PROTOYPE LOGIKA FUZZY INFRENCE SYSTEM DALAM … · Dengan bantuan software Matlab. Hasil penelitian...

PROTOYPE LOGIKA FUZZY INFRENCE

SYSTEM DALAM PENILAIAN KINERJA

GURU: STUDI KASUS SMK XYZ MUHAMMAD MAHMUD, M.ENG1 DUDIH GUSTIAN, S.T, M.KOM2 PROGRAM STUDI TEKNIK INFORMATIKA1, PROGRAM STUDI SISTEM

INFORMASI2, STT NUSA PUTRA SUKABUMI, INDONESIA (Email: [email protected] dan [email protected])

ABSTRAK:

Guru adalah komponen kunci dari pencapaian target pemerintah. Oleh karena itu, pemerintah memberikan aturan

yang pasti untuk meningkatkan kinerja guru dalam proses belajar dapat berjalan seperti yang diharapkan. Namun,

kondisi lapangan, harapan pemerintah ini belum terealisasi sepenuhnya, ini disebabkan kasus maksimal dalam

pengawasan khusus dari manajemen sekolah dalam menilai kinerja guru yang ditemukan di beberapa mengajar di

sekolah dan kegiatan belajar yang tidak diharapkan untuk mengalami kualitas. Salah satu kendala tersebut adalah

tidak adanya sistem informasi tertentu yang dapat memberikan dukungan bagi para pengambil keputusan adalah

kepala sekolah, sehingga sulit menghasilkan keputusan yang optimal. Selain data pendukung yang diperlukan

sebagai dasar untuk pengambil keputusan harus menunggu hasil musyawarah, sehingga proses pengambilan

keputusan memakan waktu lama. Dalam rangka untuk menentukan kinerja guru yang buruk, dan cukup baik, maka

Kepala Sekolah harus membuat kriteria atau persyaratan yang digunakan sebagai dasar dalam menentukan penilaian

kinerja guru. Salah satu cara untuk melakukannya adalah dengan menggunakan pendekatan logika fuzzy Infrence

Sistem Mamdani. kriteria penilaian dapat dilakukan dengan melihat Pedagogik Kompetensi, Kompetensi Profesional,

Kompetensi Kepribadian dan Kompetensi Sosial dimiliki oleh guru masing-masing. Dari kriteria tersebut, maka dibuat

suatu Sistem Pendukung Keputusan. Penentuan kriteria kinerja guru yang kemudian diolah dengan pendekatan logika

fuzzy. Dengan bantuan software Matlab. Hasil penelitian ini diharapkan Principal mampu menentukan kinerja guru

dalam Islam SMK XYZ dengan efekif, efisien, dan obyektif dengan batas nilai ≥ 7,5, cukup <7,5 dan kurang dari <5

dengan kriteria yang layak untuk membatasi 8.53 dan setelah diuji pada guru menghasilkan nilai yang baik yaitu

sekitar 82, yang berarti bahwa GUI yang dibuat dapat diterima sehingga nantinya dapat diterapkan dilembagakan.

KATA KUNCI: Decision Support Systems, Fuzzy Logic, Master, Mamdani method, defuzzyfication, Matlab.

1. PENDAHULUAN 1.2 Masalah Penelitian 1.1. Latar Belakang Masalah 1.2.1 Identifikasi Identifikasi Masalah

Guru merupakan jabatan atau profesi yang memerlukan keahlian

khusus sebagai guru. Pekerjaan ini tidak bisa dilakukan oleh orang

yang tidak memiliki keahlian untuk melakukan kegiatan atau pekerjaan

sebagai guru.

Guru yang profesional diharapkan mampu berpartisipasi dalam

pembangunan nasional untuk mewujudkan insan Indonesia yang

bertakwa kepada Tuhan YME, unggul dalam ilmu pengetahuan dan

teknologi, memiliki jiwa estetis, etis, berbudi pekerti luhur, dan

berkepribadian. Oleh sebab itu, profesi guru perlu dikembangkan

secara terus menerus dan proporsional menurut jabatan fungsional

guru.

Dalam Panduan Sertifikasi Guru bagi LPTK Tahun 2006 yang

dikeluarkan Direktur Ketenagaan Dirjen Dikti Depdiknas disebutkan

bahwa kompetensi merupakan kebulatan penguasaan pengetahuan,

keterampilan dan sikap yang ditampilkan melalui unjuk kerja.

Untuk mewujudkan tujuan pendidikan nasional yaitu visi dan misi

sekolah, maka sekolah perlu memilih kinerja guru yang dijadikan

teladan atau contoh bagi guru lainnya dalam mengajar. Menetapkan

kinerja guru dapat mendorong peningkatan mutu pendidikan dan

meningkatkan motivasi dan profesionalisme guru dalam pelaksanaan

tugas, agar dapat diwujudkan kinerja guru tersebut, maka kepala

sekolah membuat kriteria atau persyaratan untuk menentukan kinerja

guru.

50

VOLUME 2 TAHUN II MARET 2016

Sistem verifikasi kelayakan masih belum obyektif.

Hasil pengukuran yang dilakukan oleh sekolah dengan

pengawas belum sinkron, sehingga terjadi dua kali pengukuran

1.2.2 Batasan Masalah

Penelitian ini dilaksanakan dengan 40 sampel dari total guru

sebanyak 120 yang ada.

Penelitian ini hanya merupakan pembuatan suatu model

dalam penentuan kinerja seorang guru yang dapat membantu

pihak manajemen Sekolah dalam penentuan kinerja guru agar

dapat meningkatkan mutu proses kegiatan belajar mengajar.

Penelitian ini dilakukan dengan sampel pada tahun 1993 dan

1994.

1.2.3 Rumusan Masalah

Bagaimana penilaian kinerja guru penentuan kinerja guru agar

dapat meningkatkan mutu proses kegiatan belajar mengajar

metode FIS?

Seberapa besar kehandalan GUI yang dibuat dapat diterima

oleh pihak manajemen dalam menentukan kelayakan seorang

guru agar dapat meningkatkan mutu proses kegiatan belajar

mengajar?

www.nusaputra.ac.id

JURNAL Nusa Putra 2.indd 50

4/7/2016 1:32:58 PM

ISSN 2407- 8301 SK N O. 0005.049/JI.3.2./SK.ISSN/2015.01 - 20 JANUAR I 2015

1.3 Tujuan dan Manfaat

1.3.1 Tujuan

Mengukur kelayakan kinerja guru dapat meningkatkan mutu

proses kegiatan belajar mengajar metode FIS Mamdani.

Menghasilkan kehandalam dari GUI yang dibuat agar dapat

diterima oleh pihak manajemen dalam menentukan kelayakan

seorang guru agar dapat meningkatkan mutu proses kegiatan

belajar mengajar.

1.3.2 Manfaat

Manfaat Praktis, Hasil penelitian ini diharapkan dapat

memberikan alternatif dalam penilaian kinerja Guru SMA XYZ.

Manfaat Teoritis, Hasil penelitian ini diharapkan dapat

memberikan bukti empiris terhadap penerapan metode Fuzzy

Inference System (FIS) Mamdani.

II. KAJIAN LITERATUR

2.1 Pengertian sistem

Sistem adalah suatu kesatuan usaha yang terdiri dari bagian-

bagian yang berkaitan satu sama lain yang berusaha mencapai suatu

tujuan dalam suatu lingkungan kompleks. Pengertian tersebut

mencerminkan adanya beberapa bagian dan hubungan antara

bagian, ini menunjukkan kompleksitas dari sistem yang meliputi kerja

sama antara bagian yang independent satu sama lain. Selain itu dapat

dilihat bahwa sistem berusaha mencapai tujuan. Pencapaian tujuan ini

menyebabkan timbulnya dinamika, perubahan-perubahan yang terus-

menerus perlu dikembangkan dan dikendalikan. Definisi tersebut

menunjukkan bahwa sistem sebagai gugus dari elemen-elemen yang

saling berinteraksi secara teratur dalam rangka mencapai tujuan atau

sub tujuan.

2.2 Pengertian Sistem Pendukung Keputusan

Sistem Pendukung Keputusan sebagai “Sekumpulan prosedur

berbasis model untuk data pemrosesan dan penilaian guna membantu

para manajer mengambil keputusan (Little, 1970). Dia menyatakan

bahwa untuk sukses, sistem tersebut haruslah sederhana, cepat,

mudah dikontrol, adaptif lengkap dengan isu-isu penting, dan mudah

berkomunikasi (Efraim 2005).

Dari definisi tersebut, dapat diindikasikan empat karakteristik

utama dari Sistem Pendukung Keputusan, yaitu:

Sistem Pendukung Keputusan menggabungkan data dan model

menjadi satu bagian.

Sistem Pendukung Keputusan dirancang untuk membantu para

manajer (pengambil keputusan) dalam proses pengambil keputusan

dari masalah yang bersifat semi struktural (tidak terstruktur).

Sistem Pendukung Keputusan lebih cenderung dipandang

sebagai penunjang penilaian manajer dan sama sekali bukan untuk

menggantikannya.

Teknik Sistem Pengambil Keputusan dikembangkan untuk meningkatkan efektivitas dari pengambil keputusan

2010).

2.3 Fuzzy Infrence System Mamdani

Metode Mamdani sering juga dikenal dengan nama Metode Max-

Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun

1975.Untuk mendapatkan output, diperlukan 4 tahapan:

Pembentukan himpunan fuzzy. Pada proses fuzzifikasi langkah

yang pertama adalah menentukan Variabel fuzzy dan himpunan

fuzzinya. Kemudian tentukan derajat keanggotaan antara data

masukan fuzzy dengan himpunan fuzzy yang telah didefenisikan

www.nusaputra.ac.id


untuk setiap variabel masukan sistem dari setiap aturan fuzzy. Pada

metode mamdani, baik variabel input maupun variabel output dibagi

menjadi satu atau lebih himpunan fuzzy.

Aplikasi fungsi implikasi pada metode mamdani. Fungsi implikasi yang

digunakan adalah min. Hasil implikasi fuzzy dari setiap aturan ini kemudian

digabungkan untuk menghasilkan keluaran infrensi fuzzy.

Komposisi Aturan (rule). Tidak seperti penalaran monoton, apabila

sistem terdiri dari beberapa aturan, maka infrensi diperoleh dari

kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan

dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan

probabilistik OR.

Penegasan (defuzzy). Input dari proses defuzzifikasi adalah suatu

himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy,

sedangkan output yang dihasilkan merupakan suatu bilangan pada

domain himpunan fuzzy tersebut.

2.4 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy

Seperti halnya himpunan konvensional, ada beberapa operasi

yang didefinisikan secara khusus untuk mengkombinasikan dan

memodifikasi himpunan fuzzy. Fire strength atau α–predikat adalah

nilai keanggotaan yang didapat dari operasi himpunan fuzzy. Ada tiga

operator dasar yang diciptakan oleh Zadeh, yaitu:

1. Opertor AND

Operator ini berhubungan dengan operasi interseksi pada

himpunan. Fire Strength sebagai hasil operasi dengan operator AND

diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen

pada himpunan-himpunan yang bersangkutan. µ A

∩ B = min ( A[x], B[y]) misal nilai keanggotaan 27 tahun pada

himpunan MUDA adalah 0,6 ( MUDA[27]=0,6); dan nilai kenggotaan

Rp2.000.000 pada himpunan penghasilan TINGGI adalah 0,8 ((

GAJITINGGI[2x106]=0,8) maka fire strength untuk usia MUDA dan

berpenghasilan TINGGI adalah:

MUDA ∩

GAJITINGGI = min(

MUDA[27],

GAJITINGGI[2x106]) = min (0,6 ; 0,8)

= 0,6

2. Operator OR

Operator ini berhubungan dengan operasi union pada himpunan.

Fire Strength sebagai hasil operasi dengan operator OR diperoleh

dengan mengambil nilai keanggotaan terbesar antar elemen pada

himpunan-himpunan yang bersangkutan.

A B = max( A[x], B[y])

Misal seperti contoh AND jika menggunakan operator OR, maka

fire strength-nya adalah:

MUDA GAJITINGGI =max( MUDA[27],

GAJITINGGI[2x106]) = max(0,6 ; 0,8)

= 0,8

3. Operator NOT

Operator ini berhubungan dengan operasi komplemen pada

himpunan. Fire Strength sebagai hasil operasi dengan operator NOT

diperoleh dengan menguraikan nilai keanggotaan elemen pada

himpunan bersangkutan dari 1.

A’ = 1- A[x]

Misal seperti contoh AND dapat dihitung nilai fire strength untuk

usia Tidak MUDA adalah:

MUDA’ [27] = 1 - MUDA[27]

= 1 - 0,6

= 0,4


51

4/7/2016 1:32:59 PM

(Marimin dan Nurul


2.5 Matlab Toolbox: Fuzzy

Agar dapat menggunakan fungsi-fungsi logika fuzzy yang ada

pada Matlab, maka harus diinstalkan terlebih dahulu Toolbox Fuzzy.

fuzzy logic toolbox memberikan fasilitas Graphical User Interface

(GUI) untuk mempermudah dalam membangun, mengedit, dan

mengobservasi sistem penalaran fuzzy, yaitu:

Fuzzy Inference System (FIS) Editor Membership Function Editor Rule Editor Rule Viewer Surface Viewer (Prabowo Pujdo dan Rahmadya, 2009, p,4)

Motivasi utama teori fuzzy logic adalah memetakan sebuah ruang

input ke dalam ruang output dengan menggunakan IF – THEN rules.

Pemetaan dilakukan dalam suatu FIS, urutan rule bisa sembarang.

FIS mengevaluasi semua rule secara simultan untuk menghasilkan

kesimpulan. Oleh karenanya, semua rule harus didefinisikan lebih

dahulu sebelum kita membangun sebuah FIS yang akan digunakan

untuk menginterpretasikan semua rule tersebut.

2.6 Tinjauan Studi

Penelitian tentang penerapan logika fuzzy yang telah dilakukan

oleh orang lain:

1. Dalam penelitian yang dilakukan oleh(Maman,2006) membahas

Sistem Pendukung Keputusan: Model Penentuan Siswa Teladan

pada SMK YP-Karya 1 Tangerang dengan pendekatan logika

fuzzy. Pada penelitian ini untuk menentukan siswa teladan dilihat

dari tujuh kriteria yaitu:

Sikap

Kedisiplinan

Kerapihan

Terlibat narkoba dan barang terlarang

Nilai rata-rata raport

Nilai praktek kerja lapangan

Organisasi

Dimana kriteria-kriteria ini dijadikan variabel fuzzy untuk

menentukan siswa teladan dan hiimpunan fuzzy dapat berupan

BAIK, CUKUP, KURANG, TERLIBAT, TIDAK TERLIBAT, AKTIF,

PASIF, dan TIDAK ANDIL.

2. Pada penelitian lain oleh (Fatoni) membahas aplikasi perhitungan

kalori harian penderita diabetes melitus menggunakan logika fuzzy.

Pada penelitian terdapat tiga kriteria, yaitu:

Umur Berat

badan

Aktivitas

3. Pada penelitian lain oleh (Roni Kastaman, Sudaryanto Zain, Sigit B. Priyudo)

membahas penerapan logika fuzzy pada penilaian mutu teh hitam

orthodox. Menurut ketentuan SNI-1902-2000 (Badan Standarisasi

Industri, 2000, syarat mutu dari teh hitam ditentukan berdasarkan

karakteristik:

a. Ukuran partikel

b. Kenampakan teh hitam, yang meliputi:

1. Bentuk, ukuran, dan beratnya

2. Tip (jumlah, warna, dan keadaan)

3. Warna partikel

4. Kebersihan

c. Air seduhan, yang meliputi:

52


1. Warna

2. Rasa

3. Bau

4. Kenampakan ampas seduhan teh, yang meliputi:

a. Warna

b. Kerataan

2.7 Kerangka Pemikiran

Variabel fuzzy untuk menentukan kinerja guru dan himpunan fizzy

dapat berupa KURANG, CUKUP, dan BAIK. Secara ringkas kerangka

pemikiran dimaksud dapat digambarkan dalam gambar skema di

bawah ini:

Gambar 1. Kerangka pemikiran kinerja guru

1. Kondisi saat ini: Proses penentuan kinerja guru pada Sekolah

berdasarkan hasil rapat musyawarah.

2. Input penentuan kinerja guru: Berdasarkan kompetensi

pedagogik, kompetensi profesional, kompetensi kepribadian,

kompetensi sosial.

3. Proses menggunakan TIK yaitu dengan: Pendekatan

komputasi berdasarkan kriteria penentuan kinerja guru,

menggunakan Toolbox Matlab dan menggunakan fuzzy logic.

4. Uji validasi: menguji hasil dari pemanfaatan TIK dan Data

validasi, bila terjadi ketidak akuratan, maka proses TIK kembali

dilakukan.

5. Hasil yang diharapkan: Model penentuan kinerja guru yang

akurat berdasarkan kriteria penentuan kinerja guru.

2.8 Hipotesis Penelitian

Berdasarkan dari kajian teoritis dan kerangka konsep yang telah

dikemukakan, diduga bahwa penentuan kinerja guru pada sistem

informasi belajar mengajar di SMK XYZ dapat membantu dalam

mengukur kinerja Guru.

III. METODOLOGI PENELITIAN

3.1 Metode Penelitian

Penelitian ini dilakukan untuk pembuatan model penilaian kinerja

guru dalam peningkatan kegiatan belajar mengajar dengan

menggunkan FIS (Fuzzy Inference System). Informasi yang

dibutuhkan dari objek yang diteliti ialah SMK XYZ.

www.nusaputra.ac.id

JURNAL Nusa Putra 2.indd 52 4/7/2016 1:32:59 PM


1. Penelitian Pendahuluan. Penelitian ini dilakukan untuk

memperoleh kriteria-kriteria dalam penelitian yang diambil

sesuai dengan pedoman Kinerja Guru SMK XYZ.

2. Kuesioner. Setelah memperoleh kriteria-kriteria dari

penelitian pendahuluan selanjutnya akan dibuat kuesioner

penelitian

3. Mengelola hasil kuesioner. Data yang diperoleh dari

kuesioner akan diolah menggunakan pendekatan logika fuzzy

dengan Matlab.

3.2 Metode Pengumpulan Data

Penelitian yang dilakukan untuk menghasilkan data dan informasi

yang diperlukan serta berhubungan hal yang akan ditulis. Untuk

mengumpulkan data serta informasi yang diperlukan maka

menggunakan metode sebagai berikut:

1. Pengumpulan Data Primer. Untuk mengumpulkan data serta

informasi yg di perlukan dalam penelitian Berdasarkan data dari

Kepala Sekolah, wakil kepala sekolah bidang kurikulum, Sie.

Peng. Mutu. Yayasan. menggunakan data sebagai berikut:

a. Konfirmasi data identitas guru:

1. NUPTK

2. Nama

3. Tempat tanggal lahir

4. Alamat

5. Jenis kelamin

6. Tahun masuk

b. Konfirmasi administrasi guru:

1. Silabus

2. RPP

c. Jadwal pelajaran

1. Konfirmasi daftar hadir guru

Tabel 1. Variabel Penelitian Penilaian Kinerja Guru

No

Variabel Yang Diamati

Indikator

1 Pedagogik 5

2 Kepribadian 5

3 Sosial 3

4 Profesional 2

TOTAL 15

Tabel 2. Himpunan Fuzzy

2. Pengumpulan data sekunder. Data sekunder diperoleh

dengan cara mengamati data, membaca mempelajari dan

mengutip dari buku literature, jurnal, internet serta sumber-

sumber lain yang berhubungan erat dengan penulisan.

3.3 Logika FIS Mamdani

Teknik pendekatan menggunakan metode FIS Mamdani meliputi

5 tahapan, dimana 2 tahapan pertama merupakan tahap pengumpulan

data dan 3 tahapan selanjutnya merupakan tahap analisis data. a. Tahap pengumpulan data terdiri dari:

1. Dekomposisi input

2. Pembentukan himpunan fuzzy b. Tahap analisis data terdiri dari:

1. Aplikasi fungsi implikasi

2. Komposisi aturan

3. Defuzzifikasi

IV. HASIL DAN PEMBAHASAN 4.1 Analisis Masalah

Penelitian ini menggunakan batasan –batasan sebagai berikut: 1. Perancangan yang dibuat dengan penalaran fuzzy dengan

metode Mamdani. 2. Pembuatan aturan dalam basis pengetahuan yang dibantu oleh

kepala sekolah.

4.2 Hasil Penelitian

Kriteria yang dianalisis untuk dijadikan variabel fuzzy dalam

menentukan kinerja guru dengan Matlab, yaitu: 1. Kompetensi Pedagogik terdapat 5 Input dan 1 Output

2. Kompetensi Kepribadian terdapat 5 Input dan 1 Output

www.nusaputra.ac.id VOLUME 2 TAHUN II MARET 2016

53

JURNAL Nusa Putra 2.indd 53 4/7/2016 1:32:59 PM


4.3 Menentukan fungsi implikasi

Fungsi implikasi yang digunakan adalah metode Min, rule yang

terpengaruh derajat keanggotaan adalah rule: 5

.5 = min{ Peda1(8), Peda2(9), Peda3(8), Peda4(8), Peda5(8),

Kepri1(9), Kepri2(8), Kepri3(8), Kepri4(9), Kepri5(8),

Sos1(9), Sos2(8), Sos3(9), Prof1(8), Prof2(7)}

= min (1;1;1;1;1;1;1;1;1;1;1;1;1;1;0.5) = 0.5

Berdasarkan fungsi keanggotan dari variable output himpunan

3. Kompetensi Sosial terdapat 3 Input dan 1 Output tinggi pada saat α2diperoleh nilai 0,5 d[2] sebagai berikut: b = (d5) = α 5 <->d [5 -7] = 0,5

1

d[5] = 7,5

Modifikasi Fungsi keanggotaan tinggi dari variable output

setelah diterapkan cut adalah:

(d5)= d [5] -7 ; 7≤ d5 ≤ 7.5

1

0,5 ; 7.5 ≤ d5 ≤ 8

Rule 9 .9= min{

LY1(9),

LY2(9),

TG1(9), TG2(8),

TG3(9),

TG4(8),

KD1(9),

KD2(9),

KJ1(9), KJ2(7),

KJ3(8),

KS1(8),

4. Kompetensi Profesional terdapat 2 Input dan 1 Output

KS2(8),

KS3(8),

KS4(8), KS5(7),

KP1(7),

KP2(7),

KP3(7),

KP4(5)}

= min (1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;0;0;0;0;1)

= 0

Berdasarkan fungsi keanggotan dari variable output himpunan

tinggi pada saat α9 diperoleh nilai 0 d[9] sebagai berikut:

b = (d9) = α9 <->d [9] -7 = 0

1

d[9] = 0

Modifikasi Fungsi keanggotaan tinggi dari variable output

setelah diterapkan cut adalah:

(d9)= 0 ;0≤ d9 ≤ 7.5

0.5 ;7.5≤ d9 ≤ 8

5. Penilaian Kinerja Guru terdapat 4 Input dan 1 Output 4.4 Fungsi Implikasi Fungsi implikasi yang digunakan adalah metode min dan rule

yang terpengaruh adalah rule 21 dan rule 22.

21 = min{

t(12),

t(12),

t(8),

t(22),

t(14),

t(12),

t(10),

t(6),

t(12),

t(10),

t(10),

t(16),

t(6),

t(6)}

= min (1; 0,66; 1; 0,73; 0,71; 0,66; 0,66; 1; 1; 0,75; 1; 1; 1; 1) = 0,66

Berdasarkan fungsi keanggotaan dari Variabel output himpunan

tinggi, pada saat α 21 = 0,66 diperoleh nilai:

b = (d21) = α 21(d[21]-3)/7 = 0,66

d[21] = 4,62 + 3 = 7,62

α 22= min{ t(12),

t(12),

t(8),

t(22),

t(14),

t(12),

t(10),

t(6),

t(12),

t(10),

t(10),

t(16),

t(6),

t(6)}

= min (1; 0,66; 1; 0,73; 0,71; 0,66; 0,2; 1; 1; 0,75; 1; 1; 1; 1) = 0,2

Berdasarkan fungsi keanggotaan dari variabel output himpunan

tinggi, pada saat α 22 = 0,2 diperoleh nilai:

b = (d22) = α 22(d[22]-3)/7 = 0,2

d[22] = 1,4 + 3 = 4,4

54


www.nusaputra.ac.id


4/7/2016 1:33:00 PM

4.5 Komposisi Aturan

Metode Max digunakan untuk mentukan komposisi aturan. Variabel output. Derajat kebenaran himpunan BAIK

= Max (α 21 ; α22)

= Max (0,66 ; 0,2) = 0,66

Daerah hasil inferensi tertinggi adalah 0,66 dan terendah 0,2

4.6 Defuzzifikasi

Metode yang digunakan untuk fuzzifikasi adalah centroid.

(x)= 0,2

; 4,4 ≤ d_21 ≤7,62

0,66 ; 7,62 ≤ d_21 ≤10

M1 = 7,62▒

4,4 (0,2) xdx

= 0,1x2

7,62 ┤ = 5,81 – 1,9 = 3,91

4,4

M2 = 10 (0,66)xdx 7,62▒

= 0,33x2

10 = 33 – 19 = 14

7,62

L1 = 0,2 (7,62 – 4,4) = 0,6

L2 = 0,66 (10 – 7,62) = 1,5

Nilai crisp output dihitung dengan:

M1+M2 14 + 3,91

z* =

=

= 8,53 A1+A2 0,6 + 1,5

Batas nilai output kinerja guru yang telah ditetapkan oleh kepala sekolah selaku pimpinan yang melakukan penilaian

kinerja guru adalah:

a. Guru berkinerja “BURUK” batas nilai output < 5

b. Guru berkinerja “CUKUP” batas nilai output < 7,5

c. Guru berkinerja “BAIK” batas nilai output ≥ 7,5

4.7 Hasil Pengujian Prototipe Perangkat Lunak

Untuk memastikan bahwa perangkat lunak yang dibuat memiliki standar minimal kualitas, maka digunakan metoda untuk

pengukuran kualitas perangkat lunak secara kuantitatif adalah metoda SQA (Software Quality Assurance).

Tabel 10. Hasil Evaluasi SQA

Skor rata-rata yang dihasilkan adalah 82, sedangkan nilai optimal untuk sebuah perangkat lunak yang memenuhi standar

kualitas berdasarkan uji SQA adalah 80.

V. PENUTUP 5.1 Kesimpulan

Beberapa kesimpulan yang dapat dikemukakan, diantaranya sebagai berikut:

1. Dari hasil penelitian dengan metode FIS mamdani yang dilakukan dengan tools matlab diperoleh batasan baik dengan

batas nilai ≥ 7,5, cukup < 7,5 dan kurang < 5 dengan criteria layak dengan batas 8.53

2. Setelan dilakukan quisioner terhadap GUI yang dibuat, maka

www.nusaputra.ac.id


diperoleh nilai rata-rata sekitar 82. Hal ini menunjukkan bahwa GUI yang dibuat memenuhi standar SQA yakni 80,

meskipun demikian nilai tersebut belum bisa dikatakan sepenuhnya benar, karena audience yang menguji GUI ini hanya

5 orang yang dilakukan secara acak.

5.2 SARAN

Beberapa saran yang dapat dikemukakan, diantaranya sebagai berikut ini: 1. Perlu adanya kesiapan sistem yang berjalan dengan baik. Hal ini dilakukan agar sistem dapat memberikan dukungan

hasil keputusan untuk pimpinan 2. Pihak sekolah hendaknya dapat menerapkan model perangkat lunak dalam penelitian ini, sehingga proses pemilihan

kelayakan seorang guru dalam mendapatkan sertifikasi dapat lebih objektif dengan menilai kinerja dari beberapa

kompetensi yang dinilai dari sekolah. Hal ini tentu saja berlainan dengan proses pemilihan selama ini yang digunakan

secara manual. 3. Sistem yang digunakan harus mendukung untuk memberikan hasil yang terbaik. Dengan ditunjang Sarana dan prasarana yang

diperlukan terdiri dari hardware, software, dan infrastruktur yang baik. 4. Hasil penelitian ini perlu disosialisasikan kepada seluruh guru, sehingga guru dapat diberikan reward dan punishment

sebagai tindakan dari hasil kerjanya masing-masing. 5. Implikasi aspek manajerial dapat ditinjau dari Organisasi dan Suber Daya Manusia (SDM) diperlukan Standard

Operasional Prosedur (SOP) yang mengatur tata laksana operasional bidang Teknologi Informasi. 6. Perlu diadakannya penelitian lebih lanjut dengan jarak penelitian

2 sampai 3 tahun dengan menambah kriteria (variabel maupun indikator). DAFTAR PUSTAKA [1] Kusumadewi, S. (2002). ”Analisis & Design Sistem Fuzzy Menggunakan Tool Box Matlab” [2] Kusumadewi, S. (2004). “Aplikasi Logika Fuzzy Untuk Pendukung

Keputusan”, Yogyakarta: Graha Ilmu [3] Klir, George J, Yuan, Bo. (1995). “Fuzzy Sets and Fuzzy Logic, Theory and

Application” Prentice Hall International, Inc [4] Mangkoesapoetra, Arief. (2004). “Statistika: Analisa Multivariat. Seri

metode Kuantitatif”. Jakarta: STMIK Nusa Mandiri [5] Maman. (2006). “Sistem Pendukung Keputusan: Model Penentuan Siswa Teladan pada SMK YP-KARYA 1 Tangerangdengan

Pendekatan Logika

Fuzzy”. Jakarta: Universitas Budi Luhur [6] Marimin, Nurul. (2010). “Aplikasi Teknik Pengambila Keputusan dalam

Rantai Pasok” , Bogor: Cetakan 1 IPB Press. [7] Sri, Hari. (2010). “Aplikasi Logika Fuzzy untuk Pendukung Keputusan” . Yogyakarta: Edisi 2 Graha Ilmu. [8] Agusnaba. (2009). “Belajar Cepat Fuzzy Logic Menggunakan Matlab” . Yogyakarta: Andi [9] Sri Kusuma Dewi, Hartati, ”Neuro Fuzzy, Integrasi Sistem Fuzzy dan

Jaringan Syaraf” Yogyakarta: Graha Ilmu. [10] Efraim Turban., Jay E. Aronson., & Ting-Peng Liang. (2005). “Decision

Support System And Intelligent System – 7th Ed”, Pearson Education, Inc. Upper Saddle River, New Jersey. [11] Prabowo, Rahmadya. (2009). “Data maining dengan Matlab“ [12] Prabowo, Rahmadya. ( ). “Soft computing “ [13] Sri, Hari. (2010). “Aplikasi Logika Fuzzy Untuk Pendukung Keputusan“ [14] Fatoni. (2011). “Aplikasi Perhitungan Kalori Harian Penderita Diabetes

Melitus Menggunakan Logika Fuzzy”, Palembang, Universitas Bina Darma.

PROTOYPE LOGIKA FUZZY INFRENCE SYSTEM DALAM … · Dengan bantuan software Matlab. Hasil penelitian...

Documents

Transcript of PROTOYPE LOGIKA FUZZY INFRENCE SYSTEM DALAM … · Dengan bantuan software Matlab. Hasil penelitian...