ADE SYAYUTI MANNAFK11109012

SISTEM PENDUKUNG KEPUTUSAN UNTUK

MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA

BERBASIS LOGIKA FUZZY

Dalam penentukan penerima beasiswa telah menggunakan bantuan komputer, tetapi penggunaanya belum optimal. Hal ini menyebabkan pengelolaan data beasiswa yang tidak efisien terutama dari segi waktu dan banyaknya perulangan proses yang sebenarnya dapat diefisienkan.

Oleh karena itu, perlu adanya suatu sistem yang mendukung proses penentuan penerima beasiswa, sehingga dapat mempersingkat waktu penyeleksian dan dapat meningkatkan kualitas keputusan dalam penentukan penerima beasiswa

LATAR BELAKANG

Bagaimana mengimplementasikan Fuzzy untuk menentukan mahasiswa yang berhak menerima beasiswa berdasarkan kriteria yang diberikan, yaitu nilai indeks prestasi atau nilai kelulusan , penghasilan orang tua, dan tanggungan orang tua.

Perumusan Masalah

Mengimplementasikan Fuzzy untuk membuat perangkat lunak yang dapat menentukan mahasiswa yang berhak mendapatkan beasiswa

Tujuan

Metode Observasi Melihat serta mempelajari permasalahan

yang ada dilapangan yang erat kaitannya dengan objek yang diteliti yaitu informasi mengenai sistem penentuan beasiswa.

Metode Studi Pustaka Mencari bahan yang mendukung dalam

pendefinisian masalah melalui buku-buku, internet, yang erat kaitannya dengan objek permasalahan.

Metode Penyelesaian Masalah

Input adalah : data mahasiswa Keluaran dari sistem ini adalah:Rule fuzzy dan batas-batas himpunan fuzzy

untuk parameter masukan dan parameter keluaran.

Hasil perhitungan kelayakan beasiswa

Deskripsi Sistem

Nilai IPK (C1) Penghasilan orang tua (C2)Jumlah tanggungan orang tua (C3)

Dari kriteria tersebut, maka tingakat kepentingan kriteria berdasarkan nialai bobot yang telah ditentukan kedalam bilangan fuzzy sebagai berikut : Sangat Rendah (SR) = 0 Rendah (R) = 2,5 Cukup (C) = 5 Tinggi (T) = 7,5 Sangat Tinggi (ST) = 10

Kriteria yang telah ditentukan(berdasarkan input)

Nilai bobot tersebut dibuat dalam sebuah grafik supaya lebih jelas, seperti dibawah ini.

Label jangkauan

rendah 2,5 - 5

sedang 5 - 7,5

tinggi 7,5 - 10

Kriteria yang telah ditentukan(berdasarkan output)

Fungsi Variabel Himpunan

Input Nilai IPK Penghasilan orangtuaTanggungan orangtua

( R , C , T, ST )( R , C , T, ST )( R , C , T, ST )

Output Penetapan Beasiswa ( Rendah , sedang , tinggi )

Himpunan fuzzy

Fuzzy if – then rules yang digunakan disini sebanyak 64 aturan fuzzy dasar yang dibuat sesuai untuk menggambarkan keadaan dengan catatan bahwa setiap aturan yang dibentuk menyertakan semua variabel.

Contoh beberapa bentuk aturan, yaitu : Aturan 1 :IF C1 = R AND C2 = R AND C3 = R THEN B = R Aturan 2 :IF C1 = R AND C2 = R AND C3 = C THEN B = R Aturan 3 :IF C1 = R AND C2 = R AND C3 = T THEN B = S Aturan 4 :IF C1 = R AND C2 = R AND C3 = ST THEN B =

S Aturan 5 :IF C1 = R AND C2 = C AND C3 = R THEN B = R Aturan 6 :IF C1 = R AND C2 = C AND C3 = C THEN B = C Aturan 7 :IF C1 = R AND C2 = C AND C3 = T THEN B = C Aturan 8 :IF C1 = R AND C2 = C AND C3 = ST THEN B = T

Aturan IF-THEN

Ada beberapa metode inferensi logika fuzzy yang dapat dilakukan, diantaranya adalah :

1. Metode Tsukamoto Setiap konsekuen pada aturan yang berbentuk IF-Then harus

direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength).

2. Metode Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode inidiperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkanoutput, diperlukan 4 tahapan:A. Pembentukan himpunan fuzzyB. Aplikasi fungsi implikasi (aturan)C. Komposisi aturanD. Penegasan (deffuzy)

3. Metode Sugeno Penalaran dengan metode Sugeno hampir sama dengan penalaran Mamdani,

hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear.

Inferensi Fuzzy