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: anggaverment@gmail.com

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