Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

25
1 PROGRAM PASCASARJANA MAGISTER ILMU KOMPUTER SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER NUSA MANDIRI JAKARTA 2013 TESIS INDAH ARIYATI 14000540 LOGIKA FUZZY INFERENCE SYSTEM MAMDANI UNTUK SISTEM PENDUKUNG KEPUTUSAN KASUS PENILAIAN SISWA DI YAYASAN GEMA NURANI BEKASI

Transcript of Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

Page 1: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

1

PROGRAM PASCASARJANA MAGISTER ILMU KOMPUTER

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

NUSA MANDIRI

JAKARTA

2013

TESIS

INDAH ARIYATI

14000540

LOGIKA FUZZY INFERENCE SYSTEM MAMDANI UNTUK SISTEM PENDUKUNG KEPUTUSAN

KASUS PENILAIAN SISWA DI YAYASAN GEMA NURANI BEKASI

Page 2: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

2

Sekolah merupakan salah satu tempat efektif untuk mentransformasikan ilmu sekaligus sebagai sarana pendidikan bagi siswa. Manfaat dari program penilaian siswa adalah mendorong siswa untuk selalu berkembang dan menuju arah yang lebih baik.

Proses penilaian siswa menggunakan Logika Fuzzy Inference System Model Mamdani untuk mengolah data sehingga dapat menghasilkan keputusan yang lebih tepat, cepat dan efisien

Page 3: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

3

Identifikasi Masalah : 1.Kriteria penilaian2.Proses perhitungan penilaian3.Keputusan siswa

Rumusan Masalah 1.Bagaimana proses penilaian siswa untuk mendapatkan hasil yang objektif.2.Bagaimana perbedaan hasil penilaian siswa menggunakan Metode Logika Fuzzy Inference System Model Mamdani dengan penilaian sebelumnya 3.Bagaimana membangun sistem pedukung keputusan diaplikasikan menggunakan Toolbox Matlab R2011b.

Page 4: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

4

Manfaat :sebagai pengembangaan ilmu pengetahuan khususnya dibidang logika fuzzy

Tujuan :menerapkan Metode Logika Fuzzy Inference System Model Mamdani sebagai sistem pendukung keputusan penilaian siswa

Page 5: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

5

1. Yayasan Gema Nurani Bekasi

2. Kriteria penilaian siswa sebagai varibel input

3. Pengolahan data menggunakan Logika Fuzzy Inference System Model Mamdani sedangkan penerapan sistem pendukung keputusan menggunakan Toolbox Matlab R2011b

Page 6: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

6

Menurut Budiharto (2008,p.164) Logika fuzzy merupakan ”logika samar yang berhadapan langsung dengan konsep kebenaran sebagian, bahwa logika klasik dalam segala hal dapat diekspresikan dengan binary 0 atau 1 sementara logika fuzzy dimungkinkan adanya nilai antara 0 sampai dengan 1’’.

Menurut Kusumadewi (2002,p.94). Logika Fuzzy Inference System adalah “proses merumuskan pemetaan dari ruang input ke ruang ouput dengan menggunakan logika fuzzy”

Menurut Hapsari dan Karimah (2012,p.35) Sistem pendukung keputusan merupakan “sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur maupun tidak terstruktur”.

Page 7: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

7

• Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.

• Logika fuzzy sangat fleksibel.• Logika fuzzy memiliki toleransi terhadap data-data yang tidak

tepat.• Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang

sangat kompleks.• Logika fuzzy dapat membangun dan mengaplikasikan

pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

• Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.

• Logika fuzzy didasarkan pada bahasa alami.

Ada beberapa alasan mengapa orang menggunakan Logika fuzzy menurut Pudjo Widodo dan Trias Handayanto (2012,p.4) antara lain :

Page 8: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

8

Kurikulum 2013Indikator Penilaian Siswa:

1. Kepribadian Siswa2. Minat Belajar3. Ketrampilan Belajar4. Nilai Pelajaran-Pengetahuan Umum

Kondisi Saat ini1. Proses penilaian siswa yang kurang objektif2. Perhitungan nilai hanya mengandalkan rata-rata dari total keseluruhan 3. Keputusan penilaian mempunyai dua keputusan dengan perbedaan yang nyata

Sistem PendukungKeputusan dengan

Logika Fuzzy Inference System Model

Mamdani

Kondisi Yang Diharapkan

Sistem Pendukung Keputusan Penilaian Siswa secara cepat, tepat dan akurat

Data Model

Data Training

Data Testing

Training pemodelandengan FIS Mamdani :

- Pembentukan himpunan fuzzy- Aplikasi fungsi implikasi- Komposisi aturan- Deffuzifikasi

MenghasilkanAnalisa keputusan

Proses validasimenggunakan

data testing

Model FIS Mamdanitervalidasi

ModelGUI di Matlab

Uji Coba Sistem

Evaluasi dengan Penyebaran Kuesioner

SPK Penilaian Siswa

DataBaru

Page 9: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

9

1. Waktu dan tempat penelitian2. Jenis penelitian3. Metode Pengumpulan data (Studi pustaka, observasi, wawancara4. Tahap analisa data

Tahapan mendapatkan output dengan metode Logika FIS Mamdani, menurut Kusumadewi (2002,p.89) -Fuzzifikasi , -Aplikasi Fungsi Implikasi-Komposisi Aturan-Defuzzifikasi

5. Implementasi Sistem

Page 10: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

10

Semesta pembicaraan setiap variabel fuzzy

Fungsi Nama VariabelSemesta

PembicaraanKeterangan

Input

Kepribadian Umum [0, 100] Angka Penilaian

Minat Belajar [0, 100] Angka Penilaian

Ketrampilan Belajar [0, 100] Angka Penilaian

Nilai Pelajaran dan Pengetahuan Umum

[0, 100] Angka Penilaian

Output Hasil siswa [0,100] Hasil Penilaian

1. Fuzzifikasi

Page 11: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

11

Nota

siVariabel

Himpunan

FuzzyDomain

Fungsi

KeanggotaanParameter

a Kepribadian U

mum

Rendah [0, 75] Bahu Kiri (0;60;75)

Sedang [60, 90] Segitiga (60;75;90)

Tinggi [75, 100] Bahu Kanan (75;90;100)

b Minat Belajar

Rendah [0, 70] Bahu Kiri (0;60;70)

Sedang [60, 80] Segitiga (60;70;80)

Tinggi [70, 100] Bahu Kanan (70;80;100)

cKetrampilan

Belajar

Rendah [0, 70] Bahu Kiri (0;60;70)

Sedang [60, 80] Segitiga (60;70;80)

Tinggi [70, 100] Bahu Kanan (70;80;100)

d

Nilai Pelajaran

-Pengetahuan

Umum

Rendah [0, 70] Bahu Kiri (0;60;70)

Sedang [60, 80] Segitiga (60;70;80)

Tinggi [70, 100] Bahu Kanan (70;80;100)

x Hasil siswa

Sangat Krg Baik [0, 75] Bahu Kiri (0;50;75)

Kurang Baik [50, 150] Trapesium (50;75;125;150)

Rata-Rata [125, 275] Trapesium (125;150;250;275)

Baik [250,350] Trapesium (250;275;325;350)

Sangat Baik [325,400] Bahu Kanan (325;350;400)

Him

pu

nan

Fu

zzy

Pen

ilai

an S

isw

a

Page 12: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

12

2. Aplikasi fungsi implikasi

3. Komposisi Aturan

Rule = IF (x1 is A1) AND (x2 is A2) . . . . . . . . . . AND (xn is An) THEN y is B Rule = IF (x1 is A1) AND (x2 is A2) . . . . . . . . . . AND (xn is An) THEN y is B

4. Proses Defuzifikasi , menggunakan metode Centroid

Fungsi implikasi yang digunakan adalah MIN

Komposisi aturan fungsi implikasi menggunakan fungsi MAX

Atau

Page 13: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

13

Range nilai hasil siswa dari sistem konvensional dimulai dari angka 0 - 100. Sedangkan range nilai hasil siswa untuk logika fuzzy adalah angka 0 untuk nilai terendah dan angka 400 sebagai nilai yang tertinggi.

Konvensional

Keputusan

PenilaianRange Nilai

Kurang Baik 0 – 70

Baik >70 - 100

Logika FIS Mamdani

Range Nilai Keputusan Penilaian

0 – 75 Sangat Kurang Baik

50 – 150 Kurang Baik

125 – 275 Rata-Rata

250 – 350 Baik

325 - 400 Sangat Baik

Page 14: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

14

Perhitungan konvensional : Siswa kurang baik = 9,3% atau 5 siswa, Siswa baik 90,7% atau 49 siswa

Logika Fuzzy Inference Systam Model Mamdani :Sangat Kurang Baik 1,9 % atau 1 siswaKurang Baik sebesar 7,4 % atau 4 siswaRata-Rata 29,6 % atau16 siswaBaik 55,6 % atau 30 siswaSangat Baik 5,6 % atau 3 siswa

Page 15: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

15

Proses Penilaian siswa Toolbox Matlab R2011b

Mengisi variabel input–output fuzzy

Merepresentasikan himpunan ke MFs tiap-tiap

variabel input-output

Page 16: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

16

Pembuatan Rules / aturan Fuzzy

Rule Viewer

Page 17: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

17

Surface Viewer

Page 18: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

18

Pengujian FIS Mamdani

Page 19: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

19

Page 20: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

20

Penentuan skoring :•Range (R) = Jumlah skor tertinggi – Jumlah skor terendah

= 100% - 25% = 75 %•Kategori (K) = 3 (Rendah, Sedang, Tinggi) •Interval (I) = Range (R) / Kategori (K)

= 75 / 3 = 25 % •Jadi Rangenya dapat dibagi menjadi : Rendah 0 – kurang dari 25 %

Sedang 25 % - 75 %Tinggi lebih besar dari 75%

Tabel Hasil Pengisian kuesioner

Ket P1 P2 P3 P4 P5 P6 Total Nilai Hasil (total*nilai)

STS 0 0 0 1 0 0 1 1 1

KS 1 1 1 2 0 0 5 2 10

S 4 4 5 4 2 3 22 3 66

S 2 2 1 0 5 4 14 4 56

Jumlah 133

-Interpretasi Skor perhitungan = jumlah skor tertinggi * jumlah responden24 * 7 = 168

-Hasil = (133 / 168 )* 100 % = 79, 167 % bisa dikategorikan sebagai Tinggi

Page 21: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

21

Pengujian Hipotesis Uji-T untuk data berpasangan berarti setiap subjek diukur

dua kali. Dalam contoh ini akan membandingkan data testing dengan data baru dalam GUI. Dalam Pengujian ini menggunakan Software SPSS Statistics 17.0

Page 22: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

22

Pengujian Hipotesis Uji-T Berpasangan (Paired-Samples T Test) digunakan

untuk membandingkan selisih dua rata-rata (mean) dan dua sample yang berpasangan dengan asumsi data terdistribusi normal

• Jika angka signifikan hasil riset < 0.05, maka Ho ditolak• Jika angka signifikan hasil riset >= 0.05, maka Hi diterima

Page 23: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

23

1. Melalui penelitian ini dapat diketahui perbedaan hasil penilaian siswa menggunakan Metode Logika Fuzzy Inference System Model Mamdani dengan metode sebelumnya

2. Dengan Metode Logika Fuzzy Inference System Model Mamdani hasil penilaian siswa menjadi lebih objektif, tepat dan akurat

3. Metode Logika Fuzzy Inference System Model Mamdani dapat dijadikan sebagai alat bantu sistem pendukung keputusan penilaian siswa di Yayasan Gema Nurani Bekasi.

Page 24: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

24

Page 25: Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan

25

Himpunan fuzzy variabel kepribadian umum (keprib)