1

PROPOSAL SKRIPSI

SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN

KARYAWAN TELADAN DENGAN LOGIKA FUZZY
TSUKAMOTO
(STUDI KASUS : PT F.I.F (FEDERAL INTERNATIONAL
FINANCE))

OLEH :
1

AAN HIDAYAT
3101 0601 0885

PROGRAM STUDI SISTEM INFORMASI

SEKOLAH TINGGI MANAJEMEN INFORMATIKA
DAN KOMPUTER BANJARBARU
(STMIK BANJARBARU)
BANJARMASIN
2011

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))
3

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.

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

3.1.

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

3.1.1.

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

3

4
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

DAFTAR TABEL
Hal.
Tabel 3. 1. Estimasi Jadwal Penelitian.............................................................33
4

DAFTAR GAMBAR
Hal

Gambar 2. 1. Himpunan Fuzzy pada variabel temperatur......................................17

5

6
Gambar 2. 2. Representasi Kurva Bentuk Bahu..................................................18
Gambar 2. 3. Fungsi Keanggotaan Variabel Permintaan.......................................21
Gambar 2. 4. Fungsi Keanggotaan Variabel Persediaan........................................21
Gambar 2. 5. Fungsi Keanggotaan Variabel Produksi Barang.................................22
Gambar 2. 6. Kerangka Pemikiran..................................................................25
Gambar 2. 7. Kerangka Pemikiran..................................................................25
Gambar 3. 1. Diagram Konteks.....................................................................28
Gambar 3. 2. Use Case Diagram....................................................................29
Gambar 3. 3. Sequence Diagram....................................................................30
Gambar 3. 4. Activity Diagram......................................................................31

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 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
2

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.

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?

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.

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.

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 konsekuensikonsekuensi 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.

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

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

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.
SEJUK

DINGIN

NORMAL HANGAT

PANAS

[x]

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
semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan

12

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 titiktitik 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

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]
bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan
lebih tinggi. Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari

13

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 IFTHEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiaptiap 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
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

14

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.

[y SEDIKIT
] 1
0,
6
0,
4

100

BANYAK

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

3. Produksi, terdiri atas 2 himpunan

fuzzy : BERKURANG dan

BERTAMBAH.
[z
] 1

BERKURANG

BERTAMBAH

16

0
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
[R2]

z1 = 5750

IF Permintaan TURUN And Persediaan SEDIKIT

THENProduksi Barang BERKURANG;
-predikat2

= PmtTURUN PsdSEDIKIT
= min(PmtTURUN(4000), PsdSEDIKIT(300))
= min(0,25;0,6)
= 0,25

Lihat himpunan Produksi barang BERKURANG,

(7000-z)/5000 = 0,25

z2 = 5750

17

[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
[R4]

z3 = 4000

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 :

Jadi jumlah makanan kaleng jenis ABC yang harus diproduksi sebanyak 4983
kemasan.

18

2.3.

Kerangka Pemikiran

19

Gambar 2. 6. Kerangka Pemikiran

BAB III
METODE PENELITIAN

3.1.

Analisa Kebutuhan

Fuzzy C-Means dapat mengelompokkan penyakit berdasarkan

Gambar 2. 7. Kerangka Pemikiran
faktor usia dan nilai Body Mass Index (BMI) pasien

20

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
Metode ini digunakan untuk mengumpulkan data-data dan rumusrumus 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.

21

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

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

22

memasukkan input dan menerima output. Admin memasukkan jumlah cluster

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

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

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 langkahlangkah yang dilakukan sebagai respon dari sebuah event untuk menghasilkan
output tertentu. Diawali dari apa yang men-trigger aktivitas tersebut, proses dan
perubahan apa saja yang terjadi secara internal dan output apa yang dihasilkan.

24

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.

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

25

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 tiaptiap 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.

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,

26

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 tiaptiap 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).

27

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
1.

Pengumpulan Data

2.
3.
4.

Analisa Permasalahan
Penerapan Algoritma
Uji Algoritma dan
Implementasi
Pembuatan Laporan

5.

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

Kegiatan

Keterangan :
: Pelaksanaan Kegiatan

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.

28
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.

DAFTAR RIWAYAT HIDUP

a. Data Personal
NIM
Nama
Tempat / Tgl. Lahir
Jenis Kelamin
Agama
Status Perkawinan

:
:
:
:
: Islam
: Lajang

29

Jenjang
Program Studi
Alamat Rumah
Telp.
Email
ID Messenger

: Strata Satu (S1)

: Sistem Informasi
:
:
:
:

b. Pendidikan Formal
Jenjang
Nama Lembaga

Jurusan

SD/MI
SMP/MTs.
SMA/MK/M
A
Demikianlah daftar riwayat hidup ini dibuat dengan sebenarnya.
Banjarmasin, September 2011
Mahasiswa Ybs.,

Tahun Lulus