Dokumen tersebut membahas penggunaan logika fuzzy untuk memperkirakan harga mobil bekas berdasarkan harga baru dan kondisi mobil. Sistem ini menggunakan dua variabel masukan (harga baru dan kondisi) dan satu variabel keluaran (harga bekas) dengan model Mamdani. Sistem dapat memperkirakan harga jual mobil bekas secara mudah dan cepat berdasarkan perhitungan matematis logika fuzzy.

1. KELOMPOK 8 :
RICO AFRINANDO (1110953009)
SAWALUDIMAN (1110953037)
DOSEN:
HERU DIBYO LAKSONO ,ST, MT

2.  Logika Fuzzy adalah peningkatan dari logika Boolean yang
mengenalkan konsep kebenaran sebagian. Di mana logika
klasik menyatakan bahwa segala hal dapat diekspresikan
dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak),
logika fuzzy menggantikan kebenaran boolean dengan tingkat
kebenaran.
 Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan
1, tingkat keabuan dan juga hitam dan putih, dan dalam
bentuk linguistik, konsep tidak pasti seperti "sedikit",
"lumayan", dan "sangat". Dia berhubungan dengan set fuzzy
dan teori kemungkinan.

4.  Untuk menetukan harga beli mobil bekas setidaknya ada
dua hal yang perlu diperhartikan yaitu harga beli, harga
pasaran mobil baru dan kondisi mobil. Hal tersebut perlu
diperhatikan agar kita sebagai calon pembeli tidak
mengalami kerugian saat membeli mobil tersebut.
 Lalu bagaimana caranya menentukan harga mobil
second dengan mudah dan cepat? Pada kesempatan
penelitian ini penulis akan membuat sebuah sistem
untuk membantu calon pembeli mobil Toyota Avanza
bekas pada bulan April 2011

5.  Perancangan menggunakan logika fuzzy. Tujuannya
adalah untuk mendapatkan model yang di masukkan.
 Proses inference engine menggunakan metode mamdani
 Variabel bebas/masukan yang digunakan adalah HARGA
BARU kendaraan dan KONDISI mobil bekas tersebut
 Variabel tak bebas/keluaran adalah HARGA SEKON dari
mobil tersebut

6. Blok diagram
Pengumpulan
data
Penetuan tipe
FIS yang
digunakan
Pembentukan
fungsi
keanggotaan dan
himpuanan fuzzy
Proses
defuzzyfikasi
Proses
penalaran
(Inference)
Pembentukan
aturan (Rule)
Hasil / harga bekas

7.  Perancangan fis dengan 2 variabel masukan dan 1
variabel output
a. Input. Menggunakan 2 input:
1. Harga baru / harga beli mobil
2. Kondisi mobil
Membersip
Function
Murah
mahal
Membersip
Function
Baik
Sangat baik

8. b. Output. Menggunakan 1 variabel output
1. Harga bekas mobil tersebut
Murah
mahal
Membersip
Function

9. •Pembentukan membersip
function
1. Klik variabel masukan
pertama, kemudian ganti
nama menjadi harga baru
2. Setting / atur nilai range
yang diinginkan . Yang
digunakan (147 154)
3. Ganti kurva. Disini
megguanakan trapmf
4. Atur params yang akan
digunakan.
5. Membersip function , mf1
dan mf2 diganti dengan
murah dan mahal

10. •Pembentukan membersip
function variabel kondisi
1. Klik variabel masukan
kedua, kemudian ganti
nama menjadi kondisi
2. Setting / atur nilai range
yang diinginkan . Yang
digunakan (75 100) dalam
%
3. Ganti kurva. Disini
megguanakan trapmf
4. Atur params yang akan
digunakan.
5. Membersip function , mf1
dan mf2 diganti dengan
baik dan sangat baik

11. •Pembentukan membersip
function keluaran variabel
harga bekas
1. Klik variabel masukan
kedua, kemudian ganti
nama menjadi harga bekas
2. Setting / atur nilai range
yang diinginkan . Yang
digunakan (130 160)
3. Ganti kurva. Disini
megguanakan trapmf
4. Atur params yang akan
digunakan.
5. Membersip function , mf1
dan mf2 diganti dengan
murah dan mahal

13. Defuzzifikasi adalah proses perubahan besaran fuzzy yang
disajikan dalam bentuk himpunan-himpunan fuzzy keluaran
dengan fungsi keanggotaannya untuk mendapatkan kembali
bentuk tegasnya (crisp).
Pada tahap defuzzifikasi ini, semua nilai keluaran fuzzy yang
dihasilkan pada proses evaluasi rule di kombinasikan dengan
fungsi keanggotaan keluaran untuk mendapatkan keluaran yang
sesuai dengan sistem yang kita inginkan.
Berdasarakan derajat keanggotan parameter keluaran
dilakukan proses FIS (Fuzzy Inference System) dengan model
mamdani dengan metode centroid.
Berikut adalah hasil dari defuzzifikasi yang menunjukan rule
viewer FIS Mamdani:

17. Fungsi Variabel
Himpunan Semesta
Domain
Fuzzy Pembicaraan
Input
Harga bekas
Murah
147-154 juta
147-152 juta
Mahal 149-154 juta
Kondisi
Baik
75-100 %
75-95 %
Sangat-
baik
80-100 %

18. Setelah melakukan penentuan harga bekas maka :
1. Metodfe logika fuzzy ini menggunakan data historis
yang diakumulasikan dalam beberapa periode waktu,
yaitu dari tanggal 16 februari sampai 18 februari 2012
2. Besaranya harga beli/ harga baru dan baiknya kondisi
mobil dijadikan input penentuan, dan harga bekas
mobil tersebut dijadikan sebagai output.
3. Fis yang digunakan adalah tipe madani
4. Sistem dapat menghemat waktu yang digunakan
secara manual dengan waktu secara metode logika
fuzzy.

19. Menentukan perkiraan harga jual mobil bekas bisa dilakukan
secara mudah dan cepat dengan menggunakan metode
atau alat bantu analisis Fuzzy Logic (logika samar). Dengan
menggunakan Fuzzy Logic prediksi yang dihasilkan
bukanlah prediksi asal yang tidak berdasar. Hasil inferensi
dari Fuzzy Logic adalah berupa angka taksiran berdasarkan
perhitungan matematis sehingga tingkat keakuratannya pun
bisa diukur.
Sistem yang penulis buat ini masih sangat sederhana