEN disebut sebagai konsekuen. Proposisi ini dapat diperluas
denganmenggunakan operatorfuzzy, seperti:
IF (x1 is A1) • (x2 is A2) • (x3 is A3) • ...... • (xN is AN) THEN y is B
dengan • adalah operator (misal: OR atau AND).Secara umum, ada 2 fungsi
implikasi yang dapat digunakan, yaitu:
13
a. Min (minimum). Fungsi ini akan memotong output himpunan fuzzy.
Gambar2.6 menunjukkan salah satu contoh penggunaan fungsi min.
Sumber: Sri Kusumadewi (2013) Hal 29Gambar 2.6 Fungsi ImplikasiMIN
b. Dot (product). Fungsi ini akan menskala output himpunan fuzzy. Gambar
2.7menunjukkan salah satu contoh penggunaan fungsi dot.
Sumber: Sri Kusumadewi (2013) Hal 29Gambar 2.7 Fungsi Implikasi DOT
2.1.9. Sistem Inferensi FuzzyMetode Mamdani
Metode Mamdani adalah metode yang paling sering dijumpai ketika
membahas metodologi fuzzy. Ebrahim Mamdani yang pertama kali mengusulkan
metode ini di tahun 1975 ketika membangun sistem control mesin uap dan boiler.
Mamdani menggunakan sekumpulan IF-THEN rule yang diperoleh dari
operator/pakar yang berpengalaman. Karya Mamdani ini sebenarnya didasarkan
pada artikel “The Father of Fuzzy, Lotfi A. Zadeh : fuzzy algorithms for complex
systems and decision processes”
Proses perhitungannya cukup kompleks sehingga membutuhkan waktu
relatif lama, tetapi model ini memberikan ketelitian yang tinggi.Pada metode
Mamdani, aplikasi fungsi implikasi menggunakan MIN, sedang komposisi aturan
menggunakan metode MAX. Metode Mamdani dikenal juga dengan metode MAX-
14
MIN. Inferensi output yang dihasilkan berupa bilangan fuzzy maka harus
ditentukan suatu nilai crisp tertentu sebagai output. Proses ini dikenal dengan
defuzzifikasi.Untuk mendapatkan output, diperlukan 4 tahapan:
a. Pembentukan himpunan fuzzy
Pada Metode Mamdani, baik variabel input maupun variabel output dibagi
menjadi satu atau lebih himpunan fuzzy.
b. Aplikasi fungsi implikasi
Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min.
c. Komposisi Aturan
Tidak seperti penalaran monoton, apabila sistem terdiri-dari beberapa aturan,
maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3
metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max,
additive dan probabilistik OR (probor).
Metode Max (Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara
mengambilnilai maksimum aturan, kemudian menggunakannya untuk
memodifikasidaerah fuzzy, dan mengaplikasikannya ke output dengan
menggunakanoperatorOR (union). Jika semua proposisi telah
dievaluasi, maka outputakan berisi suatu himpunan fuzzy yang
merefleksikan konstribusi daritiap-tiap proposisi. Secara umum dapat
dituliskan:
μsf [ x i ]← max (μsf [ x i ] , μkf [ x i ])⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ ¿8)
dengan:
μsf [ x i ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
μkf [x i ]= nilai keanggotaan konsekuen fuzzy aturan ke-i;
Misalkan ada 3 aturan (proposisi) sebagai berikut:
[R1] IF Biaya Produksi RENDAH And Permintaan NAIK
THENProduksi Barang BERTAMBAH;
[R2] IF Biaya Produksi STANDAR THEN Produksi Barang
NORMAL;
[R3] IF Biaya Produksi TINGGI And Permintaan TURUN THEN
Produksi Barang BERKURANG;
15
Proses inferensi dengan menggunakan metode Max dalam melakukan
komposisi aturan seperti terlihat pada Gambar 2.8. Apabila
digunakanfungsi implikasi MIN, maka metode komposisi ini sering
disebut dengannama MAX-MIN atau MIN-MAX atau MAMDANI.
Sumber: Sri Kusumadewi (2013) Hal 39Gambar 2.8 Komposisi Aturan Fuzzy Metode MAX.
Metode Additive (Sum)Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan:
μsf [ x i ]← max (1 , μsf [ xi ]+μkf [ xi ])⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ ∙(2.10)
dengan:
μsf [ x i ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
μkf [x i ]= nilai keanggotaan konsekuen fuzzy aturan ke-i;
Metode Probabilistik OR (probor)Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukanproduk terhadap semua output daerah fuzzy. Secara umum dituliskan:
μsf [ x i ]← max (μsf [ x i ]+μkf [ x i ]−μsf [ x i ]∗μkf [ x i ])⋯⋯⋯⋯ (2.11)
dengan:
μsf [ x i ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
μkf [x i ]= nilai keanggotaan konsekuen fuzzy aturan ke-i;
16
d. Penegasan (defuzzifikasi)
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang
diperoleh dari komposisi aturan-aturan fuzzy, 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 crsip tertentu sebagai output
seperti terlihat pada Gambar 2.9.
Sumber: Sri Kusumadewi (2013) Hal 40Gambar 2.9 Proses Defuzzifikasi.
Ada beberapa metode defuzzifikasi pada komposisi aturan MAMDANI,
antara lain:
a. Metode Centroid (Composite Moment)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat
(z*) daerah fuzzy. Secara umum dirumuskan:
z¿=∫
z
❑
zμ ( z ) dz
∫z
❑
μ ( z ) dz
z¿=∑j=1
n
z j μ ( z j )
∑j=1
n
μ ( z j ) (2.11¿
b. Metode Bisektor
17
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada
domainfuzzy yang memiliki nilai keanggotaan separuh dari jumlah total
nilai keanggotaan pada daerah fuzzy.
c. Metode Mean of Maximum (MOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-
rata domain yang memiliki nilai keanggotaan maksimum.
d. Metode Largest of Maximum (LOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai
terbesar dari domain yang memiliki nilai keanggotaan maksimum.
e. Metode Smallest of Maximum (SOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai
terkecil dari domain yang memiliki nilai keanggotaan maksimum.
2.1.10 Kualitas Jasa
Jasa adalah setiap kegiatan yang ditawarkan oleh suatu pihak pada pihak
laindan dasarnya tidak berwujud, serta tidak menghasilkan kepemilikan sesuatu.
Prosesproduksinya mungkin juga tidak dikaitkan dengan suatu produk fisik
(Kottler, 1995:
96).Jasa memiliki karakteristik utama yang membedakanya dengan barang, yaitu,
(Kotler, 1997:84):
1. Intangibility (tidak berwujud)
2. Inseparability (tidak dapat dipisahkan).
3. Variability (berubah-ubah)
4. Perishability (daya tahan)
Kualitas Jasa, terdiri dari lima pokok, yaitu:
a. Reliability, kemampuan memberikan pelayanan yang dijanjikan dengan
segera, akurat dan memuaskan.
b. Tangibles, meliputi fasilitas fisik, perlengkapan, pegawai dan sarana
komunikasi.
c. Responsiveness, keinginan staf untuk membentuk pelanggan dan
memberikan pelayanan dengan tanggap.
18
d. Assurance, mencakup pengetahuan, kemampuan, kesopanan dan dapat
dipercaya yang dimiliki para staf bebas dari bahaya, resiko atau keragu-
raguan.
e. Emphaty, meliputi kemudahan dalam melakukan hubungan, komunikasi
yang aik, perhatian pribadi dan memahami kebutuhan pelanggan.
2.1.11 Kepuasan Konsumen dengan Jasa Pelayanan
Pelayanan sebagai perusahaan jasa akomodasi juga melaksanakan aktivitas
manajemen pemasaran dalam usaha mendapatkan penumpang, dan
mempertahankankelangsungan hidup perusahaan. Kepuasan konsumen
merupakan faktor dasar yangmenentukan proses pembelian selanjutnya. Kotler
(1997) bahwa kepuasan danketidakpuasan konsumen terhadap jasa yang diberikan
akan mempengaruhi tingkahlaku konsumen selanjutnya. Faktor-faktor yang
mempengaruhi kepuasan konsumen, adalah: mutu produk dan pelayanan, kegiatan
penjualan, pelayanan setelah penjualandan nilai-nilai perusahaan. Kualitas
pelayanan pelayaran, merupakan kesatuan daritiga unsur, yaitu: produk, perilaku
atau sikap, suasana lingkungan.
2.1.12 Hubungan antara kualitas pelayanan pelayanan dengan kepuasan
konsumen
Kepuasan dapat diartikan sebagai suatu keadaan dalam diri seseorang,
dimana iatelah berhasil mendapatkan sesuatu yang menjadi kebutuhan-kebutuhan
dan keinginankeinginannya,maka dari itu untuk memberikan kepuasan kepada
tamu adalah berusahamengetahui terlebih dahulu apa yang dibutuhkan dan
diinginkan oleh penumpang yang akanatau sedang menginap di hotel, adapun
beberapa petunjuk yang dapat dijadikan sebagaialat untuk mengidentifikasi
kebutuhan dasar manusia yang lazim, antara lain:
Kebutuhan untuk disambut baik, kebutuhan pelayanan yang tepat waktu,
kebutuhanuntuk merasa nyaman, kebutuhan akan pelayanan yang rapi, kebutuhan
untukdimengerti, kebutuhan untuk mendapat pertolongan, kebutuhan untuk
merasa penting,kebutuhan untuk dihargai, kebutuhan untuk diakui atau diingat
dan kebutuhan akanrespek.
19
2.1.13 Skala Likert
Menurut Simamora (2004:234), Skala Likert adalah teknik pengukuran
sikap yang paling luas digunakan dalam riset pemasaran, dan Skala Likert dapat
disebut juga dengan summated rating scale. Skala Likertmemungkinkan
responden untuk mengekspresikan intensitas perasaan mereka secara luas,
sedangkan menurut Sugiyono (2005:75) Skala Likert digunakan untuk mengukur
sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena
sosial. Dalam penelitian ini, fenomena sosial telah ditetapkan secara spesifik yang
selanjutnya disebut variabel penelitian.
Pada penelitian ini sendiri menggunakan pilihan jawaban dan nilai
jawaban sebagai berikut: Besar Bobot dan Kategori Penilaian
Tabel 2.1 Besar Bobot dan Kategori Penelitian
Bobot Kategori
1
2
3
4
5
Sangat Tidak Puas (STP)
Tidak Puas (TP)
Cukup Puas (CP)
Puas (P)
Sangat Puas (SP)
Menurut Freedy Rangkuti (2002:38), langkah-langkah dalam mengerjakan metode
Skala Likert adalah:
1. Mengumpulkan sejumlah pertanyaan-pertanyaan yang berkaitan dengan
masalah yang akan diteliti. Responden diharuskan memilih salah satu dari
sejumlah kategori jawaban yang tersedia, kemudian masing-masing
jawaban diberi nilai tertentu.
2. membuat nilai total untuk setiap orang dengan menjumlahkan nilai untuk
jawaban.
20
3. Menilai kekompakan antar pertanyaan.
2.2. Variabel
Variabel – variabel yang akan digunakan dalam penelitian ini terdiri dari,
yaitu
Variabel – variabel yang akan digunakan dalam penelitian ini terdiri dari,
yaitu
a. Relliability
Merupakan kemampuan memberikan pelayanan yang dijanjikan dengan
segera,akurat dan memuaskan.
b. Tangibles
Meliputi fasilitas fisik, perlengkapan, pegawai dan sarana komunikasi.
c. Responsiveness
Keinginan staf untuk membentuk pelanggan dan memberikan pelayanan
dengan tanggap.
d. Assurance
Mencakup pengetahuan, kemampuan, kesopanan dan dapat dipercayayang
dimiliki para staf bebas dari bahaya, resiko atau keragu – raguan.
e. Emphaty
Meliputi kemudahan dalam melakukan hubungan, komunikasi yang
baik,perhatian pribadi dan memahami kebutuhan pelanggan.
f. Tingkat Kepuasan Penumpang
Merupakan output sistem yang berupa tidak puas, puas dan sangat puas.
2.3. Tools
Tools yang digunakan dalam penelitian ini adalah program matlab 6.1.
Matlab adalah sebuah lingkungan komputasi numerikal dan bahasa
pemrograman komputer generasi keempat. Dikembangkan oleh The Math Works,
Matlab memungkinkan manipulasi matriks, implementasi algoritma,
pembuatan antarmuka pengguna, dan pengantarmukaan dengan program dalam
21
bahasa lainnya. Meskipun hanya bernuansa numerik, sebuah kotak kakas
(toolbox) yang menggunakan mesin simbolik MuPAD, memungkinkan akses
terhadap kemampuan aljabar komputer. Sebuah paket tambahan, Simulink,
menambahkan simulasi grafis multiranah dan Desain Berdasar Model untuk
sistem terlekat dan dinamik.
2.4. Penelitian Terdahulu
1. Rizkysari Meimaharani, Tri Listyorini, 2014, ANALISIS SISTEM
INFERENCE FUZZY SUGENO DALAM MENENTUKAN HARGA
PENJUALAN TANAH UNTUK PEMBANGUNAN MINIMARKET
menyimpulkan “Analisis inference fuzzy sugeno dalam menentukan harga
penjualan tanah untuk pembangunan minimarket ini mampu membantu
masyarakat dalam menentukan harga terbaik dalam pemilihan tanah yang akan
digunakan dalam pembangunan minimarket.Dengan menggunakan metode
fuzzy sugeno, pengujian yang dilakukan dapat diketahui bahwa teknik kendali
fuzzy mampu menghasilkan respon seperti yang diharapkan yaitu mampu
menilai jarak jauh dekat yang menentukan harga dalam penjualan tanah untuk
pembangunan minimarket.”
2. Muhammad Yunus, Sandi Badi Wibowo Atim, 2013, PENERAPAN
LOGIKA FUZZY(MAMDANI) UNTUK MENENTUKAN JUMLAH
PRODUKSI ROTI BERDASARKAN DATA PERSEDIAAN DAN JUMLAH
PERMINTAAN menyimpulkan “Logika fuzzy (Mamdani) dalam menentukan
jumlah produksi roti berdasarkan jumlah persediaan dan permintaan yang
telah dibangun dapat digunakan untuk membantu perusahaan dalam
mengambil sebuah keputusan dengan nilai kebenaran mencapai 98,41902%.”
3. Rahmaddeni, 2014, PENERAPAN FUZZYLOGIC DALAM
MENGANALISIS TINGKAT PENDAPATAN AKHIR KONSULTAN
PRODUK MULTI LEVEL MARKETINGmenyimpulkan“Fuzzylogic dapat
diterapkan dalam dunia bisnis, dalam hal ini multi level marketing karena
dapat mendeskripsikan persepsi manusia terhadap persoalan menganalisa
pendapatan akhir konsultan produk.“
4. I Gede Santi Astawa, 2012, PENERAPAN LOGIKA FUZZY DAN
JARINGAN SYARAF TIRUAN PADA SISTEM PENILAIAN BERBASIS
22
KOMPUTER menyimpulkan “Berdasarkan hasil pembahasan tersebut maka
diperoleh beberapa kesimpulan yaitu:Sistem penilaian dengan menggunakan
metode logika fuzzy atau metode jaringan syaraf tiruan sebagai dasar
perhitungan memungkinkan sebuah system penilaian menilai hasil belajar
siswa sesuai dengan aturan-aturan penilaian yang dimiliki oleh seorang
pengajar. Sehingga system tersebut dapat dianggap sudah mampu menilai
hasil belajar siswa selayaknya seorang pengajar.Hasil penilaian pada 70 data
percobaan dengan menggunakan metode logika fuzzy mampu mendekati hasil
penilaian dari pengajar, dimana terdapat rata-rata kesalahan sebesar 0,028571
pada skala 0-4.Hasil penilaian pada 70 data percobaan dengan menggunakan
metode jaringan syaraf tiruan mampu mendekati hasil penilaian dari pengajar,
dimana terdapat rata-rata kesalahan sebesar 0,023214 pada skala 0-4.Sistem
penilaian dengan metode logika fuzzy sangat baik digunakan untuk proses
penalaran, namun seringkali seorang pengajar tidak dapat menuangkan aturan-
aturan penilaiannya dengan jelas ke dalam sebuah basis aturan.Sistem
penilaian dengan metode JST mampu secara automatis mengambil aturan -
aturan penilaian seorang pengajar berdasarkan data penilaian pengajar
tersebut, namun system ini tidak dapat menjelaskan proses penalaran yang
dilakukannya.
5. Nuraida, Iryanto, Djakaria Sebayang, 2013, ANALISIS TINGKAT
KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA
DAN KUALITAS MASAKAN MENGGUNAKAN FUZZY MAMDANI,
menyimpulkan dari hasil analisis diperoleh bahwa pengukuran tingkat
kepuasan konsumen berdasarkan tingkat pelayanan, harga dan kualitas
makanan diperoleh hasil yang cukup baik yaitu sebesar 5,5 yang merupakan
keanggotaan dari domain himpunan bilangan fuzzy cukup baik.
2.5. Kerangka Pemikiran
Kerangka pemikiran merupakan proses – proses yang terjadi di penelitian
menurut peneliti yang melakukan penelitian tersebut. Penelitian ini
diimplementasikan Fuzzy Inference System (FIS). Berikut ini merupakan kerangka
23
pemikiran terhadap penelitian ini sebagai pedoman dalam pemecahan masalah
penelitian ini
24
Sumber: Pengolahan data penelitian (2016)
Gambar 2.10. Kerangka Pemikiran
BAB III
25
Mulai
Pengumpulan Data:Studi PustakaStudi Lapangan
Identifikasi Data:Tangibles (Berwujud), Relliability (Kehandalan),Responsiveness (Daya Tanggap), Assurance (Kepastian) Emphaty (Empati),
Alisis Skala Likert:Mengumpulkan sejumlah pertanyaanMembuat skor nilai atas sejumlah pertanyaan Menilai kekompakan antar pertanyaan
Hasil pembahasan dan Penarikan kesimpulan
Analisis Logika Fuzzy:Pembentukan himpunan fuzzyPembentukan aturan aturanPenentuan komposisi aturanPenegasan (defuzzyfikasi)
Pengolahan Dan Analisis Data
METODOLOGI PENELITIAN
3.1. Desain Penelitian
Tahapan penelitian yang dilakukan pada Analisis Tingkat Kepuasan
Penumpang Terhadap Layanan Bandar Udara Hang Nadim Batam Dengan
Pendekatan Logika Fuzzy ditunjukkan dalam Gambar (3.1)
Gambar 3.1 Disain Penelitian “Analisis Tingkat Kepuasan Penumpang Terhadap Layanan Bandar Udara Hang Nadim Batam Dengan Pendekatan Logika Fuzzy”
3.2. Pengumpulan Data
26
Penelitian ini menggunakan sumber, yaitu:
a. Studi Pustaka
Pengumpulan data dengan cara membaca dan mengkaji buku-buku secara
teoritis yang berkaitan dengan metode yang dibahas.
b. Studi Lapangan (menyebarkan Kuesioner)
Dengan menyebarkandaftar pertanyaan kepada 50 responden, yaitu kepada
penumpang yang menjadi para calon penumpang pesawat di Bandar Udara
Hang Nadim Batam.
3.3. Identifikasi Data
Identifikasi data dilakukan untuk menentukan vareabel dan semesta
pembicaraan yang diperlukan dalam melakukan perhitungan dan analisis
masalah.
Data-data kuesioner yang diambil mencakup aspek-aspek:
1. Berwujud (Tangibles)
2. Kehandalan (Reliability)
3. Daya tanggap (Responsiveness)
4. Kepastian (Assurance)
5. Empati (Emphaty)
Kelima aspek/dimensi tersebut diatas dinilai dengan menggunakan kategori
pengukuran:
1. Kategori 1 : Sangat Tidak Puas (STP)
2. Kategori 2 : Tidak Puas (TP)
3. Kategori 3 : Cukup Puas (CP)
4. Kategori 4 : Puas (P)
5. Kategori 5 : Sangat Puas (SP)
3.4 Metode Analisis Data
Dalam pengelohan data yang telah dikemukan, digunakan dua macam
metode analisis, yaitu:
A. Analisis Skala Likert
27
Menurut Freedy Rangkuti (2002:38), langkah-langkah dalam mengerjakan
Analisis Skala Likert adalah:
1. Mengumpulkan sejumlah pertanyaan-pertanyaan yang berkaitan dengan
masalah yang akan diteliti. Responden diharuskan memilih salah satu dari
sejumlah kategori jawaban yang tersedia, kemudian masing-masing
jawaban diberi nilai tertentu.
2. membuat nilai total untuk setiap orang dengan menjumlahkan nilai untuk
jawaban.
3. Menilai kekompakan antar pertanyaan.
B. Analisis logika Fuzzy
Pengelolahan data dilakukan dengan bantuan softwere matlab .8.0 dengan
menggunakan fasilitas yang disediakan pada toolbox fuzzy dengan melakukan
langkah langkah sebagai berikut:
1. Pembentukan himpunan fuzzy
Dalam tahap ini dilakukan pembentukan himpunan fuzzy berdasarkan
hasil analisis data parameter, yaitu dengan menetapkan nilai linguistic dan
numeris.
2. Pembentukan aturan aturan (Rule Base)
Proses ini berfungsi untuk untuk mencari suatu nilai fuzzy output dari
fuzzy input. Prosesnya adalah sebagai berikut: suatu nilai fuzzy input yang
berasal dari proses fuzzifikasi kemudian dimasukkan kedalam sebuah
aturan yang telah dibuat untuk dijadikan sebuah fuzzy.
3. Penentuan komposisi aturan (Fuzzyfikasi)
Penentuan komposisi aturan merupankan proses perubahan suatu nilai
crips ke dalam variabel fuzzy yang berupa variabel linguistic yang
nantinya akan dikelompokkan menjadi himpunan fuzzy
4. Penegasan (defuzzyfikasi)
Proses defuzzyfikasi adalah suatu himpunan fuzzy yang diperoleh dari dari
komposisi aturan aturan fuzzy, sedangkan output yang dihasilkann
merupakan suatu bilangan pada domain himpunan fuzzy tersebut.
Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka
harus dapat diambil suatu nilai crips tertentu sebagai output.
28
3.5 Penarikan Kesimpulan
Penarikan kesimpulan merupakan tahap akhir dari penelitian, dimana
dilakukan pendokumentasian riset secara keseluruhan. Sehingga hasil akhir dari
penelitian ini nanti nya bisa digunakan sebagai bahan acuan untuk mengadakan
penelitian dimasa yang akan datang dalam bidang yang sama.
BAB IV
29
BIAYA DAN JADWAL PENELITIAN
4.1 Anggaran Biaya
Berikut ini adalahrinciananggaranbiayayang
diperlukandalamkegiatanpenelitian peningkatan kapasitas dengan judul“Analisis
Tingkat Kepuasan Penumpang Terhadap Layanan Bandar Udara Hang Nadim
Batam Dengan Pendekatan Logika Fuzzy”, yang antara lain adalahsebagaiberikut:
Tabel 4.1. Anggaran Biaya
No. Jenis Pengeluaran Biaya yang diusulkan (Rp.)
1. Gaji (maks. 30%) 7.50.000,-2. Bahan habis pakai dan peralatan (40-50%) 1.000.000,-3. Perjalanan (maks. 15%) 3.75.000,-
4. Lain-lain: publikasi, seminar, laporan, lainnya sebutkan (10-15%) 3.75.000,-
Jumlah 2.500.000,-Sumber: Penulis (2016).
4.2. Jadwal Kegiatan
Penelitian mengambil waktu selama 1 semester terhitung sejak bulan
Juni2016sampai dengan September 2016. Sedangkan jadwal penelitian
disesuaikan dengan kondisi jadwal yang telah ditetapkan selama 1 semester.
Tabel 4.2Jadwal PenelitianSumber: Penulis (2016)
No Kegiatan/Penanggungjawab Tahun 2016Bulan
Juni Juli Agustus September1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1.Manajemen dan Kontrol Tugas sertaTanggungjawab(PenelitiUtama)
2.PembuatandanPenyusunan Proposal Penelitian(PenelitiUtama)
3. PengumpulandanPengolahan Data(Angota Peneliti)
4. AnalisisHasilPenelitian(PenelitiUtama)
5. Penyusunan Laporan Penelitian( Anggota Peneliti )
30
DAFTAR PUSTAKA
Muhammad Yunus, Sandi Badi Wibowo Atim, (2013)TEKNOINFO : Penerapan
Logika Fuzzy (Mamdani) Untuk Menentukan Jumlah Produksi Roti
Berdasarkan Data Persediaan Dan Jumlah Permintaan. 7(1,2): 1693-
0010
Sri Kusumadewi dan Hari Purnomo., AplikasiLogika Fuzzy Untuk Pendukung
Keputusan,Graha Ilmu, Yogyakarta: 2010
Animesh Kumar Sharma and Badri Vishal Padamwar, (2013), Fuzzy Logic Based
Systems in Management and Bussiness Aplications.” International Journal
of Innovative Research in Engineering & Science Vol 1, Raipur.
Sutojo, T., Mulyanto Edy., dan Suhartono Vincent., Kecerdasan Buatan.
Yogjakarta: Andi Offset, 2011.
Decky Irmawan dan Khamami Herusantoso, (2011), Penerapan Logika Fuzzy
Sebagai Sistem Pendukung Keputusan Prakiraan Cuaca, Konferensi
Teknologi Informasi dan Komunikasi untuk Indonesia, Bandung
Warren,Charl S., Reeve,James., Fess, Philip.2009.Pengantar Akuntansi. Jilid 1.
Thomson. Jakarta
Horngren, Charles., Harison., Harson, Walter., Oliver, Zusanne. 2011.
Accounting. College Division. Jakarta.
Carter, William K. 2009. Akuntansi Biaya,Cost Accounting. Edisi 14. Buku Satu.
Salemba Empat. Jakarta.
Hongren, Charles. 2009.Cost Accounting, Emanagerial Emphasis.
thirteenedisi.College Division. Jakarta.
Simamora, Henry. 2012. Akuntansi Manajemen. Edisi ke Tiga.Star Gate
Publisher. Jakarta.
Rizkysari Meimaharani, Tri Listyorini, (2014), ANALISIS SISTEM INFERENCE
FUZZY SUGENO DALAM MENENTUKAN HARGA PENJUALAN
TANAH UNTUK PEMBANGUNAN MINIMARKET, Simetris
Muhammad Yunus, Sandi Badi Wibowo Atim, 2013, PENERAPAN LOGIKA
FUZZY(MAMDANI) UNTUK MENENTUKAN JUMLAH PRODUKSI
ROTI BERDASARKAN DATA PERSEDIAAN DAN JUMLAH
PERMINTAAN
Rahmaddeni, 2014, PENERAPAN FUZZYLOGIC DALAM MENGANALISIS
TINGKAT PENDAPATAN AKHIR KONSULTAN PRODUK MULTI
LEVEL MARKETING
Sartika Purba, Andi Sudiarso, 2013, PENENTUAN HARGA PRODUK
KERAJINAN KULIT MENGGUNAKAN PENDEKATAN FUZZY
LOGIC DENGAN MEMPERTIMBANGKAN PROYEKSI
KEUNTUNGAN, PERSEPSI KONSUMEN, DAN HARGA
KOMPETITOR (Studi Kasus Toko Kerajinan Kulit ROOSMAN, Sentra
Kerajinan Kulit Manding, Bantul)
I Gede Santi Astawa, 2012, PENERAPAN LOGIKA FUZZY DAN JARINGAN
SYARAF TIRUAN PADA SISTEM PENILAIAN BERBASIS
KOMPUTER
Sri Kusumadewi, Hari Purnomo, 2013, APLIKASI FUZZY LOGIC UNTUK
PENDUKUNG KEPUTUSAN, Yogyakarta, Graha Ilmu
Nuraida, Iryanto, Djakaria Sebayang, 2013, ANALISIS TINGKAT KEPUASAN
KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN
KUALITAS MASAKAN MENGGUNAKAN FUZZY MAMDANI.
LAMPIRAN 1
Justifikasi Anggaran
1. GajiPelaksana Honor/jam (Rp) Waktu (jam/minggu) Minggu Honor (Rp)Ketua Rp. 41.666 2 jam/minggu 12 Minggu Rp 500.000Anggota 1 Rp. 20.833 2 jam/minggu 12 Minggu Rp 250.000Sub total (Rp) 750.0002. Bahan Habis Pakai dan PeralatanMaterial Justifikasi Pemakaian Kuantitas Harga
Satuan (Rp)Biaya (Rp)
Kertas Penyelesaian Proposal penelitian, laporan penelitian, dokumen pendukung penelitian
4 rim 45.000 180.000
Tinta printer Digunakan untuk tinta printer
1 set Catridge
145.000 145.000
Pena Mencatat segala informasi yang berkaitan dengan penelitian
5 pcs 6.500 32.500
Pulsa Modem Pendukung modem dalam Pencarian data melalui internet
3 Gb 55.000 165.000
Pulsa Hp Kebutuhan berkomunikasi dengan anggota peneliti
2 78.000 156.000
Makan dan Minun
Konsumsi peneliti dalam pencarian data penelitian
2 150.000 300.000
Dokumentasi penelitian
Foto-foto kegiatan penelitian
1 21.500 21.500
Sub total (Rp) 1.000.0003. PerjalananPerjalanan Justifikasi Perjalanan Kuantitas Harga
Satuan (Rp)Biaya (Rp)
Perjalanan ke lokasi Penelitian
Bahan bakar minyak (Transportasi umum)
20 L 10.000 200.000
Perjalanan ke lokasi informan
Bahan bakar minyak (Transportasi umum)
30 L 10.000 300.000
Sub total (Rp) 500.0004. Lain-lain
Kegiatan Justifikasi Kuantitas Harga Satuan (Rp)
Biaya (Rp)
Lain-lain (administrasi, publikasi, seminar, laporan, lainnya sebutkan)
Jilid proposal 3 15.000 30.000Fotocopi proposal
60 1.000 60.000
Jilid laporan 3 15.000 30.000Fotocopi laporan
120 1.000 120.000
CD Rw 2 3.500 7.000Sampul CD Rw
2 1.500 3.000
Sub total (Rp) 250.000TOTAL ANGGARAN YANG DIPERLUKAN (Rp) 2.500.000
LAMPIRAN 2
Struktur Organisasi Penelitian
No Nama Instansi Asal
Bidang Ilmu
Alokasi Waktu
(Jam/Minggu)
Uraian Tugas
1. Joni Eka Candra, S.T.,M.T
Universitas Putera Batam
Teknik Informatika 1
Ketua Peneliti sekaligus penanggung jawab pelaksanaan penelitian
2.
Ngadnan Universitas Putera Batam
Teknik Informatika 1
Anggota Peneliti, pelaksana teknis pengumpulan data penelitian dan olah data dan pembuatan laporan
LAMPIRAN 3
Biodata Ketua Peneliti
A. IdentitasDiri
1 Nama Lengkap (dengan gelar) Joni Eka Candra
2 Jenis Kelamin Laki-laki
3 Jabatan Fungsional Dosen
4 NIP 11461
5 NIDN 1025068201
6 Tempat, Tanggal Lahir Sumenep, 25 juni1982
7 Alamat surel (e-mail) [email protected]
8 Nomor Telepon/HP 085655567040
9 Alamat Kantor Jl. R.Suprapto
10 Nomor Telepon/Faks Kantor -
11 Mata Kuliah yang Diampu 1.Rangkaian Digital2. Artificial Intelligence3. Arsitektur dan Organisasi Komputer4. Komputasi Numerik
B. RiwayatPendidikan
S-1 S-2 S-3
NamaPerguruanTinggi Universitas Brawijaya Malang
Universitas Brawijaya Malang
-
BidangIlmu Teknik Elektro Teknik Elektro -
TahunMasuk-Lulus 2002 – 2008 2009 - 2012 -
C. PengalamanPenelitianDalam 5 TahunTerakhir
No.Tahu
nJudulPenelitian
Pendanaan
Sumber Jumlah (Rp)
1. 2013 Aplikasi Logika Fuzzy Dalam Optimalisasi Produksi Barang Menggunakan Metode Tsukamoto Dan Metode Mamdani Pada PT. Mardi
UNIVERSITAS PUTERA BATAM
1.500.000,-
Jaya
2. 2014
Aplikasi Fuzzy Inference System (FIS) Mamdani Untuk Penentuan Jurusan Siswa Di SMA Negeri 5 Batam
UNIVERSITAS PUTERA BATAM
1.500.000,-
3. 2015
Prediksi Jumlah Penumpang pesawat Udara di Bandar Udara Hang Nadim Batam Menggunakan Jaringan Syaraf Tiruan Backpropagation
UNIVERSITAS PUTERA BATAM
1.500.000,-
D. PengalamanPengabdianKepadaMasyarakatdalam 5 TahunTerakhir
No. TahunJudulPengabdian
KepadaMasyarakat
Pendanaan
Sumber Jumlah (Rp)
1. 2014
Kompetensi Siswa di Bidang Teknologi Informasi dan Komunikasi Melalui Buku Pada SMP Islam Terpadu 01 Darussalam
UNIVERSITAS PUTERA BATAM
500.000,-
2. 2014
Penyuluhan pembelajaran Ilmu Tajwid Dalam Membaca Al-Qur’an Menggunakan Teknologi Informasi di SMK Negeri 4 Batam
UNIVERSITAS PUTERA BATAM
500.000,-
E. PublikasiArtikelIlmiahDalamJurnaldalam 5 TahunTerakhir
No. JudulArtikelIlmiah NamaJurnal Volume/Nomor/Tahun1.
2.
F. Pemakalah Seminar Ilmiah (Oral Presentation) dalam 5 Tahun Terakhir
No. Nama Seminar Judul Artikel Ilmiah Waktu dan Tempat
1 - - -
H. Perolehan HKI (Hak Kekayaan Intelektual) dalam 5–10 Tahun Terakhir
No. Judul/Tema HKI Tahun Jenis Nomor P/ID
1 - - - -
I. Pengalaman Merumuskan Kebijakan Publik Lainnya dalam 5 Tahun
Terakhir
No.Judul/Tema/Jenis Kebijakan Publik Lainnya yang Telah
DiterapkanTahun Tempat
PenerapanRespon
Masyarakat
1 - - - -
J. Penghargaan dalam 10 tahun Terakhir (dari pemerintah, asosiasi atau
institusi lainnya)
No. Jenis Penghargaan Institusi Pemberi Penghargaan Tahun
1
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata
dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan proposal penelitianpeningkatan kapasitasUniversitas
Putera Batam.
Batam, 25 Juni 2016
Ketua Tim,
Joni Eka Candra, S.T., M.T.
Biodata Anggota Peneliti
A. Identitas Diri
1 Nama Lengkap Ngadnan2 Jenis Kelamin Laki-laki3 NPM 1302100924 Tempat, Tanggal Lahir Ngawi5 E-mail [email protected] Nomor Telepon/HP 085374286333
B. Riwayat Pendidikan
S-1 S-2 S-3
Nama Perguruan Tinggi
Bidang Ilmu
Tahun Masuk-Lulus
C. Pengalaman Penelitian Dalam 5 Tahun Terakhir
No.Tahu
nJudul Penelitian
Pendanaan
Sumber Jml (Juta Rp)
1
D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir
No.Tahu
n
Judul Pengabdian Kepada
Masyarakat
Pendanaan
Sumber Jml (Juta Rp)
1
E. Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir
No. Judul Artikel Ilmiah Nama Jurnal Volume/Nomor/Tahun
1 - - -
F. Pemakalah Seminar Ilmiah (Oral Presentation) dalam 5 Tahun Terakhir
No.Nama Pertemuan Ilmiah /
SeminarJudul Artikel Ilmiah
Waktu dan
Tempat
1 - - -
G. Karya Buku dalam 5 Tahun Terakhir
No. Judul Buku TahunJumlah
HalamanPenerbit
1 - - - -
H. Perolehan HKI (Hak Kekayaan Intelektual) dalam 5–10 Tahun Terakhir
No. Judul/Tema HKI Tahun Jenis Nomor P/ID
1 - - - -
I. Pengalaman Merumuskan Kebijakan Publik Lainnya dalam 5 Tahun
Terakhir
No.
Judul/Tema/Jenis Kebijakan
Publik Lainnya yang Telah
Diterapkan
TahunTempat
Penerapan
Respon
Masyarakat
1 - - - -
J. Penghargaan dalam 10 tahun Terakhir (dari pemerintah, asosiasi atau
institusi lainnya)
No. Jenis Penghargaan Institusi Pemberi Penghargaan Tahun
1 - - -
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata
dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan Proposal Penelitian Peningkatan Kapasistas
Universitas Putera Batam.
Batam, 25 Juni 2016
Anggota Peneliti,
Ngadnan