Penentuan harga jual Mobil Toyota Avanza bekas menggunakan Fuzzy Inference System

Abstract

Indonesia merupakan negara dengan jumlah penjualan mobil bekas tertinggi di Asia Tenggara. Pemilik mobil yang ingin menjual mobil yang dimilikinya karena alasan tertentu, dapat menjual secara pribadi, dengan mengikuti lelang, atau menjual kepada dealer mobil bekas. Bila dibandingkan, menjual mobil secara pribadi daripada dengan cara mengikuti lelang atau menjual lewat dealer mobil bekas memberikan kesulitan bagi pemilik mobil. Kesulitan tersebut terjadi pada saat pemilik menentukan harga jual daripada mobil bekas yang dimilikinya. Kesulitan penentuan harga jual mobil bekas dikarenakan kurangnya pengalaman yang dimiliki oleh pemilik mobil dan terdapat faktor-faktor yang tidak dapat dikuantifikasi. Pada penelitian ini objek yang diamati adalah mobil Toyota Avanza. Avanza merupakan sebuah tipe brand mobil yang diluncurkan oleh Toyota yang sudah dikenal secara luas di masyarakat dan masih merupakan mobil yang banyak dan cepat terjual di pasar mobil bekas. Untuk membantu pemilik mobil menentukan harga jual Avanza bekas, akan ditentukan faktor yang berpengaruh dengan menggunakan metode Critical Incident Technique (CIT) dan dihasilkan enam buah faktor yang berpengaruh terhadap harga jual Avanza bekas yaitu umur mobil, jarak tempuh, kondisi, kelas, harga baru, dan warna. dibuat sebuah Fuzzy Inference System (FIS) berdasarkan 324 buah IF-THEN yang diperoleh dari kombinasi faktor. FIS tersebut menggunakan metode Mamdani dan Sugeno yang telah dioptimisasi dengan proses tuning dan metode Tsukamoto yang telah dioptimisasi dengan menggunakan algoritma genetik. Berdasarkan FIS yang telah dibuat, akan diukur tingkat keakuratan daripada masing-masing sistem dalam melakukan penafsiran harga jual mobil bekas Avanza bila dibandingkan dengan harga hasil penafsiran yang dilakukan oleh seorang expert. Adapun tingkat keakuratan diperoleh dengan menggunakan nilai MAPE. MAPE yang dihasilkan FIS dengan menguji 22 buah data dan dengan metode Mamdani, Sugeno, dan Tsukamoto yang telah dioptimisasi secara berturut-turut adalah 10,665%, 9,220%, dan 11,367%.