Penerapan Teori Fuzzy pada Pemasangan Jaringan Internet Alfanet di Kecamatan Pamekasan
Keywords:
Teori Fuzzy, Graf Fuzzy, Jaringan Internet, Alfanet, Konektifitas, PamekasanAbstract
Perkembangan kebutuhan internet yang semakin tinggi menuntut penyedia layanan internet untuk mampu merancang jaringan yang tidak hanya memiliki jangkauan luas, tetapi juga mempunyai tingkat konektivitas, kualitas layanan, efisiensi biaya, dan keandalan yang baik. Permasalahan pemasangan jaringan internet pada wilayah tertentu pada dasarnya merupakan permasalahan pengambilan keputusan multikriteria karena terdapat sejumlah faktor yang bersifat tidak pasti dan sulit dinyatakan secara tegas, seperti kualitas sinyal, jarak antartitik, kondisi jalur pemasangan, kapasitas bandwidth, biaya instalasi, dan tingkat kestabilan koneksi. Penelitian ini bertujuan menerapkan teori fuzzy dalam menentukan alternatif pemasangan jaringan internet Alfanet di Kecamatan Pamekasan melalui pemodelan jaringan sebagai graf fuzzy. Setiap titik jaringan direpresentasikan sebagai simpul, sedangkan hubungan antartitik direpresentasikan sebagai sisi yang mempunyai derajat keanggotaan berdasarkan kualitas koneksi dan kelayakan pemasangan. Metode penelitian menggunakan pendekatan deskriptif-kuantitatif dengan tahapan identifikasi titik jaringan, normalisasi parameter, fuzzifikasi, pembentukan aturan fuzzy, agregasi nilai, defuzzifikasi, serta penentuan jalur jaringan dengan nilai keanggotaan tertinggi. Berdasarkan data simulasi, penerapan teori fuzzy menghasilkan nilai kelayakan pemasangan sebesar 0,87 pada jalur alternatif terbaik, sedangkan alternatif konvensional yang hanya mempertimbangkan jarak menghasilkan tingkat kelayakan yang lebih rendah sebesar 0,68. Hasil tersebut menunjukkan bahwa pendekatan fuzzy mampu mengakomodasi ketidakpastian dan berbagai kriteria secara simultan sehingga dapat membantu menentukan jalur pemasangan jaringan yang lebih stabil dan efisien. Kebaruan penelitian terletak pada integrasi teori fuzzy, struktur graf, dan parameter teknis pemasangan jaringan pada konteks lokal Kecamatan Pamekasan. Penelitian ini memberikan kontribusi praktis bagi pengambilan keputusan penyedia layanan internet dalam menentukan prioritas jalur, titik distribusi, dan alternatif pemasangan jaringan.
References
Ahmad, U., & Nawaz, I. (2022). Directed rough fuzzy graph with application to trade networking. Computational and Applied Mathematics, 41, 366. https://doi.org/10.1007/s40314-022-02073-0
Akram, M., Siddique, S., & Alcantud, J. C. R. (2023). Connectivity indices of m-polar fuzzy network model, with an application to a product manufacturing problem. Artificial Intelligence Review, 56, 7795–7838. https://doi.org/10.1007/s10462-022-10360-9
Alakhras, M., Oussalah, M., & Hussein, M. (2020). A survey of fuzzy logic in wireless localization. EURASIP Journal on Wireless Communications and Networking, 2020, 89. https://doi.org/10.1186/S13638-020-01703-7
Binu, M., Mathew, S., & Mordeson, J. N. (2021). Connectivity status of fuzzy graphs. Information Sciences, 573, 382–395. https://doi.org/10.1016/j.ins.2021.05.068
Costa, U. W., Costa, J. W., Silva, M., & Frances, C. R. (2020). A fuzzy strategy for planning centralized access networks in the installation of hybrid fiber radio systems. IEEE Access. https://doi.org/10.1109/ACCESS.2020.2995559
Gong, Z., Shu, L., Hua, G., & Gao, W. (2022). Connectivity analysis of bipolar fuzzy networks. Mathematical Problems in Engineering, 2022, 6398599. https://doi.org/10.1155/2022/6398599
Gong, Z., et al. (2022). Fuzzy edge connectivity in bipolar fuzzy networks and the applications in topology design. International Journal of Intelligent Systems, 37, 5425–5442. https://doi.org/10.1002/int.22797
Ibadov, N., & Kulejewski, J. (2019). Construction projects planning using network model with the fuzzy decision node. International Journal of Environmental Science and Technology, 16, 4347–4354. https://doi.org/10.1007/s13762-019-02259-w
Jiang, H., & Rao, Y. (2022). Connectivity index in vague graphs with application in construction. Discrete Dynamics in Nature and Society, 2022, 9082693. https://doi.org/10.1155/2022/9082693
Lahiya, I. W., & Arifin, F. (2023). Implementation of FDSS (Fuzzy Decision Support System) Sugeno model in optimizing bandwidth requirement management of web-based networks. ELINVO (Electronics, Informatics, and Vocational Education), 8(2). https://doi.org/10.21831/elinvo.v8i2.57557
Liao, X., Wang, J., & Ma, L. (2021). An algorithmic approach for finding the fuzzy constrained shortest paths in a fuzzy graph. Complex & Intelligent Systems, 7, 17–27. https://doi.org/10.1007/s40747-020-00143-6
Mathew, S., Narayanan, A., & Mordeson, J. N. (2018). Transitive blocks and their applications in fuzzy interconnection networks. Fuzzy Sets and Systems, 352, 142–160. https://doi.org/10.1016/j.fss.2017.10.004
Naeem, M., et al. (2021). Connectivity indices of intuitionistic fuzzy graphs and their applications in Internet routing and transport network flow. Mathematical Problems in Engineering, 2021, 4156879. https://doi.org/10.1155/2021/4156879
Raja, J. R., Lee, J. G., Dhotre, D., Mane, P., Rajankar, O. S., Kalampakas, A., Jambhekar, N. D., & Bhalke, D. G. (2024). Fuzzy graphs and their applications in finding the best route, dominant node and influence index in a network under the hesitant bipolar-valued fuzzy environment. Complex & Intelligent Systems, 10, 5195–5211. https://doi.org/10.1007/s40747-024-01438-8
Rakhmawati, N., Haryeni, D. O., & Baskoroputro, H. (2026). Penerapan algoritma Floyd-Warshall pada multigraf fuzzy. Jurnal Ilmiah Soulmath: Jurnal Edukasi Pendidikan Matematika, 14(1), 29–38. https://doi.org/10.25139/smj.v14i1.11515
Veryard, L., Hagras, H., Conway, A., & Owusu, G. (2023). A heated stack based type-2 fuzzy multi-objective optimisation system for telecommunications capacity planning. Knowledge-Based Systems, 260, 110134. https://doi.org/10.1016/j.knosys.2022.110134
Yasrebi, S., Reza, A., Nikravan, M., & Vazifedan, S. (2021). A fuzzy integrated congestion-aware routing algorithm for network on chip. Frontiers of Information Technology & Electronic Engineering, 22(5), 741–755. https://doi.org/10.1631/FITEE.2000069
Zhao, L., Bi, Z., Lin, M., Hawbani, A., Shi, J., & Guan, Y. (2021). An intelligent fuzzy-based routing scheme for software-defined vehicular networks. Computer Networks, 187, 107837. https://doi.org/10.1016/j.comnet.2021.107837
Zhang, et al. (2020). A genetic algorithm for the fuzzy shortest path problem in a fuzzy network. Complex & Intelligent Systems. https://doi.org/10.1007/s40747-020-00195-8
