Jurnal TICOM: Technology of Information and Communication Volume 14.
Nomor 1.
September 2025
Hal: 55-59
E-ISSN: 2962-7982
Rancang Bangun Sistem Pendukung Keputusan Berbasis Fuzzy Logic untuk Pemilihan Lokasi Cabang Baru (Studi Kasus: Toko Ady Alam Accessorie.
Heryadi1*.
Sri Rama Putri2 Ilmu Komputer.
Teknik Informatika.
Universitas Pamulang.
Tangerang Selatan.
Indonesia Jl.
Surya Kencana No.
Pamulang.
Kota Tangerang Selatan.
Banten 15417.
Indonesia E-mail: 1*adyalam10@gmail.
com, 2dosen02364@unpam.
(*: corresponding autho.
PENDAHULUAN Dalam era persaingan usaha yang semakin kompetitif dan penuh ketidakpastian, kemampuan perusahaan dalam merumuskan keputusan strategis yang cepat, akurat, dan adaptif menjadi faktor kunci keberhasilan .
Salah satu keputusan penting bagi perusahaan yang sedang berkembang adalah pemilihan lokasi operasional yang tepat .
Lokasi yang strategis dapat memberikan keuntungan signifikan, seperti peningkatan profitabilitas, efisiensi operasional, kemudahan akses pelanggan, serta memperkuat posisi kompetitif di pasar .
Sebaliknya, lokasi yang kurang tepat berpotensi menimbulkan kerugian ekonomi, penurunan produktivitas, dan melemahkan daya saing dalam jangka panjang .
Proses penentuan lokasi usaha bersifat kompleks karena melibatkan berbagai variabel yang saling berhubungan dan menuntut kajian mendalam .
Faktor-faktor yang perlu diperhatikan meliputi biaya sewa, kemudahan akses ke lokasi, tingkat persaingan, serta potensi pasar yang tercermin dari jumlah penduduk dan karakteristik demografisnya .
Tantangan semakin besar ketika sebagian faktor bersifat subjektif, seperti kenyamanan akses atau tingkat persaingan, yang sulit diukur secara numerik .
Ketidakpastian ini sering kali menyebabkan pengambilan keputusan menjadi tidak konsisten dan bergantung pada intuisi pengambil keputusan .
Kondisi tersebut umum terjadi pada sektor Usaha Mikro.
Kecil, dan Menengah (UMKM) di Indonesia, di mana banyak pelaku usaha masih mengandalkan penilaian subjektif tanpa dukungan sistem analisis yang terstruktur .
Akibatnya, keputusan yang dihasilkan sering kali tidak optimal dan berpotensi menimbulkan inefisiensi .
Untuk menghadapi tantangan ini, diperlukan pendekatan berbasis teknologi yang mampu menggabungkan data kuantitatif dan kualitatif serta mengakomodasi unsur ketidakpastian dalam proses pengambilan keputusan .
Salah satu pendekatan yang efektif dalam kondisi tersebut adalah Sistem Pendukung Keputusan (SPK) berbasis Fuzzy Logic, yang dirancang untuk membantu proses penentuan pilihan pada masalah multi-kriteria .
Fuzzy Logic memungkinkan sistem merepresentasikan data linguistikAi seperti AumurahAy.
AusedangAy, dan AumahalAyAike dalam bentuk AbstrakAi Dalam konteks pengembangan bisnis, penentuan lokasi cabang baru merupakan langkah strategis yang berperan penting dalam menentukan keberhasilan maupun kegagalan usaha.
Beragam aspek seperti besaran biaya sewa, kemudahan akses, intensitas persaingan, serta potensi pasar perlu diperhatikan secara simultan.
Akan tetapi, proses pengambilan keputusan sering kali menjadi rumit karena adanya unsur ketidakpastian dan faktor subjektif pada variabel-variabel tersebut.
Sehingga, temuan ini berfokus pada perancangan Sistem Pendukung Keputusan (SPK) yang ditujukan untuk membantu memilih lokasi secara lebih optimal.
Fuzzy Logic dimanfaatkan untuk mengolah informasi baik yang bersifat kuantitatif maupun kualitatif, sehingga mampu mengakomodasi ketidakpastian pada faktor-faktor seperti aksesibilitas maupun tingkat persaingan.
Sistem yang dikembangkan kemudian memberikan rekomendasi berdasarkan kombinasi variabel yang relevan, serta diuji pada sejumlah lokasi alternatif.
Hasil pengujian memperlihatkan bahwasanya SPK ini efektif dalam mendukung proses pengambilan keputusan, dengan keluaran yang lebih realistis maupun akurat dibandingkan metode konvensional.
Kata KunciAi Ekspansi Bisnis.
Fuzzy Logic.
Pemilihan Lokasi.
Sistem Pendukung Keputusan AbstractAi In the context of business development, determining the location of a new branch is a strategic step that plays an important role in determining the success or failure of a business.
Various aspects such as the amount of rent, ease of access, intensity of competition, and market potential need to be considered However, the decision-making process is often complicated due to the uncertainty and subjective factors involved in these variables.
Therefore, this study focuses on designing a Decision Support System (DSS) aimed at helping to select locations more optimally.
Fuzzy Logic is used to process both quantitative and qualitative information, thereby accommodating uncertainty in factors such as accessibility and competition levels.
The developed system then provides recommendations based on a combination of relevant variables and is tested on a number of alternative locations.
The test results show that this DSS is effective in supporting the decision-making process, with more realistic and accurate outputs compared to conventional methods.
KeywordAi Branch Location.
Business Expansion.
Decision Support System.
Fuzzy Logic.
Location Selection.
Jurnal TICOM: Technology of Information and Communication Volume 14.
Nomor 1.
September 2025 matematis, sehingga dapat diproses secara sistematis untuk menghasilkan rekomendasi yang lebih akurat .
Metode Fuzzy Tsukamoto merupakan salah satu varian inferensi fuzzy yang banyak digunakan karena sifatnya yang mampu menghasilkan output crisp .
melalui proses weighted average dari setiap aturan fuzzy yang bersifat monoton .
Beberapa penelitian telah membuktikan efektivitas metode ini dalam berbagai bidang, seperti pemilihan lokasi usaha .
, penerimaan beasiswa, penentuan kualitas air, dan seleksi karyawan.
Dalam konteks ini.
Toko Ady Alam Accessories, yang bergerak di bidang penjualan aksesoris ponsel dan perangkat elektronik, berencana membuka cabang baru untuk memperluas pangsa pasar.
Namun, proses pemilihan lokasi masih dilakukan secara manual tanpa dukungan sistem analisis yang objektif, sehingga hasil keputusan berpotensi bias.
Oleh karena itu, penelitian ini mengusulkan pengembangan Sistem Pendukung Keputusan berbasis Fuzzy Logic Tsukamoto untuk membantu pemilik usaha menentukan lokasi cabang baru dipertanggungjawabkan secara ilmiah.
Tujuan utama dari penelitian ini adalah merancang dan membangun sistem berbasis web menggunakan metode Fuzzy Tsukamoto untuk memberikan rekomendasi lokasi cabang baru yang optimal berdasarkan empat variabel utama, yaitu harga sewa, jumlah pesaing, aksesibilitas, dan jumlah penduduk.
Diharapkan sistem ini dapat menjadi alat bantu pengambilan keputusan yang efektif serta mendukung pengembangan bisnis berkelanjutan di era digital saat ini.
Hal: 55-59
E-ISSN: 2962-7982
Identifikasi Masalah Tahap awal penelitian untuk memahami permasalahan utama, yaitu sulitnya menentukan lokasi cabang baru secara .
Pengumpulan Data Pengumpulan data dalam penelitian ini dilaksanakan melalui survei lapangan serta wawancara dengan pihak-pihak yang memiliki keterkaitan langsung.
Survei lapangan bertujuan memperoleh gambaran nyata mengenai kondisi lokasi yang berpotensi dijadikan cabang baru, sementara wawancara dilakukan untuk menghimpun perspektif pemilik maupun informan relevan lainnya.
Data yang diperoleh mencakup besaran biaya sewa sebagai indikator beban finansial, tingkat aksesibilitas yang mencerminkan kemudahan pencapaian lokasi, jumlah kompetitor di sekitar wilayah sebagai ukuran intensitas persaingan, serta jumlah penduduk yang merepresentasikan potensi pasar pada daerah tersebut.
Analisa Kebutuhan Sistem Tahapan ini menganalisis kebutuhan pengguna .
emilik tok.
dan sistem yang akan dibangun.
Menentukan spesifikasi input, proses, dan output sistem pendukung keputusan.
Menetapkan kebutuhan perangkat keras, perangkat lunak, serta data yang diperlukan untuk mendukung metode Fuzzy Logic Tsukamoto.
Perancangan Sistem Merancang struktur sistem menggunakan Unified Modeling Language (UML) seperti Use Case Diagram.
Class Diagram, dan Activity Diagram.
Mendesain database untuk menyimpan data calon Lokasi dan variabel fuzzy.
Membuat rancangan antarmuka pengguna (UI) agar sistem mudah dioperasikan dan II.
METODOLOGI PENELITIAN
Metode Penelitian Tahapan Penelitian dalam menentukan Lokasi cabang baru Toko Ady Alam Accessories sebagai berikut :
Implementasi Sistem Tahapan pengkodean sistem berdasarkan hasil desain.
Menerapkan metode Fuzzy Tsukamoto dalam logika sistem untuk menentukan kelayakan lokasi cabang baru.
Model Pengembangan Sistem Software Development Life Cycle (SDLC) SDLC merupakan kerangka kerja yang digunakan sebagai pedoman dalam pengembangan perangkat lunak, mulai dari tahap perencanaan hingga pemeliharaan.
Proses ini meliputi beberapa tahapan penting, antara lain analisis kebutuhan untuk memahami ekspektasi pengguna, penyusunan spesifikasi sistem, perencanaan alur kerja, implementasi teknis melalui pengkodean, serta pengujian untuk memastikan sistem berfungsi secara andal.
Setelah tahap implementasi, perangkat lunak diterapkan dalam lingkungan operasional dan menjalani pemeliharaan berkelanjutan agar performanya tetap optimal.
Penerapan SDLC bertujuan untuk memastikan pengembangan perangkat lunak dilakukan secara terstruktur dan terorganisir, sehingga produk yang diperoleu sejalan dengan keperluan pengguna maupun memiliki nilai guna jangka Panjang.
Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) sebagai sistem yang dikembangkan untuk Gambar 1 Tahapan Penelitian Jurnal TICOM: Technology of Information and Communication Volume 14.
Nomor 1.
September 2025
Hal: 55-59
E-ISSN: 2962-7982
ycu O yca ycaycycayc ycu Ou yca .
cu Oe yc.
yca < ycu O yca yuN.
= .
ca Oe yc.
ca Oe yc.
yca < ycu < yca { .
ca Oe yc.
membantu proses penyelesaian masalah sekaligus mendukung komunikasi dalam situasi yang mana sifatya semi-terstruktur.
Tujuan utama SPK adalah mempermudah pengambil keputusan dalam memilih alternatif yang paling tepat.
Sistem ini menghasilkan output berupa perhitungan yang telah diolah sedemikian rupa, sehingga keputusan yang diambil dapat dipertanggungjawabkan maupun sejalan dengan kriteria yang telah ditetapkan.
Penjelasan :
: Nilai dengan derajat keanggotaan dari x terhadap suatu himpunan fuzzy.
a,b,c: Parameter fungsi segitiga, dengan urutan a<b<c <:
a:Titik awal di mana nilai keanggotaan mulai meningkat dari 0.
b:Titik puncak yang merepresentasikan nilai keanggotaan maksimum, yaitu 1.
c:Titik akhir di mana nilai keanggotaan kembali turun menjadi Metode Fuzzy Logic Logika Fuzzy digunakan untuk menangani permasalahan yang bersifat tidak pasti dan memiliki berbagai kemungkinan Secara umum, logika ini termasuk dalam kategori logika multivalued, yaitu logika dengan banyak nilai yang dapat merepresentasikan kondisi antara dua pernyataan klasik, seperti benarAesalah, yaAetidak, atau hitamAeputih.
Salah satu pendekatan dalam logika Fuzzy adalah metode Fuzzy Tsukamoto, yang beroperasi berdasarkan sekumpulan aturan berbentuk AujikaAemakaAy .
fAethe.
untuk mengaitkan kondisi tertentu dengan keluaran yang diharapkan.
Metode ini biasanya melalui tiga tahapan utama.
Pertama, fuzzifikasi, yaitu proses mengubah data input menjadi bentuk Fuzzy melalui fungsi keanggotaan.
Kedua, inferensi Fuzzy, yakni penerapan aturan AujikaAemakaAy untuk menghasilkan output dalam bentuk Fuzzy.
Ketiga, defuzzifikasi, yaitu konversi output Fuzzy menjadi nilai tegas .
menggunakan metode seperti ratarata berbobot .
eighted averag.
Metode Tsukamoto banyak digunakan karena kemampuannya dalam menangani informasi yang tidak pasti atau samar, serta memberikan rekomendasi yang akurat dan andal dalam pengambilan keputusan yang Implementasi Program Login Gambar 2.
Login Gambar 1 merupakan tampilan halaman login mempunyai yang berfungsi sebagai gerbang awal untuk memasuki sistem, di mana proses autentikasi menjadi tahap fundamental yang harus dijalani sebelum pengguna memperoleh hak akses terhadap fitur-fitur yang tersedia.
Pada bagian ini, pengguna diminta mengisi formulir yang umumnya memuat username dan password, kemudian menekan tombol login yang berfungsi mengirimkan data autentikasi guna divalidasi oleh sistem.
HASIL DAN PEMBAHASAN
Dalam penerapan sistem pendukung keputusan berbasis Fuzzy Logic, metode Fuzzy Tsukamoto menjadi satu dari sekian komponen penting yang dipergunakan dalam menentukan hasil keputusan.
Mekanisme ini terdiri dari tiga tahapan utama yang berjalan secara berurutan, yaitu tahap fuzzifikasi untuk mengubah data masukan ke dalam bentuk fuzzy, tahap inferensi yang memproses aturan-aturan berbasis logika fuzzy, serta tahap defuzzifikasi yang menghasilkan nilai akhir dalam bentuk keputusan yang lebih mudah dipahami oleh Pada tahap ini, setiap data numerik yang dimasukkan pengguna, misalnya besarnya biaya sewa, jumlah populasi, tingkat akses menuju lokasi, maupun jumlah kompetitorAi dikonversi ke dalam bentuk linguistik seperti AuMurahAy.
AuSedangAy, atau AuMahalAy.
Masing-masing kategori linguistik memiliki derajat keanggotaan tertentu, yang dihitung berdasarkan kurva fungsi keanggotaan yang digunakan.
Proses ini memungkinkan data yang awalnya bersifat kuantitatif dapat dipetakan ke dalam nilai fuzzy sehingga lebih mudah diproses pada tahap berikutnya.
Halaman Data Toko Gambar 3.
Halaman Data Toko Gambar 3 merupakan tampilan Halaman data toko yang berfungsi sebagai pusat pengelolaan data terkait calon lokasi cabang baru yang akan dianalisa.
Data yang tersimpan Jurnal TICOM: Technology of Information and Communication Volume 14.
Nomor 1.
September 2025 memiliki signifikansi tinggi karena menjadi sumber utama dalam proses perhitungan dengan metode Fuzzy.
Melalui halaman ini, pengguna dapat meninjau daftar toko yang telah terdaftar, menambahkan entri baru melalui formulir input, serta memastikan keakuratan data sebelum diproses lebih lanjut oleh Tujuan utama dari halaman ini yaitu memberikan kemudahan sekaligus kendali penuh bagi pengguna dalam mengatur data yang diperlukan pada tahap analisis.
Hal: 55-59
E-ISSN: 2962-7982
Gambar 6 merupakan tampilan halaman aksesibilitas yang berfungsi yakni menampilkan hasil fuzzifikasi dari nilai kemudahan akses lokasi toko.
Halaman Jumlah Penduduk Halaman Harga Sewa Gambar 7.
Halaman Jumlah Penduduk Gambar 7 merupakan tampilan halaman jumpal penduduk yang menampilkan hasil fuzzifikasi untuk variabel jumlah penduduk di sekitar lokasi toko, yang dikategorikan ke dalam label linguistik seperti rendah, menengah, dan tinggi.
Halaman ini berfungsi untuk memberikan representasi yang lebih terukur mengenai potensi pasar, sehingga analisis permintaan dapat dilakukan dengan tingkat akurasi yang lebih tinggi berdasarkan data kependudukan yang tersedia.
Gambar 4.
Halaman Harga Sewa Gambar 4 merupakan tampilan halaman Daftar harga Sewa yang berfungsi untuk memperlihatkan output proses fuzzifikasi pada variabel harga sewa, yakni mengubah nilai numerik menjadi derajat keanggotaan pada kategori linguistik, seperti murah, sedang, maupun mahal.
Tidak hanya itu, halaman ini juga memberikan fasilitas yang memungkinkan pengguna menyesuaikan parameter fungsi keanggotaan sesuai dengan kebutuhan analisis yang sedang dilakukan.
Halaman Hasil Klasifikasi Halaman Tingkat Persaingan Gambar 5.
Halaman Tingkat Persaingan Gambar 8.
Halaman Hasil Klasifikasi Gambar 5 merupakan tampilan halaman tingkat persaingan yang digunakan untuk memperlihatkan hasil fuzzifikasi pada variabel tingkatan persaingan, yang merepresentasikan jumlah kompetitor di sekitar lokasi cabang.
Gambar 8 merupakan tampilan halaman hasil klasifikasi pada sistem SPK berbasis Fuzzy Logic menampilkan output evaluasi kelayakan lokasi cabang baru berdasarkan kriteria seperti tingkat persaingan, biaya sewa, dan jumlah penduduk.
Bagian atas halaman menyajikan grafik batang perbandingan lokasi AuLayakAy dan AuTidak LayakAy, sedangkan bagian bawah menampilkan tabel nilai fuzzy setiap kriteria beserta keputusan akhir, sehingga pengguna dapat memperoleh ringkasan dan analisis detail secara bersamaan.
Halaman Aksesibilitas IV.
PENUTUP
Perancangan Sistem Pendukung Keputusan (SPK) berbasis Fuzzy Logic telah berhasil untuk dikembangkan memberikan dukungan bagi pemilik Toko Ady Alam Accessories dalam pemilihan lokasi cabang baru secara lebih terstruktur dan Sistem ini diimplementasikan dalam bentuk aplikasi berbasis web yang mampu memproses berbagai jenis data, baik Gambar 6.
Halaman Aksesibilitas Jurnal TICOM: Technology of Information and Communication Volume 14.
Nomor 1.
September 2025
Hal: 55-59
E-ISSN: 2962-7982
kuantitatif maupun kualitatif, dengan memanfaatkan metode .
Burhanudin.
Sucipto.
And H.
AsyAoari.
AuSistem Pendukung Keputusan Pemilihan Siswa Beprestasi Berbasis Web Dengan Metode Fuzzy.
Pendekatan ini memungkinkan analisis alternatif lokasi Fuzzy Logic Tsukamoto (Studi Kasus: SMP Unggulan Nu Mojoagun.
,Ay dilakukan Proses ini meliputi tahapan fuzzifikasi, inferensi, dan Journal Of Computer Science And Information Technology, vol.
1, no.
defuzzifikasi, sehingga data bersifat linguistik dapat diubah 99-109, 2024, doi: 10.
59407/jcsit.
menjadi nilai numerik yang menjadi dasar penilaian kelayakan Hasil yang diperoleh berupa rekomendasi klasifikasi
AuLayakAy atau AuTidak LayakAy, yang dihasilkan melalui analisis multi-kriteria berdasarkan rule base Fuzzy yang telah disusun REFERENSI