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. (Liulliyah, 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

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).

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).

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

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 A(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).
A : 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 A.
A : x = [0,1]

(2.2)

Fungsi keangotaan A(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 A(x) = , menyatakan x sebagai anggota himpunan A
dengan derajat keanggotaan sebesar .
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 :

[x] =
(2.3)

0;

xa

( x-a) / (b - a)

a<x<b

20

1;

xb

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 :

[x] =

1;

xa

(b x) / (b - a)

a<x<b

0;

xb

(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 :

[x] =

0;

xa

( x - a) / (b - a);

a<xb

(c - x) / (c - b);

b< x < c

1;

xc

(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

:

[x] =

0;

x a atau x d

( x a ) / (b - a);

a<x<b

1;

bxc

(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.
AB = min(A[x], B[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.
AUB = max(A[x], B[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.
A = 1 - A[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.