5

Bab 2

Tinjauan Pustaka

2.1 Penelitian Terdahulu

Beberapa penelitian yang pernah dilakukan menggunakan

algoritma fuzzy antara lain : Aplikasi Sistem Pendukung Keputusan

dalam Pemilihan Mobil Toyota Menggunakan Logika Fuzzy Multi

Atribute Decision Making (MADM), yang membahas tentang

penggunaan logika fuzzy Multi Atribute Decision Making (MADM)

dalam memberikan informasi yang mendekati naluri manusia dalam

memberikan keputusan untuk memilih mobil Toyota yang layak dan

pantas dibeli sesuai dengan kebutuhan. (Li’ulliyah, 2009).

Penelitian lainnya adalah Sistem Pendukung Keputusan

Pemilihan Mobil Menggunakan Metode Simple Multi Attribute

Rating Technique (SMART), yang mengimplementasikan Metode

SMART untuk menentukan pilihan mobil yang paling sesuai dengan

kebutuhan calon pembeli. (Theorema P, 2011).

Sedangkan dalam penelitian yang berjudul Implementasi

Sistem Fuzzy untuk Proses Pendukung Keputusan Menggunakan

Metode Inferensi Minimum : Studi Kasus pada Sistem Pendukung

Keputusan Pembelian Motor (Novaldy, 2010), yang membahas

tentang penggunaan logika fuzzy dan metode inferensi minimum

dalam menentukan pemilihan sepeda motor sesuai kebutuhan dan

kemampuan calon pembeli. Penelitian ini menggunakan logika fuzzy

karena logika fuzzy sangat fleksibel sehingga menerima toleransi

6

terhadap data-data yang tidak sepenuhnya benar atau tidak

sepenuhnya salah sehingga sangat sesuai untuk digunakan apabila

data yang tersedia hanya dalam bentuk data kualitatif. Pada

penelitian ini, sistem akan dibangun menggunakan metode fuzzy

database model Tahani, untuk memperoleh hasil yang akurat dalam

menentukan kelayakan harga mobil dengan spesifikasi yang didapat,

sebelum memutuskan untuk membeli mobil. Berbeda dengan ketiga

penelitian terdahulu tersebut di atas, yang menggunakan metode

SMART dan Fuzzy MADM dalam pemilihan mobil dan motor.

Mengacu pada penelitian-penelitian terdahulu dapat

disimpulkan bahwa faktor efektifitas dan efisiensi sangat penting

dalam proses pengambilan keputusan, maka penulis akan merancang

sebuah aplikasi SPK untuk menentukan kelayakan mobil menurut

harga dan spesifikasinya menggunakan metode fuzzy agar faktor

efektifitas dan efisiensi dalam proses pengambilan keputusan dapat

tercapai, dan juga dapat memberikan gambaran kepada calon

pembeli mengenai mobil yang dipilih.

2.2 Sistem Pendukung Keputusan (SPK) atau

Decision Support System (DSS) 2.2.1 Definisi SPK

Konsep Sistem Pendukung Keputusan (SPK) atau Decision

Support Sistem (DSS) pertama kali diungkapkan pada awal tahun

1970 oleh Michael S. Scott Morton dengan istilah Management

Decision System. Sistem tersebut adalah suatu sistem yang berbasis

komputer yang ditujukan untuk membantu pengambil keputusan

dengan memanfaatkan data dan model tertentu untuk memecahkan

berbagai persoalan yang tidak terstruktur (Turban, 2001).

7

Pengertian dari SPK itu sendiri menurut para ahli adalah

sebagai berikut (Bonczek, 1980 dalam Turban, 2001):

1. Menurut Keen dan Scoot Morton

Sistem Pendukung Keputusan merupakan penggabungan

sumber-sumber kecerdasan individu dengan kemampuan

komponen untuk memperbaiki kualitas keputusan. Sistem

Pendukung Keputusan juga merupakan sistem informasi berbasis

komputer untuk manajemen pengambilan keputusan yang

menangani masalah-masalah semi struktur.

2. SPK didefinisikan sebagai sistem berbasis komputer yang terdiri

dari komponen-komponen yang saling berinteraksi, yaitu :

sistem bahasa, sistem pengetahuan, dan sistem pemrosesan

masalah.

SPK biasanya dibangun untuk mendukung solusi atas suatu

masalah atau untuk mengevaluasi suatu peluang. Sehingga, dapat

dijelaskan bahwa SPK bukan merupakan alat pengambilan

keputusan, melainkan merupakan sistem yang membantu pengambil

keputusan dengan melengkapi mereka dengan informasi dari data

yang telah diolah dengan relevan dan diperlukan untuk membuat

keputusan tentang suatu masalah dengan lebih cepat dan akurat.

Sehingga sistem ini tidak dimaksudkan untuk menggantikan

pengambilan keputusan dalam proses pembuatan keputusan

(Kusrini, 2007).

8

Dari pengertian SPK di atas dapat ditentukan karateristik

SPK, yaitu (Haniif, 2007) :

1. Mendukung proses pengambilan keputusan, menitik beratkan

pada management by perception.

2. Adanya interface manusia / mesin dimana manusia (user) tetap

memegang kontrol proses pengambilan keputusan.

3. Mendukung pengambilan keputusan untuk membahas masalah

terstruktur, semi terstruktur dan tak struktur.

4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai

dengan kebutuhan.

5. Memiliki subsistem-subsistem yang terintegrasi sedemikian

rupa sehingga dapat berfungsi sebagai kesatuan item.

6. Membutuhkan struktur data komprehensif yang dapat

melayani kebutuhan informasi seluruh tingkatan manajemen.

2.2.2 Tujuan SPK

Sistem Pendukung Keputusan (SPK) yang bisa dikatakan

merupakan sistem yang terkomputerisasi sangat diperlukan dalam

proses pengambilan keputusan untuk pemecahan suatu masalah. Hal

tersebut didasarkan pada kenyataan bahwa SPK memiliki berbagai

keunggulan dalam dukungannya dalam proses pengambilan

keputusan. Berbagai keunggulan DSS ini dijabarkan sebagai tujuan

dari SPK itu sendiri, yaitu (Alter, 1980) :

1. Kecepatan komputasi

Komputer memungkinkan para pengambil keputusan melakukan

banyak perhitungan secara cepat dan tentunya dengan biaya

yang lebih murah.

2. Peningkatan produktifitas

9

SPK dapat mengurangi jumlah personil dalam kelompok

pengambil keputusan, yang biasanya untuk membangun satu

kelompok yang terdiri dari para pakar membutuhkan biaya yang

tinggi. Selain itu juga memungkinkan para anggota kelompok

tersebut untuk berada pada lokasi atau tempat yang berbeda-

beda, sehingga menghemat biaya perjalanan dan akomodasi.

3. Peningkatan atau perbaikan komunikasi

Pada sistem yang berbasis web, memungkinkan untuk kolaborasi

dan komunikasi antar kelompok secara efektif dan efisien.

Dalam hal ini kelompok yang saling berinteraksi adalah bagian

dari sub sistem dari SPK, misalnya pelanggan dan penjual.

4. Dukungan teknis

SPK memungkinkan data disimpan dalam beberapa database,

baik pada sistem stand-alone, client-server, maupun yang

berbasis web, di manapun di dalam organisasi dan bahkan

mungkin di luar organisasi. Aspek kemampuan transmisi data

oleh komputer juga merupakan bagian dari dukungan teknis

SPK.

5. Akses data warehouse

Data warehouse yang besar, seperti yang dioperasikan oleh Wal

Mart, berisi petabyte data. Diperlukan metode-metode khusus,

dan terkadang komputasi paralel untuk mengorganisasi dan

mencari data.

6. Dukungan kualitas

Komputer dapat meningkatkan kualitas keputusan yang dibuat.

Sebagai contoh, semakin banyak data yang diakses, makin

banyak alternatif yang dapat dievaluasi, analisis resiko dapat

10

dilakukan dengan cepat, dan pandangan dari para pakar dengan

biaya rendah.

7. Berdaya saing

DSS membantu organisasi untuk meningkatkan daya saing

dengan proses pengambilan keputusan yang cepat, tepat, dan

efisien.

8. Mengatasi keterbatasan kognitif dalam pemrosesan dan

penyimpanan. Komputer membantu manusia dalam hal

memproses dan menyimpan informasi dengan tingkat kesalahan

yang lebih rendah.

2.2.3 Jenis SPK

Sistem pendukung keputusan dapat dibedakan menurut

tingkat dukungannya terhadap pemecahan masalah, yaitu

(Amborowati, 2007):

1. Retrieve information elements.

Ini adalah dukungan terendah yang dapat diberikan oleh SPK

yakni berupa akses selektif terhadap informasi. Misalkan

manajer bermaksud mencari tahu informasi mengenai data

penjualan atas suatu area pemasaran tertentu.

2. Analize entire file.

Dalam tahap ini para manajer diberikan akses untuk melihat dan

menganalisa file secara lengkap. Misalnya, manajer dapat

membuat laporan khusus penilaian persediaan dengan melihat

file persediaan, atau manajer dapat memperoleh laporan gaji

bulanan dari file penggajian.

3. Prepare report from multile files.

11

Dukungan seperti ini cenderung dibutuhkan mengingat para

manajer berhubungan dengan banyak aktifitas dalam satu

momen tertentu. Contoh tahapan ini antara lain kemampuan

melihat laporan rugi laba, analisa penjualan produk per

pelanggan, dan lain-lain.

4. Estimate decision consequences.

Dalam tahap ini manajer dimungkinkan untuk melihat dampak

dari setiap keputusan yang mungkin diambil. Misalkan seorang

manajer memasukkan unsur harga dalam sebuah model untuk

melihat pengaruhnya pada laba usaha. Model akan memberikan

masukan, misalnya jika harga diturunkan menjadi Rp 25.000,00

keuntungan akan meningkat Rp 5.000,00. Model tersebut tidak

dapat menentukan apakah harga sebesar Rp 25.000,00 adalah

harga terbaik, sistem hanya memberikan informasi apa yang

mungkin jika keputusan harga tersebut diambil.

5. Propose decision consequences.

Dukungan di tahap ini sedikit lebih maju lagi. Suatu alternatif

keputusan dapat disodorkan ke hadapan manajer untuk

dipertimbangkan. Contoh penerapannya antara lain manajer

pabrik memasukkan data mengenai pabrik dan peralatan yang

dimilikinya, maka SPK dapat menentukan rancangan tata letak

(lay out) yang paling efisien.

6. Make decision.

Ini adalah jenis dukungan yang sangat diharapkan dari SPK.

Tahapan ini akan memberikan sebuah keputusan yang tinggal

menunggu legitimasi dari manajer untuk dijalankan.

2.2.4 Komponen - Komponen SPK

12

Sistem Pendukung Keputusan terdiri dari tiga komponen

utama atau subsistem, yaitu (Subakti, 2002) :

1. Subsistem Manajemen Basis Data

Subsistem data merupakan bagian yang menyelediakan data-data

yang dibutuhkan oleh Data Base Management Subsystem

(DBMS). DBMS sendiri merupakan susbsistem data yang

terorganisasi dalam suatu basis data. Data-data yang merupakan

dalam suatu Sistem Pendukung Keputusan dapat berasal dari

luar lingkungan. Keputusan pada manajemen level atas

seringkali harus memanfaatkan data dan informasi yang

bersumber dari luar perusahaan.

Kemampuan subsistem data yang diperlukan dalam suatu Sistem

Pendukung Keputusan, antara lain :

- Mampu mengkombinasikan sumber-sumber data yang

relevan melalui proses ekstraksi data.

- Mampu menambah dan menghapus secara cepat dan mudah.

- Mampu menangani data personal dan non official, sehingga

user dapat bereksperimen dengan berbagai alternatif

keputusan.

- Mampu mengolah data yang bervariasi dengan fungsi

manajemen data yang luas.

2. Subsistem Manajemen Model

Subsistem model dalam Sistem Pendukung Keputusan

memungkinkan pengambil keputusan menganalisa secara utuh

dengan mengembangkan dan membandingkan alternatif solusi.

Intergrasi model-model dalam Sistem Informasi Manajemen

yang berdasarkan integrasi data-data dari lapangan menjadi suatu

13

Sistem Pendukung Keputusan. Kemampuan Sistem Manajemen

Basis Model (MBMS) antara lain :

- Mampu menciptakan model - model baru dengan cepat dan

mudah.

- Mampu mengkatalogkan dan mengelola model untuk

mendukung semua tingkat pemakai.

- Mampu menghubungkan model-model dengan basis data

melalui hubungan yang sesuai.

- Mampu mengelola basis model dengan fungsi manajemen

yang analog dengan database manajemen.

3. Subsistem Dialog

Subsistem dialog merupakan bagian dari Sistem Pendukung

Keputusan yang dibangun untuk memenuhi kebutuhan

representasi dan mekanisme control selama proses analisa dalam

Sistem Pendukung Keputusan ditentukan dari kemampuan

berinteraksi anatara sistem yang terpasang dengan user. Pemakai

terminal dan sistem perangkat lunak merupakan komponen-

komponen yang terlibat dalam susbsistem dialog yang

mewujudkan komunikasi anatara user dengan sistem tersebut.

Komponen dialog menampilkan keluaran sistem bagi pemakai

dan menerima masukkan dari pemakai ke dalam Sistem

Pendukung Keputusan. Adapun subsistem dialog dibagi menjadi

tiga, antara lain :

- Bahasa Aksi (The Action Language)

14

Merupakan tindakan-tindakan yang dilakukan user dalam

usaha untuk membangun komunikasi dengan sistem.

Tindakan yang dilakukan oleh user untuk menjalankan dan

mengontrol sistem tersebut tergantung rancangan sistem

yang ada.

- Bahasa Tampilan (The Display or Presentation Langauage)

Merupakan keluaran yang dihasilkan oleh suatu Sistem

Pendukung Keputusan dalam bentuk tampilan-tampilan akan

memudahkan user untuk mengetahui keluaran sistem

terhadap masukan-masukan yang telah dilakukan.

- Bahasa Pengetahuan (Knowledge Base Language)

Meliputi pengetahuan yang harus dimiliki user tentang

keputusan dan tentang prosedur pemakaian Sistem

Pendukung Keputusan agar sistem dapat digunakan secara

efektif. Pemahaman user terhadap permasalahan yang

dihadapi dilakukan di luar sistem, sebelum user

menggunakan sistem untuk mengambil keputusan.

4. Subsistem manajemen berbasis pengetahuan.

Subsistem ini dapat mendukung semua subsistem lain atau

bertindak sebagai suatu komponen independen. Selain itu,

subsistem ini juga dapat memberikan intelegensi untuk

memperbesar pengetahuan kepada si pengambil keputusan.

Sistem pendukung keputusan harus mencakup tiga

komponen utama dari DBMS, MBMS, dan antarmuka pengguna.

Sedangkan subsistem manajemen berbasis pengetahuan adalah

opsional. Namun subsistem berbasis pengetahuan dapat memberikan

banyak manfaat karena memberikan inteligensi bagi 3 (tiga)

15

komponen utama tersebut. Di luar keempat komponen di atas,

seperti layaknya semua sistem informasi manajemen, pengguna

dapat dianggap sebagai salah satu komponen DSS (Kadarsah, 2002).

Dari komponen-komponen ini jika digambarkan dalam

bentuk bagan, maka akan menjadi seperti bagan pada Gambar 2.1.

Gambar 2.1 Model Konseptual SPK (Kadarsah, 2002)

2.3 Logika Fuzzy Logika fuzzy (Fuzzy Logic) diperkenalkan oleh Lotfi Zadeh

pada tahun 1965. Merupakan metode yang mempunyai kemampuan

untuk memproses variabel yang bersifat kabur atau yang tidak dapat

dideskripsikan secara pasti, misalnya tinggi, lambat, dan bising.

Fuzzy dalam bahasa inggris mempunyai arti kabur atau tidak jelas.

Jadi, logika fuzzy adalah logika yang kabur, atau mengandung unsur

ketidak-pastian. Dalam logika fuzzy, variabel yang bersifat kabur

tersebut direpresentasikan sebagai sebuah himpunan yang

anggotanya adalah suatu nilai pasti (crisp) dan derajat

keanggotaannya dalam himpunan tersebut. Logika fuzzy meniru cara

berpikir manusia dengan menggunakan konsep sifat kesamaran

16

suatu nilai. Dengan teori himpunan fuzzy, suatu objek dapat menjadi

anggota dari banyak himpunan dengan derajat keanggotaan yang

berbeda dalam masing-masing himpunan (Kusumadewi, 2004).

Beberapa alasan mengapa orang menggunakan logika fuzzy,

antara lain (Saelan, 2009) :

a. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang

mendasari penalaran fuzzy sederhana dan mudah dimengerti.

b. Logika fuzzy sangat fleksibel.

c. Logika fuzzy memiliki toleransi pada data-data yang tidak tepat.

d. Logika fuzzy mampu memodelkan fungsi-fungsi non-linear yang

sangat kompleks.

e. Logika fuzzy dapat membangun dan mengaplikasikan

pengalaman-pengalaman para pakar secara langsung tanpa harus

melalui pelatihan.

f. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali

secara konvensional.

g. Logika fuzzy didasarkan pada bahasa alami.

Beberapa hal yang harus diketahui dalam sistem fuzzy, yaitu

(Eliyani, 2009) :

1. Variabel Fuzzy

Merupakan variabel yang akan dibahas dalam suatu sistem fuzzy.

Contoh : umur, temperatur, dan permintaan.

2. Himpunan Fuzzy

Merupakan suatu grup yang mewakili suatu kondisi tertentu

dalam sebuah variabel fuzzy. Contoh himpunan fuzzy adalah

sebagai berikut :

17

- Variabel temperatur, terbagi menjadi lima himpunan fuzzy,

yaitu DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS.

Himpunan fuzzy mempunyai dua atribut, yaitu :

- Linguistik

Linguistik adalah penamaan suatu grup yang mewakili suatu

keadaan atau kondisi tertentu dengan menggunakan bahasa

alami, sperti : MUDA, PAROBAYA, TUA.

- Numeris

Numeris adalah suatu nilai (angka) yang menunjukkan

ukuran dari suatu variabel, seperti : 4, 25, 50, dan

sebagainya.

Gambar 2.2 Himpunan Fuzzy pada Variabel Temperatur (Eliyani, 2009)

3. Semesta Pembicaraan

Semesta pembicaraan adalah keseluruhan nilai yang

diperbolehkan untuk diopersikan 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 adalah sebagai

berikut :

- Semesta pembicaraan untuk variabel umur adalah [0+∞]

18

- Semesta pembicaraan untuk variabel temperatur adalah [0

40]

4. Domain

Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan

oleh semesta pembicaraan dan boleh dioperasikan dalam suatu

himpunan fuzzy. Seperti halnya dengan semesta pembicaraan,

domain merupakan himpunan bilangan real yang senantiasa naik

(bertambah) secara monoton dari kiri ke kanan. Nilai domain

dapat berupa bilangan positif maupun negatif.

Contoh domain adalah sebagai berikut :

- DINGIN = [0, 20]

- SEJUK = [15, 25]

- NORMAL = [20, 30]

- HANGAT = [25, 35]

- PANAS = [30, 40]

2.3.1 Fungsi Keanggotaan

Fungsi keanggotaan atau membership function adalah suatu

kurva yang menunjukkan pemetaan titik-titik input data ke dalam

nilai keanggotaannya (sering juga disebut dengan derajat

keanggotaan). Dalam logika tegas, fungsi keanggotaan menyatakan

keanggotaan suatu himpunan. Fungsi keanggotaan χA(x) bernilai 1

jika x anggota himpunan A, dan bernilai 0 jika x bukan anggota

himpunan A. Jadi fungsi kenggotaan ini hanya bisa bernilai 0 atau 1

(Andari, 2009).

χA : x = {0,1} (2.1)

19

Sedangkan dalam logika fuzzy, fungsi keanggotaan

menyatakan derajat keanggotaan suatu himpunan. Nilai dari fungsi

keanggotaan ini berada dalam selang [0,1], dinyatakan dengan µA.

µA : x = [0,1] (2.2)

Fungsi keangotaan µA(x) bernilai 1 jika x anggota penuh

himpunan A, dan bernilai 0 jika x bukan anggota himpunan A.

Sedangkan jika derajat keanggotaan berada dalam selang (0,1),

misalkan µA(x) = µ, menyatakan x sebagai anggota himpunan A

dengan derajat keanggotaan sebesar µ.

Fungsi keanggotaan suatu himpunan fuzzy dapat ditentukan

melalui pendekatan fungsi. Beberapa fungsi yang dapat digunakan

adalah sebagai berikut (Irwan, 2008) :

- Respresentasi Linier Naik

Kenaikan himpunan dimulai pada domain yang memiliki derajat

keanggotaan nol bergerak ke kanan menuju domain yang

memiliki derajat keanggotaan lebih tinggi, seperti terlihat pada

Gambar 2.3

Gambar 2.3 Representasi Linear Naik (Irwan, 2008)

Fungsi keanggotaan dari representasi linear naik adalah :

0 ; x ≤ a

µ[x] = ( x-a) / (b - a) a < x < b (2.3)

20

1 ; x ≥ b

- Representasi Linier Turun

Merupakan kebalikan dari representasi linear naik. Garis lurus

dimulai dari domain dengan derajat keanggotaan tertinggi pada

sisi kiri, kemudian bergerak menurun ke nilai domain dengan

derajat keanggotaan kebih rendah, seperti terlihat pada Gambar

2.4

Gambar 2.4 Representasi Linear Turun (Irwan, 2008)

Fungsi keanggotaan dari representasi linear turun adalah :

1 ; x ≤ a

µ[x] = (b – x) / (b - a) a < x < b (2.4)

0 ; x ≥ b

- Representasi Kurva Segitiga

Kurva segitiga pada dasarnya merupakan gabungan antara dua

garis linear, seperti terlihat pada Gambar 2.5

Gambar 2.5 Representasi Kurva Segitiga (Irwan, 2008)

21

Fungsi keanggotaan dari representasi kurva segitiga adalah : 0 ; x ≤ a

( x - a) / (b - a); a < x ≤ b

µ[x] = (c - x) / (c - b); b< x < c (2.5)

1 ; x ≥ c

- Representasi Kurva Trapesium

Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya

saja ada beberapa titik yang memiliki nilai keanggotaan 1,

seperti terlihat pada Gambar 2.6.

Gambar 2.6 Representasi Kurva Trapesium (Irwan, 2008)

Fungsi keanggotaan dari representasi kurva trapesium adalah

: 0; x ≤ a atau x ≥ d

( x – a ) / (b - a); a < x < b

µ[x] = 1; b ≤ x ≤ c (2.6)

( d - x ) / ( d - c ) ; x > c

- Representasi Kurva Bahu

Representasi fungsi keanggotaan fuzzy dengan menggunakan

kurva bahu pada dasarnya adalah gabungan dari kurva segitiga

22

dan kurva trapesium. Daerah yang berada di tengah-tengah kurva

bahu ini, dipresentasikan dengan fungsi keanggotaan segitiga.

Pada sisi kiri dan kanannya nilai keanggotaan akan naik dan

turun. Tetapi terkadang pada salah satu sisi variabel fuzzy yang

ditinjau ini terdapat nilai yang konstan, yaitu pada himpunan

ekstrim kiri dan ekstrim kanan, seperti terlihat pada Gambar 2.7

Gambar 2.7 Representasi Kurva Bahu (Irwan, 2008)

2.3.2 Operasi Himpunan Fuzzy

Seperti halnya himpunan konvensional, ada beberapa operasi

yang didefinisikan secara kusus untuk mengkombinasi dan

memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari

operasi dua himpunan sering dikenal sebagai derajat keanggotaan.

Ada tiga operator dasar yang diciptakan oleh Zadeh, yaitu

(Purnomo, 2004) :

1. Operator AND

Operator ini berhubungan dengan operasi interseksi pada

himpunan. Derajat keanggotaan sebagai hasil operasi AND

diperoleh dengan mengambil nilai keanggotaan terkecil antar

elemen.

µA∩B = min(µA[x], µB[y]) (2.7)

23

2. Operator OR

Operator ini berhubungan dengan operasi union pada himpunan.

Derajat keanggotaan sebagai hasil operasi dengan operator OR

diperoleh dengan mengambil nilai keanggotaan terbesar antar

elemen.

µAUB = max(µA[x], µB[y]) (2.8)

3. Operator NOT

Operator ini berhubungan dengan operasi komplemen pada

himpunan. Derajat keanggotaan sebagai hasil operasi dengan

operator NOT diperoleh dengan menggunakan nilai keanggotaan

elemen pada himpunan yang bersangkutan dari 1.

µA’ = 1 - µA[x] (2.9)

2.4 Spesifikasi Mobil Sebuah mobil memiliki spesifikasi yang merupakan ukuran-

ukuran dari komponen-komponennya yang terdiri dari :

1. Kapasitas Mesin

2. Torsi Maksimal

3. Daya Maksimal

4. Berat Kosong

5. Fitur Tambahan

2.4.1 Kapasitas Mesin Kapasitas mesin adalah volume dari silinder mesin tempat

dari piston bekerja. Nilainya diperoleh dari hasil perkalian antara

24

diameter silinder mesin dengan langkah piston. Kapasitas mesin

digunakan dalam sistem ini karena kapasitas mesin merupakan satu

hal yang paling dipertimbangkan dalam memilih mobil, kapasitas

mesin biasanya mempengaruhi beberapa spesifikasi lain dari mobil,

seperti daya maksimal dan torsi maksimal. Satuan yang digunakan

adalah centimeter cubic atau cc (Sojuangan, 2007).

2.4.2 Torsi Maksimal Segala bentuk energi pada mesin bakar dikonversi menjadi

rotasi, sehingga gaya yang pada awalnya linier (gerak piston naik-

turun) menjadi gerak putar karena poros engkol atau kruk as. Dari

sini besar gaya dari gerakan naik-turun piston digunakan untuk

mendorong poros engkol agar memberikan gerakan memutar. Torsi

adalah perkalian dari besar gaya dan jarak titik gaya terhadap sumbu

putar poros engkol. Torsi adalah gaya (dalam bentuk rotasi) yang

dapat diberikan mesin untuk menggerakkan beban kendaraan.

Semakin besar torsi maksimal mesin, maka semakin besar gaya

dorong yang dapat diberikan pada roda, sehingga semakin besar

percepatan yang didapat untuk memindahkan suatu massa. Jika

percepatan semakin besar, maka akselerasi mobil semakin kuat.

Satuan yang digunakan adalah Kgm/rpm (Sojuangan, 2007).

2.4.3 Daya Maksimal Daya adalah energi yang dapat dikeluarkan oleh sebuah

mesin dengan istilah HP (Horse Power). Energi sebesar 1 HP adalah

energi yang dapat memindahkan beban seberat 75 Kg sejauh 1 meter

dalam waktu 1 detik. Jadi semakin besar daya maksimal yang

dimiliki sebuah mesin, maka semakin tinggi kecepatan maksimal

yang dapat dicapai oleh suatu kendaraan bermotor. Pada mesin, daya

25

didapatkan dari besar torsi pada putaran tertentu dan semakin tinggi

torsi yang dihasilkan pada putaran yang tinggi, maka semakin besar

tenaga yang dihasilkan mesin tersebut. Satuan yang digunakan

adalah Ps/rpm (Sojuangan, 2007).

2.4.4 Berat Kosong Berat kosong adalah berat mobil diukur tanpa adanya bahan

bakar, pelumas, dan pengendara diatasnya. Satuan yang digunakan

adalah Kilogram atau Kg (Sojuangan, 2007).

2.4.5 Fitur Tambahan Fitur tambahan dalam sistem ini adalah fitur keamanan dan

kenyamanan yang ada pada mobil (Sojuangan, 2007).

1. Fitur Keamanan

Fitur keamanan yang disediakan oleh produsen mobil

diantaranya ABS (Antilock Brake System), EBD (Electronic

Brake Distribution), airbag, seat belt, keyless door, corner

sensor, back sensor, dan remote lock.

2. Fitur Kenyamanan

Fitur kenyamanan yang disediakan oleh produsen mobil

diantaranya GPS (Global Positioning Unit), air conditioning,

music player, video player, power window, sun roof, foot

rest, dan electric mirror control.