ANALISIS DAN PERBANDINGAN FUNGSI KEANGGOTAAN

LINIER DAN KURVA-S LOGIKA FUZZY METODE

TSUKAMOTO

Mohamad Yasin1, Susy Kuspambudi A.2,

Mimiep Setyowati Madja3, Lucky Tri Oktoviana4
1,2,3,4)
Jurusan Matematika FMIPA Universitas Negeri Malang
mohamad.yasin.fmipa@um.ac.id

Abstrak : Salah satu penentukan keakuratan hasil logika fuzzy ditentukan oleh fungsi keanggotaan yang
dipakai. Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input ke dalam nilai
keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval nilai antara 0 sampai
1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui
pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan, diantaranya fungsi linier (baik fungsi linier naik
atau linier turun, atau gabungan antara fungsi linier naik dan fungsi linier turun yang sering dikenal sebagai
kurva segitiga), kurva-S dan kurva bentuk lonceng (bell curve). Pada penelitian ini membandingkan
penggunaan fungsi keanggotaan linier dan fungsi keanggotaan kurva-S. Sedangkan metode inferensi yang
dipakai adalah metode Tsukamoto. Sebagai implementasi dari analisis dan perbandingan kedua fungsi
keanggotaan maka digunakan studi kasus penentuan harga jual smartphone bekas. Hasil penelitian
menunjukkan (1) semakin tinggi nilai fungsi keanggotaan ( nilai fisik, fitur dan minat pasar) maka semakin
tinggi nilai harga jual, (2) Penggunaan Fungsi kurva-S secara umum memiliki nilai harga jual lebih baik jika
dibandingkan dengan kurva linier. (3) Berdasarkan hasil uji coba, dapat diketahui bahwa fungsi keanggotaan
kurva-S memiliki tingkat kesalahan (error) yang lebih kecil jika dibandingkan dengan fungsi keanggotaan
linier. (4) Secara keseluruhan (rata-rata), penggunaan fungsi keanggotaan linier memiliki rata-rata error sebesar
10.99% sedangkan penggunaan fungsi keanggotaan kurva-S memiliki rata-rata error sebesar 5.13%.

Kata Kunci: Logika Fuzzy, Kurva Linier, Kurva-S, Metode Tsukamoto,

PENDAHULUAN
Logika fuzzy merupakan logika yang berhadapan langsung dengan konsep kebenaran
sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam salah (0)
atau benar (1). Logika fuzzy memungkinkan nilai keanggotaan antara salah (0) dan benar (1).
Logika fuzzy menyediakan cara sederhana untuk menggambarkan kesimpulan pasti dari informasi
yang ambigu, samar-samar, atau tidak tepat. Sedikit banyak, logika fuzzy menyerupai pembuatan
keputusan pada manusia dengan kemampuannya untuk bekerja dari data yang ditafsirkan dan
mencari solusi yang tepat (Cahyono dkk, 2013).
Berbagai model telah dikembangkan dalam ilmu komputer di bidang sistem pakar,
memberikan dampak yang baik bagi pengembang aplikasi dalam memecahkan masalah. Salah
satu metode yang dipakai untuk pemecahan masalah tersebut adalah logika fuzzy. Kemudahan
yang diberikan oleh metode ini adalah tingkat fleksibilitas, artinya metode ini memudahkan
pengembangan tidak harus memulai dari awal. Metode inferensi fuzzy dibagi menjadi tiga metode
dengan penemu yang berbeda yaitu Sugeno, Tsukamoto dan Mamdani, dimana banyak aplikasi
yang dibuat dan dikembangkan mengimplementasikan metode metode tersebut (Fatoni, 2011).

Makalah dipresentasikan dalam Seminar Nasional Pendidikan Matematika dengan tema ”Mengembangkan Kompetensi Strategis dan Berpikir
Matematis di Abad 21” pada tanggal 8 April2017 di Prodi Pendidikan Matematika Pascasarjana Universitas Negeri Malang
Prosiding Seminar Nasional Pendidikan Matematika dengan tema Mengembangkan Kompetensi Strategis dan Berpikir Matematis di Abad 21”
pada tanggal 8 April2017 di Prodi Pendidikan Matematika Pascasarjana Universitas Negeri Malang.

Logika fuzzy telah banyak diterapkan dalam berbagai bidang di kehidupan sehari-hari,
diantaranya pada tahun 1990 Matssushita Electric Industrial Company berhasil membuat mesin
cuci yang menerapkan logika fuzzy. Sistem fuzzy digunakan untuk menentukan putaran yang
tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah cucian. Mesin ini
menggunakan sensor optik, mengeluarkan cahaya ke air dan mengukur bagaimana cahaya
tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai makin redup. Tingkat
keredupan sinar inilah yang menentukan kecepatan perputaran mesin cuci. Logika fuzzy juga
dapat digunakan dalam bidang manajemen dan pengambilan keputusan, seperti manajemen
basisdata yang didasarkan pada logika fuzzy, sistem pembuatan keputusan yang didasarkan pada
logika fuzzy, dan lain-lain.
Pengambilan keputusan dalam teknik fuzzy dilakukan dalam beberapa tahapan yaitu :
pembentukan himpunan fuzzy (fuzzification), penentuan fungsi keanggotaan
(membershipfunction), pembuatan aturan-aturan (ruleevaluation) dan defuzzification. Rule
evaluation merupakan konsep bagian utama dari fuzzy yang menjadi dasar untuk menentukan
sistem menjadi pintar atau tidak.
Salah satu penentukan keakuratan hasil logika fuzzy ditentukan oleh fungsi keanggotaan
yang dipakai. Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik
input ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang
memiliki interval nilai antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk
mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi
yang bisa digunakan, diantaranya fungsi linier (baik fungsi linier naik atau linier turun, atau
gabungan antara fungsi linier naik dan fungsi linier turun yang sering dikenal sebagai kurva
segitiga), kurva-S, kurva bentuk lonceng (bell curve).
Masing-masing fungsi keanggotaan memiliki karakteristik yang berbeda-beda. Dalam
penelitian ini akan dianalisis dan dibandingkan dua fungsi keanggotaan yang berbeda, yaitu
fungsi keanggotaan linier dan fungsi keanggotaan kurva pertumbuhan dan penyusutan.
Sedangkan sistem inferensi yang dipakai adalah metode Tsukamoto. Metode Tsukamoto adalah
suatu metode yang cukup fleksible dan untuk data yang ada, metode ini memiliki tingkat toleransi
yang baik.Fuzzy Tsukamoto lebih baik dalam hal menerima masukkan dari manusia dari pada
mesin yang membuat metode ini lebih intuitif, banyak diterima oleh pihak yang ingin
memecahkan masalah dengan metode fuzzy inference system.
Terdapat beberapa model sistem inferensi yang dapat digunakan untuk menghasilkan
kesimpulan dalam fuzzy, antara lain : metode Mamdani, metode Tsukamoto dan metode Sugeno
(TSK). Model-model ini meiliki kesamaan yaitu menggunakan penalaran maju (forward
chainning) menggunakan aturan IF-Then, namun demikian bahwa ketiga model ini juga memiliki
perbedaan khususnya pada hasil (deffuzzyfikasi) dimana metode Tsukamoto dan Mamdani
menghasilkan output berupa himpunan fuzzy, sementara Sugeno menghasilkan output berupa
himpunan konstanta atau persamaan linier..
Dalam penelitian sebelumnya, Pradipta (2104) yang telah berhasil memperkirakan harga
jual smartphone bekas dengan menggunakan metode logika Fuzzy Mamdani. Demikian juga
menurut Sella Prasetya Santoso dan Mohamad Yasin (2016), bahwa logika fuzzy memiliki
akurasi yang baik untuk menentukan harga jual smartphone bekas. Dalam kedua penelitian
sebelumnya, model logika fuzzy yang diterapkan masih menggunakan satu fungsi keanggotaan,
yaitu fungsi keanggotaan linier. Penelitian ini merupakan penelitian lanjutan untuk mengetahui
akurasi dan kehandalan dari dua fungsi keanggotaan yang berbeda, yaitu fungsi keanggotaan
linier dan kurva-S.

2
 ISBN: ___-___-____.

Penelitian ini bertujuan untuk menentukan fungsi keanggotaan linier dan kurva-S,
mengimplementasikan fungsi keanggotaan linier dan kurva-S untuk menentukan harga jual
smartphone bekas dengan bahasa pemrograman Delphi, menganalisis dan membandingkan hasil
perhitungan penerapan fungsi keanggotaan linier dan kurva-S.

METODE
Metode peneletian yang digunakan dalam penelitian ini adalah :
1. Identifikasi Masalah
Identifikasi masalah sangat dibutuhkan untuk mengetahui permasalahan yang berhubungan
dengan harga jual smartphone bekas. Proses identifikasi masalah ini akan membantu dalam
proses pengumpulan data. Yaitu untuk menge-tahui variabel apa saja yang dibutuhkan untuk
memodelkan program penentuan harga jual smartphone bekas.
2. Pengumpulan Data
Pengumpulan data merupakan suatu proses pengadaan data untuk keper-luan penelitian.
Pengumpulan data merupakan suatu prosedur yang sistematis untuk memperoleh data yang
diperlukan. Dalam penelitian ini pengumpulan data dilakukan dengan cara studi literatur,
wawancara dan analisis media massa. Sedangkan data yang diambil adalah data daftar harga
beli smartphonebaru dan data daftar harga jual smartphone bekas.
3. Analisis Data
Menganalisis data yaitu menganalisis data-data yang telah terkumpul. Model logika fuzzy
dipengaruhi oleh data masukan dan data keluaran, atau biasa disebut dengan variabel input
dan variabel output. Dalam hal penentuan harga jual smartphone bekas variabel-variabel yang
berpengaruh adalahkondisi fisik, kondisi fitur fungsional, minat pasar dan yang paling
penting adalah harga beli barunya. Sehinggavariabel-variabel tersebut menjadi variabel input
untuk permo-delan logika fuzzy. Sedangkan variabel outputnya adalah harga jual smartphone
bekas itu sendiri.
4. Perhitungan Manual
Setelah ditentukan variabel input dan output tahapan selanjutnya adalah melakukan
perhitungan secara manual untuk mengetahui kebenaran penerapan
5. Pembuatan Program Fuzzy
Sebelum pembuatan program fuzzyterlebih dahulu melakukan perancang-an program seperti
menentukan kebutuhan program. Setelah itu melakukan peran-cangan sesuai dengan
kebutuhan program yang dalam penelitian berupa data flow diagram, database dan flowchart
program. Kemudian membuat desain program dan dilanjutkan dengan melakukan
implementasi ke dalam program. Setelah selesai maka dilakukan pengujian program.
6. Analisis Hasil
Proses analisa hasil dalam penelitian ini adalah perbandingan data yang didapatkan dari
media massa dengan data yang didapatkan dari hasil program yang telah dirancang.
Kemudian dihitung prosentase akurasinya. Dari prosentase akurasinya maka bisa ditentukan
kevalidan program yang telah dirancang.
Data yang digunakan dalam penelitian ini merupakan data sekunder. Data dalam penelitian
ini diperoleh dari media massa yaitu Tabloid Pulsa, website www.hape.link, website www.droi-
dmu.com, dan websitewww.hargahandphone.biz. Data yang diambil adalah data daftar harga beli
baru smartphone dan data daftar harga jual bekassmartphone. Data tersebut diambil pada bulan
Agustus 2015. Dari berbagai data yang diambil tersebut nantinya akan diolah sebagai bahan
analisis dan perhitungan.
Prosiding Seminar Nasional Pendidikan Matematika dengan tema Mengembangkan Kompetensi Strategis dan Berpikir Matematis di Abad 21”
pada tanggal 8 April2017 di Prodi Pendidikan Matematika Pascasarjana Universitas Negeri Malang.

Untuk mengetahui tingkat kesalahan dari program, maka dilakukan perbandingan data
yang didapatkan dari media massa dengan hasil perhitungan program. Dalam hal ini data yang
dibandingkan adalah data output yaitu harga jual smartphone bekas. Proses per-bandingannya
adalah dengan menghitung selisih data yang didapatkan dari media massa dengan data hasil
perhitunganlogika fuzzy. Dengan menghitung selisih data maka bisa diperoleh tingkat akurasi.
Berdasarkan tingkat akurasi tersebut maka dapat ditentukn kevalidan program fuzzy yang
dirancang. Proses perhitungan akurasi dilakukan dengan menggunakan MAPE (Mean Absolute
Percentage Error) dengan rumus sebagai berikut

Dalam hal ini adalah nilai harga harga jual bekas yang diperoleh dari data asli, nilai

harga harga jual bekas yang diperoleh dari hasil program dan adalah banyak data.
Pedoman dalam pengambilan keputusan dari analisis data menggunakan skala kualifikasi
untuk menentukan kesimpulan. Pedoman interpretasi yang digunakan seperti dalam tabel 1.
Tabel 1 Jenjang Kualifikasi Kriteria Hasil Perhitungan Prosentase (Slavin, 1992)
Kategori Prosentase Keterangan
A (4) ≥ 80% Valid (tidak revisi)
B (3) 60% ≤ x < 80% Cukup Valid (tidak revisi)
C (2) 50% ≤ x < 60% Kurang Valid (revisi sebagian)
D (1) < 50% Tidak Valid (revisi total)

HASIL
Dalam menyelesaikan permasalahaan dengan menggunakan metode Tsukamoto ada
beberapa langkah yang ditempuh. Langkah-langkah tersebut adalah mendefinisikan variabel
fuzzy (fuzzifikasi), pembentukan basis pengetahuan fuzzy, inferensi, dan defuzifikasi (menentukan
output crisp).
1. Fuzzifikasi
Ada lima variabel fuzzy yang dimodelkan yaitu kondisi fisik, kondisi fitur, minat pasar, harga
beli baru dan harga jual bekas
a. Kondisi Fisik; terdiri dari 1 himpunan fuzzy, yaitu BAGUS yang memiliki input antara 1
sampai dengan 10. Fungsi keanggotaan Kondisi Fisik BAGUS direpresentasikan pada
Gambar 1.

Gambar 1 Fungsi Keanggotaan Kondisi Fisik BAGUS

4
 ISBN: ___-___-____.

b. Kondisi Fitur Fungsional; terdiri dari 2 himpunan fuzzy, yaitu BAGUS dan KURANG yang
memiliki input antara 1 sampai dengan 10.

Gambar 2 Fungsi Keanggotaan Kondisi Fitur Fungsional BAGUS

Gambar 3 Fungsi Keanggotaan Kondisi Fitur Fungsional KURANG

c. Minat Pasar; terdiri dari 2 himpunan fuzzy, yaitu TINGGI dan KURANG yang memiliki
input antara 1 sampai dengan 10.

Gambar 4 Fungsi Keanggotaan Minat Pasar TINGGI

Prosiding Seminar Nasional Pendidikan Matematika dengan tema Mengembangkan Kompetensi Strategis dan Berpikir Matematis di Abad 21”
pada tanggal 8 April2017 di Prodi Pendidikan Matematika Pascasarjana Universitas Negeri Malang.

Gambar 5 Fungsi Keanggotaan Minat Pasar RENDAH

d. Harga Beli Baru

Domain harga beli baru ditentukan dengan cara menentukan batas bawah dan batas atas.
Batas bawah dengan mengurangi rata-rata dengan menurunkan harga beli baru terendah
sebesar 80% dan menaikka katagori harga beli baru tertinggi sebesar 120%.

Gambar 6 Fungsi Keanggotaan Harga Beli Baru

e. Harga Jual Bekas

Domain harga jual bekas ditentukan dengan cara menentukan batas bawah dan batas atas.
Batas bawah dengan mengurangi rata-rata dengan menurunkan harga jual bekas terendah
sebesar 80% dan menaikka katagori harga jual bekas tertinggi sebesar 120%..

Gambar 7 Fungsi Keanggotaan Harga Jual Bekas

2. Pembentukan Basis Pengetahuan Fuzzy

6
 ISBN: ___-___-____.

Tahap berikutnya adalah membentuk basis pengetahuan yang berisi aturan dalam
bentuk IF-THEN. Berdasarkan unit penalaran inferensi fuzzy yang berbentuk jika adalah ,

dan adalah , maka adalah maka aturan-aturan yang mungkin dan sesuai dengan
pengetahuan adalahsebagai berikut:
[R1] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is BAGUS And Minat
Pasar is TINGGI And Harga Beli Baru is SANGAT MURAH THEN Harga Jual
Bekas is SANGAT MURAH
[R2] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is BAGUS And Minat
Pasar is TINGGI And Harga Beli Baru is MURAH THEN Harga Jual Bekas is
MURAH
[R3] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is BAGUS And Minat
Pasar is TINGGI And Harga Beli Baru is NORMAL THEN Harga Jual Bekas is
NORMAL
[R4] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is BAGUS And Minat
Pasar is TINGGI And Harga Beli Baru is MAHAL THEN Harga Jual Bekas is
MAHAL
[R5] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is BAGUS And Minat
Pasar is TINGGI And Harga Beli Baru is SANGAT MAHAL THEN Harga Jual
Bekas is SANGAT MAHAL
[R6] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is KURANG And Minat
Pasar is RENDAH And Harga Beli Baru is MURAH THEN Harga Jual Bekas is
SANGAT MURAH
[R7] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is KURANG And Minat
Pasar is RENDAH And Harga Beli Baru is NORMAL THEN Harga Jual Bekas is
MURAH
[R8] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is KURANG And Minat
Pasar is RENDAH And Harga Beli Baru is MAHAL THEN Harga Jual Bekas is
NORMAL
[R9] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is KURANG And Minat
Pasar is RENDAH And Harga Beli Baru is SANGAT MAHAL THEN Harga Jual
Bekas is MAHAL
[R10] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is KURANG And Minat
Pasar is TINGGI And Harga Beli Baru is MURAH THEN Harga Jual Bekas is
SANGAT MURAH
[R11] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is KURANG And Minat
Pasar is TINGGI And Harga Beli Baru is NORMAL THEN Harga Jual Bekas is
MURAH
[R12] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is KURANG And Minat
Pasar is TINGGI And Harga Beli Baru is MAHAL THEN Harga Jual Bekas is
NORMAL
[R13] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is KURANG And Minat
Pasar is TINGGI And Harga Beli Baru is SANGAT MAHAL THEN Harga Jual
Bekas is MAHAL

3. Inferensi
 Prosiding Seminar Nasional Pendidikan Matematika dengan tema Mengembangkan Kompetensi Strategis dan Berpikir Matematis di Abad 21”
pada tanggal 8 April2017 di Prodi Pendidikan Matematika Pascasarjana Universitas Negeri Malang.

Dalam proses inferensi ini dilakukan dengan menggunakan fungsi implikasi MIN
untuk mendapatkan nilai -predikat tiap-tiap aturan . Kemudian masing-

masing nilai -predikat ini digunakan untuk menghitung keluaran hasil inferensi secara tegas

(crisp) masing-masing aturan . Misal :

[R1] IF Kondisi Fisik is BAGUS And Kondisi Fitur Fungsional is BAGUS And Minat Pasar is
TINGGI And Harga Beli Baru is SANGAT MURAH THEN Harga Jual Bekas is
SANGAT MURAH

Berdasarkan fungsi keanggotaan himpunan Harga Jual Bekas SANGAT MURAH maka
nilai
4. Defuzzifikasi
Karena nilaiα yang tidak nol hanya terdapat pada aturan [R3], [R7] dan [R11] maka
dengan menggunakan metode rata-rata berbobot sebagai berikut:

Uji Coba dan Pembahasan

Pengaruh Nilai Keanggotaan Fitur, Fungsional dan Minat Pasar yang Berbeda-beda
Uji coba ini untuk mengetahui pengaruh nilai keanggotaan terhadap harga jual bekas. Dari
hasil percobaan didapat hasil seperti tabel 2 :
Tabel 2. Pengaruh Nilai Keanggotaan Terhadap Harga Jual
Nilai Fungsi
Harga Jual Bekas
Harga Keanggotaan Harga Jual
No. Tipe
Beli Baru Minat Bekas Kurva
Fitur Fungsi Kurva-S
Pasar Linier
10 10 10 2,350,000 2,172,068 2,357,372
9 9 9 2,350,000 2,172,068 2,315,938
8 8 8 2,350,000 2,172,068 2,248,052
7 7 7 2,350,000 2,080,795 2,205,132
1 Galaxy A3 3,100,000
6 6 6 2,350,000 2,055,864 2,192,039
5 5 5 2,350,000 2,043,601 2,192,039
4 4 4 2,350,000 2,038,388 2,173,333
3 3 3 2,350,000 2,008,734 2,145,778
2 Galaxy J1 1,500,000 10 10 10 1,025,000 956,400 1,030,000
9 9 9 1,025,000 956,400 1,018,514
8 8 8 1,025,000 956,400 996,710
7 7 7 1,025,000 923,215 979,490

8
 ISBN: ___-___-____.

6 6 6 1,025,000 913,789 970,525

5 5 5 1,025,000 911,714 963,556
4 4 4 1,025,000 903,273 953,333
3 3 3 1,025,000 892,272 943,111
10 10 10 225,000 205,979 227,006
9 9 9 225,000 205,979 222,286
8 8 8 225,000 205,979 214,568
Andromax 475, 7 7 7 225,000 195,613 209,701
3
C3 000 6 6 6 225,000 192,783 208,232
5 5 5 225,000 191,382 208,232
4 4 4 225,000 190,811 206,133
3 3 3 225,000 187,443 203,004

Dari tabel di atas, apabila dilihat lebih lanjut untuk data pertama (Galaxy A3) dapat digambarkan
grafik hubungan antara nilai fungsi keanggotaan terhadap harga jual sebagai berikut :

Gambar 8 Grafik Hubungan Nilai Fungsi Keanggotaan dengan Harga Jual Bekas (Galaxy A3)

Dari grafik di atas bisa dilihat bahwa :

a. Semakin tinggi nilai fungsi keanggotaan ( nilai fisik, fitur dan minat pasar) maka semakin
tinggi nilai harga jual.
b. Fungsi kurva-S secara umum memiliki nilai harga jual lebih baik jika dibandingkan
dengan kurva linier.

Perbandingan Nilai Harga Jual Bekas Fungsi Keanggotaan Kurva Linier dan Kurva-S
Uji coba ini untuk mengetahui perbandingan dan selisih error antara fungsi keanggotaan
kurva linier dan fungsi keanggotaan kurva-S. Perbandingan dilakukan dengan membandingkan
harga jual bekas secara hitungan dengan rata-rata harga jual bekas berdasarkan data, seperti dapat
dilihat pada tabel 3.
Tabel 3 Perbandingan Nilai Harga Jual Bekas Fungsi Keanggotaan Kurva Linier dan Kurva-S
No. Tipe Harga Jual Bekas Error (%)
Prosiding Seminar Nasional Pendidikan Matematika dengan tema Mengembangkan Kompetensi Strategis dan Berpikir Matematis di Abad 21”
pada tanggal 8 April2017 di Prodi Pendidikan Matematika Pascasarjana Universitas Negeri Malang.

Harga
Harga Beli Kurva
Jual Kurva Linier Kurva-S Kurva-S
Baru Linier
Bekas
2,350,000 2,172,068 2,357,372 7.57 0.31
2,350,000 2,172,068 2,315,938 7.57 1.45
2,350,000 2,172,068 2,248,052 7.57 4.34
2,350,000 2,080,795 2,205,132 11.46 6.16
1 Galaxy A3 3,100,000
2,350,000 2,055,864 2,192,039 12.52 6.72
2,350,000 2,043,601 2,192,039 13.04 6.72
2,350,000 2,038,388 2,173,333 13.26 7.52
2,350,000 2,008,734 2,145,778 14.52 8.69
1,025,000 956,400 1,030,000 6.69 0.49
1,025,000 956,400 1,018,514 6.69 0.63
1,025,000 956,400 996,710 6.69 2.76
1,025,000 923,215 979,490 9.93 4.44
2 Galaxy J1 1,500,000
1,025,000 913,789 970,525 10.85 5.31
1,025,000 911,714 963,556 11.05 5.99
1,025,000 903,273 953,333 11.88 6.99
1,025,000 892,272 943,111 12.95 7.99
225,000 205,979 227,006 8.45 0.89
225,000 205,979 222,286 8.45 1.21
225,000 205,979 214,568 8.45 4.64
Andromax 225,000 195,613 209,701 13.06 6.80
3 475,000
C3 225,000 192,783 208,232 14.32 7.45
225,000 191,382 208,232 14.94 7.45
225,000 190,811 206,133 15.20 8.39
225,000 187,443 203,004 16.69 9.78
Rata-Rata Error 10.99 5.13

Dari tabel di atas, untuk seluruh data yang digunakan untuk uji coba, dapat diketahui
bahwa fungsi keanggotaan kurva-S memiliki tingkat kesalahan (error) yang lebih kecil jika
dibandingkan dengan fungsi keanggotaan linier. Secara keseluruhan (rata-rata), penggunaan
fungsi keanggotaan linier memiliki rata-rata error sebesar 10.99% sedangkan penggunaan fungsi
keanggotaan kurva-S memiliki rata-rata error sebesar 5.13%.

PENUTUP
Kesimpulan
Berdasarkan uraian-uraian pembahasan dapat diperoleh kesimpulan sebagai berikut:
1. Semakin tinggi nilai fungsi keanggotaan ( nilai fisik, fitur dan minat pasar) maka semakin
tinggi nilai harga jual.
2. Fungsi kurva-S secara umum memiliki nilai harga jual lebih baik jika dibandingkan dengan
kurva linier.
3. Berdasarkan hasil uji coba, dapat diketahui bahwa fungsi keanggotaan kurva-S memiliki
tingkat kesalahan (error) yang lebih kecil jika dibandingkan dengan fungsi keanggotaan linier.
Secara keseluruhan (rata-rata), penggunaan fungsi keanggotaan linier memiliki rata-rata error
10
 ISBN: ___-___-____.

sebesar 10.99% sedangkan penggunaan fungsi keanggotaan kurva-S memiliki rata-rata error
sebesar 5.13%.

B. Saran
Berdasarkan hasil dan pembahasan sebelumnya saran yang dapat diberikan adalah sebagai
berikut:
1. Faktor-faktor yang digunakan untuk menentukan harga jual bisa diperluas, tidak saja kondisi
fisik, kondisi fitur fungsional, minat pasar dan harga beli.
2. Pada penelitian ini proses inferensi menggunakan 13 aturan fuzzy. Dengan penambahan
aturan fuzzy bisa menghasilkan harga jual smartphone bekas yang lebih akurat.

DAFTAR PUSTAKA

Cahyono, Angga Tri and Sallu, Sulfikar and Nikentari, Nerfita. Analisa Perbandingan SPK
Menggunakan Metode Fuzzy Sugeno dan Tsukamoto, (online) (jurnal.umrah.ac.id/wp-
content/.../2013/08/Angga-Tri-Cahyono.pdf), diakses 25 Juli 2016

Fatoni. Aplikasi Perhitungan Kalori Harian Penderita Diabetesmelitus Menggunakan Logika Fuzzy. (online)
(https://www.scribd.com/doc/87447814/Jurnal-Matriks-Logika-Fuzzy-Fatoni-Revisi) , diakses 25 Oktober 2016

Hape. 2015. “Harga Samsung Galaxy Terbaru September 2015”. (Online),

(http://hape.link/harga-samsung-galaxy-terbaru-september-2015.html), diakses 18 Agustus
2015.

Hargahandphone. 2015. Harga Samsung Galaxy Terbaru Agustus 2015, (Online),

(http://hargahandphone.biz/2013/01/harga-hp-samsung.html), diakses 17 Agustus 2015.

Kusumadewi, S. 2003. Artificial Intelligence (Teknik dan Aplikasinya).Yogya-arta: Graha Ilmu.

Kusumadewi, S. dan Purnomo, H. 2010. Aplikasi Logika Fuzzy untuk Sitem Pendukung
Keputusan. Yogyakarta : Graha Ilmu.

Pradipta, Pitra Adhipurursa. 2014. Penentuan Harga Jual Smartphone Bekas dengan
Meneraapkan Metode Logika Fuzzy Mamdani, (Online),
(http://eprints.dinus.ac.id/12374/1/jurnal_12302.pdf), diakses 21 April 2015.

Santoso, S. P, and Yasin, M. 2015. Penerapan Logika Fuzzy Metode Tsukamoto untuk
Menentukan Harga Jual Smartphone Bekas. Skripsi tidak diterbitkan. Malang: Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Malang.
Prosiding Seminar Nasional Pendidikan Matematika dengan tema Mengembangkan Kompetensi Strategis dan Berpikir Matematis di Abad 21”
pada tanggal 8 April2017 di Prodi Pendidikan Matematika Pascasarjana Universitas Negeri Malang.

12