Analisa Perbandingan SPK Menggunakan ... -...
Transcript of Analisa Perbandingan SPK Menggunakan ... -...
Angga Tri Cahyono, Sulfikar Sallu, S.Kom., M.Kom dan Nerfita Nikentari, ST., M.Cs.
Jurusan Informatika, Fakultas Teknik
Universitas Maritim Raja Ali Haji (UMRAH)
Jl. Politeknik Senggarang, Tanjungpinang 29115
E-mail: [email protected]
Abstrak
Selama ini bonus yang diperoleh karyawan di PT Sigma Dwikarsa Wasindo adalah total poin yang
diperoleh dikalikan dengan bonus per satu poin. Sedangkan karyawan teladan adalah yang memiliki nilai rata-
rata tertinggi. Cara seperti ini tentu memiliki banyak kekurangan karena penilaian terhadap masing-masing
karyawan tidak objektif.
Logika fuzzy dirasa sangat cocok dalam menyelesaikan permasalahan di atas secara cepat, tepat dan
objektif. Pada penelitian ini dibangun aplikasi yang dapat membantu untuk menganalisa perbandingan metode
fuzzy sugeno dan tsukamoto dalam studi kasus di atas. Variabel yang digunakan untuk penentuan bonus adalah
kerjasama, problem solving, lama kerja, loyalitas, kinerja dan bonus. Sedangkan pada pemilihan karyawan
teladan adalah perilaku, komunikasi, kedisiplinan, kinerja dan hasil. Varibael input menggunakan 3 himpunan
fuzzy dan variabel outputnya menggunakan 2 himpunan fuzzy. Sistem ini menggunakan fungsi keanggotaan
bentuk kurva linier.
Dari 25 sampel data karyawan menunjukkan bahwa perhitungan bonus menggunakan metode sugeno
mempunyai rata-rata tingkat error 3,51% dan kecepatan perhitungan 0,00726598 detik, sedangkan metode
tsukamoto 36,70% dan 0,007607748 detik. Pada pemilihan karyawan teladan metode sugeno mempunyai rata-
rata tingkat error 3,00% dan kecepatan perhitungan 0,0019221 detik, sedangkan metode tsukamoto 38,38%
dan 0,0020729 detik.
Kata kunci : fuzzy, metode sugeno, metode tsukamoto, variabel, fungsi keanggotaan, tingkat error, kecepatan
perhitungan.
Abstract
All this time the bonus earned by employees in PT Sigma Dwikarsa Wasindo is the total points earned
multiplied by the bonus by one point. While the model employee is who has the highest value average . This way
certainly has many shortcomings because the assessment of each employee is not objective.
Fuzzy logic is considered very suitable in solving the above problems quickly, accurately and
objectively. In this study built application that may help to analyze the comparison of Sugeno and Tsukamoto
fuzzy method in the case study above. Variables used for the determination of the bonus are cooperation,
problem solving, long work, loyalty, performance and bonus. While on the employee model selection are
behavior, communication, discipline, performance and result. Variables for input using 3 fuzzy sets and output
using 2. In this system uses a linear curve membership function.
25 samples of the data show that the calculation of Sugeno bonus has 3.51% average error rate and
computation speed 0.00726598 seconds, whiletTsukamoto 36.70% and 0.007607748 seconds. On employee
model selection sugeno has 3.00% average error rate and computation speed 0.0019221 seconds, while
tsukamoto 38.38% and 0.0020729 seconds.
Keywords: fuzzy, Sugeno method, Tsukamoto method, variable, membership function, error rate,
computation speed.
Analisa Perbandingan SPK Menggunakan
Metode Fuzzy Sugeno dan Tsukamoto
1. Pendahuluan
Selama ini pemberian bonus karyawan
yang dilakukan di PT Sigma Dwikarsa
Wasindo dengan cara memberikan
formulir pengisian kepada karyawan untuk
menilai karyawan yang lain berdasarkan
kriteria – kriteria yang ditentukan. Selain
itu manajemen juga ikut memberikan
penilaian dengan cara melihat keseharian
karyawan. Jumlah bonus yang diperoleh
tiap – tiap karyawan adalah total
keseluruhan poin yang diperoleh dikalikan
dengan bonus uang yang sudah ditentukan
per satu poin. Sedangkan karyawan teladan
adalah karyawan yang memiliki nilai rata –
rata tertinggi berdasarkan kriteria – kriteria
yang ditentukan. Cara seperti ini tentu
memiliki banyak kekurangan untuk
menentukan tepat atau tidaknya jumlah
bonus yang diberikan dan siapa yang
berhak untuk menjadi karyawan teladan
karena penilaian terhadap masing – masing
karyawan tidak objektif.
Logika fuzzy (logika samar) merupakan
logika yang berhadapan langsung dengan
konsep kebenaran sebagian, dimana logika
klasik menyatakan bahwa segala hal dapat
di ekspresikan dalam binary 0 atau 1.
logika fuzzy memungkinkan nilai
keanggotaan antara 0 dan 1. Fuzzy logic
menyediakan cara sederhana untuk
menggambarkan kesimpulan pasti dari
informasi yang ambigu, samar – samar,
atau tidak tepat. Sedikit banyak, fuzzy logic
menyerupai pembuatan keputusan pada
manusia dengan kemampuannya untuk
bekerja dari data yang ditafsirkan dan
mencari solusi yang tepat.Ada beberapa
metode fuzzy antara lain metode sugeno,
metode tsukamoto dan metode mamdani.
Dari uraian di atas , logika fuzzy dirasa
sangat cocok dan diharapkan dapat
menyelesaikan pemasalahan dalam
menentukan jumlah bonus yang diperoleh
tiap-tiap karyawan serta membantu dalam
pemilihan karyawan teladan secara cepat
dan tepat.
1.2 Perumusan Masalah
Dari uraian latar belakang penelitian diatas
dapat dirumuskan permasalahan penelitian
adalah sebagai berikut :
1. Bagaimana membangun sebuah sistem
pendukung keputusan yang dapat
membantu direktur utama untuk
menentukan jumlah bonus serta
membantu dalam pemilihan karyawan
teladan di PT. Sigma Dwikarsa
Wasindo secara objektif.
2. Bagaimana penerapan logika fuzzy
metode tsukamoto dan sugeno ke dalam
aplikasi yang dibuat.
3. Bagaimana perbandingan hasil metode
fuzzy tsukamoto dan sugeno jika
diterapkan dalam kasus penentuan
besarnya bonus atau tunjangan
karyawan dan pemilihan karyawan
terbaik berdasarkan kriteria-kriteria
yang telah ditetapkan oleh direktur
utama.
1.3 Tujuan Penelitian
Berdasarkan latar belakang dan rumusan
masalah yang telah dipaparkan diatas
maka dapat disusun tujuan penelitian
sebagai berikut:
1. Menganalisa perbandingan hasil metode
fuzzy tsukamoto dan sugeno dengan
studi kasus penentuan jumlah bonus
yang diterima karyawan dan pemilihan
karyawan terbaik di PT. Sigma
Dwikarsa Wasindo
2. Membangun aplikasi yang dapat
membantu direktur utama untuk
menentukan besarnya bonus yang akan
diberikan kepada karyawan serta
membantu dalam pemilihan karyawan
teladan di PT Sigma Dwikarsa Wasindo
secara objektif dengan menerapkan
perhitungan logika fuzzy metode
tsukamoto dan metode sugeno
1.4 Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah
sebagai berikut :
1. Mengetahui perbandingan hasil
penentuan bonus dan karyawan teladan
menggunakan metode fuzzy tsukamoto
dan sugeno.
2. Membantu direktur utama untuk
menentukan besarnya bonus yang akan
diberikan kepada karyawan serta
membantu dalam pemilihan karyawan
teladan di PT Sigma Dwikarsa Wasindo
secara objektif dengan menerapkan
perhitungan logika fuzzy metode
tsukamoto dan metode sugeno.
1.5 Ruang Lingkup Penelitian
Menuju penelitian yang terstruktur dan
terfokus dengan baik maka perlu disusun
ruang lingkup permasalahan atau
pembatasan masalah sebagai berikut:
1. Kriteria-kriteria pemberian bonus
ditentukan oleh direktur utama selaku
pemegang wewenang utama di
perusahaan. Kriteria-kriterianya adalah
kerja sama, problem solving, lama
kerja, loyalitas dan kinerja , dimana
setiap kriteria-kriteria tersebut dijadikan
sebagai variabel input fuzzy dan setiap
variabel mempunyai 3 himpunan fuzzy
yaitu rendah, cukup dan tinggi.
Sedangkan untuk variabel outputnya
adalah bonus karyawan yang
mempunyai 2 himpunan fuzzy yaitu
cukup dan tinggi.
2. Kriteria-kriteria dalam pemilihan
karyawan teladan adalah perilaku,
komunikasi, kedisiplinan, dan kinerja,
dimana setiap kriteria-kriteria tersebut
dijadikan sebagai variabel input fuzzy
dan setiap variabel mempunyai 3
himpunan fuzzy yaitu rendah, cukup
dan tinggi. Sedangkan untuk variabel
outputnya adalah nilai karyawan yang
mempunyai 2 himpunan fuzzy yaitu
cukup dan memuaskan.
2. Metodologi Penelitian
Pengumpulan data-data yang dibutuhkan
dilakukan dengan cara melakukan
observasi. Hal ini di lakukan di PT Sigma
Dwikarsa Wasindo secara langsung.
Dalam hal ini di perlukan sebuah laptop
dan alat tulis untuk merekap data dan
memudahkan dalam pengambilan data.
Metode yang digunakan dalam
perancangan adalah model Linier
Sequential atau biasa disebut sebagai
model Waterfall. Model ini dipilih karena
merupakan suatu model yang terstruktur
dimana pekerjaan untuk tiap tahapan harus
selesai dilakukan sebelum melangkah pada
tahapan selanjutnya.
Gambar 2.1 Pemodelan Waterfall
3. Perancangan Sistem
Alur sistem yang dibangun ini dapat
dilihat pada gambar dibawah ini
Sistem Penunjang Keputusan
Penentuan Bonus karyawan
Dan
Pemilihan Karyawan TeladanUser Admin
Data login user
Data nilai karyawan
Data login admin
Data perusahaan
Data karyawan
Data variabel fuzzy
Data domain
Data rule
Info data login admin
Info data perusahaan
Info data karyawan
Info data variabel fuzzy
Info data domain
Info data rule
Info data login user
Info data perhitungah fuzzy
Gambar 3.1 Context Diagram
Skema relasi antar tabel dalam database
aplikasi penentuan bonus dan pemilihan
karyawan teladan dengan metode fuzzy
tsukamoto dan sugeno digambarkan dalam
gambar berikut :
karyawan
PK nik
nama_karyawan
alamat
tempat_lahir
tgl_lahir
kelamin
agama
status
pendidikan
jabatan
no_telp
tgl_masuk
gaji
foto
perusahaan
pengguna
PK id_pengguna
nama_pengguna
password
level
variabel_bonuskaryawan
PK kode_varbonus
nama_varbonus
ket_varbonus
domain_varbonus
PK no_domainvarbonus
variabel_bonus
nilai_bawahvarbonus
nilai_tengahvarbonus
nilai_atasvarbonus
domain_varteladan
PK no_domainvarteladan
variabel_teladan
nilai_bawahvarteladan
nilai_tengahvarteladan
nilai_atasvarteladan
rule_bonuskaryawan
PK kode_rulebonus
variabel_bonus
ket
rule_karyawanteladan
PK kode_ruleteladan
variabel_teladan
ket
detail_rulebonus
PK no_rule
rule
sugeno
tsukamoto
detail_ruleteladan
PK no_rule
rule
sugeno
tsukamoto
detail_hasilbonus
PK kode_hasilbonus
tgl_bonus
nik
bonus_perusahaan
bonus_sugeno
bonus_tsukamoto
pengguna
detail_hasilteladan
PK kode_hasilteladan
tgl_teladan
nik
teladan_perusahaan
teladan_sugeno
teladan_tsukamoto
pengguna
mempunyai
variabel_karyawanteladan
PK kode_varteladan
nama_varteladan
ket_varteladan
hasil_karyawanteladan
PK nik
var_teladan
nilai_varteladan
1 N
mempunyai N1
mempunyai mempunyai
mempunyai
1
1
N
1
1
1
mempunyai mempunyai
1 1
1 1
mempunyai mempunyai
1
1
mempunyai mempunyai
N N
1 1
mempunyai mempunyai
1 1
N
N
mempunyai mempunyai
1 1
1 1
1 1
hasil_bonuskaryawan
PK nik
var_bonus
nilai_varbonus
perusahaan
PK id_perusahaan
nama_perusahaan
alamat_perusahaan
kota
provinsi
kode_pos
no_telp
no_fax
direktur_utama
bonus_point
Gambar 3.2 ERD
4. Implementasi
Pada halaman utama sistem penunjang
keputusan penentuan bonus dan pemilihan
karyawan teladan ini, terdapat menu-menu
untuk melakukan perhitungan
menggunakan metode fuzzy sugeno dan
tsukamoto.. Berikut adalah tampilan utama
dalam sistem ini:
Gambar 4.1 Halaman Utama
Proses penghitungan nilai karyawan
menggunakan metode fuzzy sugeno dan
tsukamoto akan ditampilkan seperti
gambar berikut :
Gambar 4.2 Halaman Penghitungan Fuzzy
Selanjutnya jika data-data sudah diinput
semua maka report akan ditampilkan
seperti gambar berikut :
Gambar 4.3 Halaman Report
5. Analisa Pembahasan
Data berikut adalah data dari perusahaan
terkait dengan jumlah bonus karyawan
pada 2012 dibandingkan dengan hasil
pengolahan data dengan mengunakan
metode sugeno dan metode tsukamoto,
sehingga akan didapatkan kesimpulan
metode mana yang akan sesuai untuk
menyelesaikan kasus pemberian bonus
karyawan
Tabel 5.1 Perbandingan Hasil Bonus
No Nama
Karyawan
Bonus Error Rate
Perusahaan Sugeno Tsukamoto Sugeno Tsukamoto
1 Acek Hera Rp 4.250.000,00 Rp 3.971.428,57 Rp 2.092.713,44 6,55% 50,76%
2 Alfon Rp 2.420.000,00 Rp 2.573.404,26 Rp 3.573.747,95 6,34% 47,68%
3 Amrulloh Rp 4.180.000,00 Rp 3.991.368,42 Rp 2.207.611,34 4,51% 47,19%
4 Anggi W. Rp 2.620.000,00 Rp 2.689.291,34 Rp 3.569.448,82 2,64% 36,24%
5 Anis R. Rp 3.340.000,00 Rp 3.411.509,43 Rp 2.523.425,25 2,14% 24,45%
6 Antik W. Rp 3.320.000,00 Rp 3.438.732,39 Rp 2.412.654,39 3,58% 27,33%
7 Antok Rp 3.490.000,00 Rp 3.611.614,91 Rp 2.356.559,96 3,48% 32,48%
8 Arif P. Rp 2.400.000,00 Rp 2.513.902,44 Rp 3.466.191,37 4,75% 44,42%
9 Desi Sri U. Rp 3.220.000,00 Rp 3.267.785,47 Rp 2.723.960,61 1,48% 15,40%
10 Eka P. Rp 3.890.000,00 Rp 3.832.427,75 Rp 2.378.141,40 1,48% 38,87%
11 Elisa Ike T. Rp 3.340.000,00 Rp 3.442.073,73 Rp 2.444.012,76 3,06% 26,83%
12 Erliana Rp 4.460.000,00 Rp 4.232.432,43 Rp 2.125.072,77 5,10% 52,35%
13 Fanny A. Rp 3.220.000,00 Rp 3.380.292,68 Rp 2.503.864,92 4,98% 22,24%
14 Gusniarti I. Rp 4.110.000,00 Rp 3.939.504,13 Rp 2.311.557,53 4,15% 43,76%
15 Hendri S. Rp 3.860.000,00 Rp 3.854.741,57 Rp 2.459.879,00 0,14% 36,27%
16 Hendro Rp 4.250.000,00 Rp 3.939.322,03 Rp 2.102.633,64 7,31% 50,53%
17 Kenny P. Rp 3.920.000,00 Rp 3.775.899,58 Rp 2.569.333,76 3,68% 34,46%
18 Leli A. Rp 4.190.000,00 Rp 3.944.520,12 Rp 2.191.245,53 5,86% 47,70%
19 Maratus S. Rp 4.160.000,00 Rp 3.970.031,35 Rp 2.255.104,90 4,57% 45,79%
20 Novita L. Rp 2.800.000,00 Rp 2.773.712,57 Rp 3.523.519,12 0,94% 25,84%
21 Rahmat F. Rp 3.810.000,00 Rp 3.771.379,31 Rp 2.697.400,53 1,01% 29,20%
22 Tammy R. Rp 3.990.000,00 Rp 3.888.478,70 Rp 2.599.943,83 2,54% 34,84%
23 Verra L. Rp 3.560.000,00 Rp 3.686.082,95 Rp 2.469.748,32 3,54% 30,63%
24 Yanti H. Rp 4.560.000,00 Rp 4.441.904,76 Rp 2.414.945,05 2,59% 47,04%
25 Yuantoro Rp 2.840.000,00 Rp 2.804.545,45 Rp 3.553.544,92 1,25% 25,12%
Total 87,67% 917,41%
Rata - rata 3,51% 36,70%
Tabel 5.2 Perbandingan Kecepatan Penentuan Bonus
Uji Coba Waktu (detik)
Sugeno Tsukamoto
1 0,0078021 0,0078108
2 0,0072524 0,0072935
3 0,0072791 0,0088861
4 0,0071549 0,0071959
5 0,0073602 0,0074562
6 0,0072329 0,0072698
7 0,0073201 0,007334
8 0,0071497 0,007257
9 0,007101 0,008707
10 0,0072047 0,0073484
11 0,0072375 0,008282
Uji Coba Waktu (detik)
Sugeno Tsukamoto
12 0,007412 0,008902
13 0,007218 0,0073053
14 0,0073053 0,0074402
15 0,0073848 0,0085453
16 0,007277 0,0076404
17 0,0071805 0,0073155
18 0,0070753 0,0071292
19 0,0071533 0,0071605
20 0,0071318 0,0072308
21 0,0072781 0,007334
22 0,0071502 0,0071554
23 0,0073427 0,0074818
24 0,0073463 0,0073858
25 0,0072996 0,0073268
Total 0,1816495 0,1901937
Rata-rata 0,00726598 0,007607748
Berdasarkan pada penyajian data sebelum
dilakukan proses fuzzy dengan data
sesudah dilakukannya proses fuzzy, terjadi
perubahan yang signifikan dimana pada
proses sebelumnya yang tidak
menggunakan fuzzy. Dari data pada tabel
5.5 , maka dapat disimpulkan bahwa dari
kedua metode yang digunakan untuk
penentuan bonus karyawan yang
mendekati dengan perhitungan pada PT
Sigma Dwikarsa Wasindo adalah metode
Sugeno dengan rata – rata error 3,51%.
Kecepatan untuk perhitungan metode
sugeno juga lebih cepat daripada metode
tsukamoto yaitu dengan rata-rata
kecepatan 0,00726598 detik.
Data berikut adalah data dari perusahaan
terkait dengan hasil pemilihan karyawan
teladan pada tahun 2012 dibandingkan
dengan hasil pengolahan data dengan
mengunakan metode Sugeno dan metode
Tsukamoto, sehingga akan didapatkan
kesimpulan metode mana yang akan sesuai
untuk menyelesaikan kasus pemilihan
karyawan teladan tersebut :
Tabel 5.3 Perbandingan Hasil Karyawan Teladan
No Nama
Karyawan
Hasil Error Rate
Perusahaan Sugeno Tsukamoto Sugeno Tsukamoto
1 Acek Hera 90,25 87,34 52,8 3,22% 41,50%
2 Alfon 79,75 81,51 54,34 2,21% 31,86%
3 Amrulloh 93,25 88,95 49,32 4,61% 47,11%
4 Anggi W. 86,25 86,37 53,24 0,14% 38,27%
5 Anis R. 93 87,07 50,2 6,38% 46,02%
6 Antik W. 89,25 85,61 54,21 4,08% 39,26%
7 Antok 81 82,08 52,61 1,33% 35,05%
8 Arif P. 82,25 83,29 55,15 1,26% 32,95%
9 Desi Sri U. 86,75 85,31 58,21 1,66% 32,90%
10 Eka P. 93 87,9 50,53 5,48% 45,67%
11 Elisa Ike T. 86,5 84,99 56,33 1,75% 34,88%
No Nama
Karyawan
Hasil Error Rate
Perusahaan Sugeno Tsukamoto Sugeno Tsukamoto
12 Erliana 101 97,97 68,65 3,00% 32,03%
13 Fanny A. 85 84,7 56,89 0,35% 33,07%
14 Gusniarti I. 88,5 85,32 56,37 3,59% 36,31%
15 Hendri S. 83 83,92 56,03 1,11% 32,49%
16 Hendro 94,75 87,99 48,29 7,13% 49,03%
17 Kenny P. 89,25 86,36 53,19 3,24% 40,40%
18 Leli A. 89,5 86,04 52,97 3,87% 40,82%
19 Maratus S. 95,5 89,24 47,35 6,55% 50,42%
20 Novita L. 87,25 85,37 55,22 2,15% 36,71%
21 Rahmat F. 84,25 84,58 57,08 0,39% 32,25%
22 Tammy R. 85,5 84,92 60,85 0,68% 28,83%
23 Verra L. 81,5 83,19 55,39 2,07% 32,04%
24 Yanti H. 96,75 93,29 53,83 3,58% 44,36%
25 Yuantoro 91,75 86,95 50,29 5,23% 45,19%
Tabel 5.4 Perbandingan Kecepatan Perhitungan Karyawan Teladan
Uji Coba Waktu (detik)
Sugeno Tsukamoto
1 0,0019765 0,0021213 2 0,0018831 0,0019067 3 0,0018836 0,0020299 4 0,0018924 0,0019062 5 0,0018795 0,0019278 6 0,0019006 0,0019031 7 0,0019924 0,0020386 8 0,0020361 0,0039346 9 0,0018800 0,0019421 10 0,0019001 0,0020114 11 0,0018898 0,0018960 12 0,0018831 0,0019103 13 0,0018657 0,0019416 14 0,0019314 0,0019919 15 0,0018883 0,0019237 16 0,0020284 0,0020469 17 0,0019098 0,0023143 18 0,0018898 0,0019093 19 0,0020417 0,0020602 20 0,0019139 0,0019226 21 0,0019042 0,0019319 22 0,0019303 0,0020751 23 0,0019072 0,0020869 24 0,0019278 0,0021664 25 0,0019180 0,0019247
Total 0,0480537 0,0518235 Rata-rata 0,0019221 0,0020729
Berdasarkan pada penyajian data sebelum
dilakukan proses fuzzy dengan data
sesudah dilakukannya proses fuzzy, terjadi
perubahan yang signifikan. Maka dapat
disimpulkan bahwa dari kedua metode
yang digunakan untuk penentuan bonus
karyawan yang mendekati dengan
perhitungan pada PT Sigma Dwikarsa
Wasindo adalah metode Sugeno dengan
rata – rata error 3,00%. Kecepatan untuk
perhitungan metode sugeno juga lebih
cepat daripada metode tsukamoto yaitu
dengan rata-rata kecepatan 0,0019221
detik.
6. Kesimpulan
Kesimpulan yang dapat diambil dari
penelitian yang dilakukan di PT Sigma
Dwikarsa Wasindo dengan judul “Analisa
Perbandingan SPK Menggunakan Metode
Fuzzy Sugeno dan Tsukamoto” antara lain
:
1. Perbandingan sistem pendukung
keputusan menggunakan metode fuzzy
sugeno dan tsukamoto dengan studi
kasus penentuan jumlah bonus dan
pemilihan karyawan teladan di PT.
Sigma Dwikarsa Wasindo yaitu :
a. Metode fuzzy sugeno dan tsukamoto
pada penentuan bonus karyawan
menggunakan 243 rule sedangkan
pada pemilihan karyawan teladan
menggunakan 81 rule.
b. Metode fuzzy sugeno mempunyai
tingkat error yang lebih kecil
dibandingkan dengan metode
tsukamoto.Hal ini ditunjukkan dari
25 data karyawan untuk penetuan
bonus, metode sugeno mempunyai
tingkat error 3,51%, sedangkan
metode tsukamoto 36,70%. Pada
pemilihan karyawan teladan, metode
sugeno mempunyai rata-rata tingkat
error 3,00%, sedangkan metode
tsukamoto 38,38%
c. Perhitungan sistem menggunakan
metode sugeno lebih cepat
dibandingkan dengan menggunakan
metode tsukamoto. Hal ini
ditunjukkan dari 25 data karyawan
untuk penetuan bonus, metode
sugeno mempunyai rata-rata
kecepatan perhitungan 0,00726598
detik sedangkan metode tsukamoto
dan 0,007607748 detik. Pada
pemilihan karyawan teladan, metode
sugeno mempunyai rata-rata
kecepatan perhitungan 0,0019221
detik, sedangkan metode tsukamoto
0,0020729 detik.
2. Sistem pendukung keputusan yang
dibangun untuk menganalisa
perbandingan metode fuzzy sugeno dan
tsukamoto berjalan dengan sangat baik.
Hal ini dibuktikan dengan validitas
sistem yang mencapai 100%. Sistem
pendukung keputusan ini juga akan
memberikan kemudahan bagi direktur
utama dalam menentukan besarnya
bonus yang akan diberikan kepada
karyawan serta membantu dalam
pemilihan karyawan teladan di PT
Sigma secara cepat, tepat dan objektif.
7. Daftar Pustaka
Bonczek, R. H. (1980).Future Directions
for Decision Support.English
Efraim Turban, Jay E. Aronson.(1998).
Decision support systems and
intelligent systems. Prentice Hall
Ganjar Ramadhan (2011). Menentukan
Harga Mobil Bekas Toyota Avanza
Menggunakan Metode Tsukamoto.
Jakarta: Universitas Islam Negeri
Syarif Hidayatullah Jakarta
Iis Widya Harmoko,Nazori AZ (2012).
Prototipe Model Prediksi Peluang
Kejadian Hujan Menggunakan
Metode Fuzzy Logic Tipe Mamdani
dan Sugeno. Jurnal TICOM.1:1
Jr ,Raymon McLoed. (1998). Management
information systems. Upper Saddle
River, N.J. : Prentice Hall
K.Guney,N.Sarikaya (2009). Comparison
of Mamdani and Sugeno Fuzzy
Inference System Models for
Resonant Frequency Calculation of
Rectangular Microstrip Antennas.
12: 81–104
Kusumadewi, S., & Purnomo, H. (2010).
Aplikasi Logika Fuzzy untuk
Pendukung Keputusan. Yogyakarta:
Graha Ilmu
Rahman, A. (2011). Sisem Penunjang
Keputusan Dalam Penentuan
Penerima Kredit Mobil Berbasis
Analitical Hierarchy Proses(AHP).
Banjarmasin: STMIK Banjarbaru