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
sumber-sumber
Keputusan
kecerdasan
merupakan
individu
dengan
penggabungan 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 berbedabeda, 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
penyimpanan.
kognitif
Komputer
dalam
membantu
pemrosesan
manusia
dalam
dan 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 komponenkomponen 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
anggotanya
adalah
suatu
sebagai nilai
sebuah pasti
himpunan
(crisp)
dan
yang 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 : µ[x] = (2.3)
0;
x≤a
( x-a) / (b - a)
a<x
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 : µ[x] =
1;
x≤a
(b – x) / (b - a)
a<x
0;
x≥b
(2.4)
-
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 :
µ[x] =
0;
x≤a
( x - a) / (b - a);
a<x≤b
(c - x) / (c - b);
b< x < c
1;
x≥c
(2.5)
-
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 :
µ[x] =
0;
x ≤ a atau x ≥ d
( x – a ) / (b - a);
a<x
1;
b≤x≤c
(d-x)/(d-c);
x>c
(2.6)
-
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]
2.4
(2.9)
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 naikturun) 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.