Techsi Vol 9 No 2 Oktober 2017

ISSN 2302 - 4838
Volume 9, Nomor 2, Oktober 2017
TECHSI
Jurnal Penelitian Teknik Informatika
Universitas Malikussaleh
TIM PENGELOLA JURNAL TECHSI TEKNIK
INFORMATIKA UNIVERSITAS MALIKUSSALEH
KEPUTUSAN DEKAN FAKULTAS TEKNIK UNIVERSITAS
MALIKUSSALEH NOMOR: 024/UN45.1/DT/2012
Penanggung Jawab : Herman Fithra, ST., MT

Pengarah : Bambang Karsono, ST, MT.,P. hD
Bustami, S.Si., M.Si, M.Kom
Ezwarsyah, ST., MT
Zulfikar, ST, MT
Pimpinan Redaksi : Fadlisyah, S.Si, MT
Redaktur Pelaksana : Muhammad Fikry, S.Kom ., M.Kom
Dahlan Abdullah, ST., M.Kom
Rozzi Kesuma Dinata, ST., M. Eng
Risawandi, S.T., M.Kom
Eva Darnila, ST, MT
Dewan Redaksi : Rizal, S.Si., M.IT

Bustami, S.Si., M.Si
Nurdin, S.Kom., M.Kom
Sayed Fachrurrazi, S.Si ., M.Kom
M. Ikhwanus, ST., M.Eng
Editor : Firdaus, SE
Syahrial
Sirkulasi : Anwar, SP
Safwandi, ST
TECHSI
Merupakan jurnal yang dikeluarkan oleh program studi Teknik
Informatika untuk memfasilitasi publikasi berbagai hasil penelitian
yang dilakukan oleh dosen atau mahasiswa. TECHSI terbit dua kali
dalam setahun, dan didistribusikan ke berbagai instansi yang terlibat
dengan perkembangan dunia sistem informasi.
Redaksi menerima tulisan hasil penelitian untuk dipublikasi
melalui TECHSI, dengan ketentuan:
Tulisan yang diajukan harus mengikuti template dokumen yang
disediakan oleh redaksi.
Tulisan harus disertai oleh biodata lengkap penulis dan
dikirimkan ke email JurnalTechsi@gmail.com.
DAFTAR ISI
Pemanfaatan Teknologi Informasi Untuk

Meningkatkan Kualitas Pembelajaran 65
(Muthmainnah, Fajriana, Deassy Siska)
Sistem Pendeteksi Pola Lafadz Allah

dan Muhammad Pada Citra Al-Qur’an 78
Menggunakan Metode Peirce
(Nurdin, Defry Hamdhana, Muhammad Johan Setiawan)
Pendeteksi Tajwid Idgham Mutajanisain

Pada Citra Al-Qur’an Menggunakan 91
Fuzzy Associative Memory (Fam)
(Maryana, Fadlisyah, Sujacka Retno)
Implementasi Fuzzy Rule Based System

Untuk Klasifikasi Buah Mangga 103
(Subhan Hartanto)
Aplikasi Teknologi Sistem Kontrol

Fuzzy Inference System dalam Penentuan Kriteria 118
Prioritas Konsentrasi Pembangunan Gampong
(Rozzi Kesuma Dinata, Munirul Ula)
Perancangan Sistem Informasi Registrasi Ulang
Penerimaan Siswa Baru Berbasis Web 139
(Ranti Eka Putri)
Pendapatan Masyarakat Dengan Adanya Kampus

Menggunakan Fuzzy Tsukamoto 148
(Asrianda)
Implementasi Pengendalian Lampu Otomatis Berbasis

Arduino Menggunakan Metode Fuzzy Logic 164
(Akim Manaor Hara pardede, Novriyenni , Sutris Efendi)
Rancang Bangun Sistem Berbasis WEB Untuk

Penjualan Pulsa Eletrik 178
(Muhammad Fikry)
PEMANFAATAN TEKNOLOGI INFORMASI
UNTUK MENINGKATKAN KUALITAS
PEMBELAJARAN
Muthmainnah Dosen Sistem Informasi Universitas Malikussaleh

Fajriana Dosen Teknik Informatika Universitas Malikussaleh
Deassy Siska Dosen Teknik Informatika Universitas Malikussaleh
Abstract
E-Learning is an educational system that utilizes electronic and

applications to support the development of teaching and learning
activities typically using internet media, intranet or other computer
network media. Teaching and learning process in SMA Negeri 3
Lhokseumawe and SMK Swasta Ulumuddin Lhokseumawe is still
conducted directly through face to face.E- Learning helps the learning
process becomes more effective and efficient. The learning activity
begins with the introduction to internet and website.Then the
students are taught about how to use e-learning in teaching and
learning process. E-Learning facilitates the teaching and learning
process without being bound by time and place.The conclusion is
E-Learning support teaching learning process in term of the
communication of teachers and students, the material distribution,
and the tasks distribution and collection.
Key words: Information Technology, Internet, E-Learning,

Moodle.
ANALISIS SITUASI
Menguasai teknologi khususnya bidang Teknologi Informasi dan
Komunikasi (TIK) adalah kewajiban bagi guru-guru dalam
meningkatkan kualitas pembelajaran. guru adalah sebagai pengelola
66 Techsi Vol. 9, No. 2, Oktober 2017
kegiatan proses belajar mengajar dimana dalam hal ini guru bertugas
untuk mengarahkan kegiatan belajar siswa agar bisa mencapai tujuan
pembelajaran. Dengan hanya menggunakan model pengajaran yang
tradisional atau konvensional, dimana guru berdiri di depan kelas
kemudian menerangkan tentang mata pelajaran, tentunya kurang
efektiv. Bagi siswa yang memperhatikan, itu tidak menjadi masalah.
Tapi bila ada siswa yang karena sesuatu hal tidak bisa mengikuti
pelajaran, maka siswa tersebut akan ketinggalan mata pelajarannya.
Salah satu solusi yang dapat dilakukan untuk mengatasi
permasalahan diatas adalah dengan memanfaatkan teknologi informasi
yang dapat digunakan sebagai media pembelajaran tambahan bagi
guru. Guru dapat membuat suatu media pembelajaran yang berisi
materi-materi yang diajarkan. Di dalam media pembelajaran tersebut,
guru bisa menuliskan materi dari awal sampai akhir pertemuan, bahkan
termasuk contoh-contoh soal dengan kunci jawabannya. Materi ajar
beserta contoh soal dapat di-update dengan mudah dan cepat untuk
mendapatkan kualitas pembelajaran yang lebih baik. Dengan
menggunakan media yang berupa buku, itu dirasa akan kesulitan
untuk melakukan proses update. Untuk itu perlu adanya bentuk
media pembelajaran yang mudah untuk di-update atau diperbaharui
isi atau content-nya.
Dalam pelatihan ini, guru-guru akan diajarkan dan didampingi
untuk membuat sebuah sistem pembelajaran tambahan yaitu
pembuatan sistem e-learning dengan menggunakan LMS (Learning
Management System). LMS merupakan kendaraan utama dalam proses
pengajaran dan pembelajaran dengan memanfaatkan sebuah bentuk
perangkat lunak (software). Kumpulan perangkat lunak yang ada
didesain untuk pengaturan/manajemen pada tingkat individu, ruang
kuliah, dan institusi. Dengan menggunakan LMS, maka kebutuhan
guru untuk membuat sebuah sistem e-learning yang mudah dalam
proses update sangat dimungkinkan. Selain itu, karena LMS merupakan
sebuah bentuk software komputer yang berbasis web, maka dengan
proses upload ke internet sistem e-learning tersebut akan dapat diakses
dimana saja dan kapan saja. Fasilitas internet merupakan satu hal
penting di SMA Negeri 3 Lhokseumawe dan SMK Swasta Ulumuddin
Lhokseumawe jadi diharapkan akan tidak menjadi masalah bila
sistem e-learning ini akan diterapkan. E-learning adalah pembelajaran
jarak jauh (Distance learning) yang memanfaatkan teknologi komputer,
jaringan komputer dan/atau Internet. E-Learning memungkinkan
Pemanfaatan TI Untuk Peningkatan Pembelajaran 67
pelajar untuk belajar melalui komputer di tempat mereka masing-

masing tanpa harus secara fisik pergi mengikuti pelajaran di kelas
Pelatihan ini menggunakan LMS MOODLE yang berbasis pada
open source. Moodle adalah sebuah paket perangkat lunak yang
berguna untuk membuat dan mengadakan
kursus/pelatihan/pendidikan berbasis internet. Moodle diberikan
secara gratis sebagai perangkat lunak open source (di bawah lisensi
GNU Public License).
E-learning
Pada paradigma tradisional proses belajar mengajar pada umunya
berlangsung di ruang kelas dan ditandai dengan kehadiran pendidik di
muka kelas. Pendidik memiliki tanggung jawab penuh terhadap jalannya
proses belajar mengajar dan bisa dianggap sebagai sumberdaya paling
penting dari sebuah proses belajar mengajar. Sebaliknya pada
paradigama baru, peserta didik harus difasilitasi sesuai kebutuhannya
masaing-masing.
Setiap peserta didik adalah spesifik dan memiliki kebutuhan belajar
yang berbeda-beda. Proses belajar-mengajar harus berfokus pada
aktifitas “belajar” dan bukan pada aktifitas “mengajar” seperti pada
paradigm lama. Dengan paradigma seperti ini maka keberadaan
pendidik tidak lagi menjadi satu-satunya faktor penting dalam proses
pembelajaran. Keberadaan pendidik bisa digantikan oleh bahan belajar
berupa modul, diktat, perangkat lunak edukasi yang bisa digunakan
untuk belajar secara mandiri oleh peserta didik. Menurut
(Widhiarta:2008).
Definisi elearning menurut (Hartanto dan Purbo:2002) menjelaskan
bahwa istilah “e” atau singkatan dari elektronik dalam e-learning istilah e-
learning digunakan sebagai istilah untuk segala teknologi yang
digunakan untuk mendukung usaha-usaha pengajaran lewat teknologi
elektronik internet. Menurut (Yakub:2012) e-learning adalah pembelajaran
jarak jauh (distance learning) yang memanfaatkan teknologi internet. E-
learning memungkinkan siswa untuk belajar melalui computer di tempat
masing-masing tanpa harus secar fisik mengikuti pelajaran di kelas.
Beberapa pengertian yang berkaitan dengan e-learning adalah
pembelajaran formal atau informal, dan pembelajaran yang ditunjang
oleh para ahli.
Kelebihan dan kekurangan Elearning

Petunjuk tentang manfaat penggunaan internet, khususnya dalam
pendidikan terbuka dan jarak jauh (Elangoan, 1999; Soekartawi, 2002;
Mulvihil, 1997; Utarini, 1997 dalam soekartawi:2007), antara lain sebagai
berikut:
1. Tersedianya fasilitas e-moderating di mana guru dan siswa dapat
berkomunikasi secara mudah melalui fasilitas internet secara regular
atau kapan saja kegiatan berkomunikasi itu dilakukan dengan tanpa
dibatasi oleh jarak, tempat dan waktu. Guru dan siswa dapat
menggunakan bahan ajar atau petunjuk belajar yang terstruktur dan
terjadual melalui internet, sehingga keduanya bisa saling menilai
sampai berapa jauh bahan ajar dipelajari.
2. Siswa dapat belajar atau me-review bahan ajar setiap saat dan di
mana saja kalau diperlukan mengingat bahan ajar tersimpan di
komputer.
3. Bila siswa memerlukan tambahan informasi yang berkaitan dengan
bahan yang dipelajarinya, ia dapat melakukan akses di internet
secara lebih mudah.
4. Baik guru maupun siswa dapat melakukan diskusi melalui internet
yang dapat diikuti dengan jumlah peserta yang banyak, sehingga
menambah ilmu pengetahuan dan wawasan yang lebih luas.
5. Berubahnya peran siswa dari yang biasanya pasif menjadi aktif.
6. Relatif lebih efisien. Misalnya bagi mereka yang tinggal jauh dari
perguruan tinggi atau sekolah konvensional, bagi mereka yang
bertugas di kapal, di luar negeri, dsb-nya.
Walaupun demikian pemanfaatan internet untuk pembelajaran atau
e-learning juga tidak terlepas dari berbagai kekurangan. Berbagai kritik
(Bullen, 2001, Beam, 1997 dalam Soekartawi:2007), antara lain sbb:
1. Kurangnya interaksi antara guru dan siswa atau bahkan antar siswa
itu sendiri. Kurangnya interaksi ini bisa memperlambat
terbentuknya values dalam proses belajar dan mengajar.
2. Kecenderungan mengabaikan aspek akademik atau aspek sosial
dan sebaliknya mendorong tumbuhnya aspek bisnis/komersial.
3. Proses belajar dan mengajarnya cenderung ke arah pelatihan
daripada pendidikan.
4. Berubahnya peran guru dari yang semula menguasai teknik
pembelajaran konvensional, kini juga dituntut mengetahui teknik
pembelajaran yang menggunakan ICT.
5. Siswa yang tidak mempunyai motivasi belajar yang tinggi

cenderung gagal. Tidak semua tempat tersedia fasilitas internet.
6. Kurangnya tenaga yang mengetahui dan memiliki ketrampilan
internet.
7. Kurangnya penguasaan bahasa komputer.
Teknologi Informasi
Teknologi informasi meliputi teknologi komputer (computing
technology) danteknologi komunikasi (communication technology) yang
digunakan untuk memprose dan menyebarkan informasi baik ituyang
bersifat finansial atau non finansial (Bodnardan Hopwood dalam
rahmawati :2008). Sehingga dapat dikatakan bahwaTeknologi informasi
adalah segala cara atau alat yang yang terintegrasi yang digunakan
untuk menjaring data,mengolah dan mengirimkan atau menyajikan
secara elektronik menjadi informasi dalam berbagai format yang
bermanfaat bagi pemakainya. Menurut (Jugiyanto dalam Ariesta 2013)
pemanfaatan adalah perilaku karyawan teknologi dalam tugasnya,
pengukurannya berdasarkan frekuensi penggunaan dalam diversitas
aplikasi yang dijalankan.Pemanfaatan teknologi informasi merupakan
manfaat yang diharapkan oleh penggunaan teknologi informasi dalam
melaksanakan tugas, pengukurannya berdasarkan. Ficher (1996 dalam
Silvia, 2001 dalam rahmawati, 2008) menyatakan bahwa manfaat
teknologi informasi baru dapat dirasakan jika pengguna teknologi
informasi tersebut “menyadari” manfaatnya. Disamping itu,
perkembangan teknologi informasi yang sangat cepat dalam lingkungan
kerja menyebabkan pemanfaatan teknologi informasi menjadi masalah
yang mendesak.
Teknologi informasi merupakan teknologi yang mempunyai
kemampuan untuk menangkap (capture), menyimpan (store), mengolah
(process), mengambil kembali (retrieve) dan menyebarkan (transmit)
informasi dan sebagai sarana dalam meningkatkan kinerja baik
pemerintahan maupun perusahaan yang terkait dengan penggunaan
teknologi informasi tersebut (wansyah, dkk. 2009).
SMA Negeri 3 Lhokseumawe

SMA Negeri 3 Lhokseumawe merupakan salah satu sekolah
Menengah Atas Negeri yang berlokasi di Kecamatan Banda Sakti
Pemerintah Kota Lhokseumawe Provinsi Aceh. SMA Negeri 3 berdiri
tanggal 1 April 1990. Kemudian SMA Negeri ini resmi menajadi SMA
Negeri 3 Lhokseumawe dengan Nomor SK penegerian 0389/C/Tgl 11

Juni 1990.
Dalam pembangunan SMA Negeri 3 terus dilakukan renovasi,
hingga saat ini sudah memiliki gedung sendiri dengan jumlah 18 ruang
dan 10 lokal serta sarana dan prasaranan penunjang pembelajaran
lainnya.
Keberadaaan sekolah ini sangan strategis karena mudah dijangkau
dengan berbagai fasilitas kendaraan umu atau kendaraan pribadi. Tidah
hanya itu, para siswa juga dominal berasal dari sekitar pemukiman
sekitar sekolah.
SMK Swasta Ulumuddin Lhokseumawe

SMK Swasta Ulumuddin Lhokseumawe dulunya adalah sebuah
dayah yang bernama Pesantren Modern Ulumuddin, kemudian seiring
dengan perkembangan dan tuntutan zaman, dayah ulumuddin terus
melakukan upaya-upaya strategis untuk meningkatkan kwalitas
pendidikan, hal ini dibuktikan Dayah Ulumuddin membuka SMK pada
bulan januari 2004, terwujudnya proses pembukaan SMK pada dayah
Ulumuddin merupakan hasil kerja sama dengan Pendidikan dan
Kebudayaan Kota Lhokseumawe.
Permasalahan Mitra
Berdasarkan observasi yang dilakukan di SMA Negeri 3
Lhokseumawe dan SMK Swasta Ulumuddin Lhokseumwe, diperoleh
kesimpulan bahwa fasiltias ICT yang ada di kedua sekolah tersebut
sudah cukup memadai. Fasilitas yang ada yaitu sekolah, lab komputer,
fasilitas hotspot, dan LCD di ruang kelas. Akan tetapi fasilitas yang
ada tersebut belum bisa dimanfaatkan secara maksimal. Sekolah
masih belum memilki sistem E learning yang terpadu, para guru
masih kesulitan dalam membuat media pembelajaran menggunakan
E-learning, dan belum optimalnya penggunaan fasilitas ICT yang ada
untuk media pembelajaran.
Dengan latar belakang tersebut, maka perlu diadakan
kegiatan pelatihan bagi para guru SMA Negeri 3 Lhokseumawe dan
SMK Swasta Ulumuddin Lhokseumawe untuk mengoptimalkan fasilitas
ICT yang ada untuk menunjang kefektifan pembelajaran. Dengan
adanya pelatihan ini, diharapkan SMA Negeri 3 Lhokseumawe dan SMK
Swasta Ulumuddin Lhokseumwe akan memiliki sistem E learning yang
terpadu di Sekolah, dan juga para guru lebih mengoptimalkan

fasilitas yang ada untuk media pembelajaran sehingga prestasi
siswa dapat ditingkatkan.
Untuk mengatasi masalah tersedianya fasilitas teknologi di sekolah
akan tetapi kesadaran akan pemanfaatan sarana dan prasarana yang
belum maksimal khususnya pemanfaatan elearning di SMA Negeri 3
Lhokseumawe dan SMK Swasta Ulumuddin Lhokseumwe dalam
program Ipteks Bagi Masyarakat (IbM) ini adalah:
1. Memberikan pemahaman terhadap guru-guru dan siswa-siswa
akan pentingnya pemanfaatan elearning sekolah sehingga bisa
meningkatkan cara belajar siswa dalam penggunaan e-learning
supaya lebih mandiri serta menambah pengetahuan dan
pemahaman siswa tentang teknologi dalam dunia pendidikan dan
mempermudah siswa dalam mendapatkan materi, tugas dan
mengikuti ujian secara online serta forum diskusi.
2. Pelatihan pembuatan dan penggunaan elearning untuk
meningkatkan kualitas pembelajaran serta mempermudah proses
belajar-mengajar dalam pemberian materi pembelajaran, tugas,
diskusi dan ujian.
3. Melakukan pendampingan dalam pelatihan dan pembuatan
elearning sehingga Memacu kemampuan guru mengunakan e-
learning untuk membantu kegiatan belajar mengajar.
TARGET LUARAN
Kegiatan ini dapat memberikan meningkatkan pengetahuan,
pemahaman dan ketrampilan bagi para guru di SMA Negeri 3
Lhokseumawe dan SMK Swasta Ulumuddin Lhokseumawe untuk
mengoptimalkan fasilitas ICT yang telah ada sebaik mungkin. Bentuk
pengoptimalan yang ada ialah para guru mampu membuat media e-
learning di SMA Negeri 3 Lhokseumawe dan SMK Swasta Ulumuddin
Lhokseumawe, untuk keperluan proses pembelajaran. Target Luaran
lain yang dicapai dalam program ini adalah:
1. Para guru dan siswa mulai menyadari pentingnya menggunakan
elearning.
2. Para guru mengetahui cara membuat dan menggunakan elearning.
3. Para guru bisa memanfaatkan elearning untuk meningkatkan kualitas
pembelajaran
4. Diterapkan pelatihan dan pembuatan elearning pada SMA Negeri 3
Lhokseumawe dan SMK Swasta Ulumuddin Lhokseumawe
5. Menghasilkan sistem informasi elearning yang siap digunakan

disekolah.
6. Dengan optimalnya penggunaan elearning yang ada dapat
menunjang peningkatan prestasi siswa.
METODE PELAKSANAAN
Langkah-langkah yang digunakan pada kegiatan ini adalah sebagai
berikut:
1. Memperkenalkan metode Pembelajaran yang terkait dengan
aplikasi ICT
2. Pengertian Pembelajaran E-learning : Konsep, Tujuan, Masalah dan
Tantangan Pembelajaran E-learning.
3. Pembelajaran E-learning dan Rencana Penerapan Pembelajaran E-
Learning.
4. Struktur Pembelajaran Berbasis E-learning dan Pengembangan
Konten Pembelajaran berbasis E-Learning
Partisipasi Mitra Dalam Pelaksanaan Program

Beberapa peran mitra dalam membantu kelancaran pelaksanaan
program pelatihan elearning adalah:
a. Mitra mengikuti penjelasan manfaat penggunaan elearning.
b. Mitra ikut aktif dalam pelatihan pembuatan dan penggunaan
elearning
c. Mitra menyediakan lokasi pelatihan elearning
d. Mitra ikut berperan aktif dalam pelatihan pembuatan dan
penggunaan elearning
e. Mitra ikut memperkenalkan elearning kepada siswa-siswanya.
HASIL DAN PEMBAHASAN

Kegiatan pelatihan yang berjudul Pemanfaatan teknologi informasi
untuk meningkatan kualitas pembelajaran di laksanakan di SMA
Negeri 3 Lhokseumawe dan SMK Swasta Ulumuddin Lhokseumwe.
Pelaksanaan pelatihan pada SMA Negeri 3 dilakukan pada tanggal 7
September 2017. Peserta kegiatan berjumlah 20 Peserta yang terdiri dari
10 orang guru yang berlatar belakang non TI dan 10 orang siswa. Para
guru diberi pelatihan bagaimana menggunakan elerning yang sudah
dibuat dengan menggunakan website elearning yaitu
Http://elearningsma3lhokseumawe.sch.id.
Kegiatan tersebut dilaksanakan di ruangan dewan guru. Adapun

yang menjadi narasumber adalah Ibu Muthmainnah, S.Kom.M.Kom dan
Ibu Deassy Siska, S.Si.,M.Sc. dan Ibu Fajriana, S.Si.,M.Si.
Gambar 1. Lokasi Kegiatan Di SMAN3 Lhokseumawe.
Gambar 2. Pembekalan Materi
Gambar 3. Peserta sedang mengikuti pelatihan

Selanjutnya Kegiatan pelatihan yang berjudul Pemanfaatan

teknologi informasi untuk meningkatan kualitas pembelajaran yang di
laksanakan di SMK Swasta Ulumuddin Lhokseumawe pada tanggal 10
September 2017. Peserta kegiatan berjumlah 20 Peserta yang terdiri dari
10 orang guru. Di SMK Swasta peserta gurunya ada yang berlatar
belakang TI dan ada juga yang non TI serta 10 orang siswa. Para guru
juga diberi pelatihan bagaimana menggunakan elerning yang sudah
dibuat dengan menggunakan website elearning yaitu
Http://elearningsmksulumuddin.sch.id. kegiaan tersebut dilaksanakan
di ruangan Laboratorium Komputer SMKS Ulumuddin tersebut.
Adapun yang menjadi narasumber adalah Ibu Muthmainnah,
S.Kom.M.Kom dan Ibu Deassy Siska, S.Si.,M.Sc. dan Ibu Fajriana,
S.Si.,M.Si.
Pelatihan penggunaan elearning di Kedua Sekolah Menegah
Atas tersebut diharapkan dapat memberikan manfaat tentang teknologi
Elearning dalam meningkatkan kualitas serta kemampuan para guru
sehingga guru dapat mengelola kelas online, mengelola aktifitas
pembelajaran serta megelola sumber belajar
Para peserta antusias sekali mengikuti program pelatihan
pemanfaatan teknologi informasi elerning. Dan mereka berharap agar
kegiatan tersebut dapat berkelanjutan dengan program-program yang
lebih inovatif lagi. Berikut beberapa foto saat kegiatan pelatihan
berlangsung di SMKS Ulumuddin Lhokseumawe.
Gambar 4. Pembukaan Acara

Gambar 5. Peserta sedang mengikuti pelatihan dua
Gambar 6. Pelaksanaan Kegiatan Pelatihan
KESIMPULAN
Berdasarkan pembahasan di atas dapat ditarik kesimpulan sebagai
berikut:
1. Pembelajaran dengan (e-learning) memberikan sebuah metode
baru dibidang pengajaran dan pembelajaran, karena dapat
meminimalkan perbedaan cara mengajar dan materi, sehingga
memberikan standar kulitas pembelajaran yang lebih konsisten.
2. Sistem e-Learning sangat diperlukan dalam menghadapi
perkembangan jaman dengan fasilitas Teknologi Informasi yang
telah masuk ke semua bidang
3. Pelaksanaan pelatihan dapat berjalan sesuai dengan yang diharapkan

terlihat dari para peserta dapat menyelesaikan tugas – tugas yang
diberikan oleh nara sumber.
Saran
Penerapan e-learning pada pembelajaran akhirnya dapat menghemat
biaya pengajaran dan pelatihan, akan tetapi memerlukan investasi yang
sangat besar pada permulaanya,. Serta perlu peningkatan hubungan di
luar antar siswa dengan guru karena mengingat peran elearning dapat
dijadikan pendidikan jarak jauh.
Referensi
[1]. Arista, F, 2013. Pengaruh kualitas sumberdaya
manusia,pemanfaatan teknologi Informasi, dan pengendalian
intern akuntansi terhadap nilai Informasi pelaporan keuangan
pemerintah daerah, Jurnal Akuntasi, Volume 1 ,Nomor 1
[2]. Iskandar Putra, 02 Mei 2016, Tutorial Learning Manajement
SystemMoodl,http://s2c3r.mdl2.com/pluginfile.php/326/mod_r
esource/content/2/Tutorial%20Moodle%20buatan%20sendiri.pdf
[3]. Hartanto, A.A.; Purbo,O.W., 2002, Teknologi E-Learning Berbasis
PHP dan MySQL, penerbit PT Elek Media Komputindo.
[4]. Nasro, 2011, Membangun Sistem E-Learning di SMK Pondok
Pesantren Al Amanah, Skripsi Fakultas Sains dan Teknologi UIN
Jakarta
[5]. Novitasari,2014, Rancang Bangun E-Learning Pada Smk Takwa
Belitang, http://eprints.binadarma.ac.id
[6]. Purbo, Onno W. dan Antonius AH. (2002). Teknologi e-Learning
Berbasis PHP dan MySQL: Merencanakan dan
Mengimplementasikan Sistem e-Learning. Jakarta: Gramedia.
[7]. Pramono dkk, 2011, Pelatihan E-Learning dan Pengembangan
Konten Berbasis Perangkat Lunak Open Source Bagi Guru-Guru
SMK di Kabupaten Kulon Progo. Jurnal Inotek.
[8]. Rahmawati., April 2008. Analisis faktor-faktor yang berpengaruh
terhadap Pemanfaatan teknologi informasi, Jurnal Ekonomi &
Pendidikan, Volume 5 Nomor 1.
[9]. Soekartawi, 2007, Merancang dan Menyelenggarakan E-

learning, Penerbit Ardan Media. Bekerja sama dengan Rumah
Produksi Informatika.
[10]. Widhiartha, P.A., 12 Februari 2013, Memahami Lebih Lanjut
tentang e-Learning, www.ilmukomputer.com.
[11]. Wansyah H, Darwanis dan Bakar U. 2012. Pengaruh Kapasitas
Sumber Daya Manusia, Pemanfaatan Teknologi Informasi dan
Kegiatan Pengendalian terhadap Nilai Pelaporan Keuangan
SKPD pada Provinsi Aceh. Jurnal Akuntansi. Vol.1 No. 1,
Agustus
[12]. Yakub, 2012, Pengantar Sistem Informasi, Penerbit Graha Il
SISTEM PENDETEKSI POLA LAFADZ ALLAH DAN
MUHAMMAD PADA CITRA AL-QUR’AN
MENGGUNAKAN METODE PEIRCE
Nurdin, Defry Hamdhana, Muhammad Johan Setiawan

Teknik Informatika Universitas Malikussaleh
Jl. Cot Tgk Nie-Reulet, Aceh Utara, 141 Lhokseumawe
Email: mjohansetiawan703@gmail.com
ABSTRAK
Al-Qur’an adalah firman Allah yang diturunkan kepada Nabi Muhammad SAW
melalui perantaraan malaikat Jibril dan disampaikan kepada umat manusia untuk
dijadikan pedoman dalam kehidupan di dunia ini. Program ini dibangun untuk
mendeteksi pola lafazh Allah dan Muhammad pada citra Al-Qur’an sehingga dapat
mempermudah pengguna dalam mengetahui dan mencari letak dan jumlah lafadz
Allah dan Muhammad pada pada setiap halaman citra Al-Qur’an. Dalam penelitian
ini metode Peirce digunakan untuk menghitung jarak keakuratan pola lafadz Allah
dan Muhammad pada citra Al-Qur’an. Sistem ini bekerja dengan cara menginput
citra Al-Qur’an berformat bitmap (.bmp) kemudian terjadi proses resizing, grayscale,
konvolusi. Pada tahap pengujian, metode ini mencari kemiripan antara citra Al-
Qur’an uji dan citra Al-Qur’an latih sehingga terdeteksi pola lafazh Allah dan
Muhammad pada citra Al-Qur’an. Hasil Pelatihan sistem ini akan menyimpan dua
pola yang dilatih yaitu lafadz Alah dan Muhammad. Hasil pengujian Sistem
Pendeteksi lafadz Allah dan Muhammad menunjukan bahwa keakuratan sistem ini
sebesar 97,5 %, persentase detection rate tersebut menunjukkan bahwa metode Peirce
dapat digunakan sebagai salah satu pendekatan untuk pendeteksian pola lafadz Allah
dan Muhammad pada citra Al-Qur’an.
Kata kunci: Pengolahan citra, risize, grayscale, konvolusi, peirce, lafadz

Allah, lafadz Muhammad.
I. Pendahuluan
Al-Qur’an adalah firman Allah yang diturunkan kepada Nabi
Muhammad SAW melalui perantaraan malaikat Jibril dan disampaikan
kepada umat manusia untuk dijadikan pedoman dalam kehidupan di
dunia ini. Al-Qur’an sebagai kitab terakhir dimaksudkan untuk menjadi

petunjuk bagi seluruh umat manusia sampai akhir zaman. Di dalamnya
terkandung nilai-nilai yang luhur seluruh aspek kehidupan manusia
dalam hubungan dengan Allah maupun hubungan manusia dengan
sesama manusia lainnya dan hubungan manusia dengan alam
sekitarnya, dan mengucap dua kalimat syahadat (Asyhadu an-laa ilaaha
illallaah Wa asyhadu anna Muhammadan rasuulullaah) merupakan
rukun islam pertama bagi umat islam yang atasnya didirikan amalan
dan tidak diterima suatu amal tanpa keduanya.
Dua kalimat syahadat memiliki makna-makna yang terkandung di
dalam bacaannya. Pertama adalah pengakuan ketauhidan, dimana umat
muslim hanya mempercayai bahwa tidak ada Tuhan selain Allah SWT. Dalam
hal ini pengakuan keesaan Allah ada pada lafadz syahadat yang pertama
yaitu Asyhadu an-laa ilaaha illallah yang berarti Saya bersaksi bahwa tiada
Tuhan selain Allah.
Selain itu kalimat syahadat juga bermakna pada pengakuan kerasulan. Dalam
hal ini umat Islam meyakini jika Nabi Muhammad SAW adalah utusan Allah.
Muslim meyakini dan mempercayai bahwa ajaran Allah seperti yang
disampaikan melalui Nabi Muhammad SAW. Pengakuan kerasulan Nabi
Muhammad ada pada lafadz syahadat yang kedua yaitu wa asyhadu anna
Muhammad Rasulullah yang berarti saya bersaksi bahwa Muhammad adalah
rasul (utusan) Allah.
Dalam penelitian ini, penulis akan mengembangkan sistem yang
menggunakan citra surat Al-Qur’an sebagai input data untuk mendapatkan
pola lafadz Allah dan Muhammad SAW, sehingga pengguna dengan mudah
menemukan lafadz Allah dan Muhammad SAW pada setiap halaman yang
ada dalam Al-Qur’an.
Tujuan dari penelitian ini adalah:
1. Membangun sistem pendeteksi pola dengan penelitian yang unik
dan objek yang dipilih yaitu lafadz Allah dan Muhammad SAW
dalam Al-Qur’an.
2. Memahami teori pengolahan citra digital untuk dapat mendeteksi
lafadz Allah dan Muhammad SAW dalam Al-Qur’an
menggunakan metode Peirce.
Manfaat dari penelitian ini adalah Menjadikan penelitian ini
sebagai sumber belajar ilmu pengolahan citra digital mengenai proses
pelatihan, pengujian dan pendeteksian pola lafadz Allah dan
Muhammad SAW menggunakan citra Al-Qur’an dan untuk
Sistem Pendeteksi Pola Lafadz Allah dan Muhammad 80
memudahkan pengguna yang ingin mengetahui lafadz Allah dan

Muhanmad SAW pada setiap citra Al-Qur’an yang diinputkan.
Perumusan masalah dalam penelitian ini adalah:
1. Bagaimana membangun suatu sistem untuk mendeteksi pola
lafadz Allah dan Muhammad SAW dalam Al-Qur’an?
2. Bagaimana menerapkan metode Peirce untuk mendeteksi pola
lafadz Allah dan Muhammad SAW dalam Al-Qur’an?
II. Tinjauan Pustaka

2.1 Citra
Citra adalah suatu representasi (gambaran), kemiripan, atau
imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman
data dapat bersifat optic berupa foto, bersifat analog berupa sinyal-sinyal
video seperti gambar pada monitor televisi, atau bersifat digital yang
dapat langsung disimpan pada suatu media penyimpanan[1].
2.2 Citra Digital

Pengolahan citra digital menunjuk pada pemrosesan gambar dua
dimensi menggunakan komputer. Agar citra digital dapat diolah oleh
komputer digital, maka suatu citra harus direpresentasikan secara
numerik dengan nilai-nilai yang diskrit atau diistilahkan sebagai nilai
intensitas cahaya. Nilai-nilai intensitas cahaya tersebut direpresentasikan
sebagai nilai-nilai kanal pada citra digital. Untuk citra 8 bit akan memiliki
satu kanal yang mengandung sekumpulan nilai berkisar dari 0 – 255,
untuk citra 16 bit akan memiliki dua kanal, dan citra 24 bit akan memiliki
tiga kanal yang dikenal sebagai kanal R (red), G (green), dan B (blue)[2].
2.3 Citra Resize

Citra resize merupakan proses untuk mengubah ukuran lebar dan
tinggi sebuah citra. Proses citra resize menjadi penting karena ukuran
yang terdapat pada citra terlalu besar dan tidak selalu sama, oleh karena
itu agar tidak ada perbedaan ukuran dan mengganggu kinerja sistem
untuk proses lebih lanjut.
2.4 Grayscale
Grayscale adalah warna-warna pixel yang berada dalam rentang
gradasi warna hitam dan putih. Format citra ini disebut dengan derajat
keabuan karena ada warna abu-abu diantara warna minimum (hitam)

dan warna maksimum (putih)[3].
2.5 Konvolusi Deteksi Tepi Menggunakan Sobel

Operator deteksi tepi merupakan alat yang digunakan untuk
memodifikasi nilai derajat keabuan sebuah titik berdasarkan derajat
keabuan titik-titik yang ada disekitarnya (konvolusi/ operasi
ketetanggaan).
Operator sobel menggunakan kernel 3x3 piksel untuk perhitungan
gradiennya, dengan pembobotan yang lebih besar pada piksel-piksel yang
dekat dengan titik pusat[4].
Operator Sobel adalah magnitudo dari gradien yang dihitung dengan:
√( )
Dengan konstanta . Dalam bentuk mask, Sx dan Sy dinyatakan sebagai:
Sobel berbentuk Horizontal
[ ]
Sobel berbentuk Vertikal
[ ]
2.6 Pengolahan citra

Pengolahan citra merupakan pemrosesan citra, sehingga
didapatkan hasil berupa citra dalam bentuk lain seperti resampling,
pengeditan, kompresi dan lain-lain. Pengolahan citra bertujuan untuk
memperbaiki kualitas citra agar mudah diinterpretasi oleh mata manusia
dan mesin (komputer)[5].
2.7 Pengenalan Pola

Pengenalan pola (pattern recognation) adalah suatu ilmu untuk
mengklasifikasikan atau menggambarkan sesuatu berdasarkan
pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu objek.
Pola sendiri adalah suatu entitas yang terdefinisi dan dapat

diidentifikasikan serta diberi nama. Pengenalan pola dapat melalui
tulisan tangan, mata, wajah dan kulit. Contoh penerapan pengenalan
pola yaitu pengenalan karakter pada huruf sebagai pembelajaran. Pola
bisa merupakan kumpulan hasil pengukuran atau pemantauan dan bisa
dinyatakan dalam notasi vektor atau matriks[6].
2.8 Bitmap. (.Bmp)

File format BMP bisa disebut juga bitmap atau format file DIB
(untuk perangkat independen bitmap), adalah sebuah file gambar format
yang digunakan untuk menyimpan gambar digital bitmap, terutama pada
Microsoft Windows dan OS/ 2 sistem operasi, Pada citra berformat BMP
(bitmap) yang tidak terkompresi, piksel citra disimpan dengan kedalaman
warna 1, 4, 8, 16, 24, atau 32 Bit per piksel[7].
2.9 Metode Peirce
Jarak (distance) digunakan untuk menentukan tingkat kesamaan
(similarity degree) atau ketidaksamaan (disimilarity degree) dua vektor fitur.
Tingkat kesamaan berupa suatu nilai (score) dan berdasarkan skor
tersebut dua vektor fitur akan dikatakan mirip atau tidak.
Pendekatan tanda yang didasarkan pada pandangan seorang filsuf
dan pemikir Amerika yang cerdas, Charles Sanders Peirce (1839-1914).
Peirce menandaskan bahwa tanda-tanda berkaitan dengan objek-objek
yang menyerupainya, keberadaannya memiliki hubungan sebab akibat
dengan tanda-tanda atau karena ikatan konvensional dengan tanda-
tanda tersebut. Ia menggunakan istilah ikon untuk kesamaannya, indeks
untuk hubungan sebab akibat, dan simbol untuk asosiasi konvensional.
Konsep Peirce diklasifikasikan menjadi tiga bagian[8], yakni :
a. Ikon, yaitu tanda yang memiliki “kemiripan” rupa dengan
objeknya.
b. Indeks, yaitu tanda yang memiliki keterkaitan fenomenal atau
eksistensial dengan objeknya.
c. Simbol, yaitu jenis tanda yang bersifat arbitrer atau konvensional
sesuai kesepakatan atau konvensi sejumlah orang atau
masyarakat.
Rumus Peirce:
Keterangan:
a = nilai vector i dan j menunjukan jumlah koordinat dari (1,1)
b = nilai vector i dan j menunjukan jumlah koordinar dari (0,1)

c = nilai vector i dan j menunjukan jumlah koordinar dari (1,0)
d = nilai vector i dan j menunjukan jumlah koordinar dari (0,0)
III. Rancangan Sistem

3.1 Skema Sistem
Skema sistem untuk pengenalan pola yang dirancang dalam penelitian
ini diilustrasikan pada Gambar 3.2.
Gambar 3.1 Skema Sistem Secara Keseluruhan

Berdasarkan gambar 3.1 ada beberapa tahapan-tahapan yang
dapat dilakukan, yaitu:
1. Input gambar (image) yang berformat citra .bmp. yakni disebut sebagia
citra asli dan dimisalkan sebagai sumber yang akan diproses ke tahap
selanjutnya.
2. Sumber atau citra asli yang telah diinput terlebih dahulu di resize sesuai
dengan format yang ditentukan, konsep dasar mengenai hal ini
berfungsi untuk mempercepat proses pendeteksian.
3. Tahap grayscale adalah proses pengolahan citra dengan cara mengubah
nilai-nilai piksel awal citra (sumber/ citra asli) menjadi sebuah citra
keabuan yang berfungsi untuk memudahkan proses perhitungan pada
operasi berikutnya, karena nilai-nilai piksel pada citra keabuan tersebut
dapat direpresentasikan dalam sebuah matriks.
4. Pada tahapan konvolusi dilakukan untuk memdeteksi daerah tepi citra

yang bertujuan untuk menandai bagian yang menjadi detail citra dan
memperbaiki detail dari citra yang kabur, yang terjadi karena error atau
adanya efek dari proses akuisisi citra.
5. Tahap ini adalah memperkuat dan memperakurat proses-proses
sebelumnya dengan metode Peirce untuk mendeteksi pola lafadz Allah
dan Muhammad SAW.
3.2 Skema Metode Peirce

Skema metode Peirce adalah racangan flowchart yang menggambarkan
proses penerapan dari rumus metode tersebut untuk mengetahui hasil nilai
perhitungan sistematis berdasarkan deteksi citra yang telah diinput.
Mulai
Input
Input Citra
Citra Asli
Asli
Hitung Metode Peirce
ab + bc
S ij =
ab + 2bc +cd
Tidak
Apakah
Apakah semua
semua pixel
pixel
(nilai
(nilai intensitas)
intensitas) citra
citra sudah
sudah di
di
kalkulasi
kalkulasi
Ya
Tampil
Tampil Pola
Pola
Stop
Gambar 3.2 Flowchart Proses Peirce

Berdasarkan gambar 3.2 ada beberapa proses-proses yang dapat

diimplementasikan, yaitu:
1. Menginputkan nilai dari hasil pencarian citra.
2. Deteksi file yang berformat .bmp dan mendapatkan nilai N.
3. Nilai N yang telah didapatkan kemudian akan dihitung mengunakan
rumus dari metode Peirce berdasarkan ketentuan.
4. Kemudian dari proses perhitungan yang dilakukan yaitu check apakah
nilai S = N-1, atau kondisi ketentuannya adalah jika nilai S (Similarity)
lebih besar dari 0 maupun bernilai lebih kecil dari 1.
5. Jika hasilnya adalah Ya hal tersebut menunjukkan energy/ nilai citra
sudah didapatkan, sebaliknya jika Tidak maka ulangi proses
sebelumnya untuk perhitungan ulang.
6. Apabila semua sudah didapatkan dan sesuai dengan ketentuan maka
akan keluar hasil/output.
7. Setelah semua proses selesai maka perhitungan akan berhenti.
VI. Hasil dan Pembahasan

Aplikasi ini dibangun untuk mendeteksi pola lafadz Allah dan
muhammad pada citra Al-Qur’an menggunanakan metode Peirce, secara lebih
rinci dari sumber data sample yang telah dikumpulkan, kemudian diambilah
contoh nilai citra pada sebuah sample yang diubah dari citra analog ke citra
digital. Berdasarkan hal tersebut untuk mengetahui nilai yang terdapat dalam
setiap proses harus dilakukan beberapa tahap diantaranya resize, grayscale dan
konvolusi.
Gambar 4.1 Tampilan Aplikasi Pola Citra Pelatihan

Tahapan pertama yaitu proses pelatihan pola lafadz Allah dan

Muhammad, dengan meng-input citra, dimana proses resize terjadi yang
bertujuan untuk menyeragamkan ukuran citra, dan proses grayscale untuk
mengubah citra asli menjadi keabuan yang bertujuan untuk
menyederhanakan model citra, dan konvolusi yaitu mengkombinasikan dua
buah sinyal dengan cara pendeteksian tepi mengunakan operato sobel.dan
melakukan pelatihan pada pola lafadz Allah dan Muhammad.
Gambar 4.1 Tampilan Aplikasi Pola Citra Pengujian

Pada Gambar 4.2 ketika pelatihan pola lafadz Allah dan
Muhammad selesai, pengujian dapat dilakukan dengan menekan
tombol deteksi, dimana proses perhitungan menggunakan metode Peirce
dilakukan yang bertujuan untuk menentukan/mengakuratkan tingkat
kesamaan (similarity degree) atau ketidaksamaan (disimilarity degree) dua vector.
4.1 Perhitungan Manual Metode Peirce

Perhitungan manual yang digunakan pada penelitian ini ialah
perhitungan metode Peirce untuk mendapatkan gambaran mengenai
keakuratan distance (jarak) dua buah vektor dalam aplikasi sistem ini. Nilai
sembarang untuk vektor i dan j adalah sebagai berikut:
Pada matriks di atas, vektor i merupakan vektor pola nilai latih

sedangkan vector j adalah vektor pola nilai uji yang keduanya akan diproses
dengan perhitungan metode Peirce. Sebelum jarak vektor dihitung, maka
terlebih dulu mentukan nilai a, b, c dan d untuk rumus Peirce Tahapan
perhitungan dapat dilihat di bawah ini:
Metode Peirce
a(i,j) = (1,1) = 2
b(i,j) = (0,1) = 2
c(i,j) = (1,0) = 2
d(i,j) = (0,0) = 3
( ) ( )
( ) ( ) ( )
Penjabaran rumus yang telah digunakan di atas merupakan suatu

proses perhitungan manual untuk mencari nilai jarak antara pola yang
telah dilatih dan diuji. Nilai yang sudah didapatkan melalui tahapan-
tahapan tersebut hanya sebagai sampel image similarity (kemiripan citra)
dengan pola yang sudah dilatih di dalam sistem. Nilai Sij = 0,4 dan hal
ini menyatakan pola terdeteksi karena nilai jarak pola citra berada
diantara 0 hingga 1.
Bedasarkan perhitungan diatas sistem akan melakakukan perhitungan
menggunakan metode Peirce untuk mengakuratkan hasil pendeteksian
dimana akan menampilkan nilai yang berbeda pada setiap pola citra yang
akan diuji.
4.2 Pengukuran Unjuk Kerja Sistem Pola Lafadz Allah Dan

Muhammad
Pengukuran unjuk kerja sistem adalah analisa peneliti untuk mengukur
keakuratan kerja sistem deteksi citra pola lafadz Allah dan Muhammad ini
dengan melakukan pelatihan pada setiap pola lafadz Allah dan Muhammad
di dalam surat Al-Baqarah yang kemudian diuji, sehingga dapat diketahui
tingkat kebenaran maupun kesalahan deteksi pola lafadz Allah dan

Muhammad.
Tabel 4.1 Hasil Unjuk Kerja Sistem Pendeteksi Citra Pola Lafadz Allah dan
Muhammad Metode Peirce
Jumlah
Jumlah Citra Persentase
N Citra Jumlah Citra Citra Yang Yang Detection
Pola Pengujian Terdeksi Tidak Rate x
O
(TP) Terdeksi 100
(FP)
1 95 5 95 95 %
Lafadz
Allah 100
2 Lafadz 4 0 4 100 %
Muham 4
mad
Dari tabel di atas bahwa sistem pendeteksi pola Lafadz Allah dan
Muhammad menggunakan metode Peirce memperoleh rate yang cukup tinggi
dengan menggunakan metode Peirce. Langkah awal pengukuran unjuk kerja
sistem dilakukan dengan pelatihan setiap pola lafadz Allah dan Muhammad.
Pada citra Al-Qur’an surat Al-Baqarah terdapat lafadz Allah (P1), tingkat
ketepatan/keakuratan sistem mendeteksi pola lafadz Allah ini memiliki 95%
dari 100 pengujian. Pada citra Al-Qur’an terdapat lafadz Muhammad,tingkat
ketepatan/keakuratan sistem mendeteksi pola lafadz Muhammad ini berkisar
100% dari 4 pengujian. Hasil observasi dan evaluasi hasil dari reasearch
(penelitian) yang penulis lakukan didapatkan sebuah kesimpulan bahwa
persentase keberhasilan proses pendeteksian pola lafadz Allah dan
Muhammad pada surat Al-Baqarah adalah mencapai 97,5%.
V. Kesimpulan dan Saran

Kesimpulan pada penilitian ini didapatkan dari beberapa proses
pelatihan dan pengujian berdasarkan sampel citra Al-Qur’an untuk
mendeteksi pola Lafadz Allah dan Muhammad dengan menggunakan
metode Peirce, maka hasil yang diperoleh dari beberapa proses penelitian
dapat dirincikan sebagai berikut:
1. Research (penelitian) ini menunjukkan bahwa sistem pendeteksi pola
Lafadz Allah dan Muhammad pada citra menggunakan metode Peirce
memiliki detection rate sebesar 97,5%. Berdasarkan hasil persentase
detection rate tersebut menyatakan bahwa metode ini dapat digunakan
sebagai salah satu pedekatan pola-pola pada Al-Qur’an dan mampu
bekerja dengan sangat baik.
2. Dengan menggunakan metode Peirce sistem pendeteksi pola lafadz
Allah dan Muhammad lebih mudah terdeteksi jika citra tidak pecah
dan tampak lebih jelas.
3. Sampel citra lafadz Allah dan Muhammad yang dijadikan
pelatihan sangat mempengaruhi tingginya persentase keberhasilan
pendeteksian masing-masing pola yang terdapat pada surat Al-
Baqarah dan beberapa potongan surat lain yang terdapat lafadz
Muhammad.
Adapun Saran untuk peneliatian ini adalah, untuk peningkatan
kualitas unjuk kerja sistem dapat dilanjutkan dengan cara mengkombinasikan
beberapa metode sebagai perbandingan. Selain itu, sistem pendeteksi Pola
lafadz Allah dan Muhammad pada citra Al-Qur’an ini juga bisa dibangun dan
dikembangkan menggunakan video (webcam), atau bahkan diterapkan pada
aplikasi website sehingga semua orang yang ingin mengetahui langsung
seberapa banyak dan letak Lafadz Allah dan Muhammad pada citra Al-
Qur’an sebagai pengetahuan baru
Daftar Pustaka
[1] Rahayu, 2016. Pengenalan Bentuk Wajah Manusia Pada Citra Menggunakan
Metode Brain State InA Box (BSB). Prodi Teknik Informatika Fakultas
Teknik Universitas Malikussaleh. Reuleut-Aceh Utara.
[2] Fadlisyah, 2013. Sistem Pendeteksian Wajah Pada Video Menggunakan
Jaringan Adaptive Linear Neuron (ADALINE). Tesis. Universitas Sumatra
Utara.
[3] Wardoyo Siswo,Wiryadinata Romi,dkk, 2014. Sistem Presensi Berbasis
Algoritma Eigenface Dengan Metode Principal Component Analysis.
Jurnal SETRUM –Volume 3, No. 1, Juni 2014,ISSN: 2301-4652.
[4] Yunus, Mahmud, 2012. Perbandingan metode-metode Edge Detection untuk
proses Segmentasi Citra Digital. Jurnal STIMIK PPKI Pradnya Pararamita,
Malang.
[5] Musril Hari Antoni, 2012. Studi Komparasi Metode Arithmetic Coding Dan
Huffman Coding Dalam Algoritma Entropy Untuk Kompresi Citra
Digital.Jurnal Teknologi dan Informasi, Vol. 5, No. 2, September 2012,
ISSN: 2086 – 4981.
[6] Afrillia Yesy, 2014. Pengenalan Pola Huruf Jepang Katakana
Menggunakan Transformasi Laplace Bilateral. Prodi Teknik Informatika
Fakultas Teknik Universitas Malikussaleh. Reuleut-Aceh Utara.
[7] Satyapratama, Andika, 2015. Analisis Perbandingan Algoritma Lzw Dan
Huffman Pada Kompresi File Gambar Bmp Dan Png. Jurnal Teknologi
Informasi Vol. 6 No. 2.
[8] Rachmani Nur, 2015. Analisis Semiotika Iklan Ades “Langkah Kecil
Memberikan Perubahan” dalam Menyingkap Pesan Tersembunyi Tentang
Kepedulian Hidup. e-Jurnal Ilmu Komunikasi (2),2015.
PENDETEKSI TAJWID IDGHAM MUTAJANISAIN PADA
CITRA AL-QUR’AN MENGGUNAKAN FUZZY
ASSOCIATIVE MEMORY (FAM)
Maryana, Fadlisyah, Sujacka Retno
Teknik Informatika Universitas Malikussaleh Lhokseumawe
Jl. Cot Tgk Nie-Reulet, Aceh Utara, 141 Indonesia
email : sujackaretno@gmail.com
ABSTRAK
Al-Qur'an merupakan pedoman hidup kaum muslim yang berisikan firman Allah
yang tersusun dalam bahasa Arab yang simbol hurufnya dikenal dengan sebutan
huruf hijaiyah. Huruf hijaiyah terdiri dari 30 huruf. Hampir dari keseluruhan umat
Muslim mampu membaca Al Qur’an, akan tetapi tidak dapat membaca Al Quran
dengan benar berdasarkan Makhraj, Waqaf, dan Tajwid yang telah ditentukan.
Hukum hukum ini merupakan pedoman dalam membaca Al Quran. Untuk membaca
Al-Qur’an diperlukan pengetahuan tentang pedoman ilmu Tajwid. Pada umumnya,
tidak banyak orang yang mempelajari, mudah mengerti maupun untuk menemukan
hukum Tajwid di dalam kitab suci Al-Qur’an. Oleh karena itu, sistem pendeteksi
Tajwid diperlukan untuk membantu pengguna menemukan hukum-hukum Tajwid di
dalam Al-Qur’an. Dalam penelitian ini menggunakan 7 pola Tajwid Idgham
Mutajanisain dengan algoritma Fuzzy Associative Memory (FAM) yang diukur
unjuk kerjanya berdasarkan nilai sensitive yang berbeda. Hasil pengujian menunjukan
bahwa keakuratan sistem ini sebesar 60% hingga 90%.
Kata kunci : Pengolahan Citra, Al-Qur’an, Tajwid, Fuzzy Associative
Memory (FAM), Big Theta
PENDAHULUAN
Pada umumnya setiap orang akan merujuk pada pakar bacaan Al-
Quran sekaligus hukum Tajwid. Dengan didampingi pakarnya mampu
memperbaiki lafadz yang salah, akan tetapi hal itu tidak cukup efektif
jika dilakukan secara monoton. Bahkan di era ini sudah diperkenalkan
beberapa perangkat lunak pembelajaran Al Qur’an yang cukup efesien
untuk dipergunakan akan tetapi tidak ditampilkan hukum tajwid. Dalam
penelitian ini, penulis mengembangkan sistem yang menggunakan

kombinasi citra surat Al-Qur’an latih sebagai input data untuk
mendapatkan pola Tajwid yang sesuai dengan membandingkan input
citra surat Al-Qur’an uji.
Citra yang diuji nantinya akan terdeteksi bagian-bagian mana yang
terkandung Tajwid di dalamnya sehingga pengguna dapat dengan
mudah membaca dan memahami Tajwid tersebut. Idgham adalah berpadu
atau bercampur antara dua huruf atau memasukkan satu huruf ke dalam huruf
yang lain. Maka dari itu, bacaan idgham harus dilafazkan dengan cara
meleburkan suatu huruf kepada huruf setelahnya. Adapun pengertian Idgham
Mutajanisain yaitu pertemuan antara dua huruf yang sama makhrajnya (tempat
keluarnya huruf) tetapi tidak sama sifatnya. Huruf pertama sukun dan huruf
kedua berbaris. Adapun cara membacanya dengan memasukkan huruf pertama
yang sukun kedalam huruf berikutnya sehingga seperti satu huruf yang
ditasydidkan. Oleh karena itu dengan adanya sistem ini yang menggunakan
metode Fuzzy Associative Memory diharapkan mampu untuk mengantisipasi
permasalahan ini.
FUZZY ASSOCIATIVE MEMORY (FAM)

Fuzzy Associative Memory (FAM) pertama kali diperkenalkan oleh Bart
Kosko. FAM merupakan suatu sistem fuzzy yang memetakan himpunan
Fuzzy ke himpunan Fuzzy lainnya. FAM merupakan versi Fuzzy dari
Bidirectional Associative Memory (BAM). FAM sederhana akan memetakan
suatu aturan Fuzzy atau himpunan pasangan (Ai,Bj) yang menghubungkan
himpunan Fuzzy Bj ke himpunan Fuzzy Ai . Dengan demikian, suatu
sistem FAM bisa terdiri atas beberapa kumpulan FAM yang berbeda
(A1,B1), (A2,B2), (A3,B3),… (Ai,Bj).. Untuk mengkodekan kumpulan fuzzy
(A,B) = ((a1,a2,…,an), (b1,b2,b3,…,bp)) ke bentuk matriks FAM secara
numerik, bisa digunakan aturan pembelajaran Hebb.
Aturan pembelajarannya yaitu correlation-minimum encoding.
Bentuk correlation-minimum encoding akan memberikan matriks
korelasi FAM fuzzy outer-product:
M=AT.B
Dengan Mij = min (ai,bj)
Apabila nilai mariks M telah didapat, maka nilai B selanjutnya dapat
diperoleh dengan menggunakan relasi komposisi dari A dan M.
Tajwid Idgham Mutajanisain Pada Citra Al-Qur’an 93
Demikian pula, kita juga dapat memperoleh nilai A dengan menggunakan

komposisi M dan B. Adapun relasi komposisinya yaitu: max-min composition.
Pada max-min composition, nilai B dapat diperoleh dengan menggunakan
komposisi dari A . M sebagai berikut :
B=A.M
Dengan bi=max min(ai,mij)
SKEMA SISTEM
Skema sistem adalah struktur dan mekanisme untuk menghubungkan
sekumpulan unsur atau elemen yang saling berkaitan dan saling
mempengaruhi dalam melakukan kegiatan bersama untuk mencapai suatu
tujuan. Skema sistem untuk pengenalan pola yang dirancang dalam
penelitian ini diilustrasikan pada gambar 2.1.
Keterangan:
Keterangan: Idgham
Idgham
Mutajanisain
Mutajanisain Ba
Ba mati
mati
bertemu
bertemu Mim
Mim
Sumber
Sumber Resize
Resize Grayscale
Grayscale Deteksi
Deteksi Tepi
Tepi FAM
FAM
Keterangan:
Keterangan: Idgham
Idgham
Mutajanisain
Mutajanisain Ta
Ta mati
mati
bertemu
bertemu Tha
Tha
Sumber
Sumber Resize
Resize Grayscale
Grayscale Deteksi
Deteksi Tepi
Tepi FAM
FAM
Keterangan:
Keterangan: Idgham
Idgham
Mutajanisain
Mutajanisain Ta
Ta mati
mati
bertemu
bertemu Da
Da
Sumber
Sumber Resize
Resize Grayscale
Grayscale Deteksi
Deteksi Tepi
Tepi FAM
FAM
Keterangan:
Keterangan: Idgham
Idgham
Mutajanisain
Mutajanisain Tha
Tha mati
mati
bertemu
bertemu Ta
Ta
Sumber
Sumber Resize
Resize Grayscale
Grayscale Deteksi
Deteksi Tepi
Tepi FAM
FAM
Keterangan:
Keterangan: Idgham
Idgham
Mutajanisain
Mutajanisain Da
Da mati
mati
bertemu
bertemu TaTa
Sumber
Sumber Resize
Resize Grayscale
Grayscale Deteksi
Deteksi Tepi
Tepi FAM
FAM
Keterangan:
Keterangan: Idgham
Idgham
Mutajanisain
Mutajanisain Dza
Dza mati
mati
bertemu
bertemu Zha
Zha
Sumber
Sumber Resize
Resize Grayscale
Grayscale Deteksi
Deteksi Tepi
Tepi FAM
FAM
Keterangan:
Keterangan: Idgham
Idgham
Mutajanasain
Mutajanasain Tsa
Tsa mati
mati
bertemu
bertemu Dza
Dza
Sumber
Sumber Resize
Resize Grayscale
Grayscale Deteksi
Deteksi Tepi
Tepi FAM
FAM
Gambar 2.1. Skema Sistem Secara Keseluruhan.

Adapun tahapan yang dilakukan setelah sistem menerima input citra adalah
tahapan grey-scale, konvolusi (deteksi tepi), dan uji pengenalan pola tajwid
menggunakan Fuzzy Associative Memory (FAM). Pada tahap pre-processing,
citra sumber yang menjadi inputan akan di-resize terlebih dahulu untuk
menghemat waktu dan jumlah iterasi. Setelah resizing, citra akan
direpresentasikan dalam bentuk satu kanal, dan diakhiri dengan pendeteksian
tepi melalui proses konvolusi. Pada proses utama, komputasi menggunakan
Fuzzy Associative Memory, vektor pola tajwid akan dilatih untuk
mendapatkan sebuah matriks bobot, yang selanjutnya matriks bobot tersebut
digunakan sebagai pola tajwid latih dalam pendeteksian nanti.
Untuk mengubah citra berwarna (Sumber) yang telah di Resize menjadi

nilai matrik masing - masing R, G dan B menjadi citra gray-scale dengan
nilai S, maka konversi dapat dilakukan dengan mengambil nilai rata-rata
dari R, G dan B sehingga dapat dituliskan menjadi :
Keterangan:
S: Warna Grayscale (Pixel).
R: Warna Merah (Pixel).
G: Warna Hijau (Pixel).
B: Warna Biru (Pixel).
Konvolusi adalah suatu istilah matematis yang berati mengaplikasikan sebuah
fungsi pada output fungsi lain secara berulang. Tujuan dilakukannya
konvolusi pada data citra adalah untuk mengekstraksi fitur dari citra input.
Konvolusi akan menghasilkan transformasi linear dari data input sesuai
informasi spasial pada data.
Operator Sobel adalah salah satu operator yang menghindari adanya
perhitungan gradient di titik interpolasi. Operator ini menggunakan kernel 3x3
pixel untuk perhitungan gradient sehingga perkiraan gradient berada tepat
ditengah jendela. Misalkan sususan pixel-pixel disekitar pixel (x,y) adalah :
X-1 X X+1
Y-1
z1 z2 z3
y
z4 z5 z6
Y+1 z7 z8 z9
Gambar 2.2. Operator Sobel
Berdasarkan susunan pixel tetangga tersebut, besaran gradient yang dihitung

menggunakan operator.
√
Turunan parsial dihitung dengan:
Keterangan :
Sx = nilai keseluruhan sumbu x
Sy = nilai keseluruhan sumbu y
Dengan konstanta . Dalam bentuk mask, Sx dan Sy dinyatakan sebagai :
[ ]
Sobel berbentuk Horizontal
[ ]
Sobel berbentuk Vertikal
Selanjutnya kita membuat matriks bobot dengan algoritma Fuzzy Associative

Memory (FAM). Vektor pola sembarang masukannya adalah sebagai berikut:
A = ( 0.3, 0.7, 0.4, 0.2) & B = (0.4, 0.3, 0.7).
Berdasarkan algoritma Fuzzy Associative Memory (FAM), langkah yang
harus dilakukan adalah menentukan nilai bobotnya.
0.3 min(0.3,0.4) min(0.3,0.3) min(0.3,0.7)
M= 0.7 [0.4 0.3 0.9] = min(0.7,0.4) min(0.7,0.3) min(0.7,0.7)
0.4 min(0.4,0.4) min(0.4,0.3) min(0.4,0.7)
0.2 min(0.2,0.4) min(0.2,0.3) min(0.2,0.7)
0.3 0.3 0.3

M = 0.4 0.3 0.7
0.4 0.3 0.4
0.2 0.2 0.2
Kemudian dilakukan komposisi max-min jika input vektor (0.3 0.7 0.4 0.2) dan
output vektor b1, b2, b3 :
b1 = max(min(0.3, 0.3), min(0.7, 0.4), min(0.4, 0.4), min(0.2, 0.2))

= max(0.3, 0.4, 0.4, 0.2) = 0.4
= max(0.3, 0.3, 0.3, 0.2) = 0.3
= max(0.3, 0.7, 0.4, 0.2) = 0.7
Penjabaran rumus yang telah digunakan di atas merupakan suatu proses

perhitungan manual untuk mencari kesamaan nilai antara pola yang telah
dilatih dan diuji. Berdasarkan nilai yang sudah didapatkan melalui tahapan-
tahapan tersebut akan menjadi pedoman image similarity (kemiripan citra)
dengan pola Tajwid yang sudah ditanam di dalam sistem. Nilai b1, b2, b3 <= 1
dengan menggunakan metode Fuzzy Associative Memory menandakan nilai
antara pola latih dan uji bernilai lebih kecil sama dengan 1 dan hal ini
menyatakan hukum Tajwid terdeteksi karena nilai jarak pola citra Tajwid
berada diantara 0 hingga 1, apabila nilai b1, b2, b3 >= 1 dengan menggunakan
metode Fuzzy Associative Memory menandakan nilai antara pola latih dan uji
bernilai lebih besar dari 1, maka hal tersebut menunjukkan hukum Tajwid
tersebut tidak terdeteksi
SKEMA FAM
Skema metode Fuzzy Associative Memory (FAM) adalah rancangan
flowchart yang menggambarkan proses penerapan dari rumus metode tersebut
untuk mengetahui hasil nilai perhitungan sistematis berdasarkan deteksi citra
yang telah diinput.
Start
Start
Inisialisasi
Inisialisasi Bobot
Bobot
Hitung
Hitung korelasi
korelasi minimum
minimum encoding
encoding
M
M == AT*B
AT*B
Tidak Hitung
Hitung Komposisi
Komposisi Max-Min
Max-Min
B
B == A
A ** M
M
Apakah
Apakah
Vektor
Vektor xx dan
dan yy mempunyai
mempunyai
nilai
nilai seimbang?
seimbang?
Ya
Tampil
Tampil Tajwid
Tajwid
Stop
Stop
Gambar 2.3 Flowchart algoritma

Pada tahap ini, jaringan menerima inputan struktur pola. Struktur

pola inputan merupakan sebarisan pola tepi-tepi objek yang mungkin
mengandung tajwid atau bukan tajwid, dan selanjutnya jaringan melakukan
perhitungan korelasi minimum encoding. Setelah perhitungan korelasi
minimum encoding dilakukan, jaringan melakukan perhitungan komposisi
max-min. Langkah-langkah ini terus diulang hingga tercapai nilai aktivasi
yang seimbang.
Hasil Unjuk Kerja Sistem
Pengukuran unjuk kerja sistem adalah analisa peneliti untuk mengukur

keakuratan kerja sistem deteksi citra pola Tajwid ini dengan melakukan
pelatihan pada setiap pola Tajwid Idgham Mutajanisain didalam Citra Al-
Qur’an yang diambil secara random yang kemudian diuji, sehingga dapat
diketahui tingkat kebenaran maupun kesalahan deteksi pola Tajwid tersebut.
Tabel 4.1 menunjukkan hasil unjuk kerja sistem pendeteksi pola Tajwid
Idgham Mutajanisain dengan menggunakan metode fuzzy associative memory
(FAM).
Tabel 4.1. Hasil unjuk kerja sistem pendeteksi idgham mutajanisain metode
Fuzzy Associative Memory (FAM)
Jumlah
Citra Jumlah False
Citra Detecti Persen
No Pola Citra Positive
yang on Rate tase
Tajwid Pengujian Rate
Terdeteksi
1 10 9 1 9 90 %
2 10 9 1 9 90 %
3 10 8 2 8 80 %
4 10 8 2 8 80 %
5 10 6 4 6 60 %
6 10 9 1 9 90 %
7 10 7 3 7 70 %
Kesimpulan dan Saran

Penelitian ini menunjukkan bahwa sistem pendeteksi pola Tajwid Al-
Qur’an hukum bacaan Idgham Mutajanisain pada citra Al-Qur’an
menggunakan metode Fuzzy Associative Memory (FAM) memiliki rata-rata
detection rate yang berkisar dari 60% hingga 90%. Berdasarkan hasil persentase
detection rate tersebut menyatakan bahwa metode ini dapat digunakan sebagai
salah satu pedekatan pola-pola Tajwid Al-Qur’an dan mampu bekerja dengan
baik dan efisien.
Sistem pendeteksi citra pola Tajwid Idgham Mutajanisain menggunakan
metode Fuzzy Associative Memory (FAM) bisa menjadi pedoman
berkembangnya penelitian mengenai deteksi Tajwid Al-Qur’an dengan
hukum yang berbeda-beda.
DAFTAR PUSTAKA
[1] Abasi Yuyun Wahyuni, dkk, 2010. Kompresi Citra Menggunakan

Transformasi Wavelet.
[2] Abdullah Dzakiy Royyan, 2016. Optimasi Komputasi Menggunakan
Algoritma Quantum Grover Dan Keunggulannya Dalam Pemecahan
[3] Permasalahan Pencarian. Makalah IF2120 Matematika Diskrit – Sem. I

Tahun 2016/2017.
[4] Achmad Balza, Firdausy Kartika, 2013. Pengolahan Citra Digital
Menggunakan Delphi. Yogyakarta: Andi.
[5] Afrillia Yesy, 2014. Pengenalan Pola Huruf Jepang Katakana
Menggunakan Transformasi Laplace Bilateral. Prodi Teknik Informatika
Fakultas Teknik Universitas Malikussaleh. Reuleut-Aceh Utara.
[6] Anggaraini Rina, Baharuddin, 2007. Analisa Untuk Kerja Quadrature
Amplitude Modulation Pada Kanal Fading Untuk Citra Digital. Jurnal
Politeknik Negeri Padang dan Jurusan Teknik Elektro Fakultas
Teknik Unand, No. 28, Vol. 1, Thn. XIV November 2007, ISSN: 0854-
8471.
[7] Crisnanto Heru, 2011. Pengendalian Kualitas Cairan Dalam Botol Berbasis
Pengolahan Citra. Jurusan Teknik Industri Fakultas Teknik Universitas
Sebelas Maret. Surakarta.
[8] Dahria Muhammad, Muhammadi Usman, 2013. Pengenalan Pola
Wajah Menggunakan Webcam Untuk Absensi Dengan Metode Wavelet.
Jurnal Program Studi Sistem Informasi, STMIK Triguna Dharma.
[9] Fadhilah Cut, 2015. Sistem Pendeteksi Pola Tajwid Al-Qur’an Hukum
Idgham Bi-Ghunnah Dan Bilaghunnah Pada Citra Menggunakan Metode
Nei And Li. Prodi Teknik Informatika Fakultas Teknik Universitas
Malikussaleh. Reuleut-Aceh Utara.
[10] Fadlisyah, 2007. Computer Vision Dan Pengolahan Citra. Yogyakarta:
Andi.
[11] Haviluddin, 2011. Memahami Penggunaan UML (Unified Modelling
Language). Jurnal Informatika Mulawarman, Volume VI, Nomor 1.
Samarinda: FMIPA Universitas Mulawarman.
[12] Haryadi Albert, Andrizal, dkk, 2013. Perancangan Sistem Identifikasi
Barcode Untuk Deteksi ID Produk Menggunakan Webcam. Jurnal Jurusan
Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas.
Padang.
[13] Jatmika Sunu, Purnamasari Dwi, 2014. Rancang Bangun Alat Pendeteksi
Kematangan Buah Apel Dengan Menggunakan Metode Image Processing
Berdasarkan Komposisi Warna. Jurnal Ilmiah Teknologi dan Informasi
Asia, Vol. 8, No. 1, Februari 2014.
[14] Kadir Abdul, 2013. Dasar pengolahan citra dengan Delphi. Yogyakarta:
Andi.
[15] Lizik Rina Intan, 2011. Identifikasi Kecantikan Wajah Wanita Secara
Statistika. Prodi Teknik Informatika Fakultas Teknik Universitas
Malikussaleh. Reuleut-Aceh Utara.
[16] Munawaroh Siti, 2010, Penerapan Multi-threading Untuk Meningkatkan
Kinerja Pengolahan Citra Digital. Jurnal Generic, Vol. 8, No. 2, September
2013, pp. 230~237 ISSN: 1907-4093 (Print), 2087-9814 (online).
[17] Muslima Hayatul, 2014. Klasifikasi Penampilan Wajah Pada Rata-Rata
Wanita Aceh Melalui Video Menggunakan Metode Template Matching Dan
Hamming Distance. Prodi Teknik Informatika Fakultas Teknik
Universitas Malikussaleh. Reuleut-Aceh Utara.
[18] Musril Hari Antoni, 2012. Studi Komparasi Metode Arithmetic Coding
Dan Huffman Coding Dalam Algoritma Entropy Untuk Kompresi Citra
Digital. Jurnal Teknologi dan Informasi, Vol. 5, No. 2, September 2012,
ISSN: 2086 – 4981.
[19] Nuruddin Triyasid, 2015, Hikmah Al-Qur’an dan Al-Hadist Jakarta :
Pustaka Imam As-Syafi’i.
[20] Pambudi, A., 2013. Implementasi Model Perangkat Lunak Pelayanan
Informasi Kegiatan Belajar Mengajar Tingkat SLTA dengan Berbasis
Operating System Android. Jurnal Ilmu Komputer, Volume IX, Nomor
2. Jakarta: Universitas Esa Unggul.
[21] Rasyidin Abdi, 2012. Sistem Koreksi Cahaya Pada Citra Digital
Menggunakan Metode Konvolusi. Prodi Teknik Informatika Fakultas
Teknik Universitas Malikussaleh. Reuleut-Aceh Utara.
[22] Rido Muhamad, dkk, 2016. Alat Ukur Tinggi Tubuh Manusia
Menggunakan Kamera Berbasis Template Matching.
[23] Rudiyanto, 2014. Aplikasi Pengenalan Ilmu Tajwid Berbasis Android.
Jurnal STMIK AMIKOM, Purwokerto.
[24] Sagita Vina, Irmina Prasetiyowati, 2013. Studi Perbandingan
Implementasi Algoritma Boyer-Moore, Turbo Boyer-Moore, Dan Tuned
Boyer-Moore Dalam Pencarian String. Jurnal ULTIMATICS, Vol. IV, No.
1, ISSN: 2085-4552.
[25] Wardoyo Siswo, Wiryadinata Romi, dkk, 2014. Sistem Presensi Berbasis
Algoritma Eigenface Dengan Metode Principal Component Analysis. Jurnal
SETRUM – Volume 3, No. 1, Juni 2014, ISSN: 2301-4652.
[26] Wayan Suartika E. P I, Yudhi Wijaya Arya, dkk, 2016. Klasifikasi
CitraMenggunakan Convolutional Neural Network (Cnn) Pada Caltech
101. Jurnal Teknik ITS, Vol. 5, No. 1, (2016) ISSN: 2337-3539.
[27] Widodo, P. P., dan Herlawati, 2011. Menggunakan UML. Informatika

Bandung. Bandung.
[28] Wiliyana, Situmorang Marihat, dkk, 2015. Perbandingan Algoritma
Arithmetic Dengan Geometric Mean Filter untuk Reduksi Noise pada Citra.
Jurnal Fakultas Ilmu Komputer dan Teknologi Informasi, Fasilkom-TI
USU.
[29] Ya’la Kurnaedi Lc Abu, 2014. Tajwid Lengkap Asy-Syafi’i. Jakarta:
Pustaka Imam Asy-Syafi’i.
IMPLEMENTASI FUZZY RULE BASED SYSTEM
UNTUK KLASIFIKASI BUAH MANGGA
Subhan Hartanto
Sistem Informatika, Universitas Pembangunan Panca Budi
Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
Sumatera Utara 20122
e-mail : subhanhartanto@dosen.pancabudi.ac.id
Abstrak
Mangga merupakan tamanan tahunan yang sudah tersebar di
dunia, penelitian ini bertujuan untuk melakukan klasifikasi buah
Mangga yang dapat memudahkan masyarakat dalam melakukan
penamaan buah Mangga. Penelitian dilakukan dengan menggunakan
metode Fuzzy Rule Based System, penentuan penamaan buah Mangga
mengggunakan software yang telah ada yaitu Matlab, klasifikasi buah
Mangga dilakukan berdasarkan bentuk dan warna serta ukuran dan
menghasilkan penamaan buah Mangga. Hasil dari penelitian ini adalah
menjadikan masyarakat mandiri dalam melakukan pengecekan
penamaan buah, penggunaan Fuzzy Rule Based System pada klasifikasi
buah Mangga sangat membantu dalam melakukan penamaan buah.
Klasifikasi buah Mangga dapat dilakukan dengan menggunakan ciri-ciri
yang ada pada buah.
Kata Kunci: Mangga, Fuzzy Rule Based System, Matlab.
1. PENDAHULUAN
Mangga merupakan tanaman buah tahunan berupa pohon yang
berasal dari negara India. Kini, tanaman ini tersebar di berbagai penjuru
dunia termasuk Indonesia. Tanaman Mangga dapat tumbuh dengan baik
di dataran rendah dan berhawa panas. Banyak hasil observasi yang
menyebutkan bahwa terdapat berbagai jenis Mangga yang tersebar di
Indonesia yang memiliki ciri khas dan harga ekonomisnya masing-
masing.
Masyarakat yang memanfaatkan buah Mangga umumnya lebih
berpatokan pada ciri-ciri agronomi buah yang membutuhkan klasifikasi
lebih jelas sehingga penamaan dapat menjadi lebih pasti. Dengan adanya
perkembangan ilmu pengetahuan dan teknologi yang telah maju saat ini,
dapat digunakan untuk membantu masyarakat dalam mengetahui

penamaan buah Mangga. Salah satu pemanfaatan teknologi tersebut
adalah Artificial Intelligent (kecerdasan buatan).
2. KAJIAN LITERATUR DAN PEGEMBANGAN HIPOTESIS
Pengertian Fuzzy Logic

Logika Fuzzy adalah suatu cara untuk memetakan ruang-ruang
input ke dalam suatu ruangan output yang sesuai. Ada banyak cara untuk
memetakan ruang input ke output ini, seperti dengan sistem linear,
jaringan syaraf, dan persamaan diferensial. Meskipun banyak cara selain
Fuzzy, namun Fuzzy dianggap memberikan solusi terbaik karena dengan
menggunakan Fuzzy akan lebih cepat dan lebih murah (Kusumadewi S.,
2010).
Himpunan Fuzzy
Pada himpunan tegas (Crisp), nilai keanggotaan suatu item x
dalam suatu himpunan A, yang sering ditulis dengan µA(x), memiliki dua
kemungkinan, yaitu (Kusumadewi S. et al., 2004):
1. Satu (1), yang berarti bahwa suatu item menjadi anggota dalam
suatu himpunan, atau
2. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota
dalam suatu himpunan.
Ada beberapa hal yang perlu diketahui dalam memahami sistem
Fuzzy, yaitu (Muzayyanah, I, Mahmudy, WF, dan Cholissodin I, 2014):
1. Variabel Fuzzy
Variabel Fuzzy merupakan variabel yang hendak dibahas dalam
suatu sistem Fuzzy.
2. Himpunan Fuzzy
Himpunan Fuzzy merupakan suatu grup yang mewakili suatu
kondisi atau keadaan tertentu dalam suatu variabel Fuzzy.
3. Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang
diperbolehkan untuk 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.
Implementasi Fuzzy Untuk Klarifikasi Buah Mangga 105
4. Domain
Domain himpunan Fuzzy adalah keseluruhan nilai yang diijinkan
dalam 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.
Metode Tsukamoto
Pada Metode Tsukamoto setiap konsekuen pada aturan yang
berbentuk IF-THEN harus direpresentasikan dengan himpunan Fuzzy
dengan fungsi keanggotaan yang monoton. yaitu (Sholihin, M, Fuad, N,
dan Khamiliyah, N. 2013):
[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)
Metode Mamdani
Metode Mamdani sering dikenal sebagai Metode Max-Min.
Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
Untuk mendapatkan output, diperlukan 4 tahapan (Nasution, IA. 2014):
1. Pembentukan himpunan Fuzzy
2. Aplikasi fungsi implikasi
3. Komposisi aturan
4. Defuzzyfikasi
Metode Sugeno
Penalaran dengan Metode Sugeno hampir sama dengan penalaran
Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan
Fuzzy, melainkan berupa konstanta atau persamaan linear. Ada 2 model
fuzzy metode Sugeno yaitu sebagai berikut: (Arsyad M. 2004).
1. Model Fuzzy Sugeno Orde-Nol
Secara umum bentuk model Fuzzy Sugeno Orde-Nol adalah:
IF(x1 is A1)o(x2 is A2)o(x3 is A3)…….o(xN is AN) THEN z=k
dengan A1 adalah himpunan Fuzzy ke-i sebagai anteseden, dan k
adalah suatu konstanta (tegas) sebagai konsekuen.
2. Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model Fuzzy Sugeno Orde-Satu adalah:
IF(x1 is A1)o…….o(xN is AN) THEN z= p1*x1+…+pN*xN+q
(2.20.)
dengan Ai adalah himpunan Fuzzy ke-i sebagai anteseden, dan pi

adalah suatu konstanta (tegas) ke-i dan q juga merupakan
konstanta dalam konsekuen.
Rule-Based System
Rule Based System merupakan sistem yang digunakan sebagai cara
untuk menyimpan dan memanipulasi pengetahuan untuk diwujudkan
dalam suatu informasi yang dapat membantu dalam menyelesaikan
berbagai permasalahan atau dapat juga didefinisikan sebagai suatu
Sistem Pakar yang menggunakan aturan-aturan untuk menyajikan
pengetahuannya. Dengan kata lain bahwa sistem berbasis aturan adalah
suatu perangkat lunak yang menyajikan keahlian pakar dalam bentuk
aturan-aturan pada domain tertentu untuk menyelesaikan suatu
permasalahan.
Rule based system sering digunakan dalam pembuatan aplikasi
kecerdasan buatan dan penelitian, salah satu contoh aplikasi dapat
dihasilkan dari konsep ini misalnya aplikasi dalam bidang agronomi.
Pada bidang agronomi salah satunya adalah aplikasi yang dapat
membantu seorang pakar dalam mengklasifiksi suatu permasalahan
agronomi berdasarkan ciri-ciri yang telah diketahui.
Pada kombinasi antara Fuzzy Logic dengan Rule-Based System atau
disebut dengan Fuzzy Rule-Based System memungkinkan penggunaan
aturan linguistik untuk menggambarkan hubungan antara parameter
masukan dengan keluaran yang diharapkan dari sistem yang dibangun.
Salah satu cara untuk merepresentasikan pengetahuan dalam bahasa
semi natural pada Fuzzy Rule-Based System adalah dengan memakai
bentuk:
IF premis THEN konklusi
Bentuk IF-THEN tersebut sering kali disebut sebagai bentuk berbasis
aturan. Apa bila aturan yang dipakai merupakan aturan Fuzzy, maka
dapat dituliskan sebagai
IF X is A THEN Y is B
Dengan A dan B adalah himpunan Fuzzy. Dalam contoh diatas bagian
premis adalah X is A dan bagian konklusi adalah Y is B.
Komponen utama dalam sistem berbasis aturan Fuzzy terdiri dari 3
yaitu:
1. Fuzzification mengubah masukan-masukan yang nilai
kebenarannya bersifat pasti (crisp input) ke dalam bentuk Fuzzy
2. input, yang berupa nilai linguistik yang semantiknya ditentukan

berdasarkan fungsi keanggotaan tertentu.
3. Inference melakukan penalaran menggunakan Fuzzy input dan
Fuzzy Rules yang telah ditentukan sehingga menghasilkan Fuzzy
output.
4. Defuzzification mengubah Fuzzy output menjadi crisp value
berdasarkan fungsi keanggotaan yang telah ditentukan (Suyanto,
2007).
3. METODE PENELITIAN
Dalam metodologi penelitian ada urutan kerangka kerja yang
harus diikuti, urutan kerangka kerja ini merupakan gambaran dari
langkah-langkah yang akan dilakukan dalam menyelesaikan
permasalahan yang akan dibahas agar penelitian berjalan dengan baik.
Kerangka kerja yang digunakan bisa dilihat pada gambar 3.1. berikut :
4. HASIL DAN PERANCANGAN SISTEM
Analisa Data
Adapun data yang didapatkan untuk diproses adalah bentuk
buah, bentuk pucuk, bentuk lekukan, bentuk paruh dan warna serta
ukuran. Selanjutnya data-data tersebut akan diproses menggunakan
logika Fuzzy agar dapat ditentukan variabel yang akan digunakan untuk
mendapatkan output yang diharapkan. Tabel 4.1. menunjukkan data
yang diperoleh dari klasifikasi buah Mangga.
Analisa Sistem
Sistem dianalisa berdasarkan data-data bentuk, warna dan ukuran,
kemudian diproses untuk mengetahui penamaan buah Mangga. Maka
dari itu perlu juga dipertimbangkan ciri-ciri fisik yang tampak untuk
lebih menguatkan klasifikasi yang dilakukan.
Perancanganga Sistem
Dalam perancangan sistem akan dibangun variabel Fuzzy yang
membantu dalam pengambilan keputusan. Variabel Fuzzy yang akan
dibangun terdiri dari enam variabel input yaitu variabel bentuk buah,
variabel bentuk pucuk, variabel bentuk lekukan, variabel bentuk paruh,
variabel warna dan variabel ukuran serta satu variabel output yaitu
penamaan buah.
Representasi Keanggotaan Fuzzy

1. Variabel Bentuk Buah
Variabel bentuk buah merupakan variabel masukan yang pertama
untuk melakukan klasifikasi buah Mangga. Variabel ini terdiri dari
tiga himpunan Fuzzy yaitu bulat, jorong dan panjang.
µBulat[x] =
µJorong[x] =
µPanjang[x] =
2. Variabel Bentuk Pucuk

Variabel bentuk pucuk merupakan variabel masukan yang kedua
untuk melakukan klasifikasi buah Mangga. Variabel ini terdiri dari
tiga himpunan Fuzzy yaitu runcing, bulat dan datar.
µDatar[x] =
µBulat[x] =
µRuncing[x] =
3. Variabel Bentuk Lekukan

Variabel bentuk lekukan merupakan variabel masukan yang
ketiga untuk melakukan klasifikasi buah Mangga. Variabel ini
terdiri dari tiga himpunan Fuzzy yaitu tidak ada, sedikit dan jelas.
µTidak Ada[x] =
µSedikit[x] =
µJelas[x] =
4. Variabel Bentuk Paruh

Variabel bentuk paruh merupakan variabel masukan yang
keempat untuk melakukan klasifikasi buah Mangga. Variabel ini
terdiri dari tiga himpunan Fuzzy yaitu tidak ada, sedikit dan jelas.
µTidak Ada[x] =
µSedikit[x] =
µJelas[x] =
5. Variabel Warna
Variabel warna merupakan variabel masukan yang kelima untuk
melakukan klasifikasi buah Mangga. Variabel ini terbagi tiga
himpunan Fuzzy yaitu hijau, kuning dan merah.
µHijau[x] =
µKuning[x] =
µMerah[x] =
6. Variabel Ukuran
Variabel ukuran merupakan variabel masukan yang keenam
untuk melakukan klasifikasi buah Mangga. Variabel ini terbagi
dua himpunan Fuzzy yaitu pendek dan panjang.
µPendek[x] =
µPanjang[x] =
7. Variabel Penamaan Buah

Variabel penamaan buah adalah variabel output yang merupakan
hasil yang diinginkan dari klasifikasi buah Mangga.
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80
µ A1[x] =
µA2[x] =
µA3[x] =
µA4[x] =
µA5[x] =
µA6[x] =
µA7[x] =
µA8[x] =
µA9[x] =
µA10[x] =
µA11[x] =
µA12[x] =
µA13[x] =
µA14[x] =
µA15[x] =
Pembentukan Aturan Logika Fuzzy

Fuzzy logic bekerja berdasarkan aturan-aturan dalam melakukan
pemetaan dari input dan output, yang dilakukan dalam bentuk condition
dan action. Hal ini memungkinkan sistem Fuzzy berjalan tanpa harus
melalui komposisi dan dekomposisi. Bentuk condition dan action bisa juga
disebut dengan IF-THEN rule, dengan format If antecedent then consequent.
Antecedent yang dimaksud adalah input dari sistem Fuzzy, sedangkan
untuk consequent diasosiasikan terhadap Ouput.
KESIMPULAN
Berdasarkan hasil analisis yang telah dilakukan pada implementasi
fuzzy rule based system klasifikasi buah mangga, dapat diambil
kesimpulan sebagai berikut :
1. Menjadikan masyarakat mandiri dalam melakukan pengecekan
penamaan buah.
2. Variabel input yang mendukung pengambilan keputusan

dikelompokkan menjadi 6 bagian yaitu variabel bentuk buah,
bentuk pucuk, bentuk lekukan, bentuk paruh, warna dan ukuran
dengan output penamaan buah.
3. Sistem yang dirancang menggunakan fuzzy rule-based system
dapat digunakan untuk pengambilan keputusan dalam
mengklasifikasi buah Mangga.
DAFTAR PUSTAKA
Arsyad, M. 2014. Implementasi Metode Sugeno pada Sistem Pakar
Penentuan Stadium pada Penyakit Tuberculosis (TBC).
Broto, Wisnu. 2003. Mangga: Budi Daya, Pascapanen dan Tata Niaganya.
Jakarta: AgroMedia Pustaka.
Gwon, et al., 2016. Estimation of Gaze Detection Accuracy Using the
Calibration Information-Based Fuzzy System.
M Jaya Pal , et al., 2015. Software Quality Prediction using Fuzzy Rule Based
System.
Jiang., et al., 2014. A New Fuzzy System Based on Rectangular Pyramid.
Kusumadewi, S. dan Purnomo. H. 2005. Aplikasi Logika Fuzzy.
Yogyakarta: Graha Ilmu.
Mohammadpour., et al., 2015. Fuzzy Rule-Based Classification System for
Assessing Coronary Artery Disease.
Muzayyanah, I. Mahmudy, W. F. dan Cholissodin, I. 2014. Penentuan
Persediaan Bahan Baku dan Membantu Target Marketing Industri
dengan Metode Fuzzy Inference System Tsukamoto.
Naba. E. A. 2009. Belajar Cepat Fuzzy Logic Menggunakan Matlab.
Yogyakarta: ANDI.
Nasution, I. A. 2014. Sistem Pendukung Keputusan Penentuan Pemilihan
Laptop dengan Menerapkan Fuzzy Tahani.
Shaout. et al., 2013. Fuzzy Rule Base System for Software Classification.
Singhala. P. et al., 2014. Temperature Control using Fuzzy Logic.
Sholihin, M. et al., 2013. Sistem Pendukung Keputusan Penentuan Warga
Penerima Jamkesmas Dengan Metode Fuzzy Tsukamoto.
Suyanto. 2007. Artificial Intelligence. Bandung: Informatika.
Wibowo, S. 2015. Penerapan Logika Fuzzy Dalam Penjadwalan Waktu
Kuliah.
Winarto, S. S. et al.,2012. Menentukan Harga Mobil Bekas dengan
Menggunakan Metode Fuzzy Mamdani dan Metode Jaringan
Syaraf Tiruan.
APLIKASI TEKNOLOGI SISTEM KONTROL FUZZY
INFERENCE SYSTEM DALAM PENENTUAN KRITERIA
PRIORITAS KONSENTRASI PEMBANGUNAN
GAMPONG
Rozzi Kesuma Dinata1, Munirul Ula 2

Teknik Informatika Universitas Malikussaleh Lhokseumawe
Jl. Cot Tgk Nie-Reulet, Aceh Utara, 141 Indonesia
email : rozzikesumadinata@gmail.com, nanggroe@gmail.com
ABSTRAK
Konsentrasi prioritas pembangunan gampong merupakan salah satu mekanisme
program pemberdayaan masyarakat yang digunakan pemerintah dalam upaya
penanggulangan daerah tertinggal. Penanggulangan ini dilakukan melalui penyediaan
kebutuhan dasar, pembangunan sarana dan prasarana, serta pengembangan potensi
ekonomi lokal yang dilakukan secara terpadu dan berkelanjutan di wilayah
pergampongan. Program ini dilakukan untuk lebih mendorong pemerintah dalam
peningkatan kualitas hidup, kesejahteraan dan kemandirian masyarakat di gampong.
Penyaluran dan pengelolaan dana yang tidak tepat akan mengakibatkan tersendatnya
upaya pemerintah dalam menyelesaikan konsentrasi pembangunan gampong. Oleh
karena itu dibutuhkan sebuah sistem yang dapat mengontrol penyaluran dana untuk
mengawasi dana dan program prioritas gampong di wilayah gampong Alue Awe
kecamatan Muara Dua Sistem Kontrol Fuzzy Inference digunakan untuk mengontrol
nilai masing-masing variabel berupa tingkat kebutuhan, akses sumber daya, tingkat
kepentingan, tingkat partisipasi dan tingkat pembangunan agar nilai tersebut tetap
berada pada batas normal. Nilai yang telah di fuzzy kemudian akan dimasukkan ke
dalam aspek-aspek penilaian promethee. Hasil nilai perangkingan promethee tertinggi
akan dijadikan prioritas untuk kegiatan konsentrasi pembangunan gampong. Hasil
penelitian ini dapat membantu tim pengelola serta masyarakat dalam menentukan
prioritas konsentrasi pembangunan yaitu mengenai jenis kegiatan yang sesuai dengan
keadaan gampong dan masyarakat itu sendiri. Sistem ini akan berbasis web agar
semua elemen masyarakat dapat melihat penyaluran dana dan perkembangan
gampong di alue Awe.
Kata kunci: Konsentrasi, Fuzzy, Sistem Pendukung Keputusan.

PENDAHULUAN
Pembangunan Nasional dan daerah merupakan bagian yang tidak
dapat dipisahkan dari kegiatan pembangunan prioritas gampong. Gampong
merupakan basis kekuatan sosial ekonomi dan politik yang perlu mendapat
perhatian serius dari pemerintah. Perencanaan pembangunan selama ini
menjadikan masyarakat gampong sebagai objek pembangunan bukan
sebagai subjek pembangunan. Peran pemerintah gampong ditingkatkan
dalam memberikan pelayanan dan kesejahteraan masyarakat serta
mempercepat pembangunan dan pertumbuhan wilayah-wilayah strategis,
sehingga dapat mengembangkan wilayah-wilayah tertinggal dalam suatu
sistem wilayah pengembangan.
Melalui alokasi dana gampong berpeluang untuk mengelola prioritas
pembangunan gampong oleh pemerintahan dan sosial kemasyarakatan
gampong. Alokasi dana gampong diberikan kepada tiap-tiap gampong yang
berasal dari dana keuangan pemerintah pusat dan daerah yang diterima oleh
Kabupaten/Kota. Pemberian alokasi dana gampong merupakan wujud dari
pemenuhan hak gampong untuk menyelenggarakan otonomi daerah agar
tumbuh dan berkembang.
Alokasi dana tersebut harus dipergunakan sebaik mungkin agar setiap
dana yang digunakan tidak salah dipergunakan. Dana tersebut diberikan
kepada setiap gampong dengan program-program tertentu yang sesuai
dengan keadaan gampong tersebut. Untuk itu, menentukan konsentrasi
kegiatan yang akan dijalankan oleh masyarakat sangat berpengaruh karena
dapat menentukan kualitas kinerja masyarakat.
Dengan adanya konsentrasi diharapkan setiap masyarakat gampong
beserta dengan tim pengelola dapat lebih fokus terhadap kegiatan yang akan
dilakukan. Akan tetapi, masalah sering terjadi dalam proses pemilihan
kegiatan, antaranya adalah tentang kegiatan apa yang cocok untuk
dilaksanakan, terutama jika faktor-faktor yang mendukung dalam kegiatan
memiliki tingkat kepentingan yang hampir sama.
Penelitian ini diharapkan konsentrasi setiap masyarakat gampong
beserta dengan tim pengelola gampong dapat lebih fokus terhadap kegiatan
yang akan dilakukan. Keputusan penentuan kriteria konsentrasi harus
dilakukan dengan pertimbangan yang matang. Sistem control digunakan
dalam Logika fuzzy inference system dalam penentuan range kriteria dan
pengambilan keputusan dengan metode promethee untuk menentukan tingkat
kecenderungan konsentrasi kegiatan pembangunan gampong berdasarkan
faktor keadaan gampong dan masyarakat. Dimana setiap bobot kriteria yang
Sistem Kontrol Fuzzy Penentuan Pembangunan Gampong 120
ada pada setiap gampong diubah dalam bentuk himpunan fuzzy dan derajat
keanggotaan.
Adapun input kriteria Fuzzy inference system yang digunakan sebagai
kriteria adalah tingkat kebutuhan, akses sumber daya, dan tingkat partisipasi,
sedangkan outputnya adalah persentase konsentrasi terhadap kegiatan yang
sebaiknya dilaksanakan, yaitu pengadaan air bersih, peningkatan SDM,
peningkatan sarana dan prasarana, dan pemanfaatan sumber daya alam.
Dengan adanya kemampuan sistem dalam penentuan tingkat konsentrasi
pembangunan gampong, maka diharapkan proses pelaksaan kegiatan
pemberdayaan masyarakat menjadi lebih optimal.
Dengan adanya aplikasi teknologi sistem kontrol fuzzy inference system
sistem dan topsis dalam penentuan prioritas konsentrasi pembangunan
gampongmemudahkan tim dan masyarakat dalam mengontrol penentuan
prioritas pembangunan gampong berbasis web.
TINJAUAN PUSTAKA
2.1 Sistem Pengontrolan

Menurut Jogiyanto (2012:47) , Sistem yang ada pada teknologi informasi
yang digunakan oleh manusia yang dikumpulkan dan dianalisa untuk
mendapatkan informasi agar tujuannya tercapai dalam mengambil keputusan.
Sistem pengontrolan terbagi dalam blok bangunan tersebut yang terdiri dari:
1. Blok Masukan (Input Block)
Input mewakili data yang masuk ke dalam sistem informasi. Input disini
termasuk metode dan media untuk menangkap data yang akan
dimasukkan, yang dapat berupa dokumen-dokumen dasar.
2. Blok Model (Model Block)
Blok ini terdiri dari kombinasi prosedur, logika dan model matematik yang
akan memanipulasi data input dan data yang tersimpan di basis data
dengan cara yang sudah tertentu untuk menghasilkan keluaran yang
diinginkan.
3. Blok Keluaran (Output Block)
Produk dari sistem informasi adalah keluaran yang merupakan informasi
yang berkualitas dan dokumentasi yang berguna untuk semua tingkatan
manajemen.
4. Blok Teknologi (Technology Block)
Teknologi digunakan untuk menerima input, menjalankan model,
menyimpan dan mengakses data, menghasilkan dan mengirimkan
keluaran dan membantu pengendalian sistem secara keseluruhan. Pada
blok ini terdiri dari 3 bagian utama, yaitu teknisi(humanware atau

brainware), perangkat software dan perangkat keras
5. Blok Basis Data (Database Block)
Basis data (database) merupakan kumpulan dari data yang saling
berhubungan satu dan lainnya, tersimpan di hardware dan software untuk
memanipulasinya.
6. Blok Kendali (Controls Block)
Beberapa pengendalian perlu dirancang dan diterapkan yang dapat
merusak sistem dapat dicegah ataupun apabila terjadi kesalahan dapat
langsung cepat diatasi.
2.2 Sistem Pendukung Keputusan

Menurut Kusrini (2007), Sistem Pendukung Keputusan adalah
sebuah sistem yang dimaksudkan untuk mendukung para pengambil
keputusan manajerial dalam situasi keputusan semi terstruktur. SPK
dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan
untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan
penilaian.
Menurut Gerdon (2011) Sistem Pendukung Keputusan (SPK) adalah
Konsep pendukung keputusan ditandai dengan sistem interaktif berbasis
komputer yang membantu pengambil keputusan memanfaatkan data dan
model untuk menyelesaikan masalah-masalah yang tidak terstruktur. Pada
dasarnya SPK dirancang untuk mendukung seluruh tahap pengambilan
keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan,
menentukan pendekatan yang digunakan dalam proses pengambilan
keputusan, sampai mengevaluasi pemilihan alternatif.
Menurut Turban (2005) mengkategorikan model sistem pendukung
keputusan dalam tujuh model, yaitu : (1) Model optimasi untuk masalah-
masalah dengan alternatif-alternatif dalam jumlah relatif kecil; (2)Model
optimasi dengan algoritma; (3) Model optimasi dengan formula analitik; (4)
Model simulasi; Model ini akan melakukan pencarian terhadap solusi cukup
baik atau solusi terbaik pada beberapa alternatif yang akan diuji dalam
penelitian.
2.3 Teori Himpunan Fuzzy

Teori logika fuzzy diperkenalkan oleh Lotfi A.Zadeh pada tahun 1965.
Di dalam Fuzzy Mutiple Attribute Decision Making (FMADM), logika fuzzy
berperan untuk mengakomodasikan adanya ketidakpastian sering kali

muncul pada lingkungan dimana sistem tersebut dibangun. Ketidakpastian
ini bisa terletak pada data atau informasi fisik baik terdapat pada alternatif
maupun atribut, dan penyampaian diberikan pengambilan keputusan(Sri
Kusumadewi, et. al 2006).
2.3.1 Konsep Dasar Himpunan Fuzzy

Pada dasarnya, teori himpunan fuzzy merupakan perluasan dari
teori himpunan klasik. Pada teori himpunan klasik (crisp), keberadaan
suatu elemen pada suatu himpunan A, hanya akan memiliki dua
kemungkinan, yaitu manjadi anggota A atau tidak menjadi anggota A
(chak, 1998). Suatu nilai yang menunjukkan seberapa besar tingkat
keanggotaan suatu elemen (x) dalam suatu himpunan (A), sering dikenal
dengan nama nilai keanggotaan atau derajat keanggotaan, dinotasikan
dengan µA(x). Himpunan fuzzy dua attribut, yaitu:
1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan
atau kondisi tertentu dengan menggunakan bahasa alami.
2. Numeris, yaitu suatu nilai yang menunjukkan ukuran dari suatu
kriteria.
2.3.2 Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya
yang memiliki interval 0 sampai 1. Ada beberapa jenis fungsi, yaitu sebagai
berikut :
1. Representasi Linear
Pada representasi linear, pemetaan input ke derajat
keanggotannya digambarkan sebagai suatu garis lurus. Bentuk ini
paling sederhana dan menjadi pilihan yang baik untuk
mendekatisuatu konsep yang kurang jelas.
µ(X)
0 a domain b
Gambar 2.1 Representasi Linier Naik

Fungsi Keanggotaan:
0; xa

[ x]  ( x  a) /(b  a); a  x  b .................................(2.1)
1; xb

2. Representasi Kurva Segitiga

Kurva Segitiga pada dasarnya merupakan gabungan antara
2 garis (linear) seperti yang ditunjukkan pada gambar
dibawah ini.
Gambar 2.2 Referensi Kurva Segitiga
Fungsi Keanggotaan:
0; x  a atau x  c
 …………..(2.2)
[x]  (x - a)/(b- a); a  x  b
(b - x)/(c- b); b  x  c

2.4 METODE PROMETHEE

Nilai kriteria dalam metoda PROMETHEE dinyatakan dalam
skala numerik. Semakin kecil nilai pencapaian kriteria tersebut,
misalnya mengenai keuntungan, bila semakin besar nilainya maka
akan semakin diharapkan. Oleh karena itu setiap kriteria harus
dituliskan maksimum atau minimum.
1. Penentuan Struktur Preferensi

Penentuan struktur preferensi dengan membandingkan antar
kriteria dan menentukan hasil perbandingan preferensinya.
a. Pemilihan Tipe Generalisasi Kriteria
Dalam PROMETHEE disajikan enam kriteria umum (Tipe I, II,
III, IV, V dan VI) yang tidak mutlak tetapi bentuk-bentuk ini dianggap
cukup memenuhi dalam mengatasi masalah-masalah yang timbul di
dunia nyata. Pemilihan tipe generalisasi dapat dilakukan apabila
kriteria sudah ditentukan.
b. Penentuan Nilai Deviasi (Mutlak)
Dari masing-masing kriteria dapat dihitung nilai deviasi yang
diperlukan untuk menentukan derajat preferensi.
P(a,b) = P (f(a) – f(b)) ……………………………………………(2.4)
dimana :
P(a,b) = preferensi alternatif a terhadap alternatif b
f(a) = evaluasi suatu kriteria dari alternatif a dan f(b) = evaluasi suatu
kriteria
c. Penentuan Nilai Parameter yang Sesuai
Penentuan parameter-parameter yang dibutuhkan tergantung
dari tipe generalisasi kriteria. Pada langkah ini nilai parameter (q, p,
dan s) ditetapkan sesuai dengan masing-masing kriteria.
d. Penentuan Derajat Preferensi
Derajat preferensi H(d) ditentukan dengan melakukan evaluasi
nilai deviasi mutlak terhadap parameter (q, p, dan s) dan kriteria yang
sesuai dengan kriteria pada setiap alternatif. Adapun jenis kriteria
tersebut meliputi :
1. Tipe I Kriteria Biasa (Usual Criterion).
0 jika d  0
H(d)   ……………………………(2.5)
1 jika d  0
2. Tipe II Kriteria Quasi (Quasi Criterion).

0 jika  q  d  q
H(d)   .....……………(2.6)
1 jika d  q atau d  q
3. Tipe III Kriteria dengan Preferensi Linier.
d/p jika  p  d  p
H(d)   ……………...(2.7)
1 jika d   p atau d  p
e. Penentuan Indeks Preferensi
Merupakan satu ukuran preferensi dari alternatif yang satu
terhadap yang lain, semakin mendekati 1 (satu), semakin besar
preferensinya. Jadi indeks preferensi merupakan intensitas pembuat
keputusan yang menyatakan bahwa alternatif lainnya dengan
pertimbangan secara simultan dari seluruh kriteria. Indeks preferensi
multikriteria ditentukan berdasarkan rata bobot dari preferensi.
n
(a, b)   P (a, b) : a, b  A ……..…..……………(2.8)
i 1
i i
dimana :
(a, b)  indeks preferensi multi kriteria alternatif a lebih baik dari
alternatif b
πi = ukuran relatif dari kepentingan kriteria fi
Pi(a,b) = preferensi alternatif a terhadap alternatif b
2. Penyusunan Hubungan Dominasi

Penyusunan hubungan dominasi ini merupakan proses penentuan
hubungan prioritas antara alternatif yang satu dengan yang lainnya.
Pada tahap ini dilakukan langkah-langkah perhitungan sebagai
berikut :
a. Positif Outranking Flow semakin besar nilainya maka semakin
besar dominasi suatu alternatif terhadap alternatif lainnya.
 1

 (a)  ( a, x ) ..…..………………………(2.9)
n 1
dimana :

 (a )  positif outranking flow alternatif a

n = jumlah alternatif
a, x   preferensi bahwa alternatif a lebih baik dari alternatif x
b. Negatif Outranking Flow
Disebut juga Entering Flow, semakin kecil nilainya maka semakin
besar dominasi suatu alternatif terhadap alternatif lainnya.
 1

 (a)  ( a, x ) ..…..……………………..(2.10)
n 1
dimana :

 (a )  negatif outranking flow alternatif a

n = jumlah alternatif
a, x   preferensi bahwa alternatif a lebih baik dari alternatif x
c. Net Flow / Balance Flow
Merupakan selisih dari nilai Posistif Outranking dan Negatif
Outranking dan hasilnya merupakan nilai dominasi untuk setiap
alternatif.
   ( a)  
 ( a)     (a) ..…..……………………….(2.11)
dimana :

 (a )  positif outranking flow alternatif a


 (a )  negatif outranking flow alternatif a

3.
4. Decision Aid
Pemilihan keputusan akan dilakukan berdasarkan tahap-tahap
berikut ini :
a. PROMETHEE I (Partial Ranking)
Penyusunan Partial Ranking dibuat berdasarkan nilai positif

outranking flow dan negatif outranking flow. Penggunaan
PROMETHEE I memberikan informasi yang lebih realistis dan
lengkap.
b. PROMETHEE II (Complete Ranking)
Penggunaan PROMETHEE II lebih praktis bagi pengambil
keputusan dalam proses pengambilan keputusan.
2.5 DFD (Data Flow Diagram)

Nugroho (2011) DFD sering digunakan untuk menggambarkan
suatu sistem yang telah ada atau sistem baru yang akan
dikembangkan secara logika tanpa mempertimbangkan lingkungan
fisik dimana data akan disimpan. DFD merupakan alat analisis
terstruktur yang baik, karena dapat menggambarkan arus pada suatu
sistem secara terstruktur dan jelas. bahasa pemodelan sistem yang
digunakan untuk mempresentasikan sistem secara logika, diagram ini
berguna membantu komunikasi antara analis sistem, Programmer dan
pemakai sistem.
2.6 Konsep Dasar Database

2.6.1 Definisi Database
Database sebagai kumpulan data dari penempatan tenaga kerja yang
saling terkait dan mempengaruhi sesuai dengan tingkat kepentingannya
sehingga data tersebut terintegrasi dan independence (Aris Martono,
2009:307).
2.6.2 Definisi Tabel

Tabel adalah komponen paling utama dalam membuat website, pada
saat pembuatan sebuah halaman web, tabel dijadikan sebagai media yang
berfungsi sebagai kerangka untuk meletakkan komponen web. Sehingga
dapat meninggalkan pengguna tabel dalam sebuah design web. (Anhar, 2010 :
45). Selain sebagai kerangka kerja, tabel juga dijadikan sebagai media
untuk merapihkan semua content (isi web) yang ada di dalam
halaman web.
3. METODELOGI PENELITIAN
1. Tahapan-Tahapan Penelitian
Metode yang digunakan adalah meliputi observasi lapangan, studi
pustaka, perancangan, Penelitian yang dilakukan ini dapat diuraikan
beberapa tahapan:
Tahapan pertama adalah identifikasi topik penelitian dalam penentuan
model fuzzifikasi dan model keputusan, kedua mencari literatur yang
berhubungan dengan kasus dan proses pengambilan data dan model, ketiga
membuat perumusan masalah secara jelas, keempat tujuan pelitian model
fuzzifikasi sistem control dan promethee harus jelas, kelima pemilihan
pengembangan kerangka kerja model sistem control fuzzy dan model
promethee, keenam validasi fuzzy kriteria dan model keputusan, ketujuh
analisis model fuzzifikasi dalam kriteria dan hasil perangkingan promethee,
apabila ada kesamaan hasil priotas/tahapan perencanaan maka akan
mendapatkan kesimpulan, jika tidak, pengembalian pada pengembangan
model kerangka kerja untuk pengecekan kembali.
2. Model Yang Digunakan
Model sistem control dalam penentuan nilai kriteria menggunakan
fuzzy inference system sistem dan nilai dari fuzzifikasi akan dimasukkan
kedalam perhitungan model Promethee, hasil akhir dari perangkingan
model promethee akan dijadikan prioritas pembangunan gampong.
3.4 Rancangan Penelitian

Berikut langkah-langkah rancangan penelitian:
Data Kriteria Sistem Kontrol Fuzzy
Pada tahap ini menginputkan Data kriteria yang akan di fuzzy dan
memasukkan nilai yang difuzzy kedalam aspek promethee dan
alternatif sesuai dengan prioritas gampong.
Proses Promethee
Pada tahap ini proses promethee Penentuan Struktur Preferensi dan
Pemilihan Tipe Generalisasi Kriteria, Penentuan Nilai Parameter,
Penentuan Preferensi dan Indeks Preferensi, Penyusunan Dominasi
Positif Outranking Flow dan Negatif Outranking Flow,Penentuan Net
Flow dan Entering Flow, Decision Aid yaitu Pemilihan keputusan akan
dilakukan berdasarkan tahap-tahap PROMETHEE I (Partial Ranking)
dan PROMETHEE II (Complete Ranking) dibuat berdasarkan nilai Net
Flow yang didapat dari perhitungan sebelumnya untuk setiap
alternatif.
Design Database
Pada tahap ini membuat tabel login untuk membedakan user dan admin,
membuat tabel data gampong, tabel kriteria, tabel fuzzifikasi, tabel
promethee, tabel prioritas dan tabel hasil.
Design User Interface
Pada tahap ini user interterface berbasis web dan menggunakan
Data Flow Diagram, langkah pertama membuat interface dengan
software dreamweaver untuk tampilan utama, form data gampong,
form data kriteria fuzzifikasi, form proses promethee, form hasil,
form prioritas gampong.
Proses pembuatan laporan
Aplikasi Teknologi Sistem Kontrol Fuzzy inference system Sistem
dan Promethee dimana pembuatan laporan ini berdasarkan data
perangkingan hasil akhir dari proses perhitungan metode promethee
peringkat tertinggi akan di prioritaskan program pembangunan
gampong.
4. Teknik Pengumpulan dan Analisis Data

4.1 Teknik Pengumpulan Data
Adapun proses teknik pengumpulan data adalah sebagai berikut:
(1) Pengumpulan data dilakukan dengan wawancara langsung dengan orang-
orang yang bertanggung jawab memberikan data yang berhubungan dalam
penelitian
(2) Studi Literatur dilakukan dengan pengumpulan data dilakukan dengan
mempelajari teori-teori dari buku di perpustakaan yang berhubungan dengan
teknologi sistem kontrol fuzzy inference system sistem dan promethee.
4.2 Sumber Data
Data yang digunakan dalam penelitian ini berupa data primer yang
sudah ada di gampong alue awe buket rata Kec Muara Dua. Data diperlukan
untuk menghasilkan informasi karena informasi merupakan hasil dari
pengolahan data diinputkan di sistem, sumber data berasal dari data internal
merupakan data yang berasal dari dalam organisasi untuk program prioritas
pembangunan gampong.
5. ANALISA DAN PEMBAHASAN

1. Analisa Sistem
Sistem Kontrol Fuzzy Inference dapat mengontrol nilai masing-masing variabel
berupa tingkat kebutuhan, akses sumber daya, tingkat kepentingan, tingkat partisipasi
dan tingkat pembangunan agar nilai tersebut tetap berada pada batas normal. Nilai
Input untuk melakukan proses pengambilan keputusan beberapa alternatif ini dilakukan
dengan menggunakan prioritas pembangunan gampong. Kriteria yang digunakan
adalah Tingkat Kebutuhan (C1), Tingkat Sumber Daya (C2), Tingkat Partisipasi (C3),
Tingkat Dukungan (C4), Tingkat Pembangunan (C5).
Data penilaian masing-masing siswa sesuai dengan kriteria yang telah di fuzzy
kemudian akan dimasukkan ke dalam aspek-aspek penilaian promethee. Hasil nilai
perangkingan promethee tertinggi akan dijadikan prioritas untuk kegiatan konsentrasi
pembangunan gampong. Pemrosesan dilakukan oleh sistem setelah menerima data
masukan dari user. Data tersebut diproses menggunakan kriteria yang akan sistem
control fuzzy, kemudian akan diproses dengan metode promethee untuk memperoleh
hasil dengan proses model tersebut.
2. Perancangan Sistem
Perancangan Sistem (Desain Sistem) merupakan gambaran atau sketsa
dari alur proses sistem pengolahan data. Rancangan suatu sistem dapat
menggunakan Diagram Arus Data (DAD) atau Data Flow Diagram (DFD).
Diagram aliran data hanya memuat satu proses dan menunjukkan
sistem secara keseluruhan. Adapun bentuk diagram konteks dari
Implementasi Sistem Cerdas Least Square Dalam Meramalkan Pemenuhan
Kebutuhan Stok Listrik Dan Aplikasi Fuzzy
Dalam Mengukur Analisis Kualitas Pelayanan Kepada Masyarakat
Di Kota Lhokseumawe yaitu seperti pada gambar 4.1 :
Input akun
Input kriteria
Data nilai kriteria
Data nilai alternatif

Aplikasi Teknologi
Admin Sistem Kontrol FIS dan
Info Data akun Promethee Penentuan Info Data Perangkingan
Prioritas Konsentrasi Pimpinan
Info Data Kriteria Pembangunan Gampong
Info Data Nilai kriteria
Info nilai alternatif
Gambar 5.1 Diagram Konteks

Keterangan :
Admin melakukan login untuk dapat masuk kedalam sistem dan

melakukan pengolahan data input akun, data input kriteria, data nilai kriteria,
input data nilai alternatif, selanjutnya mendapatkan data informasi akun, data
informasi kriteria, data informasi kriteria, informasi data nilai alternatif akan
memberikan informasi tentang hasil aplikasi teknologi sistem kontrol fuzzy
inference system dan promethee dalam penentuan prioritas konsentrasi
pembangunan gampong yang diberikan kepada pimpinan. Pimpinan
menerima laporan hasil aplikasi teknologi sistem kontrol fuzzy inference
system dan promethee untuk masing-masing gampong.
3. Perhitungan Manual Fuzzy Inference Sytem dalam nilai kriteria
a. Sistem inferensi fuzzy untuk penilaian partisiapsi masyarakat (C1)
Nilai Fuzzy A1 untuk Kriteria Partisipasi Masyarakat C1 :
Nilai Fuzzy A2 untuk Kriteria Partisipasi Masyarakat C1 :
Tabel 1 Penilaian Penentuan Prioritas Konsentrasi Pembangunan Gampong

Tingkat Akses
ID_Pemba Partisipasi Kondisi Tingkat
Nama Kepentin Sumber
ngunan Masyarakat Gampong Kebutuhan
gan daya
Pagar 0.67 0.73 0.78 0.45 0.72
Parit/Selok
Desa 0.73 0.47 0.62 0.62 0.56
as
(A1)
Buat Jalan
0.69 0.87 0.83 0.84 0.50
Lorong
4. Model Promethee
1. Perhitungan Data Nilai Preferensi
Dari data penilaian diatas, maka selanjutnya dilakukan perhitungan
untuk nilai preferensi perbandingan antar alternatif berdasarkan tipe
preferensi yang telah dipilih.
A. Nilai Partisipasi Masyarakat
F(A1,A2) = d = f1 (A1)- f1(A2)
= -0.06
Berdasarkan kriteria usual maka d ≤ 0 maka H(d) = 0

F(A2,A1) = d = f1 (A2)- f1(A1)
= 0.06
Berdasarkan kriteria usual maka d > 0 maka H(d) = 1
F(A1,A3) = d = f1 (A1)- f1(A3)
= -0.02
F(A3,A1) = d = f1 (A3)- f1(A1)
= 0.02
Selanjutnya untuk hasil partisipasi masyarakat berdasarkan kriteria usual
adalah sebagai berikut :
Tabel 2 Partisipasi Masyarakat
Parsisipasi Masyarakat
Fungsi Selisih d H(d)
F(A1,A2) -0.06 0
F(A2,A1) 0.06 1
F(A1,A3) -0.02 0
F(A3,A1) 0.02 1
F(A2,A3) 0.04 1
F(A3,A2) -0.04 0
B.Tingkat Kepentingan
F(A1,A2) = d = f1 (A1)- f1(A2)
= 0.26
F(A2,A1) = d = f1 (A2)- f1(A1)
= - 0.26
Tabel 3 Tingkat Kepentingan
Tingkat kepentingan
Fungsi Selisih d H(d)
F(A1,A2) 0.26 1
F(A2,A1) -0.26 0
F(A1,A3) -0.14 0
F(A3,A1) 0.14 1
F(A2,A3) -0.40 0
F(A3,A2) 0.40 1
3. Menghitung Nilai Indeks Preferensi

Tabel 4. Nilai Indeks Preferensi
Indeks Preferensi
Fungsi Selisih Nilai
F(A1,A2) 0.6
F(A2,A1) 0.2
F(A1,A3) 0.6
F(A3,A1) 0.4
F(A2,A3) 0.2
F(A3,A2) 0.8
Selanjutnya menentukan nilai Promethee tahap I
Tabel 5. Nilai Promethee Tahap I
A1 A2 A3
A1 0 0.6 0.2
A2 0.4 0 0.4
A3 0.8 0.6 0
5. Menentukan Net Flow Untuk Promethee II

Langkah-langkah dalam menentukan Net Flow untuk Promethee II
adalah sebgai berikut:
A1 = 0.4-(-0.6) = - 0.2
A2 = 0.4- (-0.2) = -0.2
A3 = 0.7 -0.4 = 0.4
Tabel 6. Net Flow Promethee II
Net Flow
A1 -0.2
A2 -0.2
A3 0.4
6. Tabel Hasil Akhir Penilaian
Tabel 7 Hasil Akhir Penilaian
Net Flow Rank
-0.2 1
-0.2 3
0.4 2
6. Implementasi Aplikasi
1. Form Utama
Adapun tampilan form menu utama terdiri dari data kriteria,
data gampong, data nilai gampong, proses fuzzy promethee dan laporan.
Berikut tampilan gambar sebagai berikut:
Gambar 2 Form Utama
2. Form Data Kriteria

Form menu data kriteria yang akan dimasukkan kedalam Aplikasi
Teknologi Sistem Kontrol Fuzzy Inference System dan Promethee Dalam
Penentuan Prioritas Konsentrasi Pembangunan Gampong adalah sebagai
berikut:
Gambar 3. Form Data Kriteria

3. Form Data Gampong
Form menu data gampong yang akan dimasukkan kedalam Aplikasi
Teknologi Sistem Kontrol Fuzzy Inference System dan Promethee Dalam
Penentuan Prioritas Konsentrasi Pembangunan Gampong adalah sebagai
berikut:
Gambar 4. Form Data Gampong

4. Form Proses Fuzzy Promethee
Form menu proses fuzzy promethee yang akan dimasukkan kedalam
Aplikasi Teknologi Sistem Kontrol Fuzzy Inference System dan Promethee
Dalam Penentuan Prioritas Konsentrasi Pembangunan Gampong adalah
sebagai berikut:
Gambar 6. Form Data Nilai Gampong (lanjutan)
KESIMPULAN
Berdasarkan hasil penelitian yang dilakukan pada salah satu desa
yang menjadi studi kasusnya, maka dapat disimpulkan bahwa dalam proses
pemilihan kegiatan pemberdayaan masyarakat, perancangan sistem
pengambilan keputusan pemilihan kegitan ini adalah senagai berikut :
1. Dengan adanya sistem ini, maka tim pengelola dan masyarakat dapat
menentukan kegiatan yang cocok dalam kegiatan pemberdayaan
masyarakat secara terkomputerisasi dan sistem ini sebagai pengganti
2. kegiatan musyawarah yang dilaksanakan masyarakat sebagai proses

pengambilan keputusan dan pelaksanaan kegiatan.
3. Dengan adanya sistem ini proses pengambilan keputusan dapat
terlaksana dengan terjadinya penekanan terhadap waktu dan tenaga
serta biaya yang lebih.
4. Sistem ini dapat membantu masyarakat dalam proses pengambilan
keputusan yang tepat meskipun faktor-faktor yang mendukung
dalam kegiatan memiliki tingkat kepentingan yang hampir sama.
SARAN
Adapun berdasarkan hasil dari laporan analisis diatas, maka saran
yang diberikan adalah :
1. Sistem ini masih memiliki banyak kekurangan, oleh karenanya
diharapkan dapat dilakukan pengembangan terhadap sistem ini
dengan mengikuti perkembangan informasi program yang ada
sesuai dengan kebutuhan sistem.
2. Diharapkan kedepan aplikasi ini dapat berjalan pada sistem operasi
berbasis android sehingga aplikasi ini menjadi lebih atraktif dan
menarik dan menggunakan keputusan kelompok.
DAFTAR PUSTAKA
Berdasarkan penelitian yang saat ini sedang berjalan, berikut adalah saran yang
dapat disampaikan :
1. Aplikasi Teknologi Sistem Kontrol Fuzzy Inference System dan
Promethee Dalam Penentuan Prioritas Konsentrasi Pembangunan
Gampong, akan lebih baik sistem ini dicoba dengan menggunakan
metode yang lain sehingga dapat diketahui kekurangan dan kelebihan
dari masing-masing metode.
2. Perancangan berikutnya diharapkan dapat menyempurnakan bagian
desain agar tampak lebih menarik.
DAFTAR PUSTAKA
Anhar. 2010. Panduan Menguasai PHP & MySQL Secara Otodidak Jakarta:
Mediakita.
Gerdon, 2011, Sistem Pendukung Keputusan Untuk Menentukan Penerimaan

Beasiswa Bagi Mahasiswa Jurusan Sistem Informasi Sekolah Tinggi
Manajemen Amikom Yogyakarta. http://repository.amikom.ac.id/
files/ Publikasi.pdf , diakses 2 April 2015
Hartono, F.B, 2006, Rekayasa Sistem Pendukung Keputusan dengan Metode
Promethee Guna Pemilihan Produk Unggulan Sektor Industri
Kabupaten Pekalongan, Tesis, Program Magister Teknologi Informasi,
Teknik Elektro, Universitas Gadjah Mada, Yogyakarta.
Jogiyanto, HM. 2009. "Perancangan Sistem Informasi Pengenalan Komputer".
Yogyakarta: Pustaka Pelajar.
Kusrini, 2007, Konsep Dan Aplikasi Sistem Pendukung Keputusan, ANDI,
Yogyakarta
Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R., 2006, Fuzzy
Multi Atribute Decision Making (FUZZY MADM), Graha Ilmu,
Yogyakarta.
Mustakini, Jogiyanto Hartono. Sistem Informasi Teknologi,
Yogyakarta:Andi Offset.2009.
Mulyanto, Agus. 2009. Sistem Informasi Konsep & Aplikasi. Yogyakarta:
Pustaka Pelajar.
Moekijati. 2011 "Sistem Infomasi", Prasojo
M. Aris, M.F Dina, Padeli. 2009. Gampongin dan Implementasi Data
Warehouse Sebagai Pengukuran Kinerja. CCIT Journal Vol.2 No.3,
Tangerang : Perguruan Tinggi Raharja.
Nugroho A, 2011, Perancangan dan Implementasi Sistem Basis Data,
Yogyakarta: Penerbit Andi.
Pilipus Tarigan, 2013 Perancangan Alat Simulator Kontroler Lampu Rumah
Berbasis Komputerisasi Dengan Menggunakan Metode Fuzzy Logic
Control, Pelita Informatika Budi Darma, Volume III, Maret 2013 ISSN :
2301-9425, http://pelita-informatika.com Diakses tanggal 28 february
2016.
Setiawan, M.A., 2006, Sistem Pendukung Keputusan dengan Metode
Promethee untuk Penentuan Pemenang Tender (Studi Kasus :
Pengadaan Bahan Habis Pakai di Politeknik Negeri Malang ), Tesis,
ProgramMagister Ilmu Komputer, Sekolah Pasca Sarjana Universitas

Gadjah Mada, Yogyakarta.
Triyanti, V, dan Gadis, M.T, 2008, Pemilihan Supplier Untuk Industri
Makanan Menggunakan Metode Promethee, Journal of Logistics and
Supply Chain Management, Vol 1, No. 2, June 2008: 83-92 Teknik Industri,
Unika Atma Jaya Jakarta.
http://www.jurnal.pdii.lipi.go.id/admin/jurnal/12088392 .pdf, diakses
tanggal 28 february 2016.
Turban., E., Aronson, J.E., dan Liang, T.P., 2005, Decision Support System and
Intellegent System, 7th (Sistem Pendukung Keputusan dan Sistem Cerdas Jilid
1), Dwi Prabantini, Andi Offset, Yogyakarta.
PERANCANGAN SISTEM INFORMASI
REGISTRASI ULANG PENERIMAAN SISWA BARU
BERBASIS WEB
Ranti Eka Putri
Sistem Komputer, Univsersitas Pembangunan Panca Budi
Jl Gatot Subroto KM 4.5 Medan
e-mail : rantiekaputri@dosen.pancabudi.ac.id
Abstrak
Registrasi atau pendaftaran ulang penerimaan siswa baru merupakan
salah satu kegiatan rutin yang dilaksanakan oleh instansi penyelenggara
pendidikan di setiap tahunnya. Kenyataan dilapangan pengolahan data
registrasi ulang penerimaan siswa baru pada umumnya masih dilakukan
secara konvensional yaitu calon siswa harus datang langsung ke sekolah
kemudian mengisi formulir registrasi ulang serta melengkapi berkas
kemudian data-data pendaftaran dicatat pada buku-buku dan
pembuatan laporan juga menggunakan rekap yang konvensional
sehingga sering terjadinya hilangnya arsip serta waktu yang digunakan
untuk membuat laporan memerlukan waktu yang sangat lama.
Perancangan Sistem Registrasi Ulang Penerimaan Siswa Baru di rancang
dengan tujuan untuk untuk mempermudah calon siswa dan petugas
penerimaan siswa dalam melakukan registrasi ulang.
Kata Kunci : Kredit, SPK, SAW
1. PENDAHULUAN
Perkembangan website saat ini demikian cepat, hal ini disebabkan
oleh beberapa faktor diantaranya perkembangan infratruktur yang
cukup pesat seperti internet. Saat ini belum banyak sekolah di Indonesia
menyelenggarakan Registrasi Ulang Penerimaan Siswa Baru secara
online. Hal ini sejalan dengan kemajuan teknologi informasi dan
komunikasi seperti teknologi internet dan web yang mampu mendukung
proses input dan output data secara cepat dan akurat, khususnya dalam
pelaksanaan Registrasi Ulang PSB.
Dalam melaksanakan pendaftaran atau registrasi ulang penerimaan
siswa baru biasa masih dilakukan secara konvesional. Hal ini
menyebabkan panitia penerimaan siswa mengalami kesulitan dalam
proses pendaftaran dan pengolahan data bila dilakukan secara manual

yang akan memakan banyak waktu dan tenaga.
Calon siswa juga mengalami kesulitan dalam melakukan proses
pendaftaran ulang karena banyaknya calon siswa lain yang mendaftar.
Oleh karena itu internet menjadi salah satu alternatif dalam melakukan
proses registrasi atau pendaftaran ulang berbasis WEB.
2. TINJAUAN PUSTAKA
Dalam jurnal Antonius dan Arief tahun 2015 disebutkan, Menurut
Peraturan Bersama Antara Menteri Pendidikan Nasional Nomor
04/VI/PB/2011 dan Menteri Agama Nomor MA/111/2011 tentang
Penerimaan Siswa pada taman kanak – kanak dan Sekolah / Madrasah,
Penerimaan siswa adalah penerimaan siswa atau peserta didik pada
Sekolah / Madrasah yang dilaksanakan pada awal tahun ajaran baru.
Informasi adalah data yang diolah menjadi bentuk yang lebih
berguna dan lebih berarti bagi yang menerimanya.(Yogiyanto, 2007).
Sistem Informasi merupakan sekumpulan elemen yang bekerja
secara bersama-sama baik secara manual ataupun berbasis komputer
dalam melaksanakan pengolahan data berupa pengumpulan,
penyimpanan, pemrosesan data, untuk menghasilakan informasi yang
bermakna dan berguna bagi proses pengambilan keputusan (Nur, 2013).
3. METODE PENELITIAN
Pada metode penelitian akan dijelaskan mengenai langkah-langkah
dalam menyelesaikan permasalahan yang dibahas, agar dapat berjalan
dengan baik. Langkah-langkah yang digunakan bisa dilihat pada
gambar 3.1. berikut :
Perancangan Registrasi Ulang Bebasis WEB 141
Studi Literatur
Mengumpulkan Data
Mendesain Sistem
Implementasi Sistem
Pengujian Sistem
Gambar 1 Kerangka Penelitian
1. Studi Literatur
Studi literatur, dilakukan dengan mempelajari teori-teori atau
literatur dari buku-buku ilmiah dan referensi-referensi seperti jurnal
ilmiah yang dipublikasikan di internet yang berhubungan dengan
objek penelitian ini sebagai domain masalah dalam penelitian ini.
2. Mengumpulkan Data
Pada penelitian ini, data dikumpulkan dari berbagai sumber yang
ada. Pengumpulan data pada penelitian ini dilakukan dengan 2
metode, yaitu studi literatur dan studi lapangan.
3. Mendesain Sistem
Tahap desain sistem merupakan tahapan berupa penggambaran,
perencanaan dan pembuatan dengan menyatukan beberapa elemen
terpisah ke dalam satu kesatuan yang utuh untuk memperjelas
bentuk sebuah sistem. Tujuannya yaitu membuat rancang bangun
yang jelas dan lengkap untuk nantinya digunakan untuk pembuatan
program komputernya. Hasil dari tahap ini adalah untuk
mendapatkan model sistem yang akan dirancang.
4. Implementasi Sistem
Tahap implementasi sistem merupakan tahap realisasi sistem yang

berdasarkan pada desain yang telah dibuat yang berupa program
komputer. Program inilah yang nantinya akan digunakan untuk
para calon siswa baru yang ingin melakukan registrasi ulang.
5. Pengujian Sistem
Pengujian sistem dilakukan untuk mengetahui uji kelayakan sistem
yang telah dibangun sesuai yang diharapkan dan dengan
dilakukannya pengujian dapat mengetahui kelemahan serta
kelebihan dari sistem yang dirancang sehingga dapat dilakukan
perbaikan pada tahap selanjutnya.
4. HASIL DAN PEMBAHASAN
Sistem Yang Sedang Berjalan

Proses registrasi atau pendaftaran ulang penerimaan siswa baru
masih dilakukan secara konvensional, dalam artian masih dilakukan
secara manual karena masih digunakannya formulir dalam melakukan
pendataan diri siswa, yang menyebabkan antrian panjang, sehingga
calon mahasiswa sering kerepotan.
Desain Sistem Secara Global

Perancangan Sistem Informasi registrasi atau pendaftaran ulang ini
dirancang menggunakan alat bantu berupa UML (Unifield Modeling
Language) agar mempermudah memindahkan konsep yang dirancang ke
dalam bentuk program. Perancangannya digambarkan dalam bentuk
diagram-diagram berikut :
1. Use Case Diagram

Use Case adalah konstruksi untuk mendeskripsikan bagaimana
sistem terlihat dimata pengguna. Sasaran pemodelan Use Case
diantaranya adalah mendefinisikan kebutuhan fungsional dan
operasional sistem dengan mendefinisikan skenario penggunaan yang
disepakati. Berikut use case diagram pada sistem informasi registrasi
atau pendaftaran ulang berbasis WEB, dapat dilihat pada gambar 2 dan
gambar 3 sebagai berikut:
1) Use Case Diagram Calon Siswa Baru
Beranda
Registrasi Ulang
Calon Siswa
Prosedur Pendaftaran
Lihat Data Pendaftar
Statistik Pendaftar
Gambar 2 Use Case Diagram Calon Siswa

2) Use Case Diagram Tata Usaha
Lihat Data Pendaftar

Statistik Pendaftar
<<include>> Tabel Agama

<<include>>
<<include>>
Tabel Pekerjaan
<<include>>
Login
<<include>>
Tata Usaha / Operator Tabel Pendidikan
<<include>>
Tabel Tingkat Prestasi

<<include>> <<include>>
<<include>>
<<include>>
Tabel Sekolah Asal
BackUp Restore Data

Setting Ekspor Ke Excel
Gambar 3 Use Case Diagram Tata Usaha atau Operator

2. Activity Diagram
Activity Diagram menggambarkan berbagai alir aktivitas dalam
sistem yang sedang dirancang. Menggambarkan berbagai alir aktivitas
dalam sistem yang sedang dirancang, bagaimana masing-masing alir
berawal, decision yang mungkin terjadi dan bagaimana mereka berakhir
serta dapat menggambarkan proses paralel yang mungkin terjadi pada
beberapa eksekusi. Activity diagram dibuat berdasarkan pada Use Case
Diagram. Gambar Activity diagram calon siswa dan bagian tata usaha
pada perancangan sistem informasi registrasi berbasis WEB ini dapat
dilihat pada gambar 4 dan gambar 5 dibawah ini.
1) Activity Diagram Calon Siswa
Beranda Registrasi Ulang Prosedur Pendaftaran Lihat Data Pendaftar Statistika Pendaftar
Gambar 4 Activity Diagram Calon Siswa
2) Activity Diagram Tata Usaha atau Operator
Login Admin
L. Data Pendaftar Statistik Pendaftar T. Agama T. Pekerjaan T. Pendidikan T. Tingkat Prestasi T. Sekolah Asal Ekstrak ke Excel BackUp Data
Gambar 5 Activity Diagram Tata Usaha atau Operator

Struktur Program
Struktur program atau menu akan digambarkan untuk membuat
spesifikasi modul program aplikasi. Desain ini adalah gambaran
hubungan antara suatu modul program dengan modul program lainnya
dapat dilihat pada gambar berikut :
Gambar 6 Struktur Menu Sistem Informasi Registrasi Ulang
Pada Gambar 6 di atas dapat dilihat struktur menu yang akan

dibangun. Pada setiap menu terdapat sub menu yang merupakan
penjabaran dari menu utama dan berisi informasi yang akan ditampilkan
pada aplikasi yang akan dibangun.
Gambar 7 Desain Sistem Pendaftaran Ulang PSB SMA 20 Bagan Deli

KESIMPULAN
Berdasarkan analisis dari perancangan sistem informasi registrasi
atau pendaftaran ulang berbasis WEB, dapat diambil kesimpulan
sebagai berikut:
1. Terwujudnya proses pendaftaran atau registrasi ulang siswa baru
yang dapat diakses di luar lingkungan sekolah via online tanpa harus
datang ke sekolah.
2. Sistem informasi registrasi ulang penerimaan siswa baru berbasis web
membantu tugas tata usaha dalam mengolah setiap data calon siswa
baru yang masuk.
DAFTAR PUSTAKA
As. Rosa. 2011, Modul Pembelajaran Rekayasa Perangkat Lunak, Modula,

Bandung.
Binarso, Yusi ardi, et al. 2012. Pembangunan Sistem Informasi Alumni
Berbasis WEB Pada Program Studi Teknik Informatika Universitas
Diponegoro. Journal Of Informatics And Technology, Vol 1, No. 1 Tahun
2012, p 72-84.
Cahyana, Nur Heri et all. 2013, Aplikasi Penerimaan Siswa Baru Berbasis
WEB (SMK Negeri 3 Yogyakarta). TELEMATIKA Vol. 10, No. 1, JULI
2013: 1 – 8.
Haviluddin. 2011. Memahami Penggunaan UML (Unified Modelling
Language). Samarinda: FMIPA Universitas Mulawarman.
Jogiyanto, HM. 2008. Analisa & Disain Sistem informasi: pendekatan
terstruktur teori dan praktek aplikasi bisnis, Ed. II. Yogyakarta : Andi
Offset.
Kusuma, Winda Febriani. 2015. Pengembangan Halaman WEB
Menggunakan XML Dalam Perkembangan WEB 2.0. Jurnal Teknik
Informatika.
Nugroho, Antonius dan Hidayat, Arief. 2015. Perancangan Sistem
Informasi Penerimaan Siswa Baru Berbasis WEB (Studi Kasus Di Sma
Nusaputera Semarang). Jurnal Teknologi Informasi dan Komunikasi,
ISSN:2087-0868, Volume 6 Nomor 2 September 2015.
Nugroho, Irwin. 2011, Sistem Informasi Penerimaan Siswa Baru Berbasis
WEB Dengan PHP Dan SQL.
Prabowo, Iwan Ady. Sistem Informasi Penerimaan Peserta Didik Baru SMA
Negeri 1 Ngemplak Kabupaten Boyolali. ISSN : 1693 – 1173.
Suhendar, Cucu. 2015, Rancang Bangun Sistem Informasi Penerimaan Siswa

Baru Berbasis Web (Studi Kasus Pada SMK Ciledug Al-Musaddadiyah
Garut). ISSN: 2302-7339 Vol. 1 No. 12 2015.
PENDAPATAN MASYARAKAT DENGAN
ADANYA KAMPUS MENGGUNAKAN FUZZY
TSUKAMOTO
Asrianda 1
asrianda@unimal.ac.id
Abstrak
Bertambahnya permintaan mahasiswa atas kebutuhan makan sehari-

hari, berkembangnya usaha warung nasi di sekitas kampus Universitas
Malikussaleh memiliki keterkaitan erat dengan konsentrasi konsumen
secara nyata berdomilisi dan memiliki aktivitas rutin di sekitar kampus,
tentunya lebih memilih membelanjakan uangnya pada warung yang
berdomilisi disekitar kampus dari pada membelanjakan uangnya pada
warung yang jauh letaknya dari area kampus. Bagi masyarakat justru
memberikan motivasi sendiri untuk membuka usaha dalam
mendapatkan keuntungan yang banyak sehingga pendapatan
masyarakat akan meningkat tajam. Dilihat secara mendalam, keberadaan
usaha masyarakat di sekitar kampus belum sampai pada tingkat usaha
yang balance. Penelitian ini menggunakan metode fuzzy tsukamoto untuk
menyelesaikan pendapatan masyarakat di sekitar kampus. Metode
tsukamoto direpresentasikan dengan suatu himpunan fuzzy dengan
fungsi keanggotaan yang menonton. Fuzzi tsukamoto menentukan
pengaruh besarnya modal berpengaruh terhadap pendapat masyarakat
di sekitar kampus, juga dapat menentukan luasnya dan fasilitas yang ada
di usaha masyarakat berpengaruh terhadap pendapatan masyarakat.
Membangun sistem fuzzy guna menentukan pengaruh pendapatan
masyarakat di sekitar kampus dengan menggunakan metode fuzzy
tsukamoto.
Kata Kunci: Kampus, Masyarakat, Pendapatan, Tsukamoto, Mahasiswa

PENDAHULUAN
Keberadaan kampus Universitas Malikussaleh memberikan daya
tarik banyak lulusan Sekolah Menengah Atas berbagai wilayah di
Provinsi Aceh dan wilayah Indonesia untuk melanjutkan pendidikannya.
Mahasiswa memberikan pengaruh terhadap kondisi sosial ekonomi
disekitar Kampus, sebagian penduduk keberadaan mahasiswa dianggap
menguntungkan. Adanya mahasiswa memungkinkan penduduk
disekitar kampus membuka usaha yang berhubungan dengan
pemenuhan kebutuhan mahasiswa, seperti usaha tempat kos, warung
nasi, jasa photo copy, pedagang kaki lima dan lainnya.
Ditinjau dari tingginya aktivitas ekonomi berdampak kepada
pemanfaatan ruang yang intensif hingga pada pemakaian badan jalan,
mahalnya nilai lahan serta ketatnya persaingan bisnis dan perekonomian
sekitar kampus. Mahasiswa sebagian besar berasal diluar Kota
Lhokseumawe kebanyakan memilih tempat tinggal didekat area kampus
tempat mereka belajar. Lahan terbuka masyarakat setempat banyak
beralih fungsi menjadi area bangunan untuk memenuhi permintaan
rumah kos bagi mahasiswa sehingga meningkatnya nilai ekonomis bagi
masyarakat.
Pendapatan merupakan jumlah yang diterima setiap orang
dalam masyarakat, termasuk pendapatan yang diperoleh tanpa
melakukan kegiatan apapun. Misalnya gaji maupan pendapatan
pengusaha yang didapatkan secara berantai. Berkembangnya usaha
perekonomian masyarakat di sekitar kampus Universitas Malikussaleh
memiliki kaitan erat dengan konsentrasi mahasiswa, dosem dan
karyawan secara nyata berdomilisi dan memiliki aktivitas rutin di
kampus. Konsumen lebih memilih membelanjakan uangnya pada
warung atau kantin yang berkonsentrasi di sekitar kampus
dibandingkan dengan membelanjakan uangnya pada jenis barang yang
sama pada pasar batuphat yang letaknya dekat komplek perumahan
Arun. Hal ini memberikan motivasi bagi masyarakat di sekitar kampus
untuk mendapatkan keuntungan yang banyak sehingga pendapatan
masyarakat akan meningkat.
TINJAUAN PUSTAKA
HIMPUNAN FUZZY DAN LOGIKA FUZZY
Himpunan fuzzy merupakan konsep mendasar lahirnya logika
fuzzy. Himpunan fuzzy merupakan himpunan yang anggotanya
memiliki derajat keanggotaan tertentu. Setiap anggota memiliki derajat
Pendapatan Masyarakat dengan Fuzzy Tsukamoto 150
keanggotaan tertentu, ditentukan oleh fungsi keanggotaan atau disebut

fungsi karakteristik. Himpunan fuzzy diperkenalkan oleh Lutfih A.
Zadeh (1965) sebagai perluasan dari himpunan klasik. Teori himpunan
klasik, keanggotaan unsur dalam himpunan dinilai dengan bilangan
biner nol dan satu, anggota himpunan atau bukan. Himpunan fuzzy
menilai secara bertahap dari keanggotaan elemen dalam himpunan,
digambarkan dengan bantuan fungsi keanggotaan yang nilainya nyata
dalam interval [0,1] (Nadia et al, 2015). Logika fuzzy merupakan
metodologi sistem kontrol dalam memecahkan masalah cocok
diterapkan pada sistem, dimulai dari sistem sederhana sampai sistem
yang rumit serta komplek (Akbar et el, 2015).
Dalam teori himpunan fuzzy, himpunan X dikatakan crips jika
anggota yang ada pada himpunan X dikenakan fungsi bernilai 1 yaitu
jika x ∈ X maka fungsi x =1. Jika x ∈ X nilai fungsi yang dikenakan pada x
adalah 0. Nilai fungsi dikenakan pada sembarang himpunan X sebagai
nilai keanggotaan. Pada himpunan crisp, mempunyai 2 keanggotaan
yaitu 0 dan 1. Tetapi himpunan fuzzy nilai keanggotaannya tidak hanya
0 dan 1, tetapi berada dalam interval tertetup [0,1]. Dapat dikatakan
himpunan X dalam fuzzy mempunyai fungsi 𝜇 ∶ X → 0,1.
Logika fuzzy dianggap sebagai kotak hitam yang berhubungan
antara ruang input melawati black box menuju ke ruang output (Sri, 2003).
Black box merupakan metode yang digunakan untuk mengolah data input
menjadi output berbentuk informasi. Alasan digunakan logika fuzzy
adalah sebagai berikut:
1. Konsep logika fuzzy mudah dimengerti, karena logika fuzzy
menggunakan dasar teori himpunan. Menggunakan konsep
matematis mendasari penalaran fuzzy sehingga cukup mudah
untuk dimengerti.
2. Logika fuzzy sangat fleksibel artinya mampu beradaptasi dengan
perubahan dan ketidakpastian masalah yang menyertainya.
3. Logika fuzzy memiliki toleransi terhadap data cukup homogen,
dan ada beberapa data eksklusif dengan logika fuzzy mampu
untuk menangani data ekslusif tersebut.
4. Logika fuzzy dapat membangun serta mengaplikasikan
pengalaman para pakar secara langsung tanpa harus proses
pelatihan. Hal ini dikenal istilah fuzzy expert sistem menjadi
bagian terpenting
5. Logika fuzzy dapat bekerja sama dengan teknik kendali secara

konvensional. Umumnya terjadi di aplikasi teknik mesin, elektro
dan industri
6. Logika fuzzy didasari pada bahasa alami sehingga mudah
dimengerti.
7. Logika fuzzy mampu memodelkan fungsi non linear yang sangat
komplek
FUNGSI KEANGGOTAAN
Fungsi keanggotaan fuzzy digunakan untuk menghitung derajat
keanggotaan himpunan fuzzy (wilis et al, 2014). Fungsi keanggotaan
(membership function) adalah suatu kurva yang menunjukkan pemetaan
titik-titik input data ke dalam nilai keanggotaannya yang memiliki
interval antara 0 sampai 1. Ada beberapa jenis fungsi keanggotaan fuzzy
yaitu:
a. Representasi Linear
Representasi linaer pemetaan input ke derajat keanggotaan
digambarkan dalam garis lurus. Bentuk ini sangat sederhana
dan menjadi pilihan baik untuk mendekati konsep yang kurang
jelas. Dua keadaan himpunan fuzzy linear. Pertama, kenaikan
himpunan dimulai dari nilai domain yang memiliki derajat
keanggotaan nol bergerak kekanan menuju nilai domain yang
memiliki derajat keanggotaan lebih tinggi.
Gambar 1 Fungsi Keanggotaan Linear Naik
Dengan mempunyai fungsi keanggotaannya sebagai berikut:

Kedua, kebalikan dari yang pertama. Garis lurus dimulai dari

nilai domain derajat keanggotaan tertinggi, kemudian bergerak
menurun ke nilai domain derajat keanggotaan lebih rendah.
Gambar 2 Fungsi Keanggotaan Linear Menurun
Fungsi keanggotaannya sebagai berikut:
b. Reprentasi Kurva Segitiga

Represetasi Kurva Segitiga, pemetaan input ke derajat
keanggotaannya digambarkan dengan bentuk segitiga dimana
pada dasarnya bentuk segitiga tersebut gabungan antara 2 garis
(linear). Nilai-nilai di sekitar b memiliki derajat keanggotaan
turun yang cukup tajam atau menjauh 1.
Gambar 3 Representasi Kurva Segitiga
Mempunyai fungsi keanggotaan:
c. Representasi Kurva Trapesium

Kurva trapesium pada dasarnya menyerupai bentuk segitiga,
hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.
Gambar 4 Representasi Kurva Trapesium
Memiliki fungsi keanggotaan sebagai berikut:

d. Representasi Kurva Bentuk Bahu

Daerah yang terletak di tengah-tengah suatu variabel yang
direpresentasikan dalam bentuk segitiga, pada sisi kanan dan
kirinya akan naik turun. Tetapi terkadang salah satu sisi dari
variabel tersebut tidak mengalami perubahan.
Himpunan fuzzy “bahu”, bukan segitiga, digunakan untuk
mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari
benar ke salah, demikian juga bahu kanan bergerak dari salah
ke benar.
Gambar 5 Representasi Kurva Bentuk Bahu
Mempunyai fungsi keanggotaan sebagai berikut:

METODE FUZZY TSUKAMOTO

Sistem Inferensi Fuzzy merupakan suatu kerangka komputasi
yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-
THEN, dan penalaran fuzzy. Secara garis besar, diagram blok proses
inferensi fuzzy (Kusumadewi, 2003). Sistem inferensi fuzzy menerima
input crisp. Input ini kemudian dikirim ke basis pengetahuan yang berisi
n aturan fuzzy dalam bentuk IF-THEN. Fire strength akan dicari pada
setiap aturan. Apabila jumlah aturan lebih dari satu, maka akan
dilakukan agregasi dari semua aturan. Selanjutnya, pada hasil agregasi
akan dilakukan defuzzy untuk mendapatkan nilai crisp sebagai output
sistem.
Pada dasarnya, metode tsukamoto mengaplikasikan penalaran
monoton pada setiap aturannya. Kalau pada penalaran monoton, sistem
hanya memiliki satu aturan, pada metode tsukamoto, sistem terdiri atas
beberapa aturan. Karena menggunakan konsep dasar penalaran
monoton, pada metode tsukamoto, setiap konsekuen pada aturan yang
berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan
fuzzy dengan fungsi keanggotaan yang monoton (Maryaningsih et al,
2013). Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas
(crisp) bedasarkan a-predikat (fire strength). Proses agregasi antar aturan
dilakukan, dan hasil akhirnyadiperoleh dengan menggunakan defuzzy
dengan konsep rata-rata terbobot.
Misalkan ada variabel input, yaitu x dan y, serta satu variabel
output yaitu z. Variabel x terbagi atas 2 himpunan yaitu A1 dan A2,
variabel y terbagi atas 2 himpunan juga, yaitu B1 dan B2, sedangkan
variabel output Z terbagi atas 2 himpunan yaitu C1 dan C2. Tentu saja
himpunan C1 dan C2 harus merupakan himpunan yang bersifat
monoton. Diberikan 2 aturan sebagai berikut:
IF x is A1 and y is B2 THEN z is C1
IF x is A2 and y is B2 THEN z is C1
METODE PENELITIAN
Metode yang digunakan dalam sistem fuzzy ini adalah metode
Tsukamoto. Pada metode Tsukamoto, hasil dari peraturan fuzzy berupa
himpunan fuzzy. Nilai crisp didapatkan dengan menggunakan metode
rata-rata terbobot. Berikut ini adalah aturan-aturan dalam sistem fuzzy
sesuai dengan metode Tsukamoto:
1.JIKA Ramai PENDAPATAN NAIK DAN sedikit PENDAPATAN

NAIK DAN Kurang PENDAPATAN NAIK DAN tanggungan
TINGGI THEN PENDAPATAN MENINGKAT
2.JIKA ramai PENDAPATAN NAIK DAN sedikit PENDAPATAN
NAIK DAN kurang PENDAPATAN NAIK DAN tanggungan
TURUN THEN PENDAPATAN MENINGKAT
NAIK DAN kurang PENDAPATAN TURUN DAN
tanggungan TINGGI THEN PENDAPATAN TURUN
NAIK DAN kurang PENDAPATAN TURUN DAN
tanggungan TURUN THEN PENDAPATAN MENINGKAT
TURUN DAN kurang PENDAPATAN NAIK DAN
TURUN DAN kurang PENDAPATAN TURUN DAN
7.JIKA ramai PENDAPATAN TURUN DAN sedikit
PENDAPATAN NAIK DAN kurang PENDAPATAN NAIK
DAN tanggungan TINGGI THEN PENDAPATAN TURUN
8.JIKA ramai PENDAPATAN TURUN DAN sedikit
PENDAPATAN NAIK DAN kurang PENDAPATAN NAIK
DAN tanggungan TURUN THEN PENDAPATAN TURUN
RANCANGAN PENELITIAN
Perancangan sistem merupakan tahapan di mana perancang
mulai merancang suatu sistem yang mampu memenuhi semua
kebutuhan fungsional maupun non fungsional dari aplikasi. Teori dari
pustaka yang digunakan dan data sampel yang telah dikumpulkan akan
digabungkan untuk pengimplementasian pengembangan dengan
menggunakan metode fuzzy tsukamoto untuk penentuan pendapatan
masyarakat disekitar kampus sesuai daya beli mahasiswa. Aplikasi
memiliki bagian sistem yang memproses data pengguna untuk
menghasilkan hasil yang sesuai serta penelitian dapat dimanfaatkan bagi
pihak yang membutuhkan.
PEMBAHASAN
UJI VALIDASI DATA
Berdasarkan persamaan diatas, untuk memudahkan perhitungan
perlunya dibuat tabel pembantu.
Tabel 1. Tabel Pembantu
Aktivitas
No Y X12 X22 X32 Y2 X1Y X2Y X3Y X1X2
X1 X2 X3
1 0.75 0.75 0.3 2 5.625 5.625 0.9 40 1.5 1.5 0.6 5.625
2 0.8 0.6 0.6 3 6.4 3.6 3.6 90 2.4 1.8 1.8 4.8
3 2 0.7 0.6 2 40 4.9 3.6 40 4 1.4 1.2 14
4 2 1 1 3 40 10 10 90 6 3 3 20
5 0.4 0.7 0.65 2 1.6 4.9 4.225 40 0.8 1,4 1.3 2.8
6 2.5 1 1 3 62.5 10 10 90 7.5 3 3 25
7 0.8 0.6 0.3 3 6.4 3.6 0.9 90 2.4 1.8 0.9 4.8
8 0.7 0.65 0.25 2 4.9 4.225 0.625 40 1.4 1.3 0.5 4.55
9 0.9 0.55 0 5 8.1 3.025 0 250 4.5 2.75 0 4.95
10 0.8 0.75 0 5 6.4 5.625 0 250 4 3.75 0 6
11 1 0.7 0.5 5 10 4.9 2,.5 250 5 3.5 2.5 7
12 0.85 1.2 1.1 3 7.225 14.4 12.1 90 2.55 3.6 3.3 10.2
∑ 13.5 9.2 6.3 38 199.15 74.8 48.45 1360 42.05 28.8 18.1 109.725
Berdasarkan hasil perhitungan diperoleh nilai Korelasi (R) =

0,9686 atau 0,97. Nilai Korelasi (R) = 0.006883 bermakna bahwa
hubungan kedua variabel X (X1 dan X2) sangat kuat karena nilai R
mendekati 1.
FUZZY TSUKAMOTO
Dalam melakukan perhitungan menggunakan metode Fuzzy
Tsukamoto, menggunakan data di tabel 1. Dengan contoh
a. Pendapatan masyarakat di waktu aktivitas mahasiswa ramai
sebesar Rp. 750.000
b. Pendapatan masyarakat di waktu aktivitas mahasiswa sedikit
sebesar Rp. 750.000
c. Pendapatan masyarakat di waktu tidak ada mahasiswa sebesar
Rp. 300.000
d. Tanggungan kelaurga di masyarakat sebesar 2 orang
Tentukan variabel terkait dalam proses, dengan cara menentukan
fungsi fuzzifikasi sesuai variabel diatas, jika pendapatan masyarakat
sewaktu aktivitas ramai terdiri dari 2 nilai linguistik, yaitu tinggi dan
rendah. Nilai z untuk setiap aturan dengan menggunakan fungsi MIN,
pada setiap implementasi fungsi aturan yang telah ditentukan.
[R1] JIKA Ramai PENDAPATAN NAIK DAN sedikit

PENDAPATAN NAIK DAN Kurang PENDAPATAN
NAIK DAN tanggungan TINGGI THEN PENDAPATAN
MENINGKAT
= 0.1 AND 0.17 AND 0.15 AND 0.29

= MIN (0.1;0.17;0.29)
= 0.1
THEN PENDAPATAN MENINGKAT
→ = 0.1
→ =
→ Z-0 = 0.1 X 3000

→ Z= 300
[R2] JIKA ramai PENDAPATAN NAIK DAN sedikit

PENDAPATAN NAIK DAN kurang PENDAPATAN
NAIK DAN tanggungan TURUN THEN PENDAPATAN
MENINGKAT
= 0.1 AND 0.17 DAN 0.15 DAN 0.7

= MIN (0.1;0.17;0.15;0.7)
= 0.1
→ = 0.1
→ =
→ Z-0 = 0.1 X 3000

→ Z= 300

TURUN DAN tanggungan TINGGI THEN
PENDAPATAN TURUN
= 0.1 AND 0.17 AND 0.85 AND 0.29

= MIN (0.1;0.17;0.85;0.29)
= 0.1
THEN PENDAPATAN TURUN
→ = 0.1
→ =
→ 3000-Z = 0.1 X 3000

→ Z= 3000 – 300
→ Z= 2700

TURUN DAN tanggungan TURUN THEN
PENDAPATAN MENINGKAT
= 0.1 AND 0.17 AND 0.85 AND 0.7

= MIN (0.1;0.17;0.85;0.7)
=0.1
→ = 0.1
→ =
→ Z-0 = 0.1 X 3000

→ Z= 300

PENDAPATAN TURUN DAN kurang PENDAPATAN
TURUN
= 0.1 AND 0.83 AND 0.15 AND 0.29

= MIN (0.1;0.83;0.15;0.29)
= 0.1
→ = 0.1
→ =
→ 3000-Z = 0.1 X 3000

→ Z= 3000 – 300
→ Z= 2700

PENDAPATAN TURUN DAN kurang PENDAPATAN
TURUN DAN tanggungan TINGGI THEN
PENDAPATAN TURUN
= 0.1 AND 0.83 AND 0.85 AND 0.29

= MIN (0.1;0.83;0.85;0.29)
=0.1
→ = 0.1
→ =
→ 3000-Z = 0.1 X 3000

→ Z= 3000 – 300
→ Z= 2700
[R7] JIKA ramai PENDAPATAN TURUN DAN sedikit

TURUN
= 0.9 AND 0.17 AND 0.15 AND 0.29

= MIN (0.9;0.17;0.15;0.29)
=0.15
→ = 0.15
→ =
→ 3000-Z = 0.15 X 3000

→ Z= 3000 – 450
→ Z= 2550
[R8] JIKA ramai PENDAPATAN TURUN DAN sedikit
NAIK DAN tanggungan TURUN THEN PENDAPATAN
TURUN
= 0.9 AND 0.17 AND 0.15 AND 0.7
=MIN (0.9;0.17;0.15;0.7)
= 0.15
→ = 0.15
→ =
→ 3000-Z = 0.15 X 3000

→ Z= 3000 – 450
→ Z= 2550
Z=
=
Z = 43925
KESIMPULAN
Metode fuzzy inference system Tsukamoto yang digunakan pada
penelitian ini dapat diimplementasikan untuk menentukan pendapatan
masyarakat disekitar kampus dengan adanya mahasiswa. Hasil
perbandingan antara perhitungan menggunakan fuzzy dan perhitungan
pakar terhadap sistem menghasilkan ranking yang berbeda. Pada
pengujian keakuratan sistem digunakan uji korelasi non parametrik
Spearman. Pengujian tersebut menghasilkan nilai keakuratan sebesar
0,9686 yang menunjukkan bahwa sistem yang dikembangkan adalah
sangat akurat.
Penelitian ini masih dalam pengerjaan, sehingga data yang
digunakan dalam penelitian ini adalah data contoh, dengan
menggunakan data pendapatan masyarakat disekitar kampus sebanyak
dua belas orang data masyarakat. Untuk penelitian selanjutnya, peneliti
akan menggunakan lebih banyak data masyarakat yang berada disekitar
kampus untuk mengetahui keakuratan sistem setelah menggunakan
data tersebut. Salah satu hal yang mempengaruhi akurasi adalah
pembentukan aturan fuzzy. Pada penelitian ini penentuan aturan fuzzy
dilakukan secara manual berdasarkan pendapat pakar.
DAFTAR PUSTAKA
Akbar. A.C, Hanny. H, Desi. P. K, Setia. A. 2015. Logika Fuzzy
Menggunakan Metode Tsukamoto Untuk Prediksi Perilaku
Konsumen Di Toko Bangunan. Techno.COM, Vol. 14, No. 4,
November 2015: 255-265
Maryaningsih. Siswanto. Mesterjon. 2013. Metode Logika Fuzzy
Tsukamoto Dalam Sistem Pengambilan Keputusan Penerimaan
Beasiswa. Jurnal Media Infotama, Vol.9, No.1, Februari 2013: 140-
165
Nadia, R, Sari. Wayan, F, M. 2015. Fuzzy Inference System Tsukamoto
Untuk Menentukan Kelayakan Calon Pegawai. Seminar Nasional
Sistem Informasi Indonesia, 2-3 November 2015
Santoso, Singgih. 2014. Statistik Non Parametrik. Edisi Revisi. Jakarta:
PT.Elex Media Komputindo.
Sri, K. 2003. Artificial Intelligenci (Teknik dan Aplikasinya). Edisi
Pertama – Yogyakarta; Penerbit Graha Ilmu
Sri, K. Hari, P. 2010. Aplikasi Logika Fuzzy untuk Pendukung
Keputusan. Edisi 2 – Yogyakart; Penerbit Graha Ilmu
Wilis, K. Agus.,S,W. Cahyo, B, W. 2014. Implementasi Fuzzy Inference

System Metode Tsukamoto Pada Pengambilan Keputusan
Pemberian Kredit Pemilikan Rumah. TELEMATIKA Vol. 10, No. 2,
Januari 2014 : 137 – 146
IMPLEMENTASI PENGENDALIAN LAMPU
OTOMATIS BERBASIS ARDUINO
MENGGUNAKAN
METODE FUZZY LOGIC
Akim Manaor Hara pardede1, Novriyenni2 , Sutris Efendi3

1Prodi Sistem Informasi, 2Prodi Teknik Informatika, 3Prodi Teknik Informatika
Email : akimmhp@live.com, Email : Novri_yenni@yahoo.com
Email : fendi.a7x14@gmail.com
STMIK KAPUTAMA
ABSTRACT
The habit of people in General who often forget to turn off the lights or even
accidentally turn it on constantly. This could result in waste of electrical energy.
Thereforerequired a tool to turn on the light automatically. However in general are
constant lights a flame that is life and death. The level of brightness of lights arranged
as needed based on the conditions of light intensity diruangan. One way to detect light
intensity sensor is LDR (Light Dependent Resistor). Sensor LDR (Light Dependent
Resistor) serves to detect light intensity. Sensor LDR(Light Dependent Resistor) will
yield a value that will be processed by the mikrokontroller with the method of fuzzy
logic as decision makers. Determination of the level of brightness of light based on fuzzy
logic. Fuzzy logic will manipulate the intensityof light in the detection sensors as the
decision makers of light output. Based on the design and the results of testing of the
devices using the fuzzy method can maximize the performance of a system, as it will
work in times of need. Electric energy consumption by implementing a device that has
been realized more efficient compared to a regular light.
Keywords : lights, sensor LDR (Light Dependent Resistor), fuzzy logic
PENDAHULUAN
Penghematan energi menjadi isu yang sedang hangat
diperbincangkan. Salah satu energi yang banyak dipakai dalam kehidupan
keseharian adalah energy untuk penerangan. Setiap rumah pasti memiliki
sumber penerangan, dan satu-satunya sumber penerangan yang ada di
rumah adalah lampu. Untuk menciptakan sebuah rumah hemat energi pada
dasarnya kita mulai dari hal yang paling sering kita gunakan di dalam rumah
yaitu lampu. Sering sekali kita lupa mematikan lampu saat kita hendak pergi
karena terburu-buru, akibatnya lampu tetap menyala. Hal ini akan
menyebabkan pemborosan beban listrik yang kita pakai. Begitu pula saat
orang-orang berpergian keluar kota, sering kita melihat lampu dibiarkan
menyala nonstop tanpa di matikan.
Untuk menangani masalah diatas tentunya kita membutuhkan
sebuah teknologi tertentu agar dapat menyelesaikan masalah diatas. Salah
satu teknologi yang saat ini sedang populer adalah teknologi smart home atau
rumah pintar. Smart home sistem adalah sebuah sistem berbantuan komputer
yang akan memberikan segala kenyamanan, keselamatan, keamanan dan
penghematan energi, yang berlangsung secara otomatis dan terprogram
melalui komputer, pada rumah tinggal.
Pada penelitian ini penulis membaca sebuah referensi jurnal yang
berjudul “Sistem Pendukung Keputusan Pemberian Jumlah SKS Mengajar
Dosen Pada STMIK Kaputama Binjai” (Pardede, dkk: KeTIK 2015). Pada
penelitian tersebut bertujuan untuk menentukan jumlah sks pada dosen
pengampu mata kuliah menggunakan metode fuzzy logic. Dari referensi
jurnal tersebut penulis memiliki ide untuk membuat penelitian yang berbasis
arduino atau mikrokontroller yang menerapkan metode fuzzy logic dalam
pengelolahan datanya.
Sistem pendukung keputusan pemberian jumlah sks mengajar
tersebut menggunakan menggunakan Matlab Toolbox sebagai salah satu
acuan dalam pengambilan keputusan dalam pemberian jumlah sks yang
akan diajarkan oleh dosen Stmik Kaputama pada semester berikutnya
berdasarkan input data masing-masing dosen, pada saat implementasi jika
diberikan input [30 80 70], maka keputusannya adalah 8 SKS.
Metode fuzzy logic disini digunakan untuk mengatur hidupnya
lampu, apabila kondisi di luar ruangan terang, maka sensor LDR akan
menangkap dan mengirimkan sinyal untuk mematikan lampu. Dan apabila
kondisi di luar ruangan dibaca gelap oleh sensor, maka sensor akan
mengirimkan sinyal untuk menghidupkan lampu. Tingkat insentisitas cahaya
lampu akan diatur berdasarkan data yang diterima oleh sensor LDR,
semangkin gelap kondisinya makan lampu akan menyala semangkin terang
dan begitu juga dengan keadaan kebalikannya.
Berdasarkan uraian di atas, maka penulis ingin melakukan penelitian
dengan judul yaitu “ Perancangan dan Implementasi Pengendalian Lampu
Otomatis Berbasis Arduino Menggunakan Metode Fuzzy Logic”. Sehingga
Implementasi Pengendalian Lampu dengan Fuzzy Lozic 166
dapat menemukan solusi dari permasalahan tersebut.

Berdasarkan latar belakang diatas maka yang menjadi rumusan
permasalahan adalah :
1. Bagaimana cara merancang dan merealisasikan sistem yang mampu
mengontrol tingkat kecerahan lampu pada suatu ruangan?
2. Bagaimana cara mengatur tingkat kecerahan atau keterangan cahaya
lampu
berdasarkan data inputan dari sensor LDR?
3. Bagaimana cara menerapkan metode Fuzzy Logic yang digunakan
pada sistem?
4. Bagaimana mengaplikasikan Arduino sebagai pusat kontrol sistem
yang akan dibuat?
Manfaat yang di peroleh dari hasil penelitian ini adalah :
1. Meningkatkan kenyamanan dan keamanan dalam pengendalian
lampu rumah, dan pastinya lebih hemat energi.
2. Mengurangi pemborosan energi dalam kehidupan sehari-hari.
3. Melatih kemampuan mahasiswa untuk memecahkan suatu
permasalahan yang ada, yaitu membuat perangkat elektronik sistem
pengendali lampu otomatis untuk membantu kerja manusia.
4. Dengan adanya alat ini diharapkan dapat mempermudah pola hidup
manusia yang sering lupa mematikan lampu rumahnya dan juga bagi
orang-orang yang berpergian lama, karena lampu dapat hidup secara
otomatis ketika malam tiba atau keadaan cuaca sedang gelap.
PENGERTIAN LAMPU
Lampu adalah sebuah peranti yang memproduksi cahaya. Kata
"lampu" dapat juga berarti bola lampu. Lampu pertama yang di produksi
adalah lampu pijar. Lampu pijar adalah sumber cahaya buatan yang
dihasilkan melalui penyaluran arus listrik melalui filamen yang
kemudian memanas dan menghasilkan cahaya. Kaca yang menyelubungi
filamen panas tersebut menghalangi udara untuk berhubungan
dengannya sehingga filamen tidak akan langsung rusak
akibat teroksidasi.
Komponen utama dari lampu pijar adalah bola lampu yang
terbuat dari kaca, filamen yang terbuat dari wolfram, dasar lampu yang
terdiri dari filamen, bola lampu, gas pengisi, dan kaki lampu.
Gambar 1. Lampu Pijar

Keterangan :
1. Bola lampu
2. Gas bertekanan rendah (argon, neon, nitrogen)
3. Filamen wolfram
4. Kawat penghubung ke kaki tengah
5. Kawat penghubung ke ulir
6. Kawat penyangga
7. Kaca penyangga
8. Kontak listrik di ulir
9. Sekrup ulir
10. Isolator
11. Kontak listrik di kaki tengah
ARDUINO
Arduino adalah pengendali mikro single-board yang bersifat
open-source, diturunkan dari Wiring platform, dirancang untuk
memudahkan penggunaan elektronik dalam berbagai bidang.
Hardwarenya memiliki prosesor Atmel AVR dan softwarenya memiliki
bahasa pemrograman sendiri. Arduino juga merupakan platform
hardware terbuka yang ditujukan kepada siapa saja yang ingin membuat
purwarupa peralatan elektronik interaktif berdasarkan hardware dan
software yang fleksibel dan mudah digunakan. Mikrokontroler
diprogram menggunakan bahasa pemrograman arduino yang memiliki
kemiripan syntax dengan bahasa pemrograman C. Karena sifatnya yang
terbuka maka siapa saja dapat mengunduh skema hardware arduino dan
membangunnya.
Beberapa pin power pada Arduino Uno :
1. GND. Ini adalah ground atau negatif.
2. Vin. Ini adalah pin yang digunakan jika anda ingin memberikan power
langsung ke board Arduino dengan rentang tegangan yang disarankan 7V -
12V
3. Pin 5V. Ini adalah pin output dimana pada pin tersebut mengalir tegangan
5V yang telah melalui regulator
4. 3V3. Ini adalah pin output dimana pada pin tersebut disediakan tegangan
3.3V yang telah melalui regulator.
Arduino Uno memiliki 14 buah digital pin yang dapat digunakan
sebagai input atau output, dengan menggunakan fungsi pinMode(),
digitalWrite(), dan digital(Read).
Beberapa pin memiliki fungsi khusus :
1. Serial, terdiri dari 2 pin : pin 0 (RX) dan pin 1 (TX) yang digunakan untuk
menerima (RX) dan mengirim (TX) data serial.
2. External Interrups, yaitu pin 2 dan pin 3. Kedua pin tersebut dapat
digunakan untuk mengaktifkan interrups. Gunakan fungsi attach
Interrupt()
3. PWM: Pin 3, 5, 6, 9, 10, dan 11 menyediakan output PWM 8-bit dengan
menggunakan fungsi analogWrite()
4. SPI : Pin 10 (SS), 11 (MOSI), 12 (MISO), dan 13 (SCK) mendukung
komunikasi SPI dengan menggunakan SPI Library
5. LED : Pin 13. Pada pin 13 terhubung built-in led yang dikendalikan oleh
digital pin no 13.
6. TWI : Pin A4 (SDA) dan pin A5 (SCL) yang mendukung komunikasi TWI
dengan menggunakan Wire Library.
Arduino Uno memiliki 6 buah input analog, yang diberi tanda dengan
A0, A1, A2, A3, A4, A5. Masing-masing pin analog tersebut memiliki resolusi
10 bits (jadi bisa memiliki 1024 nilai). Secara default, pin-pin tersebut diukur
dari ground ke 5V, namun bisa juga menggunakan pin AREF dengan
menggunakan fungsi analog reference(). Beberapa in lainnya pada board ini
adalah :
1. AREF. Sebagai referensi tegangan untuk input analog.
2. Reset. Hubungkan ke LOW untuk melakukan reset terhadap
mikrokontroller. Sama dengan penggunaan tombol reset yang tersedia.
3. IOREF. Ini adalah pin yang menyediakan referensi tegangan
mikrokontroller. Biasanya digunakan pada board shield untuk memperoleh
tegangan yang sesuai, apakah 5V atau 3.3V.
Gambar 2. Board Arduino

SENSOR LDR
Light Dependent Resistor atau yang biasa disebut LDR adalah
jenis resistor yang nilainya berubah seiring intensitas cahaya yang
diterima oleh komponen tersebut. Biasa digunakan sebagai detektor
cahaya atau pengukur besaran konversi cahaya. Light Dependent Resistor,
terdiri dari sebuah cakram semi konduktor yang mempunyai dua buah
elektroda pada permukaannya. Pada saat gelap atau cahaya redup,
bahan dari cakram tersebut menghasilkan elektron bebas dengan jumlah
yang relatif kecil.Sehingga hanya ada sedikit elektron untuk mengangkut
muatan elektrik. Artinya pada saat cahaya redup LDR menjadi konduktor
yang buruk, atau bisa disebut juga LDR memiliki resistansi yang besar
pada saat gelap atau cahaya redup. Pada saat cahaya terang, ada lebih
banyak elektron yang lepas dari atom bahan semi konduktor tersebut.
Sehingga akan ada lebih banyak elektron untuk mengangkut muatan
elektrik. Artinya pada saat cahaya terang LDR menjadi konduktor yang
baik, atau bisa disebut juga LDR memiliki resistansi yang kecil pada saat
cahaya terang.
Gambar 3. Sensor LDR

BAHAN DAN METODE
Kebutuhan dari simulasi sistem pengendali lampu otomatis yang
akan dirancang yaitu kebutuhan desain dan metode fuzzy.
Kebutuhan peralatan untuk membuat prototype, Adapun
kebutuhan desain perangkat antara lain : Arduino Uno R3, Modul I2C
LCD 16x2, Resistor, Lampu Pijar, Kabel Downloader dan Kabel Jumper,
Sensor LDR, Double Tape, Box Plastik, Solder, dan Kawat Timah.
Kebutuhan perangkat lunak yang digunakan adalah lingkungan
sistem operasi MS-WindowsXP/Vista/7/8 dan 8.1. Dalam perancangan
ini juga menggunakan aplikasi Arduino IDE, yaitu program bahasa C
compiler berbasis windows untuk mikrokontroller Arduino.
Perancangan Flowchart
Agar dapat melihat struktur jalannya program maka dibuat flowchart
(diagram alur). Flowchart digunakan sebagai dasar acuan dalam membuat
program.
Gambar 4. Flowchart Sistem

Perancangan Metode Fuzzy

Berdasarkan sistem perancangan yang akan dibuat, ada 2 variabel
fuzzy yang akan dimodelkan menjadi grafik keanggotaan yaitu :
CAHAYA sebagai sinyal input; terdiri atas 5 himpunan fuzzy, yaitu
gelap, redup, sedang, terang, dan sangat terang seperti dibawah ini.
Gambar 5. Variabel Intensitas Cahaya

Sinyal output Lampu terdiri atas 5 himpunan fuzzy, yaitu mati,
redup, sedang terang, dan sangat terang seperti gambar dibawah ini.
Gambar 6. Variabel Lampu

Proses Inferensi Fuzzy
Pengolahan data dilakukan dengan menetukan variabel dan semesta
pembicara dilanjutkan dengan himpunan fuzzy. Penentuan himpunan
variabel dan semesta pembicara dari hasil pengambilan data dapat diperoleh
pada tabel berikut :
Tabel 1. Penentuan variabel dan semesta pembicara
Penentuan himpunan fuzzy di tampilkan pada tabel dibawah ini.

Tabel 2. Himpunan fuzzy
Aplikasi fungsi implikasi (aturan) untuk interferensi pengendali

cahaya lampu dapat dihasilkan beberapa aturan seperti tabel berikut :
Tabel 3.Aturan fuzzy untuk sistem kontrol lampu
Dari hasil interferensi pada tabel 3 maka terdapat aturan fuzzy,

yaitu : (1)If (Sensor_LDR is Gelap) then (Lampu is Sangat_Terang). (2) If
(Sensor_LDR is Redup) then (Lampu is Terang). (3) If (Sensor_LDR is
Sedang then (Lampu is Sedang). (4) If (Sensor_LDR is Terang) then
(Lampu is Redup). (5) If (Sensor_LDR is Sangat Terang) then (Lampu is
Mati).
Dari aturan fuzzy yang sudah dibuat maka dapat dilihat fuzzy set tiap-
tiap aturan dengan menggunakan matlab.
1. If (Sensor_LDR is Gelap) then (Lampu is Sangat_Terang)
Gambar 7. Fuzzy Set untuk input Sensor LDR Gelap dan Output
Lampu dalam keadaan cahaya Sangat Terang
2. If (Sensor_LDR is Redup) then (Lampu is Terang)
Gambar 8. Fuzzy Set untuk input Sensor LDR Redup dan Output Lampu
dalam keadaan cahaya Terang
3. If (Sensor_LDR is Sedang then (Lampu is Sedang)
Gambar 9. Fuzzy Set untuk input Sensor LDR Sedang dan Output
Lampu dalam keadaan cahaya Sedang
4. If (Sensor_LDR is Terang) then (Lampu is Redup)
Gambar 10. Fuzzy Set untuk input Sensor LDR Terang dan Output Lampu
dalam keadaan cahaya Redup
5. If (Sensor_LDR is Sangat Terang) then (Lampu is Mati)
Gambar 11. Fuzzy Set untuk input Sensor LDR Sangat Terang dan Output
Lampu dalam keadaan Mati
HASIL DAN PEMBAHASAN

Setelah semua rangkaian yang telah selesai dirancang pada
perancangan sistem pengendali lampu otomatis menggunakan fuzzy
logic, kemudian dilakukan penyatuan semua rangkaian yang telah
selesai. Berikut adalah gambar hasil dari perancangan sistem
ditunjukkan oleh gambar 12 .
Gambar 12. Keseluruhan dari Hardware
Untuk memastikan semua perangkat telah berfungsi maka dilakukan

pengujian dengan tahapan : Uji coba perangkat, pengujian rangkaian
mikrokontroller Arduino.
Hasil Pengujian
Terdapat beberapa kategori yaitu dengan tingkat kecerahan cahaya
lampu mati, redup, sedang, terang, dan sangat terang. Pada tingkat intensitas
cahaya terbaca dibawah <60 maka akan mengakibatkan lampu akan menyala
dengan sangat terang seperti gambar dibawah ini.
Gambar 13. Monitor keadaan intensitas cahaya gelap

Pada keadaan lampu menyala dengan terang, intensitas cahaya
berada diatas >60 dan dibawah <120 yang akan di tamplkan pada gambar
dibawah ini.
Gambar 14. Monitor keadaan intensitas cahaya redup

Pada keadaan lampu menyala dengan sedang, intensitas cahaya
berada diatas >120 dan dibawah <180 yang akan di tampilkan pada gambar
dibawah ini.
Gambar 15. Monitor keadaan intensitas cahaya sedang

Pada keadaan lampu menyala dengan redup, intensitas cahaya
berada diatas >180 dan dibawah <240 yang akan di tamplkan pada gambar
dibawah ini.
Gambar 16. Monitor keadaan intensitas cahaya terang

Pada keadaan lampu mati, intensitas cahaya berada diatas >240 yang
akan di tamplkan pada gambar dibawah ini.
Gambar 17. Monitor keadaan intensitas cahaya sangat terang

Hasil Pengujian dalam bentuk tabel adalah sebagai berikut :
Tabel 4. Hasil Pengujian
KESIMPULAN
Berdasarkan hasil penelitian dapat disimpulkan bahwa:
1. Dari pengujian sensor LDR untuk mengukur inttensitas cahaya sudah
cukup stabil
2. Dapat bekerja dengan baik yaitu mengendalikan lampu dari mati hingga
sangat terang.
3. Penghematan konsumsi daya lampu dengan menerapkan perangkat yang
telah direalisasikan dengan menggunakan metode fuzzy logic sangat
berbeda dengan lampu-lampu pada umumnya.
5. Dari sistem arduino yang berfungsi sebagai kontrol yang memproses
pengolahan sinyal analog dan mengubahnya menjadi sinyal digital dari
sensor LDR sehingga mendapatkan suatu nilai keluaran yang berupa
tegangan yang berfungsi untuk mengatur lampu.
SARAN
1. Menggunakan 2 sensor LDR atau lebih agar dapat diperoleh akurasi
yang tinggi dalam pendeteksian intinsitas cahaya.
2. Dibutuhkan penelitian yang lebih akurat lagi dalam penentuan nilai
lux dengan intensitas cahaya, agar didapat nilai yang akurat dengan
kondisi cahaya aslinya.
REFERENSI
[1] Abdul Kadir.2015. Buku Pintar Pemrograman Arduino, MediaKom,
Yogyakarta.
[2] Pardede, Akim Manaor Hara.2015. Sistem Pendukung Keputusan
Pemberian Jumlah SKS Mengajar Dosen Pada STMIK Kaputama Binjai,
KeTIK, USU Press Art Design, Publishing & Printing, Medan.
[3] Al-Bahra dan Ladjamudin.2005. Analisis dan Desain Sistem Informasi,
Graha Ilmu, Yogyakarta.
[4] Atmel corporation. 2016. Atmel 42735B Atmega328/P Datasheet. Atmel

corporation, USA.
[5] Diky Hamdani.2016. Perancangan dan Implementasi Pengendalian Exhaust
Fan Sebagai Pembersih dan Pengatur Sirkulasi Udara Berbasis
Mikrokontroller Menggunakan Metode Fuzzy Logic, STMIK Kaputama
Binjai.
[6] Heri Andrianto.2015. Pemrograman Mikrokontroller AVR Atmega16
Menggunakan Bahasa C (CodeVisionAVR),Informatika Bandung.
[7] Indra Yatini B.2010, Flowchart, Algoritma dan Pemrograman Menggunakan
Bahasa C++ Builder, Graha Ilmu, Yogyakarta.
[8] Jogiyanto HM.2005. Analisis dan Desain Sistem Informasi Andi Offset,
Yogyakarta.
[9] Sri Kusumadewi dan Hari Purnomo.2010. Aplikasi Logika Fuzzy Untuk
Pendukung Keputusan, Graha Ilmu, Yogyakarta.

Techsi Vol 9 No 2 Oktober 2017

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Techsi Vol 9 No 2 Oktober 2017

Diunggah oleh

Hak Cipta:

Format Tersedia

ISSN 2302 - 4838

Volume 9, Nomor 2, Oktober 2017

Penanggung Jawab : Herman Fithra, ST., MT

Dewan Redaksi : Rizal, S.Si., M.IT

Pemanfaatan Teknologi Informasi Untuk

Sistem Pendeteksi Pola Lafadz Allah

Pendeteksi Tajwid Idgham Mutajanisain

Implementasi Fuzzy Rule Based System

Aplikasi Teknologi Sistem Kontrol

Pendapatan Masyarakat Dengan Adanya Kampus

Implementasi Pengendalian Lampu Otomatis Berbasis

Rancang Bangun Sistem Berbasis WEB Untuk

Muthmainnah Dosen Sistem Informasi Universitas Malikussaleh

E-Learning is an educational system that utilizes electronic and

Key words: Information Technology, Internet, E-Learning,

pelajar untuk belajar melalui komputer di tempat mereka masing-

Kelebihan dan kekurangan Elearning

5. Siswa yang tidak mempunyai motivasi belajar yang tinggi

SMA Negeri 3 Lhokseumawe

Negeri 3 Lhokseumawe dengan Nomor SK penegerian 0389/C/Tgl 11

SMK Swasta Ulumuddin Lhokseumawe

terpadu di Sekolah, dan juga para guru lebih mengoptimalkan

5. Menghasilkan sistem informasi elearning yang siap digunakan

Partisipasi Mitra Dalam Pelaksanaan Program

HASIL DAN PEMBAHASAN

Kegiatan tersebut dilaksanakan di ruangan dewan guru. Adapun

Gambar 1. Lokasi Kegiatan Di SMAN3 Lhokseumawe.

Gambar 2. Pembekalan Materi

Gambar 3. Peserta sedang mengikuti pelatihan

Selanjutnya Kegiatan pelatihan yang berjudul Pemanfaatan

Gambar 4. Pembukaan Acara

Gambar 5. Peserta sedang mengikuti pelatihan dua

Gambar 6. Pelaksanaan Kegiatan Pelatihan

3. Pelaksanaan pelatihan dapat berjalan sesuai dengan yang diharapkan

[9]. Soekartawi, 2007, Merancang dan Menyelenggarakan E-

Nurdin, Defry Hamdhana, Muhammad Johan Setiawan

Kata kunci: Pengolahan citra, risize, grayscale, konvolusi, peirce, lafadz

dunia ini. Al-Qur’an sebagai kitab terakhir dimaksudkan untuk menjadi

memudahkan pengguna yang ingin mengetahui lafadz Allah dan

II. Tinjauan Pustaka

2.2 Citra Digital

2.3 Citra Resize

keabuan karena ada warna abu-abu diantara warna minimum (hitam)

2.5 Konvolusi Deteksi Tepi Menggunakan Sobel

Sobel berbentuk Horizontal

Sobel berbentuk Vertikal

2.6 Pengolahan citra

2.7 Pengenalan Pola

Pola sendiri adalah suatu entitas yang terdefinisi dan dapat

2.8 Bitmap. (.Bmp)

b = nilai vector i dan j menunjukan jumlah koordinar dari (0,1)

III. Rancangan Sistem

Gambar 3.1 Skema Sistem Secara Keseluruhan

4. Pada tahapan konvolusi dilakukan untuk memdeteksi daerah tepi citra

3.2 Skema Metode Peirce

Hitung Metode Peirce

Gambar 3.2 Flowchart Proses Peirce

Berdasarkan gambar 3.2 ada beberapa proses-proses yang dapat

VI. Hasil dan Pembahasan

Gambar 4.1 Tampilan Aplikasi Pola Citra Pelatihan

Tahapan pertama yaitu proses pelatihan pola lafadz Allah dan

Gambar 4.1 Tampilan Aplikasi Pola Citra Pengujian

4.1 Perhitungan Manual Metode Peirce

Pada matriks di atas, vektor i merupakan vektor pola nilai latih