Gusrio Tendra
Akademi Manajemen Informatika dan Komputer “Tri Dharma” Pekanbaru
gusriotendra@gmail.com
Abstract. Fuzzy logic is a form of multi-valued logic derived from fuzzy set theory to deal with
reasoning forecasts. Fuzzy provide a means to represent and process information linguistic and
subjective attributes of the real world. Fuzzy logic is an extension Crisp Boolean Logic to handle the
concept of partial truth. Use of Fuzzy Mamdani method in this study aims to determine the feasibility
and inequities Member State Army Candidate Indonesia especially enlisted into an Army Soldier.
Feasibility of a soldier assessed the level of speed, physical endurance, and discipline in the conduct
Phase Selection. The system was designed by using fuzzy toolbox in Matlab is expected to be
implemented to assist the management in the decision to choose a candidate Member State Army
enlisted Indonesia in particular.
Abstrak. Fuzzy logic adalah bentuk logika multi-nilai yang berasal dari teori himpunan fuzzy untuk
menangani penalaran perkiraan. Fuzzy menyediakan sarana untuk mewakili dan memproses informasi
linguistik dan atribut subjektif dari dunia nyata. Logika fuzzy adalah perpanjangan Boolean Crisp
Logic untuk menangani konsep kebenaran parsial. Penggunaan Metode Fuzzy Mamdani dalam
penelitian ini bertujuan untuk menentukan kelayakan dan ketidaklayakan Calon Anggota Tentara
Negara Indonesia khususnya Tamtama menjadi seorang Prajurit Angkatan Darat. Kelayakan seorang
Prajurit dinilai dari tingkat Kecepatan, Ketahanan Fisik, serta Kedisiplinannya didalam melakukan
Tahapan Seleksi. Sistem yang dirancang dengan menggunakan fuzzy toolbox pada Matlab diharapkan
dapat di implementasikan untuk membantu pihak manajemen dalam mengambil keputusan untuk
memilih Calon Anggota Tentara Negara Indonesia khususnya Tamtama.
1
2 Jurnal PI-Cache, Volume 5, Nomor 1, Maret 2016
tahapan test seleksi kekuatan fisik yang Fuzzifikasi adalah suatu proses untuk
menjadi penilaian, seperti Kecepatan, merubah suatu masukan dari bentuk tegas
Ketahanan Fisik, dan Kedisplinan. Dalam (crisp) menjadi fuzzy (variabel linguistik)
tahapan seleksi ini pelatih harus benar-benar yang biasanya disajikan dalam bentuk
melihat kemampuan terbaik dari Calon himpunan-himpunan fuzzy dengan suatu
Anggota Tamtama (CATAM) dan menilai fungsi keanggotaannya masing-masing.
siapa yang layak menjadi Prajurit TNI-AD. 2. Aplikasi Fungsi Implikasi (Aturan)
Permasalahan yang muncul pada saat Aplikasi Fungsi Implikasi berisikan aturan-
menentukan kelayakan Calon Anggota aturan fuzzy yang digunakan untuk
Tamtama (CATAM) yang layak menjadi mengontrol sistem. Aturan-aturan ini dibuat
Prajurit dan ketidaktepatan dalam memberikan berdasarkan logika dan intuisi manusia, serta
kelayakan kepada Calon Prajurit yang dinilai berkaitan erat dengan jalan pikiran dan
subjektifitas oleh Calon Anggota Tamtama pengalaman pribadi yang membuatnya. Jadi
(CATAM). Sehingga kelayakan yang tidak salah bahwa aturan ini dikatakan tidak
diberikan masih tidak pasti karena masih subjektif, tergantung dari ketajaman yang
bersifat fuzzy (kabur/tidak jelas). Adapun membuat. Aturan yang telah ditetapkan
kelayakan Calon Anggota Tamtama digunakan untuk menghubungkan antara
(CATAM) masih berdampak pada hasil yang variable-variabel masukan dengan variabel-
diberikan kurang tepat. Salah satu metode variabel keluaran.
yang dipakai untuk menentukan kelayakan Aturan ini berbentuk „JIKA-MAKA‟
adalah Metode Fuzzy Mamdani. (IF-THEN), sebagai contoh adalah:
Aturan 1: Jika x adalah A1 dan y adalah B1
TINJAUAN PUSTAKA maka z adalah C1
Logika Fuzzy Aturan 2: Jika x adalah A2 dan y adalah B2
Logika fuzzy adalah alat matematika yang kuat maka z adalah C2
untuk mewakili ketidakpastian di segala
Aturan i: Jika x adalah A3 dan y adalah Bi
bidang. Peran logika fuzzy sangat penting bila
diterapkan pada fenomena yang kompleks maka z adalah Ci
yang tidak mudah dijelaskan dengan metode 3. Defuzzifikasi
matematika, terutama ketika tujuannya adalah Defuzzifikasi dapat didefenisikan sebagai
untuk menemukan solusi pendekatan yang proses pengubahan besaran fuzzy yang
baik. Fuzzy set telah terbukti menjadi cara disajikan dalam bentuk himpunan-himpunan
yang terkemuka untuk memecahkan masalah fuzzy keluaran dengan fungsi keanggotaannya
keputusan, di mana informasi yang tersedia untuk mendapatkan kembali bentuk tegasnya
adalah subjektif dan jelas (Banerje dan Ghosh, (crisp). Hal ini diperlukan sebab dalam
2013). aplikasi nyata yang dibutuhkan adalah nilai
Dari banyak hal, logika fuzzy digunakan tegas (crips).
sebagai suatu cara untuk memetakan
permasalahan dari input menuju ke output METODOLOGI PENELITIAN
yang diharapkan. Logika fuzzy sangat berguna Dalam penelitian ini bertujuan untuk lebih
dalam dua konteks umum yaitu dalam situasi memahami bagaimana cara yang tepat untuk
yang melibatkan sistem yang sangat kompleks menganalisa kelayakan Calon Anggota
yang perilaku tidak dipahami dengan baik, dan Tamtama (CATAM). Penelitian ini
dalam situasi di mana perkiraan, tapi cepat, menggunakan metode fuzzy logic Mamdani.
solusi dijamin (Kaur dan Kaur, 2012) 1. Mengidentifikasi Permasalahan
Pada tahap ini dirumuskan masalah yang akan
Metode Mamdani menjadi objek penelitian. Perumusan masalah
Metode Mamdani sering juga dikenal dengan dilakukan untuk menentukan masalah apa saja
nama Metode Max-Min. Metode ini yang terdapat pada objek penelitian serta
diperkenalkan oleh Ebrahim Mamdani pada memberikan batasan dari permasalahan yang
tahun 1975. Untuk memperoleh output, akan diteliti.
diperlukan 3 tahapan yaitu: 2. Menganalisa Permasalahan
1. Pembentukan Himpunan Fuzzy Langkah analisis masalah adalah langkah
(Fuzzifikasi) untuk dapat memahami masalah yang telah
ditentukan ruang lingkup atau batasannya.
Tendra, Implementasi Fuzzy Logic Mamdani Untuk Menentukan Kelayakan Calon Anggota Tamtama 1- 11 3
Dengan menganalisa masalah yang telah secara manual dengan data yang didapat
ditentukan tersebut. Teknik analisis yang dengan menggunakan sistem.
digunakan dapat dilakukan dengan beberapa 7. Implementasikan Fuzzy Logic Mamdani
tahap berikut: pada Matlab
a. Tahap identify yaitu, mengidentifikasi Pada tahap Implementasi penulis
permasalahan yang terjadi. mengimplementasikan hasil perancangan
b. Tahap understand yaitu, memahami lebih sistem menggunakan TOOLBOX. Sistem diuji
lanjut tentang permasalahan yang ada dengan melakukan pencocokan hasil dari
dengan cara melakukan pengumpulan analisa dan perancangan sistem yang telah
data yang dibutuhkan, yakni berupa dirancang untuk melihat konsistensi data.
Melakukan studi dari jurnal, buku, dan 8. Menguji Hasil
artikel di internet yang berhubungan Evaluasi akhir yang dirancang untuk
penelitian, dan melakukan wawancara. mengetahui apakah sistem yang dirancang
c. Tahap analyze yaitu, mencari kelemahan- tersebut sesuai yang diharapkan. Evaluasi
kelemahan sistem yang ada, dan dilakukan untuk membandingkan hasil yang
mengumpulkan informasi tentang didapatkan pada tahap perancangan sistem
kebutuhan-kebutuhan lebih lanjut yang yang dibuat secara manual dan
diperlukan oleh pemakai. membandingkannya dengan hasil yang
3. Mempelajari Literatur didapatkan dengan menggunakan sistem
Berdasarkan permasalahan yang ada (MATLAB).
maka ditentukan tujuan yang akan dicapai dari 9. Menarik Kesimpulan
penulisan ini. Pada tujuan ini ditentukan target Pada tahap ini penulis melakukan
yang akan dicapai, terutama yang dapat kesimpulan penelitian yang telah dilakukan
mengatasi masalah-masalah yang ada. Setelah untuk menganalisa kelayakan Calon Anggota
masalah dianalisa, maka dipelajari literatur Tamtama (CATAM) pada KOREM 031-
yang berhubungan dengan permasalahan WIRABIMA Pekanbaru-Riau.
tersebut.
4. Mengumpulkan Data HASIL DAN PEMBAHASAN
Dalam pengumpulan data dapat dilakukan Analisa Masalah
dengan beberapa cara, yaitu: Dalam melakukan analisa data pada penelitian
a. Pengamatan ini dilakukan dengan menggunakan fuzzy logic
b. Wawancara Mamdani. Di mana logika fuzzy adalah logika
c. Studi pustaka yang dapat mereprentasikan keadaan linguistik
5. Analisa dan Rancangan seperti sedikit, lumayan, banyak dan
Setelah menentukan metode yang akan sebagainya. Oleh karena itu fuzzy logic dapat
digunakan maka selanjutnya adalah memungkinakan nilai keanggotaan antara 0
merancang sistem. Pada perancangan sistem sampai dengan 1 atau sesuatu dapat
akan dilakukan beberapa kegiatan sebagai dinyatakan sebagian benar atau sebagian salah
berikut : pada saat yang sama. Fuzzy logic juga
a. Membuat variabel input, domain dan nilai mempunyai tingkat toleransi pada data yang
keanggotaan pada fuzzy diolah tanpa mengabaikan kaidah dari data
b. Membuat inferensi yang nantinya nilai tersebut.
fuzzy diubah ke bentuk bilang crisp Identifikasi data untuk evaluasi belajar
c. Membuat rule-rule inferensi fuzzy yang mahasiswa dilakukan dengan menentukan
telah ditentukan guna mendapatkan nilai variabel yang diperlukan dalam pengolahan
yang diharapkan. dan analisis, di mana variabel / kriteria untuk
d. Merancang arsitektur fuzzy logic Mamdani. dapat menentukan kelayakan Calon Anggota
6. Menguji Perhitungan Fuzzy Logic Tamtama (CATAM) adalah Kecepatan,
Mamdani Ketahanan, dan Kedisiplinan
Setelah variabel dan rule-rule inferensi fuzzy Perancangan Sistem
ditentukan maka tahap selanjutnya ialah Setelah dilakukan analisa terhadap data yang
melakukan proses perhitungan secara manual ada, maka tahap yang berikutnya dilakukan
terhadap data yang didapat sebagai acuan desain sistem. Desain sistem dilakukan
untuk membandingkan data yang dihitung berdasarkan variabel-variabel input, proses,
output. Pada bagian desain ini penulis akan
4 Jurnal PI-Cache, Volume 5, Nomor 1, Maret 2016
membahas mengenai perancangan dari model Tamtama (CATAM) yang dapat dikategorikan
yang akan digunakan dalam mendapatkan layak sebagai Anggota Tamtama adalah
daftar Calon Anggota Tamtama (CATAM) seorang CATAM yang mampu menyelesaikan
yang layak menjadi Anggota Tamtama. Pada tahapan test fisik dengan nilai dan waktu yang
perancangan ini penulis akan menentukan terbaik.
pengkodean dari item-item yang akan 1. Kecepatan
digunakan di dalam melakukan perekrutan Pada variabel Kecepatan memiliki 3 (Tiga)
Anggota Tamtama. Berikut ini akan himpunan fuzzy yaitu “Rendah”, “Sedang”,
ditampilkan bagaimana sistem fuzzy Mamdani dan “Tinggi”. Pada kriteria ini penulis
dapat melakukan seleksi kelayakan untuk memberikan kesimpulan tentang data
mendapatkan kandidat Anggota Tamtama Kecepatan yang didapat, di antaranya penulis
melalui proses fuzzy Mamdani pada gambar 1 menyimpulkan bahwa yang termaksud
berikut ini: himpunan “Rendah” jika catatan waktu yang
didapat 15:33 – 21:10 Menit, yang termaksud
himpunan “Sedang” jika catatan waktu yang
didapat 13:15 – 15:41 Menit, dan yang
termaksud himpunan “Tinggi” jika catatan
waktu yang didapat 0 - 15:33 Menit.
2. Ketahanan
Pada variabel Ketahanan memiliki 3 (Tiga)
Gambar 1. Arsitektur Fuzzy Mamdani himpunan fuzzy yaitu “Rendah”, “Sedang”,
Kelayakan CATAM dan “Tinggi”. Pada kriteria ini penulis
Input Data memberikan kesimpulan tentang data
Input data merupakan langkah awal dalam Ketahanan yang didapat, di antaranya penulis
memberikan tanggapan dari sistem inferensi menyimpulkan bahwa yang termaksud
fuzzy di mana dengan diinputkan data tersebut himpunan “Rendah” jika nilai Ketahanan 0-30,
maka proses pengolahan akan berlangsung / yang termaksud himpunan “Sedang” jika nilai
dimulai. Data yang akan diinputkan adalah Ketahanan 20–37, dan yang termaksud
tabel data Calon Anggota Tamtama (CATAM) himpunan “Tinggi” jika nilai Ketahanan 30-
pada KOREM 031 Wirabima Pekanbaru-Riau. 45.
3. Kedisiplinan
Tabel 1: Data Catam Berdasarkan Test Pada variabel Kedisiplinan memiliki 3 (Tiga)
Kekuatan Fisik himpunan fuzzy yaitu “Rendah”, “Sedang”,
dan “Tinggi”. Pada kriteria ini penulis
memberikan kesimpulan tentang data
Kedisiplinan yang didapat, di antaranya
penulis menyimpulkan bahwa yang termaksud
himpunan “Rendah” jika catatan waktu yang
didapat 21:00 – 25:09 Menit, yang termaksud
himpunan “Sedang” jika catatan waktu yang
didapat 18:09 – 21:09 Menit, dan yang
termaksud himpunan “Tinggi” jika catatan
waktu yang didapat 0 – 20:09 Menit.
Data yang telah disebutkan pada tabel 1 di atas Tabel 2. Himpunan Fuzzy Mamdani
merupakan sebagian dari beberapa data Calon Kelayakan CATAM
Anggota Tamtama (CATAM) yang terdapat
pada KOREM 031 Wirabima Pekanbaru-Riau
tahun 2015. Setelah data Calon Anggota
Tamtama (CATAM) didata seperti di atas,
maka disusunlah cara-cara untuk
mengklasifikasikan data Calon Anggota
Tamtama (CATAM) tersebut menjadi suatu
kesimpulan bahwasanya seorang Calon
Anggota Tamtama (CATAM) dapat menjadi
Anggota Tamtama. Adapun Calon Anggota
Tendra, Implementasi Fuzzy Logic Mamdani Untuk Menentukan Kelayakan Calon Anggota Tamtama 1- 11 5
μCukup Layak x
0, x ≤ 30/x ≥ 70
z − 30
, 30 ≤ x ≤ 50
= 50 − 30
70 − x
, 50 ≤ x ≤ 70
70 − 50
μLayak x
0, x ≤ 30/x ≥ 80
z − 50
, 50 ≤ x ≤ 70
= 70 − 50
80 − x
, 70 ≤ x ≤ 80
80 − 70
Variabel Output (Hasil) Rekomendasi μSangat Layak x
Kelayakan terdiri dari empat himpunan 0, x ≤ 70
variabel fuzzy, Tidak Layak, Kurang Layak, z − 70
Cukup Layak, Layak, dan Sangat Layak. = , 70 ≤ x ≤ 80
80 − 70
1, x ≥ 80
2. Linguistic Rules
Di sini dilakukan pemetaan dari Input dan
Output pada sistem fuzzy, yang akhirnya akan
di setting ke dalam bentuk Condition dan
Action. Hal ini bisa disebut dengan IF – Then
– Rule, dengan format If Antecedent then
Consequent. Antecedent yang dimaksud adalah
Input dari sistem fuzzy, sedangkan untuk
Consequent diasosiasikan terhadap Output.
2. IF Kecepatan = Sedang AND Ketahanan = Uji data pertama atas nama Josafat
Rendah AND Kedisplinan = Rendah Then dengan input nilai kecepatan 13.21, nilai
Rekomendasi = Kurang Layak. ketahanan 35, dan nilai kedisiplinan 17.02,
3. IF Kecepatan = Sedang AND Ketahanan = dari uji data tersebut didapatlah rule ke 10,
Rendah AND Kedisiplinan = Sedang Then rule ke 15, dan rule ke 19 yang memiliki nilai
Rekomendasi = Kurang Layak. sebagai berikut:
4. IF Kecepatan = Sedang AND Ketahanan = [R10] IF Kecepatan = Tinggi AND Ketahanan
Sedang AND Kedisiplinan = Rendah Then = Sedang AND Kedisiplinan = Tinggi Then
Rekomendasi = Kurang Layak. Rekomendasi = Layak.
5. IF Kecepatan = Tinggi AND Ketahanan = α-predikat 10 = µKecepatan Tinggi ^
Rendahi AND Kedisiplinan = Rendah Then µKetahanan Sedang ^ µKedisiplinan Tinggi.
Rekomendasi = Cukup Layak. = Min(µTinggi[13.21] µSedang[35]
6. IF Kecepatan = Tinggi AND Ketahanan = ^ µTinggi[17.02]
Rendah AND Kedisiplinan = Sedang Then = Min(0.97; 0.3; 1)
Rekomendasi = Cukup Layak. = 0.3
7. IF Kecepatan = Tinggi AND Ketahanan =
Rendah AND Kedisiplinan = Tinggi Then
Rekomendasi = Cukup Layak.
8. IF Kecepatan = Sedang AND Ketahanan
= Tinggi AND Kedisiplinan = Tinggi
Then Rekomendasi = Layak.
9. IF Kecepatan = Tinggi AND Ketahanan =
Sedang AND Kedisiplinan = Sedang
Then Rekomendasi = Layak.
10. IF Kecepatan = Tinggi AND Ketahanan =
Sedang AND Kedisiplinan = Tinggi Then
Rekomendasi = Layak.
11. IF Kecepatan = Tinggi AND Ketahanan = Gambar 6: Aturan Fuzzy 10
Tinggi AND Kedisiplinan = Rendah Then
Rekomendasi = Cukup Layak. Komposisi Rule
12. IF Kecepatan = Tinggi AND Ketahanan = Dari aplikasi fungsi implikasi dari tiap aturan,
Tinggi AND Kedisiplinan = Sedang Then digunakan metode MAX untuk melakukan
Rekomendasi = Layak. komposisi antarsemua aturan. Berikut ini
13. IF Kecepatan = Sedang AND Ketahanan gambar 7 komposisi keseluruhan aturan fuzzy.
= Rendah AND Kedisiplinan = Tinggi
Then Rekomendasi = Cukup Layak.
14. IF Kecepatan = Sedang AND Ketahanan
= Sedang AND Kedisiplinan = Sedang
Then Rekomendasi = Cukup Layak.
15. IF Kecepatan = Sedang AND Ketahanan
= Sedang AND Kedisiplinan = Tinggi
Then Rekomendasi = Cukup Layak.
16. IF Kecepatan = Sedang AND Ketahanan
= Tinggi AND Kedisiplinan = Rendah
Then Rekomendasi = Cukup Layak.
17. IF Kecepatan = Sedang AND Ketahanan
= Tinggi AND Kedisiplinan = Sedang
Then Rekomendasi = Cukup Layak. Gambar 7: Komposisi Seluruh Aturan (Rule)
18. IF Kecepatan = Tinggi AND Ketahanan = Rekomendasi
Sedang AND Kedisiplinan = Rendah
Then Rekomendasi = Cukup Layak. Berdasarkan data gabungan seperti pada
19. IF Kecepatan = Tinggi AND Ketahanan = gambar 7, maka kita bisa melihat di mana
Tinggi AND Kedisiplinan = Tinggi Then gambar lebih dominan pada garis himpunan
Rekomendasi = Sangat Layak. Layak.
Tendra, Implementasi Fuzzy Logic Mamdani Untuk Menentukan Kelayakan Calon Anggota Tamtama 1- 11 9
IMPLEMENTASI
Implementasi data Calon Anggota Tamtama
(CATAM) dengan logika fuzzy dengan
10 Jurnal PI-Cache, Volume 5, Nomor 1, Maret 2016
[6] Irmawan, D., & Herusantoso, K. (2011). Fuzzy Inference System Mamdani:
Penerapan Logika Fuzzy Sebagai Sistem Studi Kasus UPT Dinas Pendidkan Kec.
Pendukung Keputusan Prakiraan Cuaca. Penengahan Lampung Selatan. Jurnal
Konferensi Teknologi Informasi dan TICOM Vol.1 No 1, 24-28.
Komunikasi Untuk Indonesia, 1-10.
[7] Kamboj, V., & Kaur, A. (2013).
Comparison Of Constant Sugeno-Type
And Mamdani-Type Fuzzy Inference
System For Load Sensor. International
Journal Of Soft Computing And
Engineering (IJSCE) ISSN: 2231-2307,
Volume-3, Issue-2, 1-4.
[8] Kaur, A., & Kaur, A. (2012). Comparison
Of Mamdani-Type And Sugeno-Type
Fuzzy Inference System For Air
Conditioning System. International
Journal Of Soft Computing And
Engineering (IJSCE) ISSN: 2231-2307,
Volume-2, Issue-2, 1-3.
[9] Kusumadewi, S., & Purnomo, H. (2010).
Aplikasi Logika Fuzzy Untuk Pendukung
Keputusan Edisi 2. Yogyakarta: Graha
Ilmu.
[10] Mustafidah, H., & Aryanto, D. (2012).
Sistem Inferensi Fuzzy Untuk
Memprediksi Prestasi Belajar
Mahasiswa Berdasarkan Nilai Ujian
Nasional, Tes Potensi Akademik, dan
Motivasi Belajar. JUITA ISSN: 2086-
9398 Vol. II No 1, 1-7.
[11] Ojokoh, Omisore, Samuel, & Ogunniyi.
(2012). A Fuzzy Logic Based
Personalized Recommender System.
International Journal Of Computer
Science And Information Technology &
Security (IJCSITS), ISSN: 2249-9555,
Vol 2, NO 5, 1-8.
[12] Poonam. (2012). Uncertainty Handlin
Fuzzy Logic In Rule Based System.
International Journal Of Advanced
Science And Technology Vol. 45, 1-16.
[13] Siregar, S. H. (2013). Sistem Penunjang
Keputusan Untuk Menentukan
Pelanggan Terbaik Menggunakan
Metode Fuzzy Mamdani. Pelita
Informatika Budi Dharma, Volume: IV,
Nomor: 2, 1-5.
[14] Tarigan, P. (2013). Sistem Pengendali
Pendingin Ruangan Menggunakan
Fuzzy Logic Berbasis MIcrocontroler
ATMega 8535. Informasi dan Teknologi
Ilmiah (INTI) ISSN: 2339-219X Volume
1, Nomor 1, 1-7.
[15] Triayudi, A. (2012). Analisa Sistem
Penilaian Kinerja Guru Menggunakan