i

i

PROPOSAL SKRIPSI

SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN

KARYAWAN TELADAN DENGAN LOGIKA FUZZY

TSUKAMOTO

(STUDI KASUS : PT F.I.F (FEDERAL INTERNATIONAL

FINANCE))

OLEH :

AAN HIDAYAT

3101 0601 0885

PROGRAM STUDI SISTEM INFORMASI

SEKOLAH TINGGI MANAJEMEN INFORMATIKA

DAN KOMPUTER BANJARBARU

(STMIK BANJARBARU)

BANJARMASIN

2011

ii

PROGRAM STUDI SISTEM INFORMASI

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

BANJARBARU(STMIK BANJARBARU)

PERSETUJUAN PROPOSAL SKRIPSI

Nama : AAN HIDAYAT

NIM : 310106010885

Program Studi : SISTEM INFORMASI

Judul Skripsi : SISTEM PENUNJANG KEPUTUSAN UNTUK

PEMILIHAN KARYAWAN TELADAN DENGAN

LOGIKA FUZZY TSUKAMOTO (STUDI KASUS : PT. FIF

(FEDERAL INTERNATIONAL FINANCE))

Telah disetujui untuk diseminarkan pada Sidang Proposal Skripsi Program Studi

Sistem Informasi Sekolah Tinggi Manajemen Informatika & Komputer

Banjarbaru (STMIK BANJARBARU).

Banjarmasin, September 2011

Pembimbing Utama,

Ir. Rintana Arnie, M.Kom.

Mengetahui :

Ketua Jurusan

Sistem Informasi,

Bahar A. Rahman, M.Kom.

iii

iii

DAFTAR ISI

Hal.

PERSETUJUAN PROPOSAL SKRIPSI ............................................................................. ii

DAFTAR ISI ....................................................................................................................... iii

DAFTAR TABEL ................................................................................................................ v

DAFTAR GAMBAR .......................................................................................................... vi

BAB I PENDAHULUAN ................................................................................................... 1

1.1. Latar Belakang .................................................................................................... 1

1.2. Permasalahan Penelitian ..................................................................................... 3

1.2.1. Identifikasi Masalah .................................................................................... 3

1.2.2. Ruang Lingkup Masalah ............................................................................. 3

1.2.3. Rumusan Masalah ....................................................................................... 3

1.3. Tujuan dan Manfaat Penelitian ........................................................................... 4

1.3.1. Tujuan Penelitian ........................................................................................ 4

1.3.2. Manfaat Penelitian ............................................................................................ 4

BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN ..................................... 5

2.1. Tinjauan Pustaka ................................................................................................. 5

2.2. Landasan Teori .................................................................................................... 6

2.2.1. Pengertian Sistem Pendukung Keputusan ................................................... 6

2.2.2. Karakteristik dan Manfaat Sistem Pendukung Keputusan .......................... 7

2.2.3. Beberapa Keterbatasan SPK ....................................................................... 8

2.2.4. Logika Fuzzy .............................................................................................. 8

2.2.5. Studi Kasus ............................................................................................... 13

2.3. Kerangka Pemikiran .......................................................................................... 19

BAB III METODE PENELITIAN ................................................................................... 20

iv

iv

3.1. Analisa Kebutuhan ............................................................................................ 20

3.1.1. Metode Pengumpulan Data ....................................................................... 20

3.2. Perancangan Penelitian ..................................................................................... 21

3.2.1. Sumber Data dan Variabel Penelitian ....................................................... 21

3.2.2. Diagram Konteks ...................................................................................... 22

3.2.3. Use Case Diagram ..................................................................................... 22

3.2.4. Sequence Diagram .................................................................................... 23

3.2.5. Activity Diagram....................................................................................... 24

3.3. Teknik Analisis Data ......................................................................................... 25

3.4. Jadwal Penelitian .............................................................................................. 27

DAFTAR PUSTAKA ....................................................................................................... 28

DAFTAR RIWAYAT HIDUP.......................................................................................... 29

v

v

DAFTAR TABEL

Hal.

Tabel 3. 1. Estimasi Jadwal Penelitian .............................................................................. 27

vi

vi

DAFTAR GAMBAR

Hal.

Gambar 2. 1. Himpunan Fuzzy pada variabel temperatur ................................................. 11

Gambar 2. 2. Representasi Kurva Bentuk Bahu ............................................................... 12

Gambar 2. 3. Fungsi Keanggotaan Variabel Permintaan .................................................. 14

Gambar 2. 4. Fungsi Keanggotaan Variabel Persediaan ................................................... 15

Gambar 2. 5. Fungsi Keanggotaan Variabel Produksi Barang ......................................... 16

Gambar 2. 6. Kerangka Pemikiran .................................................................................... 19

Gambar 2. 7. Kerangka Pemikiran .................................................................................... 19

Gambar 3. 1. Diagram Konteks ........................................................................................ 22

Gambar 3. 2. Use Case Diagram ....................................................................................... 23

Gambar 3. 3. Sequence Diagram ...................................................................................... 24

Gambar 3. 4. Activity Diagram ......................................................................................... 25

1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Kualitas karyawan pada sebagian besar perusahaan merupakan suatu

permasalah yang sangat penting. Dengan adanya karyawan-karyawan yang

berkualitas membuat suatu perusahaan dapat berdiri dengan kokoh, bertumbuh

dan berkembang dengan pesat dan menjadi besar. Oleh karena itu diperlukan

kerjasama yang baik antara semua karyawan dan pemimpin perusahaan.

PT F.I.F (Federal International Finance) cabang Batu Licin merupakan

perusahaan yang bergerak dibidang jasa pembiayaan sepeda motor secara ritel.

Bagi pimpinan maupun pemilik dari PT F.I.F menganggap karyawan-karyawan

yang bekerja di perusahannya merupakan roda penggerak yang sangat penting

bagi kelangsungan perusahaan. Pemilihan karyawan teladan dilakukan secara

periodik dengan tujuan agar karyawan selalu memacu semangat dalam dirinya

untuk terus meningkatkan atau bahkan tetap mempertahankan dedikasi dan

kinerjanya di perusahaan dari tahun ke tahun.

Proses pemilihan karyawan teladan tersebut bukan merupakan hal yang

mudah. Selama ini pada PT. FIF cabang Batu Licin dalam pemilihan karyawan

teladan nya dilakukan dengan cara memilih salah satu karyawan yang di

rekomendasikan oleh karyawan-karyawan pada PT. FIF itu sendiri, cara pemilihan

tersebut tentu memiliki banyak kekurangan terutama dari segi objektifitas serta

belum ada nya kriteria yang terukur yang digunakan untuk menentukan siapa yang

jadi karyawan teladan. Banyak kriteria-kriteria sebagai penilaian yang digunakan

2

dalam proses pemilihan, dimana kriteria-kriteria tersebut didasarkan pada persepsi

seseorang. Kendala yang lain yang timbul dalam pemutusan pemilihan karyawan

teladan adalah sering kali pimpinan sebagai pengambil keputusan masih

mengandalkan intuisi (subjektif). Hal ini tentu saja menjadi sebuah kekurangan

untuk menentukan tepat atau tidaknya seseorang terpilih sebagai karyawan

teladan.

Logika fuzzy dengan penalaran tsukamoto adalah salah satu metode yang

dapat diterapkan untuk membangun suatu sistem sebagai penyelesaian masalah

tersebut. Metode ini telah banyak diterapkan untuk berbagai keperluan dalam

mengatasi masalah yang sedang dihadapi. Beberapa penelitian diantaranya yang

menerapkan metode ini adalah Ganjar Ramadhan dengan judulnya Menentukan

Harga Mobil Bekas Toyota Avanza Menggunakan Metode Tsukamoto meneliti

tentang penerapan fuzzy tsukamoto ke dalam suatu sistem yang bertujuan untuk

membantu calon pembeli mobil Avanza bekas dalam menentukan harga yang

pantas dibayar untuk membeli mobil tersebut. Penelitian tersebut melakukan

proses terhadap variabel harga beli mobil baru, kondisi mobil sekarang, tipe/jenis

mobil, dan tahun pembelian mobil. Hasil yang didapat berupa prediksi harga mobl

bekas.

Oleh karena itu perlu dirancang dan dibangun sebuah sistem yang dapat

mengatasi permasalahan diatas, yaitu dengan menerapkan logika fuzzy

menggunakan penalaran tsukamoto pada sistem yang dapat memberikan solusi

yang tepat dalam menentukan pemilihan karyawan teladan.

3

1.2. Permasalahan Penelitian

1.2.1. Identifikasi Masalah

Berdasarkan pada uraian latar belakang diatas, maka identifikasi

permasalahan dalam penelitian ini yaitu cara pemilihan karyawan teladan yang

dilakukan dengan memilih salah satu karyawan yang di rekomendasikan oleh

karyawan-karyawan pada PT. FIF itu sendiri, serta belum ada nya kriteria yang

terukur yang digunakan untuk menentukan siapa yang jadi karyawan teladan.

Banyak kriteria-kriteria sebagai penilaian yang digunakan dalam proses

pemilihan, dimana kriteria-kriteria tersebut didasarkan pada persepsi seseorang.

1.2.2. Ruang Lingkup Masalah

Ruang lingkup masalah untuk penelitian ini meliputi :

1. Kriteria-kriteria yang akan dipergunakan dalam sistem pendukung keputusan

ini adalah disiplin, loyalitas, komunikasi, absensi, dan problem solving.

2. Sistem pendukung keputusan ini disesuaikan dengan aturan yang berlaku di

PT. FIF cabang Batulicin.

3. Sistem pendukung keputusan ini hanya diperuntukkan untuk karyawan yang

berkedudukan sebagai staf di PT.FIF cabang Batulicin.

1.2.3. Rumusan Masalah

Rumusan masalah dalam penelitian ini adalah bagaimana menerapkan

metode fuzzy tsukamoto dalam kasus pemilihan karyawan teladan pada PT. FIF

cabang Batulicin?

4

1.3. Tujuan dan Manfaat Penelitian

1.3.1. Tujuan Penelitian

Sesuai dengan latar belakang di atas, maka penelitian yang dilakukan ini

memiliki tujuan menerapkan dan menguji tingkat akurasi logika fuzzy tsukamoto

dalam kasus pemilihan karyawan teladan PT. FIF cabang Batulicin.

1.3.2. Manfaat Penelitian

1. Bagi Penulis, penelitian ini berguna untuk menambah wawasan mengenai

metode fuzzy tsukamoto beserta penerapannya.

2. Bagi PT. FIF cabang Batulicin, penelitian merupakan salah satu alternatif

dalam menentukan calon karyawan teladan sesuai dengan kriteria yang ada di

perusahaan tersebut.

3. Hasil penelitian ini juga dapat dimanfaatkan sebagai referensi untuk

penelitian selanjutnya.

5

BAB II

LANDASAN TEORI DAN KERANGKA PEMIKIRAN

2.1. Tinjauan Pustaka

Penelitian mengenai sistem pendukung keputusan pemilihan karyawn

teladan bukanlah baru pertama kali ini dilakukan , sudah ada penelitian terdahulu

tentang penerapan metode fuzzy tsukamoto tersebut. Penelitian terdahulu yang

relevan dengan penelitian ini adalah sebagai berikut.

Ni Made Dwi Partawi dengan judul Rancang Bangun Sistem Pendukung

Keputusan Pemilihan Karyawan Teladan Menggunakan Metode Fuzzy AHP.

Sistem tersebut memberikan saran urutan prioritas solusi pemilihan karyawan

teladan berdasarkan kriteria intelegensia, kepribadian, sikap, fisik, teknis, dan

kriteria manajerial serta masing-masing subkriteria dan sebagai pertimbangan oleh

PT. BTCD dalam memilih karyawan.

Ganjar Ramadhan dengan judulnya Menentukan Harga Mobil Bekas

Toyota Avanza Menggunakan Metode Tsukamoto meneliti tentang suatu sistem

untuk membantu calon pembeli mobil Avanza bekas untuk menentukan harga

yang pantas yang harus ia bayar untuk membeli mobil tersebut dengan metode

Tsukamoto.

Hasil penelitian sebelumnya dapat menjadi informasi dan acuan bagi

peneliti saat ini yang menerapkan metode yang sama. Penelitian-penelitian diatas

berbeda dengan penelitian kali ini, dimana penelitian ini menerapkan metode

Tsukamoto untuk membuat Sistem Penunjang Keputusan dalam pemilihan

karyawan teladan menggunakan metode fuzzy tsukamoto.

6

2.2. Landasan Teori

2.2.1. Pengertian Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (Decision Support Sistem) merupakan suatu

istilah yang mengacu pada suatu sistem yang memamfaatkan dukungan computer

dalam proses pengambilan keputusan.Untuk memberikan pengertian tersebut,

disini akan diuraikan definisi mengenai Sistem Pendukung Keputusan.Yaitu, SPK

merupakan suatu sistem yang interaktif,yang membantu pengambil keputusan

melalui penggunaan data dan model-model keputusan untuk memecahkan

masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur.

SPK atau Decission Support Sistem (DSS) adalah merupakan suatu

kumpulan sistem yang dapat mendukung proses pengambilan keputusan,yang

selanjutnya dapat menunjang pengambilan keputusan dalam memperoleh data dan

menguji beberapa alternatif-alternatif solusi yang mengandung konsekuensi-

konsekuensi selama proses pemecahan masalah berlangsung.Atau boleh disebut

merupakan aplikasi dari sebuah sistem informasi yang membantu proses

pengambilan keputusan.

SPK tidak ditekankan untuk membuat keputusan, tetapi untuk melengkapi

mereka yang terlibat dalam pengambilan keputusan dengan sekumpulan

kemampuan untuk mengolah informasi yang diperlukan dalam proses

pengambilan keputusan dan sistem ini bukan dimaksudkan untuk mengganti

pengambilan keputusan dalam membuat suatu keputusan,melainkan mendukung

pengambil keputusan.

7

2.2.2. Karakteristik dan Manfaat Sistem Pendukung Keputusan

Karakteristik sistem pendukung keputusan adalah sebagai berikut:

1. Sistem Pendukung Keputusan dirancang untuk membantu pengambilan

keputusan dalam memecahkan masalah yang sifatnya semi terstruktur

ataupun yang tidak terstruktur dengan menambah kebijaksanaan manusia

dan informasi komputerisasi.

2. Dalam proses pengolahannya, SPK mengkombinasikan penggunaan model

model analisis dengan teknik pemasukan data konvensional serta fungsi

fungsi pencari/interogasi informasi.

3. SPK dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan

dengan mudah.

4. SPK dirancang dengan menekankan pada aspek fleksibel serta kemampuan

adaptasi yang tinggi.

Manfaat yang dapat diambil dari sistem pendukung keputusan ini :

1. SPK memperluas kemampuan pengambilan keputusan dalam memproses

data/informasi bagi pemakainya.

2. SPK membantu pengambilan keputusan untuk memecahkan masalah

terutama berbagai masalah yang sangat kompleks dan tidak teratur.

3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat

diandalkan.

Walaupun mungkin saja SPK,tidak mampu memecahkan masalah yang

dihadapi oleh pengambil keputusan,namun ia dapat menjadi stimulant bagi

8

pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan

berbagai alternatif pemecahan.

2.2.3. Beberapa Keterbatasan SPK

1. Ada beberapa kemapuan manajemen dan bakat manusia yang tidak dapat

dimodelkan, sehingga model yang ada dalam sistem tidak semuanya

mencerminkan persoalan sebenarnya.

2. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan yang

dimilikinya ( pengetahuan dasar serta model dasar ).

3. Proses - proses yang dapat dilakukan SPK biasanya juga tergantung pada

perangkat lunak yang digunakan.

4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki

manusia.Sistem ini dirancang hanyalah untuk membantu pengambilan

keputusan dalam melaksanakan tugas.

2.2.4. Logika Fuzzy

2.2.4.1 Pengertian Logika Fuzzy

Dalam logika konvensional, nilai kebenaran mempunyai kondisi yang

pasti yaitu benar atau salah (true or false), dengan tidak ada kondisi antara. Prinsip

ini telah mendominasi pemikiran logika di dunia sampai sekarang. Tentu saja,

pemikiran mengenai logika konvensional dengan nilai kebenaran yang pasti yaitu

benar atau salah dalam kehidupan yang nyata sangatlah tidak mungkin. logika

fuzzy menawarkan suatu logika yang dapat merepresentasikan keadaan dunia

nyata.

Teori himpunan logika fuzzy di kembangkan oleh Professor Lofti A. Zadeh

pada tahun 1965. Ia ber-pendapat bahwa logika benar dan salah dari logika

9

booleanlkonvensional tidak dapat mengatasi masalah gradasi yang berada pada

dunia nyata.Untuk mengatasi masalah gradasi yang tidak terhingga tersebut,

Zadeh mengembangkan sebuah himpunan fuzzy. Tidak seperti logika boolean,

logika fuzzy mempunyai nilai yang kontinu. Fuzzy dinyatakan dalam derajat dari

suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat

dikatakan sebagian benar dan sebagian salah pada waktu yang sama.

Berdasarkan hal tersebut diatas Logika fuzzy dapat digunakan untuk

memodelkan suatu permasalahan yang matematis, dimana konsep matematis yang

mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.

Logikafuzzy merupakan generalisasi dari logika klasik (Crisp Set) yang

hanya memiliki dua nilai keanggotaan yaitu 0 dan 1. Dalam logika fuzzy nilai

kebenaran suatu pernyataan berkisar dari sepenuhnya benar sampai dengan

sepenuhnya salah.

Fuzzy Logic berhubungan dengan ketidakpastian yang telah menjadi sifat

alamiah manusia, mensimulasikan proses pertimbangan normal manusia dengan

jalan memungkinkan komputer untuk berperilaku sedikit lebih seksama dan logis

daripada yang dibutuhkan metode computer konvensional.

Pemikiran di balik pendekatan ini adalah pengambilan keputusan tidak

sekadar persoalan hitam dan putih atau benar dan salah, namun kerapkali

melibatkan area abu-abu, dan hal itu dimungkinkan.

2.2.4.2 Himpunan Fuzzy

Himpunan fuzzy merupakan suatu group yang mewakili suatu kondisi atau

keadaa tertentu dalam suatu variabel fuzzy. Pada himpunan tegas (crisp), nilai

keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan

10

flA[x], memiliki dua kemungkinan, yaitu : Satu (I), yang berarti bahwa suatu item

menjadi anngota dalam suatu himpunan atau Nol (0), yang berarti bahwa suatu

item tidak menjadi anggota dalam suatu himpunan.

Pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1.

Apabila x memiliki nilai keanggotaan fuzzy flA[ x] = 0 berarti x tidak menjadi

anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzy

flA[ x] = 1 berarti x menjadi anggota penuh pada himpunanA.

Kemiripan antara keanggotaan fuzzy dengan probabilitas terkadang

menimbulkan kerancuan, karena memiliki nilai pada interval [0,1], namun

interpretasi nilainya sangat berbeda. Keanggotaan fuzzy memberikan suatu ukuran

terhadap pendapat atau keputusan, sedangkan probabilitas mengindikasikan

proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang.

Himpunan fuzzy memiliki 2 atribut, yaitu :

a. Linguistik, yaitu penamaan suatu group yang mewakili suatu keadaan atau

kondisi tertentu dengan menggunakan bahasa alami, seperti : Muda,

Parobaya, Tua.

b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu

variabel seperti : 25,40,60.

Ada beberapa hal yang perlu diketahui dalam memahami suatu sistem fuzzy,

yaitu :

a. Variabel fuzzy

Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu

system fuzzy. Contoh : umur, temperatur, permintaan, dsb.

b. Himpunan fuzzy

11

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi

atau keadaan tertentu dalam suatu variabel fuzzy.

Contoh :

1. Variabel umur, terbagi menjadi 3 himpunan fuzzy, yaitu :

MUDA, PAROBAYA, TUA.

2. Variabel temperatur, terbagi menjadi 5 himpunan fuzzy, yaitu :

DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS.

DINGIN SEJUK NORMAL HANGAT PANAS

1

[x]

0 15 20 25 30 35 40

Gambar 2. 1. Himpunan Fuzzy pada variabel temperatur

c. Semesta Pembicaraan

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan umtuk

dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan

himpunan bilangan real yang senantiasa naik (bertambah) secara monoton

dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif

maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi

batas atasnya.

Contoh :

1. Semesta pembicaraan untuk variabel umur : [0 +]

2. Semesta pembicaraan untuk variabel temperatur : [0 40]

d. Domain

Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam

12

semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan

fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan

bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri

ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif.

Contoh domain himpunan fuzzy :

1. MUDA : [0 45]

2. PAROBAYA : [33 45]

3. TUA : [45 +]

2.2.4.3 Fungsi Keanggotaan

Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-

titik input data ke dalam nilai keanggotaan yang memiliki nilai interval antara 0

dan I. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan

adalah dengan melalui pendekatan fungsi.

Salah satu representasi fungsi keanggotaan dalam fuzzy yang akan dipakai

adalah representasi kurva bentuk bahu. Kurva yang bentuknya seperti bahu di

sisi paling kanan dan paling kirinya. Himpunan fuzzy bahu, bukan segitiga,

digunakan untuk mengakhiri variabel suatu daerah fuzzy.

Bahu Kiri Bahu Kanan 1

[x]

0

a b c d e f

Gambar 2. 2. Representasi Kurva Bentuk Bahu

Ada dua keadaan himpunan fuzzy yang linear. Pertama, kenaikan

himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0]

13

bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan

lebih tinggi. Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari

nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian

bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih

rendah.

2.2.4.4 Metode Tsukamoto

Dalam membangun sebuah sistem fuzzy dikenal beberapa metode

penalaran, antara lain : metode Tsukamoto, metode Mamdani dan metode Sugeno.

Pada 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 dengan tegas (crisp) berdasarkan -predikat (fire strength).

Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.

Misal ada 2 variabel input, var-1(x) dan var-2(y) serta 1 variabel output

var-3(z), dimana var-1 terbagi atas 2 himpunan yaitu A1 dan A2 dan var-2 terbagi

atas himpunan B1 dan B2. Sedangkan var-3 juga terbagi atas 2 himpunan yaitu C1

dan C2. (Kusumadewi, 2003).

Ada dua aturan yang digunakan yaitu:

[R1] IF (x is A1) and (y is B2) THEN (z is C1)

[R2] IF (x is A2) and (y is B1) THEN (z is C2)

2.2.5. Studi Kasus

Suatu perusahaan makanan kaleng akan memproduksi makanan jenis

ABC. Dari data 1 bulan terakhir, permintaan terbesar mencapai 5000

14

kemasan/hari, dan permintaan terkecil mencapai 1000 kemasan/hari. Persediaan

barang di gudang terbanyak mencapai 600 kemasan/hari, dan terkecil pernah

mencapai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini

perusahaan baru memproduksi barang maksimum 7000 kemasan/hari, untuk

efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling

tidak 2000 kemasan. Berapa kemasan makanan jenis ABC yang harus diproduksi,

jika jumlah permintaan sebanyak 4000 kemasan dan persediaan di gudang masih

300 kemasan, apabila proses produksi perusahaan tersebut menggunakan 4 aturan

fuzzy sebagai berikut :

[R1] IF Permintaan TURUN And Persediaan BANYAK

THENProduksi Barang BERKURANG;

[R2] IF Permintaan TURUN And Persediaan SEDIKIT

THENProduksi Barang BERKURANG;

[R3] IF Permintaan NAIK And Persediaan BANYAK

THENProduksi Barang BERTAMBAH;

[R4] IF Permintaan NAIK And Persediaan SEDIKIT

THENProduksi Barang BERTAMBAH;

Solusi :

Ada 3 variabel yang akan dimodelkan, yaitu :

1. Permintaan, terdiri atas 2 himpunan fuzzy : NAIK dan TURUN.

[x] TURUN NAIK

0,75

0,25

0

1000 4000 5000 Gambar 2. 3. Fungsi Keanggotaan Variabel Permintaan

15

Mencari nilai keanggotaan :

PmtTURUN(4000) = (5000-4000)/4000

= 0,25

PmtNAIK(4000) = (4000-1000)/4000

= 0,75

2. Persediaan, terdiri atas 2 himpunan fuzzy :SEDIKIT dan BANYAK.

SEDIKIT BANYAK

100 300 600

Gambar 2. 4. Fungsi Keanggotaan Variabel Persediaan

Mencari nilai keanggotaan :

PsdSEDIKIT(300) = (600-300)/500

= 0,6

PsdBANYAK(300) = (300-100)/500

= 0,4

[y]

1

0,6

0,4

0

16

3. Produksi, terdiri atas 2 himpunan fuzzy : BERKURANG dan

BERTAMBAH.

BERKURANG BERTAMBAH

2000 7000

Gambar 2. 5. Fungsi Keanggotaan Variabel Produksi Barang

Cari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi

fungsi implikasinya :

[R1] IF Permintaan TURUN And Persediaan BANYAK

THENProduksi Barang BERKURANG;

-predikat1 = PmnTURUN PsdBANYAK

= min(PmnTURUN(4000), PsdBANYAK(300))

= min(0,25;0,4)

= 0,25

Lihat himpunan Produksi barang BERKURANG,

(7000-z)/5000 = 0,25 z1 = 5750

[R2] IF Permintaan TURUN And Persediaan SEDIKIT

THENProduksi Barang BERKURANG;

-predikat2 = PmtTURUN PsdSEDIKIT

[z]

1

0

17

= min(PmtTURUN(4000), PsdSEDIKIT(300))

= min(0,25;0,6)

= 0,25

Lihat himpunan Produksi barang BERKURANG,

(7000-z)/5000 = 0,25 z2 = 5750

[R3] IF Permintaan NAIK And Persediaan BANYAK

THENProduksi Barang BERTAMBAH;

-predikat3 = PmtNAIK PsdBANYAK

= min(PmtNAIK(4000), PsdBANYAK(300))

= min(0,75;0,4)

= 0,4

Lihat himpunan Produksi barang BERTAMBAH,

(z-2000)/5000 = 0,4 z3 = 4000

[R4] IF Permintaan NAIK And Persediaan SEDIKIT

THENProduksi Barang BERTAMBAH;

-predikat4 = PmtNAIK PsdSEDIKIT

= min(PmTNAIK(4000), PsdSEDIKIT(300))

= min(0,75;0,6)

= 0,6

Lihat himpunan Produksi barang BERTAMBAH,

(z-2000)/5000 = 0,6 z4 = 4000

Nilai z dapat dicari dengan cara sebagai berikut :

18

Jadi jumlah makanan kaleng jenis ABC yang harus diproduksi sebanyak 4983

kemasan.

19

2.3. Kerangka Pemikiran

Gambar 2. 6. Kerangka Pemikiran

20

BAB III

METODE PENELITIAN

3.1. Analisa Kebutuhan

Analisis kebutuhan perangkat lunak dilakukan untuk mengetahui semua

permasalahan serta kebutuhan yang diperlukan dalam pengembangan aplikasi

sistem pendukung keputusan pemilihan karyawan teladan. Analisis dilakukan

dengan mencari dan menentukan permasalahan yang dihadapi, serta semua

kebutuhan seperti analisis masalah, analisis sistem, masukan dan keluaran sistem,

antarmuka sistem, serta fungsi-fungsi yang dibutuhkan.

Metode analisis merupakan langkah penting dalam perancangan perangkat

lunak. Langkah ini sangat mempengaruhi perancangan yang dibuat beserta

implementasinya. Kesalahan dan kekurangsempurnaan pada tahap ini dapat

mengakibatkan kesalahan pada perancangan perangkat lunak, sehingga program

tidak dapat diimplementasikan seperti yang diinginkan.

Variabel-variabel yang dipelukan dalam pembuatan sistem penunjang

keputusan untuk pemilihan karyawan teladan dengan logika fuzzy tsukamoto pada

PT. FIF cabang batulicin yaitu kedispilinan, loyalitas terhadap perusahaan,

kemampuan komunikasi, tingkat kehadiran, dan kemampuan dalam memecahkan

masalah sebagai variabel input dan variabel hasil sebagai variabel output.

3.1.1. Metode Pengumpulan Data

1. Metode Kepustakaan

21

Metode ini digunakan untuk mengumpulkan data-data dan rumus-

rumus yang diperlukan dalam kaitannya untuk menerapkan algoritma fuzzy

tsukamoto. Hal ini dapat diperoleh dari buku-buku dan literatur lainnya.

2. Wawancara

Metode ini dilakukan dengan mangadakan tanya jawab (wawancara)

secara langsung dengan pihak-pihak yang berkaitan dengan informasi.

3. Metode observasi

Metode ini dilaksanakan dengan melakukan peninjauan langsung pada

objek penelitian serta melakukan pencatatan mengenai hal-hal dan semua

kejadian yang berhubungan dengan masalah yang diteliti. Observasi dilakukan

di PT. FIF cabang Batulicin.

3.2. Perancangan Penelitian

3.2.1. Sumber Data dan Variabel Penelitian

Data penelitian yang digunakan adalah data sekunder yang diambil dari

PT. FIF cabang Batulicin. Variabel penelitian yang digunakan berjumlah 5

variabel input dan 1 variabel output. variabel tersebut adalah sebagai berikut :

X1= disiplin

X2 = loyalitas

X3 = komunikasi

X4 = absensi

X5 = problem solving (kemampuan memecahkan masalah)

X6 = hasil inferensi

22

3.2.2. Diagram Konteks

Diagram konteks merupakan gambaran umum mengenai interaksi yang

terjadi antara sistem dengan admin. Diagram konteks dari sistem ini ditunjukkan

pada gambar.

Pada diagram konteks digambarkan proses umum yang terjadi di dalam

sistem. Terdapat komponen proses cluster dan external entity admin sebagai yang

memasukkan input dan menerima output. Admin memasukkan jumlah cluster

yang diminta untuk selanjutnya di proses. Setelah melakukan proses, sistem akan

menghasilkan output berupa.

Sistem

Pendukung

Keputusan

Pemilihan

Karyawan

Teladan

Admin

Input Data Karyawan

Input Variabel Disiplin

Input Variabel loyalitas

Input Variabel Komunikasi

Input Variabel Absensi

Input Variabel problem solving

Daftar calon karyawan teladan

Gambar 3. 1. Diagram Konteks

3.2.3. Use Case Diagram

Use case adalah konstruksi untuk mendeskripsikan bagaimana sistem

terlihat dimata pengguna. Sasaran permodelan use case diantaranya adalah

mendefinisikan kebutuhan fungsional dan operasional sistem dengan

mendefinisikan skenario penggunaan yang disepakati antara pemakai dan

pengembang (developer). Dari identifikasi aktor yang terlibat diatas maka use

case diagram untuk sistem penunjang keputusan dalam pemilihan armada dapat

dilihat pada

23

uc SPK pemilihan karyawan teladan

User

Input Variabel

v iew hasil

Algoritma Fuzzy

Tsukamoto

Input Batas Atas dan

Batas Bawah

Variabel

Input Variabel

Disiplin

Input Variabel

Loyalitas

Input Variabel

Komunikasi

Input Variabel

Absensi

Input Variabel

Problem Solv ing

Gambar 3. 2. Use Case Diagram

3.2.4. Sequence Diagram

Sequence diagram menggambarkan interaksi antar objek didalam dan

disekitar sistem (termasuk pengguna, display dan sebagainya) berupa message

yang digambarkan terhadap waktu. Sequence diagram teridiri antar dimensi

vertikal (waktu) dan dimensi horizontal (objek-objek yang terkait). Sequnce

diagram biasa digunakan untuk menggambarkan skenario atau rangkaian langkah-

langkah yang dilakukan sebagai respon dari sebuah event untuk menghasilkan

24

output tertentu. Diawali dari apa yang men-trigger aktivitas tersebut, proses dan

perubahan apa saja yang terjadi secara internal dan output apa yang dihasilkan.

Masing-masing objek, termasuk aktor memiliki lifeline vertikal. Message

digambarkan sebagai garis berpanah dari suatu objek ke objek lainnya. Pada fase

desain berikutnya, message akan dipetakan menjadi operasi / metode dari class.

Activation bar menunjukkan lamanya eksekusi sebuah proses, biasanya diawali

dengan diterimanya sebuah message.

sd SPK pemilihan karyawan teladan

User

HasilDatabase

Karyawan

Layar Algoritma Fuzzy

Tsukamoto

Tampilan menu()

Input variabel()

Proses()

Hasil Inferensi()

Menampilkan hasil

inferensi tsukamoto()

Hasil Inferensi()

Gambar 3. 3. Sequence Diagram

3.2.5. Activity Diagram

Activity diagram adalah bagian dari UML yang digunakan untuk

menggambarkan tahapan dari setiap proses bisnis yang ada agar lebih mudah

memahami proses bisnis yang terjadi.

Dalam activity diagram tiap aktivitas direpresentasikan dengan rounded

rectangle yang dihubungkan dengan anak panah untuk menggambarkan transisi

25

dari satu aktivitas ke aktivitas lain. Activity diagram mulai dari initial state dan

diakhiri dengan final state.

act SPK pemilihan...

Mulai

Input Variabel

Algoritma

Fuzzy

Tsukamoto

Hasil

Selesai

Gambar 3. 4. Activity Diagram

3.3. Teknik Analisis Data

Pada 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 dengan tegas (crisp) berdasarkan -predikat (fire strength).

Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.

Tahapan dalam perancangan sistem fuzzy ialah sebagai berikut :

1. Mendefinisikan model masukan dan keluaran system, dalam kasus ini

terdapat 5 model masukan/variabel input : disiplin, loyalitas, komunikasi,

absensi, probel solving.

26

2. Dekomposisi variabel model menjadi himpunan fuzzy, ke-5 variabel input

dan 1 variabel output terbagi atas 3 himpunan yaitu baik, cukup, kurang.

3. Pembuatan Aturan F uzzy,

Ada 3 aturan yang dipakai, yaitu :

[R1] IF (X1 is baik) AND (X2 is baik) AND (X3 is baik) AND

(X4 is baik) AND (X5 is baik) THEN (X6 is baik).

[R2] IF (X1 is cukup) AND (X2 is cukup) AND (X3 is cukup) AND

(X4 is cukup) AND (X5 is cukup) THEN (X6 is cukup).

[R3] IF (X1 is kurang) AND (X2 is kurang) AND (X3 is kurang) AND

(X4 is kurang) AND (X5 is kurang) THEN (X6 is kurang).

Dengan :

X1= disiplin

X2 = loyalitas

X3 = komunikasi

X4 = absensi

X5 = problem solving (kemampuan memecahkan masalah)

X6 = hasil inferensi

4. Proses Logika Fuzzy :

a. Fuzzifikasi, merupakan proses untuk mendapatkan derajat keanggotaan

dari sebuah nilai numerik masukan (crisp).

Misal untuk mendapatkan derajat keanggotaan untuk himpunan baik,

cukup, dan kurang pada variabel disiplin adalah dengan menggunakan

representasi kurva bentuk bahu.

b. Aplikasi fungsi implikasi, dimana penggunaan Fungsi MIN sebagai

Metode Implikasinya dalam menentukan -predikat minimum dari tiap-

27

tiap aturan yang ditetapkan, maksudnya dari beberapa pernyataan IF

tersebut diambil -predikat atau nilai derajat keanggotaan terkecil.

c. Defuzzifikasi, proses untuk merubah hasil penalaran yang berupa derajat

keanggotaan keluaran (-predikat) menjadi variabel numerik kembali

(crisp).

3.4. Jadwal Penelitian

Penelitian ini akan dilaksanakan dengan mengikuti estimasi jadwal yang

telah disusun seperti pada Tabel 3.1 berikut :

Tabel 3. 1. Estimasi Jadwal Penelitian

No Kegiatan Bulan 1 Bulan 2 Bulan 3 Bulan 4

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1. Pengumpulan Data

2. Analisa Permasalahan

3. Penerapan Algoritma

4. Uji Algoritma dan

Implementasi

5. Pembuatan Laporan

Keterangan :

: Pelaksanaan Kegiatan

28

DAFTAR PUSTAKA

Adiyasa, Y. (2008). Sistem Pendukung Keputusan Estimasi Jumlah Produksi Gula Dengan Logika Fuzzy (Studi Kasus PT. Madu Baru Yogyakarta). Sekolah Tinggi Teknologi Adisutjipto. Yogyakarta.

Chandraleka, H. (2007). Panduan Praktis Pemrograman Delphi 8. Yogyakarta: Penerbit Andi Yogyakarta.

Kani, Firmansyah, & Sufandi, U. U. (2010). Pemrograman Database Menggunakan Delphi. Jakarta: Graha Ilmu.

Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.

Partawi, N. M. (2010). Rancang Bangun Sistem Pendukung Keputusan Pemilihan Karyawan Teladan Menggunakan Metode Fuzzy AHP. Sekolah Tinggi Ilmu Komputer Surabaya. Surabaya.

Ramadhan, G. (2008). Menentukan Harga Mobil Bekas Toyota Avanza Menggunakan Metode Tsukamoto. Universitas Islam Negeri Syarif Hidayatullah. Jakarta.

29

DAFTAR RIWAYAT HIDUP

a. Data Personal

NIM :

Nama :

Tempat / Tgl. Lahir :

Jenis Kelamin :

Agama : Islam

Status Perkawinan : Lajang

Jenjang : Strata Satu (S1)

Program Studi : Sistem Informasi

Alamat Rumah :

Telp. :

Email :

ID Messenger :

b. Pendidikan Formal

Jenjang Nama Lembaga Jurusan Tahun Lulus

SD/MI

SMP/MTs.

SMA/MK/MA

Demikianlah daftar riwayat hidup ini dibuat dengan sebenarnya.

Banjarmasin, September 2011

Mahasiswa Ybs.,