Logika Fuzzy Inference System Mamdani Untuk Sistem Pendukung Keputusan
-
Upload
windu-gata -
Category
Documents
-
view
688 -
download
5
Transcript of 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
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
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.
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
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
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”.
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 :
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
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
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
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
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
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
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
15
Proses Penilaian siswa Toolbox Matlab R2011b
Mengisi variabel input–output fuzzy
Merepresentasikan himpunan ke MFs tiap-tiap
variabel input-output
16
Pembuatan Rules / aturan Fuzzy
Rule Viewer
17
Surface Viewer
18
Pengujian FIS Mamdani
19
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
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
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
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.
24
25
Himpunan fuzzy variabel kepribadian umum (keprib)