Sistem Pendukung Keputusan Dalam Memprediksi Harga Sewa Kos Berbasis Web Menggunakan Fuzzy Tsukamoto (Studi Kasus: Universitas Airlangga Kampus B)

Decision Support System for Predicting Web-Based Boarding House Rental Prices Using Fuzzy Tsukamoto (Case Study: Airlangga University Campus B)

Kota Surabaya merupakan sebuah kota yang terletak di Provinsi Jawa Timur dan salah satu kota besar yang ada di Indonesia. Kota Surabaya memiliki penduduk sebanyak 3.000.076 jiwa, yang terdiri dari penduduk asli juga pendatang. Para pendatang, seperti mahasiswa tentunya memerlukan sebuah tempat untuk ditinggali, seperti kos. Terdapat beberapa faktor yang dapat mempengaruhi mahasiswa dalam memilih kamar kos yang diinginkan, seperti lingkungan, jarak, serta perbandingan harga sewa kos dan fasilitas yang diberikan. Berdasarkan permasalahan tersebut, maka dibutuhkan sebuah sistem untuk membantu mahasiswa dalam memprediksi biaya kos yang harus dibayarkan berdasarkan jarak, luas kamar, dan fasilitas menggunakan metode fuzzy tsukamoto.  Metode ini digunakan dengan menggunakan perhitungan yang adil, sehingga masing – masing kriteria dalam pemilihan keputusan kamar kos memiliki nilai yang sama dan tidak memiliki bobot yang berbeda. Hasil penelitian menunjukkan bahwa pengujian metode fuzzy tsukamoto menggunakan MAPE dalam memprediksi harga kos memiliki nilai error sebanyak 27% dengan akurasi sebesar 72%. Pengujian sistem menggunakan blackbox, menunjukkan sistem berjalan dengan baik secara fungsional hingga mencapai 100%.

The city of Surabaya is a city located in East Java Province and one of the large cities in Indonesia. The city of Surabaya has a population of 3,000,076, consisting of native residents as well as immigrants. Immigrants, such as students, of course need a place to live, such as a boarding house. There are several factors that can influence students in choosing the desired boarding room, such as the environment, distance, and the comparison of boarding house rental prices and the facilities provided. Based on these problems, a system is needed to help students predict the boarding costs that must be paid based on distance, room size, and facilities using the fuzzy Tsukamoto method. This method is used using fair calculations so that each criterion in selecting boarding room decisions has the same value and does not have different weights. The research results show that testing the fuzzy Tsukamoto method using MAPE in predicting boarding prices has an error value of 27% with an accuracy of 72%. System testing using a black box shows the system runs well functionally up to 100%.