Sistem Pendukung Keputusan
Fuzzy Database
Entin Martiana Teknik Informatika PENS - 2015 1
Sistem Pendukung Keputusan
Database Standar (Crisp Database)
• Sistem basisdata adalah suatu sistem informasi yang mengintegrasikan kumpulan data yang saling berhubungan satu sama lain dengan membuatnya tersedia untuk beberapa aplikasi organisasi. • Contoh: tabel karyawan (dari sebuah database). Data mentah dari tabel karyawan NIP 01 02 03 04 05 06 07 08 09 10
Nama Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
Tgl. Lahir Th. Masuk Gaji/Bln 03-06-1982 2006 750.000 23-09-1964 1995 1.255.000 12-12-1976 1998 1.500.000 06-03-1975 2008 1.040.000 04-12-1970 2000 950.000 18-11-1973 1999 1.600.000 28-05-1975 2007 1.250.000 09-07-1980 2011 550.000 14-08-1977 2009 735.000 17-09-1987 2010 860.000
2
Sistem Pendukung Keputusan Data temporer dari tabel karyawan NIP 01 02 03 04 05 06 07 08 09 10
Nama Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
Umur Masa Kerja (th.)* 30 6 48 17 36 14 37 4 42 12 39 13 37 5 32 1 35 3 25 2
Gaji/Bln 750.000 1.255.000 1.500.000 1.040.000 950.000 1.600.000 1.250.000 550.000 735.000 860.000
*Asumsi tahun 2012 Bisa diketahui umur dan masa kerja karyawan.
Contoh Query dari database standar: 1. Ingin mendapatkan informasi nama-nama karyawan yang usianya kurang dari 35 tahun ? 2. Ingin mendapatkan informasi nama-nama karyawan yang masa kerjanya kurang dari 5 tahun tetapi gajinya lebih dari 1 juta rupiah ? 3. Ingin mendapatkan informasi nama-nama karyawan yang umurnya kurang dari 40 tahun tapi masa kerja leih dari 10 tahun ? 3
Sistem Pendukung Keputusan
Fuzzy Database • Kenyataannya, manajer perusahaan kadang menginginkan informasi dari data-data yang bersifat ambiguous. – Seperti: umur muda, masa kerja lama, gaji besar, dsb.
• Untuk keperluan ini, maka digunakan basis data fuzzy (Fuzzy Database). • Metode-metode dalam fuzzy database: Tahani, Umano, dsb. • Metode Tahani masih menggunakan menggunakan relasi standar, hanya saja metode ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi querynya. 4
Sistem Pendukung Keputusan
Fuzzy Database
METODE TAHANI
5
Pembentukan himpunan fuzzy untuk variabel usia karyawan
Sistem Pendukung Keputusan
Usia karyawan dibagi menjadi 3 himpunan: MUDA, PAROBAYA, TUA Fungsi kanggotaan
NIP 01 02 03 04 05 06 07 08 09 10
Nama Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
Umur 30 48 36 37 42 39 37 32 35 25
, x ≤ 30 ⎧1 ⎪ 40 − x µ MUDA[ x] = ⎨ ,30 ≤ x ≤ 40 10 ⎪ , x ≥ 40 ⎩0 ⎧ ⎪0 , x ≤ 35 atau x ≥ 50 ⎪⎪ x − 35 µ PAROBAYA[ x] = ⎨ ,35 ≤ x ≤ 45 10 ⎪ Derajat Kenggotaan(µ[x]) ⎪ 50 − x ,45 ≤ x ≤ 50 ⎪⎩ 5 PARO MUDA TUA 1 0 0.4 0.3 0 0.1 0.3 0.8 0.5 1
BAYA 0 0.4 0.1 0.2 0.7 0.4 0.2 0 0 0
0 0.8 0 0 0.2 0 0 0 0 0
, x ≤ 40 ⎧0 ⎪ x − 40 µTUA[ x] = ⎨ ,40 ≤ x ≤ 50 10 ⎪ , x ≥ 50 ⎩1
6
Sistem Pendukung Keputusan
Pembentukan himpunan fuzzy untuk variabel masa kerja
Usia karyawan dibagi menjadi 2 himpunan: BARU, dan LAMA. Fungsi kanggotaan ⎧1 ⎪15 − y µ BARU [ y ] = ⎨ ⎪ 10 ⎩0
NIP 01 02 03 04 05 06 07 08 09 10
Nama Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
Masa Kerja 6 17 14 4 12 13 5 1 3 2
Derajat Kenggotaan(µ[y]) BARU LAMA 0.9 0 0 0.467 0.1 0.267 1 0 0.3 0.133 0.2 0.200 1 0 1 0 1 0 1 0
,y≤5 ,5 ≤ y ≤ 15 , x ≥ 15
, y ≤ 10 ⎧0 ⎪ y − 10 µ LAMA[ y ] = ⎨ ,10 ≤ y ≤ 25 15 ⎪ , y ≥ 25 ⎩1
7
Pembentukan himpunan fuzzy untuk variabel gaji
Sistem Pendukung Keputusan
Usia karyawan dibagi menjadi 3 himpunan: RENDAH, SEDANG, dan TINGGI. Fungsi kanggotaan
NIP 01 02 03 04 05 06 07 08 09 10
Nama Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
Gaji 750.000 1.255.000 1.500.000 1.040.000 950.000 1.600.000 1.250.000 550.000 735.000 860.000
, z ≤ 300 ⎧1 ⎪800 − z µ RENDAH [ z ] = ⎨ ,300 ≤ z ≤ 800 500 ⎪ , z ≥ 800 ⎩0 ⎧ ⎪0 , z ≤ 500 atau z ≥ 1500 ⎪⎪ z − 500 µ SEDANG [ z ] = ⎨ ,500 ≤ z ≤ 1000 500 ⎪ Derajat Kenggotaan(µ[z]) ⎪1500 − z ,1000 ≤ z ≤ 1500 ⎪⎩ 500 RENDAH SEDANG TINGGI 0.1 0 0 0 0 0 0 0.5 0.13 0
0.50 0.49 0 0.92 0.90 0 0.50 0 0 0
0 0.255 0.5 0.04 0 0.6 0.25 0 0 0
, z ≤ 1000 ⎧0 ⎪ z − 1000 µTINGGI [ z ] = ⎨ ,1000 ≤ z ≤ 2000 1000 ⎪ , z ≥ 2000 ⎩1
8
Sistem Pendukung Keputusan
Hasil Fuzzy Database Tahani NIP Nama
Derajat Kenggotaan Umur (µ[x]) MUDA
01 02 03 04 05 06 07 08 09 10
Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
1 0 0.4 0.3 0 0.1 0.3 0.8 0.5 1
PAROB AYA 0 0.4 0.1 0.2 0.7 0.4 0.2 0 0 0
TUA 0 0.8 0 0 0.2 0 0 0 0 0
Derajat Kenggotaan Masa Kerja (µ[y])
Derajat Kenggotaan Gaji (µ[z])
BARU LAMA RENDAH SEDANG TINGGI 0.9 0 0.1 1 0.3 0.2 1 1 1 1
0 0.467 0.267 0 0.133 0.200 0 0 0 0
0.1 0 0 0 0 0 0 0.5 0.13 0
0.50 0.49 0 0.92 0.90 0 0.50 0 0 0
0 0.255 0.5 0.04 0 0.6 0.25 0 0 0
Contoh Query dari fuzzy database: 1. Siapa saja karyawan yang masih muda tapi mempunyai gaji tinggi ? 2. Siapa saja karyawan yang masih muda atau atau karyawan yang mempunyai gaji tinggi ? 3. Siapa saja karyawan yang masih muda tapi masa kerjanya sudah lama ? 4. Siapa saja karyawan yang parobaya dan gajinya sedang, atau karyawan yang parobaya tapi masa kerjanya sudah lama ?
9
Sistem Pendukung Keputusan
Query 1: Siapa saja karyawan yang masih muda tapi mempunyai gaji tinggi ? select NAMA from KARYAWAN where (umur = “MUDA”) and (gaji = “TINGGI”) NIP 01 02 03 04 05 06 07 08 09 10
Nama Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
Umur
Gaji
30 48 36 37 42 39 37 32 35 25
750.000 1.255.000 1.500.000 1.040.000 950.000 1.600.000 1.250.000 550.000 735.000 860.000
MUDA 1 0 0.4 0.3 0 0.1 0.3 0.8 0.5 1
Derajat Kenggotaan TINGGI MUDA & TINGGI 0 0 0.255 0 0.5 0.4 0.04 0.04 0 0 0.6 0.1 0.25 0.25 0 0 0 0 0 0
Hasil query, karyawan bernama: Tia, Lusi, Andy, Tutik. 10
Sistem Pendukung Keputusan
Query 2: Siapa saja karyawan yang masih muda atau atau karyawan yang mempunyai gaji tinggi ? select NAMA from KARYAWAN where (umur = “MUDA”) or (gaji = “TINGGI”) NIP 01 02 03 04 05 06 07 08 09 10
Nama Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
Umur
Gaji
30 48 36 37 42 39 37 32 35 25
750.000 1.255.000 1.500.000 1.040.000 950.000 1.600.000 1.250.000 550.000 735.000 860.000
MUDA 1 0 0.4 0.3 0 0.1 0.3 0.8 0.5 1
Derajat Kenggotaan TINGGI MUDA atau TINGGI 0 1 0.255 0.255 0.5 0.5 0.04 0.3 0 0 0.6 0.6 0.25 0.3 0 0.8 0 0.5 0 1
Hasil query, karyawan bernama: Susi, Adi, Tia, Lusi, Andy, Tutik, Yoga, Rina, dan Kiki. 11
Sistem Pendukung Keputusan
Query 3: Siapa saja karyawan yang masih muda tapi masa kerjanya sudah lama ? select NAMA from KARYAWAN where (umur = “MUDA”) and (masa kerja = “LAMA”) NIP 01 02 03 04 05 06 07 08 09 10
Nama Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
Umur 30 48 36 37 42 39 37 32 35 25
Masa Kerja 6 17 14 4 12 13 5 1 3 2
MUDA 1 0 0.4 0.3 0 0.1 0.3 0.8 0.5 1
Derajat Kenggotaan LAMA MUDA & LAMA 0 0 0.467 0 0.267 0.267 0 0 0.133 0 0.200 0.1 0 0 0 0 0 0 0 0
Hasil query, karyawan bernama: Tia, dan Andy. 12
Sistem Pendukung Keputusan
Query 4: Siapa saja karyawan yang parobaya dan gajinya sedang, atau karyawan yang parobaya tapi masa kerjanya sudah lama ? select NAMA from KARYAWAN where (umur = “PAROBAYA”) and [(gaji = “SEDANG”) and (masa kerja= “LAMA”)] Derajat Kenggotaan NIP 01 02 03 04 05 06 07 08 09 10
Nama Susi Adi Tia Lusi Siska Andy Tutik Yoga Rina Kiki
SEDAN LAMA G 0.50 0.49 0 0.92 0.90 0 0.50 0 0 0
0 0.467 0.267 0 0.133 0.200 0 0 0 0
SEDANG atau LAMA
PARO BAYA
0.5 0.49 0.267 0.92 0.9 0.2 0.5 0 0 0
0 0.4 0.1 0.2 0.7 0.4 0.2 0 0 0
PAROBAYA & (SEDANG atau LAMA) 0 0.4 0.1 0.2 0.7 0.2 0.2 0 0 0
Hasil query, karyawan bernama: Adi, Tia, Lusi, Siska, dan Tutik.
13
Sistem Pendukung Keputusan
ANY QUESTIONS ?
14
