Studi Kasus Logika Fuzzy APLIKASI PEMILIHAN SEKOLAH DI KOTA JEMBER MENGGUNAKAN LOGIKA FUZZY BERBASIS MOBILE

Perancangan Sistem

2 Kriteria Pemilihan Sekolah Variabel fuzzy Variabel fuzzy meliputi kriteria uang pangkal, uang bulanan, dan jarak ke sekolah. Variabel non-fuzzy Variabel non-fuzzy meliputi prestasi nasional, status sekolah, jenis sekolah, akreditasi sekolah, lama belajar, batas tampung kelas, ketersediaan sekolah, fasilitas sekolah, dan kegiatan esktrakurikuler.

Himpunan Fuzzy untuk Variabel Harga Himpunan fuzzy untuk variabel harga meliputi MURAH, SEDANG, dan MAHAL. Himpunan ini digunakan untuk mencari derajat keanggotaan kriteria uang pangkal dan uang bulanan. Fungsi keanggotaan:

Himpunan Fuzzy untuk Variabel Harga µMURAH[harga] = µSEDANG[harga] = µHARGA[harga] = Dengan variabel a, b, dan c merupakan variabel yang menyimpan nilai batas harga yang diinputkan oleh user.

Contoh : Tabel 3.2 Nilai batas. Tabel 3.1 Data sekolah. namaBatas nilaiBatas keterangan a 170000 Uang Pangkal b 260000 c 350000 d 17000 Uang Bulanan e 26000 f 35000 g 1.4 Jarak h 4.2 i 6.5 _id namaSekolah uangPangkal uangSPP panjangJarak 1 SDN Jember Lor 1 90000 24000 0,5 2 SDN Jember Lor 2 70000 29000 2,5 SDN Jember Lor 3 320000 11000 8 3 SDN Jember Lor 4 330000 12000 1,2 SDN Jember Lor 5 13000 35000 10 Tabel 3.3 Perhitungan firestrength. derajat keanggotaan untuk sekolah dengan uang pangkal SEDANG dan jarak ke sekolah DEKAT. _id namaSekolah µSEDANG [uangPangkal] µDEKAT [panjangJarak] Firestrength 1 SDN Jember Lor 1 Min(0,1)=0 2 SDN Jember Lor 2 0,6 Min(0,0.6)=0 3 SDN Jember Lor 3 0,3 Min(0.3,0)=0 4 SDN Jember Lor 4 0,2 Min(0.2,1)=0.2 5 SDN Jember Lor 5 Min(0,0)=0

Penentuan hasil akhir Max method Setelah dilakukan perhitungan, dapat dilihat bahwa SDN Jember Lor 4 memiliki nilai firestrength tertinggi. Jadi hasil pencarian tersebut adalah SDN Jember Lor 4. _id namaSekolah µSEDANG [uangPangkal] µDEKAT [panjangJarak] Firestrength 1 SDN Jember Lor 1 Min(0,1)=0 2 SDN Jember Lor 2 0,6 Min(0,0.6)=0 3 SDN Jember Lor 3 0,3 Min(0.3,0)=0 4 SDN Jember Lor 4 0,2 Min(0.2,1)=0.2 5 SDN Jember Lor 5 Min(0,0)=0 Max = 0.2

Inference Engine Salah satu model penalaran yang banyak dipakai adalah penalaran max-min OR AND AB [x] = max(A[x], B[x]) AB [x] = min(A[x], B[x])