DETERMINE EXCELLENCE EMPLOYEES THROUGH FUZZY LOGIC METHOD

(A CASE STUDY IN PT BANK MANDIRI PERSERO)

Nofriadiman1), Herlina Zain2)

1
Program Studi Sistem Informasi, Sekolah Tinggi Teknologi Industri (STTIND) Padang
email: nofriadiman@yahoo.co.id, nofriadiman@sttind.ac.id
2
Program Studi Sistem Informasi, Sekolah Tinggi Teknologi Industri (STTIND) Padang
email: herlinazain20@yahoo.com

Problems sometimes arise in this world often have the answers the uncertain, fuzzy
logic is a method to analyze the system which is uncertain. This thesis on completion of the
application of fuzzy logic production problems and the Mamdani method. Problems resolved
is how to determine if the production of goods using only five input variables, Absence,
Target, service, performance, periode of work And outputnya the Achievement. The research
was conducted at the PT.Bank Mandiri (Persero) to Employees Regarding the employee
performance accomplishment Bank Mandiri (Persero) Padang Sudirman, Aiming for
Viewing, searching and applying Employees who excel and how the employee works
accordance with the target using fuzzy logic. Seeing the importance of analyzing the
performance of employees working at office is closely associated with be concluded from the
research that has been done, that the steps taken in the method of analysis, there are three
stages of fuzzy logic, namely fuzzyfication, consisting of the variables used shapes and forms
fuzzy sets, then inference, is the determination of rules of fuzzy logic systems, and
defuzzyfication, called the confirmation stage of the process where the input is a set of vague
assertion of the composition of the set of fuzzy rules, and the output is a fuzzy set of the
domain.
Keywords: Quality Service,fuzzy logic,fuzzyfikasi, defuzzyfikasi, function implications.
1. PENDAHULUAN 1.3 Batasan Masalah
Membatasi masalah pada pengolahan data
1.1 LatarBelakang karyawan yang berprestasi dengan
Perkembangan dunia teknologi modern dan menggunakan Matlab7.0.
adanya penemuan baru saat ini sangat banyak
mengakibatkan perubahan kehidupan manusia 1.4 RumusanMasalah
dalam mengatasi setiap permasalahan yang terjadi 1. Bagaimana fuzzy logic menentukan
dan yang ada kaitannya dengan proses karyawan yang berprestasi berdasarkan
pembangunan secara menyeluruh. Akibat kemajuan absensi, target, pelayanan, kerajinan dan
yang tercapai telah menghasilkan berbagai lama bekerja.
teknologi, salah satu hasil karya dari kemajuan 2. Bagaimana fuzzy logic dapat mengontrol
dibidang teknologi adalah komputer. system dengan memasukan nilai absensi,
target, pelayanan, kerajinan dan lama
1.2 Identifikasi Masalah bekerja dalam menentukan karyawan
1. Pengolahan data karyawan yang berprestasi berprestasi dengan menggunakan matlab.
masih dilakukan dengan rekapitulasi
manual sehingga menimbulkan 1.5 TujuanPenelitian
permasalahan diantaranya waktu pengolahan Untuk mengetahui fuzzy logic dapat
data yang terlalu lama dan terjadinya mengontrol system dengan memasukan nilai
kesalahan dalam perhitungan prestasi absensi, target, pelayanan, kerajinan dan
karyawan. lama bekerja dalam menentukan karyawan
2. Tidak dapat mengontrol system untuk berprestasi di PT Bank Mandiri (Persero)
menentukan karyawan beprestasi Tbk cabang Padang Sudirman dengan
menggunakan matlab.

1.6 ManfaatPenelitian
Penelitian ini diharapkan dapat memberikan
manfaat sebagai berikut:
1. Hasil penelitian ini diharapkan dapat
memberikan tambahan informasi sebagai
bahan pertimbangan dalam menentukan
karyawan yang berprestasi pada PT Bank
mandiri (Persero) Tbk cabang Padang
Sudirman.
2. Hasil penelitian ini dapat menjadi referensi
bagi PT.Bank Mandiri (Persero) Tbk dalam
menentukan karyawan yang berprestasi.
TINJAUAN PUSTAKA
2.1 Landasan Teori
Teori – teori yang berhubungan dengan
penentuan karyawan berprestasi dengan
menggunakan metode fuzzy logic, yaitu sebagai
berikut;
2.1.1 Kinerja Karyawan dan Prestasi Kerja
Kinerja dalam organisasi merupakan
jawaban dari berhasil atau tidaknya tujuan
organisasi yang telah ditetapkan. Para pimpinan
sering tidak memperhatikan kecuali sudah amat
buruk atau segala sesuatu jadi serba salah. Terlalu
sering manajer tidak mengetahui betapa buruknya
kinerja telah merosot sehingga perusahaan / instansi
menghadapi krisis yang serius dan mengabaikan
tanda peringatan adanya kinerja yang merosot.
2.1.1.1 Pengertian Kinerja Karyawan
Menurut Smith W. Augt yang dikutip oleh
Sedarmayanti (2001 : 50), mengungkapkan
bahwa“Kinerja merupakan hasil atau keluaran
dari suatu proses.”
Sedangkan menurut Marihot Tua Efendy
(2002 : 194) mengatakan bahwa“Kinerja adalah
unjuk kerja yang merupakan hasil kerja dihasilkan
oleh pegawai atau perilaku nyata yang ditampilkan
sesuai dengan perannya dalam organisasi.”
Kinerja karyawan merupakan hasil dan
keluaran yang dihasilkan oleh seorang pegawai atau
karyawan sesuai dengan perannya dalam organisasi
suatu periode tertentu.
2.1.1.2 Pengertian Prestasi Kerja
Prestasi kerja adalah suatu usaha guna
meningkatkan hasil kerja yang dicapai oleh
seseorang maupun sekumpulan orang dalam
melaksanakan tugas yang dibebankan kepadanya,
agar tujuan perusahaan tercapai.
2.1.2 Pengertian Logika Kabur (Fuzzy Logic)
Pada tahun 1965, Lothi Zadeh, seorang
profesor di Universitas Of California di Barkeley,
memodifikasi teori himpunan dimana setiap
anggotanya memiliki derajat keanggotaan yang
bernilai kontinu antara 0 sampai 1. Himpunan ini
disebut dengan himpunan kabur (Fuzzy Set)
(Kusumadewi, 2002).Logika fuzzy digunakan untuk
menerjemahkan suatu besaran yang diekspresikan
menggunakan bahasa (linguistic), misalkan besaran
kecepatan laju kendaraan yang diekspresikan
dengan pelan, agak cepat, cepat dan sangat cepat.
Secara umum, fuzzy logic adalah sebuah
metodologi “berhitung” dengan variabel kata-kata
(linguistic variable), sebagai pengganti berhitung
dengan bilangan. Kata-kata yang digunakan dalam
fuzzy logic memang tidak sepresisi bilangan, namun
jauh lebih dekat dengan intuisi manusia.
Input
1
Input Outpu
2 t
Black Box
Pemetaan input-output
Diantara input dan output terdapat black
box. Di dalam black box terdapat proses yang tidak
diketahui, bisa didekati dengan pendekatan sistem
linear, ekonomi, interpolasi, sistem pakar atau
logika fuzzy, dan lain-lain. Namun, seperti yang
diungkapkan Lotfi Zadeh: ”Dalam hampir setiap
kasus, cara fuzzy lebih cepat dan lebih murah”.
2.1.2.1 Alasan Digunakan Logika Fuzzy
1. Konsep logika fuzzy mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap
data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-
fungsi nonlinear yang sangat kompleks.
5. Logika fuzzy dapat membangun dan
mengaplikasikan pengalaman-pengalaman
para pakar secara langsung tanpa harus
melalui pelatihan.
6. Logika fuzzy dapat bekerja sama dengan
teknik teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.
2.1.2.2 Fuzzy Inference System (FIS)
1. Metode Tsukamoto
2. Metode Mamdan
3. Metode Sugeno
2.1.3 Sistem Inference Fuzzy Metode Mamdani
Metode ini diperkenalkan oleh Ebrahim
Mamdani pada tahun 1975. Untuk mendapatkan
output, diperlukan 4 tahapan:
1. Pembentukan himpunan fuzzy
 2. Aplikasi fungsi implikasi (aturan)
3. Komposisi aturan
Ada 4 metode yang digunakan dalam
melakukan inferensi sistem fuzzy, yaitu:
1. Metode Max
2. Metode Additive
3. Probabilistik OR
4. Penegasan (deffuzy)

Ada beberapa metode defuzzifikasi pada

komposisi aturan Mamdani, antara lain: Gambar 2.2 Kurva fungsi linier turun
1. Max-Membership Sedangkan suatu fungsi derajat keanggotaan
2. Centroid fuzzy disebut fungsi linier naik jika mempunyai 2
3. Wieghtedavarage parameter, yaitu a,b € R, dan dinyatakan dengan
4. Mean-Max membership aturan
5. Center of Sums
6. Center of Largest Area
7. First or Last Maxima

2.1.3.1 Hal-hal yang Perlu Diketahui dalam

Memahami Sistem Fuzzy
Beberapa hal yang perlu diketahui untuk Kurva fungsi linier naik diperlihatkan oleh
memahami sistem fuzzy,yaitu: Gambar 2.3.
1. Variabel fuzzy
2. Himpunan fuzzy
3. Semesta pembicaraan
4. Domain

2.1.3.2 Fungsi derajat keanggotaan fuzzy

Fungsi derajat keanggotaan (membership
function) adalah suatu kurva yang menunjukkan
pemetaan titik-titik input data ke dalam derajat Gambar 2.3 Kurva fungsi linier naik
keanggotaan yang memiliki interval antara 0 Menurut Susilo (2003) suatu fungsi derajat
sampai 1 (Zimmermann, 1991). Untuk keanggotaan fuzzy disebut fungsi segitiga jika
mendapatkan derajat keanggotaan fuzzy digunakan mempunyai tiga buah parameter, yaitu p, q, r € R
pendekatan fungsi. Ada beberapa fungsi dengan p<q<r, dan dinyatakan dengan aturan
keanggotaan yang dapat digunakan, seperti fungsi
linier turun, fungsi linier naik, fungsi segitiga,
fungsi trapesium, fungsi-S, fungsi-Z dan fungsi- π.
Menurut Kusumadewi dan Purnomo (2004)
suatu fungsi derajat keanggotaan fuzzy disebut
fungsi linier turun jika mempunyai 2 parameter,
yaitu a, b € R, dan dinyatakan dengan aturan Kurva fungsi segitiga diperlihatkan oleh
Gambar 2.4.

Kurva fungsi linier turun diperlihatkan oleh

Gambar 2.2. Gambar 2.4 Kurva segitiga
Masih menurut Susilo (2003) suatu fungsi
derajat keanggotaan fuzzy disebut fungsi trapesium
jika mempunyai 4 buah parameter ( p, q, r, s € R
dengan p <q < r < s) dan dinyatakan dengan aturan

Kurva fungsi trapesium diperlihatkan oleh
Gambar 2.5.
Gambar 2.5. Kurva
Gambar 2.5 Kurva fungsi trapesium
Suatu derajat keanggotaan fuzzy disebut
derajat keanggotaan fungsi-S (Mandal et al., 2002)
jika mempunyai 3 buah parameter yaitu a, b, c € R
dengan a adalah nilai keanggotaan nol, b adalah
titik tengah antara a dan c dengan μ(b) = 0.5 ( titik
infleksi) dan c adalah nilai keanggotaan lengkap
serta dinyatakan dengan aturan
Bentuk kurva fungsi-S diperlihatkan oleh
Gambar 2.6.
Gambar 2.6 Kurva fungsi-S
Suatu keanggotaan fuzzy disebut fungsi
keanggotaan fungsi-Z (Kusumadewi, 2002) jika
mempunyai 3 buah parameter yaitu a, b, c € R
dengan a adalah nilai keanggotaan nol, b adalah
titik tengah antara a dan c dengan μ(b) = 0.5 ( titik
infleksi) dan c adalah nilai keanggotaan lengkap
serta dinyatakan dengan aturan
Kurva fungsi-Z diperlihatkan oleh Gambar
2.7.
Gambar 2.7 Kurva fungsi-Z
Suatu keanggotaan fuzzy disebut fungsi
keanggotaan fungsi-π (Kusumadewi, 2002) jika
mempunyai 6 buah parameter (a, b, c, d ,e, f € R
dengan b dan e adalah titik infleksi) dan dinyatakan
dengan aturan
Kurva fungsi-π diperlihatkan oleh Gambar
2.8.
Gambar 2.8 Kurva fungsi-π
2.1.3.3 Operator fuzzy
Jika G, H, A adalah himpunan fuzzy maka
menurut Zimmermann (1991) operator dasar
himpunan fuzzy adalah:
1. Operato r AND
Hasil operator AND diperoleh dengan
mengambil keanggotaan minimum antar
himpunan fuzzy.
2. Operator OR
Hasil operator OR diperoleh dengan
mengambil keanggotaan maksimum antar
himpunan fuzzy.
Fungsi implikasi dan inferensi aturan
Conditional fuzzy proposition merupakan
bentuk relasi fuzzy yang ditandai dengan
penggunaan pertanyataan IF, secara umum
dituliskan IF T is t THEN U is u (Kusumadewi,
2002). Proposisi yang mengikuti IF disebut
anteseden sedangkan proposisi yang mengikuti
THEN disebut konsekuen. Proposisi ini dapat
diperluas dengan penghubung fuzzy. Secara umum
dapat dituliskan IF (T1 is t1)* (T2 is t2)*...* (Tn is
tn) THEN (U1 is u1)* (U2 is u2)*... *(Un is un),
dengan * adalah suatu operator OR atau AND.
2.1.4 Matlab Tabel 2.2
MATLAB adalah sebuah bahasa High- Operator Matlab
perfomance untuk komputasi teknis .MATLAB Operator Deskripsi
merupakan singkatan dari MATrix LABoratory. Relasi
MATLAB dapat digunakan sebagai kalkulator < Kurang dari
ilmiah.Berikutnya MATLAB memungkinkan kita > Lebihdari
untuk memvisualisasi data dalam berbagaicara, <= Kurang dari atau sama
melakukan aljabar matriks, bekerja dengan dengan
polinominal dan fungs iintegrasi,dapat diperlakukan >= Lebih dari atau sama
sebagai sebuah bahasa pemrograman yang akrab dengan
pengguna, yang dapat memungkinkan untuk = Sama dengan
menangani kalkulasi matematis dalam suatu cara ~= Tidak sama dengan
yang mudah. Secara khusus dirancang untuk Sumber:Belajar cepat fuzzy logic menggunakan
bekerja dengan sekumpulan data tertentu sebagai MATLAB Dr Eng Agus Naba
sector matrik dan gambar.
Pengunaan MATLAB diantaranya adalah : Operator relasi MATLAB dapat digunakan untuk
1. Matematika dan Komputasi membandingkan dua array berukuran sama
2. Pengembangan Algoritma Operator logika menyediakan cara untuk
3. Pengumpulan data menggabung atau menegasikan ekspresirelasi.
4. Permodelan, simulasi, dan prototype Tabel 2.3
5. Analisis data, eksplorasi, danvisualisasi Operator Logika
6. Rancang bangun grafis
7. Pengembangan aplikasi Operator Logika Deskripsi
Sistem Matlab terdiri atas lima bagian utama : & AND
a. Development Environment
│ OR
b. The MATLAB Mathematical Function
~ NOT
Library
Sumber:Belajar cepat fuzzy logic menggunakan
c. The MATLAB Language
MATLAB Dr Eng Agus Naba
d. Graphics Matlab

2.2 Kerangka Konseptual

2.1.4.1 Operator Aritmatika Program

Input Proses Output
Tabel 2.1
Operator Aritmatika 1. Mengump
Operator Keterangan ulkan data
+ Penjumlahan – data Data diolah Karyawan yang
dengan
- Pengurangan dengan berprestasi di
kuesiner
* Perkalian menggunakan PT Bank
yang
/ Pembagian dengan disebar metode Matlab Mandiri
kepada (Persero)Tbk
pembagi sebelah kanan
karyawan cabang Padang
\ Pemebagian dengan PT Bank Sudirman
pembagi sebelah kiri Mandiri
2. Memasuka
^ Pangkat n data
Sumber :Belajarcepat fuzzy logic menggunakan absensi,
MATLAB Dr Eng Agus Naba target,
pelayanan,
kerajinan
2.1.4.2 Bilangan dan Operator Matematika dan lama
diMatlab bekerja
1. Bilangan bulat ( integer )
2. Bilangan real Gambar 2.9 Kerangka Konseptual
3. Bilangan kompleks Input yang digunakan dalam penelitian ini adalah
mengumpulkan data – data kuesiner yang di
2.1.4.3 Operator Logika dan Relasional sebarkan kepada karyawan PT Bank Mandiri
Operasi logika dan relasional, untuk (Persero) Tbk kemudian memasukan nilai absensi,
mengontrol urutan eksekusi sederetan perintah target, pelayanan, keajinan dan lama bekerja, data
MATLAB (bisaanya dalam M-File) berdasarkan kemudian diolah dengan menggunakan metode
pada hasil pertanyaan benar/salah. Matlab sedangkan outputnya berupa karyawan
yang berprestasi.
 METODOLOGI PENELITIAN Memory 2 GB dan Microsoft Office
Harddisk 160 GB Word 2007
3.1 Jenis Penelitian
Penelitian ini dilakukan untuk mengetahui
gambaran pengembangan sistem informasi Monitor plug and MATLAB dan
karyawan berprestasi di PT Bank Mandiri (Persero) play monitor software
Tbk Cabang Padang Sudirman, kemudian pendukung lainnya
mengidentifikasikan kebutuhan atas penilaian VGA 64 MB
karyawan berprestasi. Kemudian dilanjutkan Printer Canon
dengan merancang alternatif suatu sistem informasi iP2700
dalam menentukan karyawan berprestasi di PT Mouse USB
Bank Mandiri (Persero) Tbk cabang Padang Flash disk 4 GB
Sudirman.

3.2 Tempat dan waktu Penelitian 3.5 Kerangka Metodolgi

Penelitian ini bertempat di PT Bank Mandiri Adapun kerangka metodologi yang akan
(Persero) Tbk cabang Padang Sudirman yang digunakan dalam penelitian ini adalah sebagai
beralamat di Jl. Jendral Sudirman No. 2A Padang. berikut :
Adapun waktu penelitiannya adalah 01 Juli sampai
25 Juli 2014. Mulai

3.3 Data dan Sumber Data

a. Data Primer adalah data yang didapat Studi Literatur Observasi
langsung di lapangan yaitu pada Bank
Mandiri (Persero) Tbk Cabang Padang
Sudirman. Identifikasi masalah
b. Data Sekunder adalah data yang diperoleh Penelitian
dari buku – buku literatur atau studi Perumusan msalah
kepustakaan dan data dari perusahaan. wawancara
dan
Tujuan penelitian
3.4 Langkah – langkah Metoda Penelitian pengamatan
1. Metode Pengumpulan Data
a. Studi literatur Pengumpulan data
Studi literature merupakan
pengumpulan data dengan cara Analisa dan desain
mengumpulkan literatur, paper dan sistem
bacaan - bacaan yang ada kaitannya Implementasi sistem
dengan judul penelitian.
b. Metode Observasi
Kesimpulan dan Saran
Metode observasi adalah teknik
pengumpulan data dengan mengadakan
pengamatan atau kegiatan yang Selesai
sistematis terhadap objek yang dituju
secara langsung.
Gambar 3.1 Kerangka Metodologi
2. Metode Wawancara
Penelitian ini diawali dengan melakukan
3. Penelitian Laboratorium
observasi serta studi literatur, kemudian dilanjutkan
Dalam penelitian ini penulis menggunakan
dengan mengidentifikasi permasalahan yang ada
personal komputer dengan spesifikasi
dan merumuskannya. Setelah itu dilakukan
sebagai berikut
penetapan tujuan penelitian yang ingin dicapai dan
mengumpulkan data – data penunjang penelitian
Tabel 3.1
ini. Data yang telah dikumpulkan akan dianalisa
Spesifikasi Hardware dan Software
dan didisain sebuah sistem yang akan
Perangkat Perangkat Lunak diimplementasikan. Setelah implementasi selesai
Keras (Hardware) (Software) akan didapat kesimpulan serta saran.
Laptop Acer Sistem operasi
Pentium Core I3 Microsoft
2,30 GHz windows 7 Home
Premium
 ANALISA DAN DESAIN SISTEM KT : Kurang Target
TMT : Tidak Mencapai Target
4.1 Pengumpulan Data
Pengumpulan data ini dilakukan dengan cara Tabel 4.3
penyebaran kuesioner Skala Likert untuk Pelayanan
4.1.1 Penyebaran Quesioner SM M CM KM TM
Pada penyebaran quesioner di sebarkan
sejumlah 25 quesioner dan tiap kuesioner terdiri
5 4 3 2 1
dari 60 pertanyaan, dimana semua pertanyaan
terbagi atas 6 variabel. Variabel ini terdiri dari 5 Keterangan :
variabel bebas yang kemudian menjadi input dan 1 SM : Sangat Memuaskan
buah variabel terikat sebagai output-nya. Variabel M : Memuaskan
bebas disini meliputi absensi yang terdiri dari 10 CM : Cukup Memuaskan
buah pertanyaan, 10 buah tentang Target, 10 buah KM : Kurang Memuaskan
tentang Pelayanan, 10 buah tentang kerajinan, 10 TM : Tidak Memuaskan
buah tentang lama kerja dan terdapat 10 tentang
Prestasi Karyawan yang harus di isi oleh para Tabel 4.4
Karyawan PT Bank Mandiri (Persero) Tbk Cabang Skala Likert untuk Kerajinan
Padang Sudirman.
SR R CR KR TR
4.2 Pengolahan Data
5 4 3 2 1
Setelah pengumpulan data selesai dilakukan,
maka tahap selanjutnya adalah melakukan Keterangan :
pengolahan data untuk mendapatkan informasi SR : Sangat Rajin
dalam mengetahui karyawan berprestasi di PT R : Rajin
Bank Mandiri (Persero) Tbk Cabang Padang CR : Cukup Rajin
Sudirman. KR : Kurang Rajin
TR : Tidak Rajin
4.2.1 Uji Validasi Data
Menggunakan software SPSS versi 20.0 for Tabel 4.5
windows. Item pertanyaan dinyatakan valid jika r Skala Likert untuk Lama Kerja
hitung > r tabel dan dinyatakan tidak valid jika
pertanyaan r hitung < r tabel . SL L CL KL TL
Skala yang digunakan adalah dengan
menyediakan 5 alternatif jawaban menurut skala 5 4 3 2 1
likert adalah nilai 5 sampai 1. Keterangan :
SL : Sangat Lama
Tabel 4.1 L : Lama
Skala Likert untuk Absensi CL : Cukup Lama
SB B CB KB TB KL : Kurang Lama
TL : Tidak Lama
5 4 3 2 1
Tabel 4.6
Keterangan : Skala Likert untuk Prestasi
SB : Sangat Baik
B : Baik SB B CB KB TB
CB : Cukup Baik
KB : Kurang Baik 5 4 3 2 1
TB : Tidak Baik
Keterangan :
Tabel 4.2 SB : Sangat Bagus
Skala Likert untuk Target B : Bagus
CB : Cukup Bagus
SMT MT ST KT TMT KB : Kurang Bagus
TB : Tidak Bagus
5 4 3 2 1 Untuk menghitung tingkat validasi
Keterangan : instrument dalam penelitian ini menggunakan
SMT : Sangat Melebihi Target produk moment correlation sebagai berikut :
MT : Mencapai Target
ST : Sesuai Target
  N   N N

N   X iYi     X i  Yi 
r  i 1   i 1 i 1  1
 N 2  N 
2
  N
 N

2

 N  X i    X i    Yi 2    Yi  
 i 1  i 1    i 1  i 1  

Rumus 4.1 Product Moment Gambar 4.2 Grafik Fungsi Segitiga

Dimana :
rxy : koefisien korelasi product moment
Segitiga ( x,a,b,c)
= 0, x < a, x > c
 X : jumlah skor tiap pertanyaan atau item = (x-a)/(b-a), a < x < b
atau skor butir = -(x-c)/(c-b), b < x < c
Rumus 4.2 Fungsi Segitiga
Y : jumlah skor total

X 2
: jumlah kuadrat tiap item atau skor butir 2. Dan pada fungsi trapesium terdapat dua nilai
x yang memiliki derajat keanggotaan sama
Y 2
: jumlah kuadrat skor total dengan 1, yaitu x = b dan c. Tetapi nilai-nilai
disekitar b dan c memiliki derajat
N : jumlah responden
keanggotaan yang turun cukup tajam
(menjauhi 1). Adapun bentuk grafik dan
4.3 Aliran Analisa Fuzzy notasi matematikanya sebagai berikut:

Fuzzyfication

Rule Evaluasi/
Inference
Gambar 4.3 Grafik Trapesium
Trapesium (x,a,b,c,d) = 0; x ≤ a atau x ≥ d =
(x-a) / (b-a); a < x < b
Defuzzyfication = 1; b ≤ x ≤ c
= (d-x) / (d-c); c ≤ x ≤ d

Rumus 4.3 Fungsi Trapesium

Gambar 4.1 Aliran Fuzzy
Input Absensi = 80 berada pada nilai
linguistik Baik [60 70 80]. dengan menggunakan
4.3.1 Fuzzyfication
fungsi segitiga. Untuk nilai linguistik bagus derajat
a. Fungsi Sigmoid
keanggotaannya dihitung dengan menggunakan
b. Fungsi Phi
rumus (c-x) / (c-b); b < x < c
c. Fungsi segitiga
d. Fungsi Trapesium Dimana :
Pada Penelitian ini , peneliti menggunakan
Dua fungsi Absensi
1. Fungsi segitiga yaitu fungsi terdapat hanya
satu nilai x yang memiliki derajat
keanggotaan sama dengan 1, yaitu x=b.
Tetapi nilai-nilai disekitar b memiliki derajat
keanggotaan yang turun cukup tajam
(menjauhi 1). Adapun bentuk grafik dan
notasi matematikanya sebagai berikut:
Sedangkan untuk nilai linguistik Sangat
Baik [80 90 100 100] dengan menggunakan fungsi
trapesium. Derajat keanggotaannnya dihitung
dengan menggunakan rumus (x-a) / (b-a); a < x < b
Dimana :
Absensi
Target = 80 berada pada nilai linguistik
Melebihi Target [60 70 80] dengan menggunakan
fungsi segitiga. Untuk nilai linguistik bagus derajat
keanggotaannya dihitung dengan menggunakan
rumus (c-x) / (c-b); b < x < c
Dimana :
Target
Sedangkan untuk nilai linguistik Sangat
Melebihi Target [60 70 100 100] dengan
menggunakan fungsi trapesium. Derajat
keanggotaannnya dihitung dengan menggunakan
rumus (x-a) / (b-a); a < x < b
Dimana :
Target
Input Pelayanan = 80 berada pada nilai
linguistik Memuaskan [70 80 90] dengan
menggunakan fungsi segitiga. Untuk nilai linguistik
bagus derajat keanggotaannya dihitung dengan
menggunakan rumus (c-x) / (c-b); b < x < c
Dimana :
Pelayanan
Sedangkan untuk nilai linguistik Sangat
Memuaskan [80 90 100 100] dengan menggunakan
fungsi trapesium. Derajat keanggotaannnya
dihitung dengan menggunakan rumus (x-a) / (b-a);
a<x<b
Dimana :
Pelayanan
Input Kerajinan = 80 berada pada nilai
linguistik Rajin [70 80 90] dengan menggunakan
fungsi segitiga. Untuk nilai linguistik bagus derajat
keanggotaannya dihitung dengan menggunakan
rumus (c-x) / (c-b); b < x < c
Dimana :
Kerajinan
Sedangkan untuk nilai linguistik Sangat
Rajin [80 90 100 100] dengan menggunakan fungsi
trapesium. Derajat keanggotaannnya dihitung
dengan menggunakan rumus (x-a) / (b-a); a < x < b
Dimana :
Kerajinan
Input Lama Kerja = 80 berada pada nilai
linguistik Lama [65 75 85] dengan menggunakan
fungsi segitiga. Untuk nilai linguistik bagus derajat
keanggotaannya dihitung dengan menggunakan
rumus (c-x) / (c-b); b < x < c
Dimana :
Lama Kerja
Sedangkan untuk nilai linguistik Sangat
Lama [75 85 100 100] dengan menggunakan fungsi
trapesium. Derajat keanggotaannnya dihitung
dengan menggunakan rumus (x-a) / (b-a); a < x < b
Dimana :
 Kerajinan Sangat Rajin 80 90 100 100
Lama Kerja Rajin 70 80 90
Kuran Rajin 60 70 80
Cukup Rajin 50 60 70
Tidak Rajin 0 0 50 60
Lama Bekerja Sangat Lama 75 85 100 100
Lama 65 75 85
Cukup Lama 55 65 75
Kurang Lama 45 55 65
Tidak Lama 0 0 45 55
Output Prestasi Sangat Bagus 70 80 100 100
Bagus 60 70 80
Cukup Bagus 50 60 70
Kurang Bagus 40 50 60
Tidak Bagus 0 0 40 50

Dari hasil fuzzification menghasilkan 5 fuzzy Sumber: Data Primer diolah sendiri
input yaitu :
1. Absensi = Baik ( 0) dan Sangat Baik (0) 4.3.2.1 Representasi Variabel Absensi
2. Target = Melebihi Target (0) dan Sangat
Melebihi Target (2)
3. Pelayanan = Memuaskan (0,5) dan Sangat
Memuaskan (0)
4. Kerajinan = Rajin (0,5) dan Sangat Rajin (0)
5. Lama Kerja = Lama (0,25) dan Sangat Lama
(0,33)
Proses analisa fuzzy pada peninggkatan
kinerja diawali dengan penganalisaan variabel –
variabel yang mempengaruhi atas kinerja itu
sendiri.
Gambar 4.4 Representasi Variabel Absensi
4.3.2 Menentukan variabel - variabel yang
digunakan Fungsi Keanggotaan untuk variabel
Ada empat variabel yang digunakan Absesnsi: Isikan Range dengan [0 100]. Pada
penelitian ini, yatu input pertamanya absensi, input membership function ganti name menjadi Sangat
keduanya target, input ketiganya pelayanan, input Bagus (SB), ambil tipe trapmf (trapesium
keempat kerajinan, input kelima lama kerja dan membership function) pada bahu kanannya dan
outputnya Prestasi Karyawan . Variabel tersebut isikan nilai paramsnya dengan nilai [60 70 100 100]
terlihat pada Tabel dibawah ini: dan pada bahu kirinya isikan nilai [0 0 30 40].
Trapmf digunakan untuk menampilkan domain
Tabel 4.18 himpunan fuzzy dalam bentuk kurva trapesium.
Himpunan Kabur
4.3.2.2 Representasi Variabel Target
Nama Semesta
Fungsi
Variabel Pembicaraan
Input Absensi [0 100]
Target [0 100]
Pelayanan [0 100]
Kerajinan [0 100]
Lama Kerja [0 100]
Output Prestasi [0 100]

Tabel 4.19
Domain Himpunan Fuzzy
Himpunan
Variabel Himpunan Anggota Range
Variabel
Input Absensi Sangat Baik 60 70 100 100
Baik 50 60 70
Cukup Baik 40 50 60 Gambar 4.5 Representasi Variabel Target
Kurang Baik 30 40 50
Tidak Baik 0 0 30 40 Fungsi Keanggotaan untuk variabel Target:
Target Sangat Melebihi 60 70 100 100 Isikan Range dengan [0 100]. Pada membership
Target
Melebihi Target 50 60 70 function ganti name menjadi Sangat Melebihi
Sesuai Target
Kurang Target
40 50 60
30 40 50
Target (SMT), ambil tipe trapmf (trapesium
Tidak Memenuhi 0 0 30 40 membership function) pada bahu kanannya dan
Target
Pelayanan Sangat Memuaskan 80 90 100 100
isikan nilai paramsnya dengan nilai [70 80 100 100]
Memuaskan 70 80 90 dan pada bahu kirinya isikan nilai [0 0 30 40].
Cukup Memuaskan 60 70 80
Kurang Memuaskan 50 60 70 Trapmf digunakan untuk menampilkan domain
Tidak Memuaskan 0 0 50 60 himpunan fuzzy dalam bentuk kurva trapesium.
4.3.2.3 Representasi Variabel Pelayanan
Gambar 4.6 Representasi Variabel Pelayanan
Fungsi Keanggotaan untuk variabel
Pelayanan: Isikan Range dengan [0 100]. Pada
membership function ganti name menjadi Sangat
Memuaskan (SM), ambil tipe trapmf (trapesium
membership function) pada bahu kananya dan
isikan nilai paramsnya dengan nilai [80 90 100 100]
dan pada bahu kirinya isikan nilai [0 0 50 60].
Trapmf digunakan untuk menampilkan domain
himpunan fuzzy dalam bentuk kurva trapesium.
4.3.2.4 Representasi Variabel Kerajinan
Gambar 4.7 Representasi Variabel Kerajinan
Fungsi Keanggotaan untuk variabel
Kerajinan: Isikan Range dengan [0 100]. Pada
membership function buat name menjadi Sangat
Rajin (SR), ambil tipe trapmf (trapesium
membership function) pada bahu kananya dan
isikan nilai paramsnya dengan nilai [80 90 100 100]
dan pada bahu kirinya isikan nilai [0 0 50 60].
Trapmf digunakan untuk menampilkan domain
himpunan fuzzy dalam bentuk kurva trapesium.
4.3.2.5 Representasi Variabel Lama Kerja
Gambar 4.8 Representasi Variabel Lama Kerja
Fungsi Keanggotaan untuk variabel Lama Kerja:
Isikan Range dengan [0 100]. Pada membership
function buat name menjadi Sangat Lama (SL),
ambil tipe trapmf (trapesium membership function)
pada bahu kananya dan isikan nilai paramsnya
dengan nilai [75 85 100 100] dan pada bahu kirinya
isikan nilai [0 0 45 55]. Trapmf digunakan untuk
menampilkan domain himpunan fuzzy dalam bentuk
kurva trapesium.
4.3.2.6 Representasi Variabel Prestasi
Gambar 4.9 Representasi Variabel Prestasi
Fungsi Keanggotaan untuk variabel Prestasi
: Isikan Range dengan [0 100]. Pada membership
function buat name menjadi Sangat Bagus (SB),
ambil tipe trapmf (trapesium membership function)
pada bahu kananya dan isikan nilai paramsnya
dengan nilai [70 80 100 100] dan pada bahu kirinya
isikan nilai [0 0 40 50]. Trapmf digunakan untuk
menampilkan domain himpunan fuzzy dalam bentuk
kurva trapesium.
4.4 Inference
IF x1 is A1 AND... AND xn is An THEN y is
y = f (x,,,,,xn)
Dimana A1,..., An dan B adalah nilai-nilai
linguistik ( atau fuzzy set) dan x1 is A1 menyatakan
bahwa nilai variabel x1 adalah anggota fuzzy set A1.
Dengan cara inferensi yang digunakan adalah cara
clipping (alpha-cut) dan bila di-agregasikan
dengan fungsi lain akan menghasilkan untuk yang
mudah di-defuzzification.
Aturan yang dipakai adalah berdasarkan
berikut :
1. [R1] IF Absen is Tidak Baik AND Target is
Tidak Mencapai Target AND Pelayanan is
Tidak Memuaskan AND Kerajinan is Tidak
Rajin AND Lama Kerja is Tidak Lama
THEN Prestasi/ Kinerja is Tidak Bagus.
2. [R1] IF Absen is Kurang Baik AND Target
is Tidak Mencapai Target AND Pelayanan is
Tidak Memuaskan AND Kerajinan is Tidak
Rajin AND Lama Kerja is Tidak Lama
THEN Prestasi/ Kinerja is Tidak Bagus.
3. [R1] IF Absen is Kurang Baik AND Target
is Kurang Mencapai Target AND
Pelayanan is Tidak Memuaskan AND
Kerajinan is Tidak Rajin AND Lama Kerja
is Tidak Lama THEN Prestasi/Kinerja is
Tidak Bagus.
4. [R1] IF Absen is Kurang Baik AND Target
is Kurang Target AND Pelayanan is Kurang
Memuaskan AND Kerajinan is Tidak Rajin
AND Lama Kerja is Tidak Lama THEN
Prestasi/ Kinerja is Tidak Bagus.
5. [R1] IF Absen is Kurang Baik AND Target
is Kurang Target AND Pelayanan is Kurang
Memuaskan AND Kerajinan is Kurang
Rajin AND Lama Kerja is Tidak Lama
THEN Prestasi/ Kinerja is Tidak Bagus.
6. [R1] IF Absen is Kurang Baik AND Target
is Kurang Target AND Pelayanan is Kurang
Memuaskan AND Kerajinan is Kurang
Rajin AND Lama Kerja is Kurang Lama
THEN Prestasi/ Kinerja is Kurang Bagus.
7. [R1] IF Absen is Cukup Baik AND Target is
Kurang Target AND Pelayanan is Kurang
Memuaskan AND Kerajinan is Kurang
Rajin AND Lama Kerja is Kurang Lama
THEN Prestasi/ Kinerja is Kurang Bagus.
8. [R1] IF Absen is Cukup Baik AND Target is
Sesuai Target AND Pelayanan is Kurang
Memuaskan AND Kerajinan is Kurang
Rajin AND Lama Kerja is Kurang Lama
THEN Prestasi/ Kinerja is Kurang Bagus.
9. [R1] IF Absen is Cukup Baik AND Target is
Sesuai Target AND Pelayanan is Cukup
Memuaskan AND Kerajinan is Kurang
Rajin AND Lama Kerja is Kurang Lama
THEN Prestasi/ Kinerja is Kurang Bagus.
10. [R1] IF Absen is Cukup Baik AND Target is
Sesuai Target AND Pelayanan is Cukup
Memuaskan AND Kerajinan is Cukup Rajin
AND Lama Kerja is Kurang Lama THEN
Prestasi/ Kinerja is Kurang Bagus.
11. [R1] IF Absen is Cukup Baik AND Target is
Sesuai Target AND Pelayanan is Cukup
Memuaskan AND Kerajinan is Cukup Rajin
AND Lama Kerja is Cukup Lama THEN
Prestasi/ Kinerja is Cukup Bagus.
12. [R1] IF Absen is Baik AND Target is Sesuai
Target AND Pelayanan is Cukup
Memuaskan AND Kerajinan is Cukup Rajin
AND Lama Kerja is Cukup Lama THEN
Prestasi/ Kinerja is Cukup Bagus.
13. [R1] IF Absen is Baik AND Target is
Melebihi Target AND Pelayanan is Cukup
Memuaskan AND Kerajinan is Cukup Rajin
AND Lama Kerja is Cukup Lama THEN
Prestasi/ Kinerja is Cukup Bagus.
14. [R1] IF Absen is Baik AND Target is
Melebihi Target AND Pelayanan is
Memuaskan AND Kerajinan is Cukup Rajin
AND Lama Kerja is Cukup Lama THEN
Prestasi/ Kinerja is Cukup Bagus.
15. [R1] IF Absen is Baik AND Target is
Melebihi Target AND Pelayanan is
Memuaskan AND Kerajinan is Rajin AND
Lama Kerja is Cukup Lama THEN Prestasi/
Kinerja is Cukup Bagus.
16. [R1] IF Absen is Baik AND Target is
Melebihi Target AND Pelayanan is
Memuaskan AND Kerajinan is Rajin AND
Lama Kerja is Lama THEN Prestasi/ Kinerja
is Bagus.
17. [R1] IF Absen is Sangat Baik AND Target is
Melebihi Target AND Pelayanan is
Memuaskan AND Kerajinan is Rajin AND
Lama Kerja is Lama THEN Prestasi/ Kinerja
is Bagus
18. [R1] IF Absen is Sangat Baik AND Target is
Sangat Melebhi Target AND Pelayanan is
Memuaskan AND Kerajinan is Rajin AND
Lama Kerja is Lama THEN Prestasi/ Kinerja
is Bagus
19. [R1] IF Absen is Sangat Baik AND Target is
Sangat Melebihi Target AND Pelayanan is
Sangat Memuaskan AND Kerajinan is Rajin
AND Lama Kerja is Lama THEN Prestasi/
Kinerja is Bagus
20. [R1] IF Absen is Sangat Baik AND Target is
Sangat Melebihi Target AND Pelayanan is
Sangat Memuaskan AND Kerajinan is
Sangat Rajin AND Lama Kerja is Lama
THEN Prestasi/ Kinerja is Bagus
21. [R1] IF Absen is Sangat Baik AND Target is
Sangat Melebihi Target AND Pelayanan is
Sangat Memuaskan AND Kerajinan is
Sangat Rajin AND Lama Kerja is Sangat
Lama THEN Prestasi/ Kinerja is Bagus
22. [R1] IF Absen is Sangat Baik AND Target is
Sangat Melebihi Target AND Pelayanan is
Sangat Memuaskan AND Kerajinan is
Sangat Rajin AND Lama Kerja is Sangat
Lama THEN Prestasi/ Kinerja is Sangat
Bagus
23. [R1] IF Absen is Sangat Baik AND Target is
Melebihi Target AND Pelayanan is Sangat
Memuaskan AND Kerajinan is Rajin AND
 Lama Kerja is Lama THEN Prestasi/ Kinerja 4.5 Defuzyfication
is Bagus
24. [R1] IF Absen is Baik AND Target is Sangat y 
 yR( y)
Melebihi Target AND Pelayanan is Sangat
Memuaskan AND Kerajinan is Rajin AND
 R( y)
Rumus 4.4 Centroid Method
Lama Kerja is Lama THEN Prestasi/ Kinerja Dimana :
is Bagus

25. [R1] IF Absen is Baik AND Target is

Melebihi Target AND Pelayanan is Sangat Y = Nilai crisp
Memuaskan AND Kerajinan is Sangat Rajin µ(y) = Derajat Keanggotaan dari nilia crisp y
AND Lama Kerja is Lama THEN Prestasi/
Kinerja is Bagus
26. [R1] IF Absen is Baik AND Target is
Melebihi Target AND Pelayanan is
Memuaskan AND Kerajinan is Sangat Rajin
Dimana y adalah nilai crisp dan µR (y) adalah
AND Lama Kerja is Sangat Lama THEN
derajat keanggotaan dari y.
Prestasi/ Kinerja is Bagus
1. Input, yaitu
27. [R1] IF Absen is Baik AND Target is
a. Nilai Absensi, didapatkan bilangan real
Melebihi Target AND Pelayanan is Sangat
sebesar 80 yaitu merupakan keanggotaan
Memuaskan AND Kerajinan is Rajin AND
dari domain himpunan bilangan fuzzy
Lama Kerja is Sangat Lama THEN Prestasi/
Baik [50 70] yang artinya variabel
Kinerja is Bagus
Absensi dapat dikatakan Baik.
28. [R1] IF Absen is Cukup Baik AND Target is
b. Nilai Target, didapatkan bilangan real
Sesuai Target AND Pelayanan is
sebesar 80 yaitu merupakan keanggotaan
Memuaskan AND Kerajinan is Rajin AND
dari domain himpunan fuzzy Baik [ 60
Lama Kerja is Lama THEN Prestasi/ Kinerja
80] yang artinya variable Target
is Cukup Bagus
dikatakan Melebihi Target.
29. [R1] IF Absen is Baik AND Target is Sesuai
c. Nilai Pelayanan, didapatkan bilangan
Target AND Pelayanan is Cukup
real sebesar 80 yaitu merupakan
Memuaskan AND Kerajinan is Rajin AND
keanggotaan dari domain himpunan fuzzy
Lama Kerja is Lama THEN Prestasi/ Kinerja
Baik [70 90] yang artinya variable
is Cukup Bagus
Pelayanan dikatakan Memuaskan.
30. [R1] IF Absen is Baik AND Target is
d. Nilai Kerajinan, didapatkan bilangan real
Melebihi Target AND Pelayanan is Cukup
sebesar 80 yaitu merupakan keanggotaan
Memuaskan AND Kerajinan is Cukup Rajin
dari domain himpunan fuzzy Baik [70 90]
AND Lama Kerja is Lama THEN Prestasi/
yang artinya variable Kerajinan
Kinerja is Cukup Bagus
dikatakan Rajin.
31. [R1] IF Absen is Cukup Baik AND Target is
e. Nilai Lama Kerja, didapatkan bilangan
Melebihi Target AND Pelayanan is Cukup
real sebesar 80 yaitu merupakan
Memuaskan AND Kerajinan is Cukup Rajin
keanggotaan dari domain himpunan fuzzy
AND Lama Kerja is Lama THEN Prestasi/
Baik [65 85] yang artinya variable Lama
Kinerja is Cukup Bagus
Kerja dikatakan Lama.
32. [R1] IF Absen is Cukup Baik AND Target is
Melebihi Target AND Pelayanan is
2. Output, yaitu :
Memuaskan AND Kerajinan is Cukup Rajin
Tingkat Prestasi/Kinerja Karyawan didapatkan
AND Lama Kerja is Cukup Lama THEN
bilangan real sebesar 74,525 yaitu merupakan
Prestasi/ Kinerja is Cukup Bagus
keanggotaan dari domain himpunan bilangan
33. [R1] IF Absen is Cukup Baik AND Target is
fuzzy Memuaskan [40 80] yang artinya
Sesuai Target AND Pelayanan is
variabel tingkat kepuasan konsumen dapat
Memuaskan AND Kerajinan is Rajin AND
dikatakan Bagus yaitu mencapai 74,525.
Lama Kerja is Cukup Lama THEN Prestasi/
Kinerja is Cukup Bagus
34. [R1] IF Absen is Cukup Baik AND Target is
Sesuai Target AND Pelayanan is Cukup
Memuaskan AND Kerajinan is Rajin AND
Lama Kerja is Lama THEN Prestasi/ Kinerja
is Cukup Bagus

Gambar 4.10 Rule 1- 30
Gambar 4.11 Rule 4-34
Analisis penegasan kabur ini diolah
menggunakan program simulasi yang disediakan
fasilitasnya oleh Toolbox Fuzzy Matlab 7.0.
Pada kolom pertama, kedua, ketiga, keempat
dan kelima terdapat 34 plot yang mempresentasikan
variabel input yaitu Absensi, Target, Pelayanan,
Kerajinan dan Lama Bekerja. Pada kolom keenam
terdapat 34 plot yang mempresentasikan variabel
output yaitu Prestasi. Plot dibaris ke delapan belas
dipojok kanan bawah adalah plot hasil agregasi.
Dari hasil agregasi tersebut diperoleh kesimpulan
bahwa outputnya Sangat memuaskan dengan
didasarkan pada nilai pelayanan, Tanggung Jawab
dan persepsi yang dimasukkan.
IMPLEMENTASI SISTEM
5.1 Implementasi
Implementasi ini merupakan tahap
penerapan terhadap sistem yang telah dibuat apakah
sistem sudah berjalan dengan benar serta juga
merupakan uji coba langsung cara menjalankan
sistem bagi pengguna.
5.1.1 Implementasi Menggunakan SPSS
5.1.1.1 Analisa Kuesioner
1. Kuesioner prestasi
Langkah analisa kuesioner dengan inputnya
sebagai Prestasi yaitu:
a. Menetapkan variabel name pada
variabel view pelayanan yaitu X1, X2,
X3, X4, X5, X6, X7, X8, X9, X10 dan
Xt. Menginputkan data yang diperoleh
dari Kinerja / Prestasi Karyawan melalui
kuesioner yang disebarkan. Data ini diisi
pada data view.
b. Menentukan validitas
1. Klik analyze pada menu
2. Pilih Correlate dan Bivariate
3. Masukkan semua variabel ke dalam
variabels dan klik Ok
4. Maka diperoleh hasil validitas
kuesioner 25 yaitu X2, X4, X5, dan
X6 valid dan X1, X3, X7, X8, X9
dan X10 tidak valid.
c. Menentukan reability
1. Klik analyze pada menu
2. Klik scale dan reability analysis
3. Masukkan semua variabel ke dalam
items
4. Klik statistic... dan pilih scale if item
deleted, kemudian klik continue dan
ok.
5. Maka akan diberoleh hasil reability
sebesar 0,644
Cronbach's Alpha N of Items
,644 11
Gambar 5.10 Tampilan Hasil
Reliability
5.2 Pengujian Sistem
Pengujian untuk kuesioner ini melakukan
pengujian terhadap Variabel kepuasan yaitu Sangat
Memuaskan. Dilakukan penjabaran rule dari
masing-masing nilai liguistik variable dan
membuktikan nilai fuzzyfikasi dari implikasi
menggunakan metode MIN, untuk simulasi diambil
secara salah satu nilai dari variable pelayanan yaitu
Sangat Memuaskan dan persepsi prestasi yaitu
Sangat Baik.
PENUTUP
6.1 Kesimpulan
Pengukuran tingkat Prestasi Karyawan
berdasarkan pada tingkat kualitas Absen, Target,
Pelayanan, Kerajinan dan Lama bekerja karyawan
PT Bank Mandiri (Persero) Tbk Cabang Padang Pudjo Widodo, Prabowo dan Trias Handayanto,
menggunakan aplikasi fuzzy logic, adalah sebagai Rahmadya, Penerapan soft computing
berikut: dengan matlab, Rekayasa Sains,
1. Fuzzy logic yang digunakan dapat Bandung, 2012.
membantu dalam menilai prestasi kerja Sedarmayanti, Sumber daya Manusia dan
karyawan terhadap PT Bank Mandiri Produktifitas Kerja, Gramedia Pustaka
(Persero) Tbk Cabang Padang Sudirman. Utama, Jakarta, 2001.
2. Konsep Fuzzy logic diterapkan pada PT T. Sutojo, Mulyanto, Edy dan Dr Suhartono,
Bank Mandiri (Persero) Tbk Cabang Padang Vincen, Kecerdasan Buatan, Andi Offset,
Sudirman dengan menggunakan aplikasi Yogyakarta, 2011.
matlab dengan menetapkan Absensi, Target,
Pelayanan, Kerajinan dan Lama Kerja
sebagai masukan untuk mendapatkan
Prestasi Karyawan..
3. Hasil dari Fuzzy logic Prestasi karyawan
yang memuaskan membantu pihak
karyawan yang lain untuk bekerja sesuai
aturan dan meninggkatan prestasi karyawan.

6.2 Saran
Dari kesimpulan diatas dan setelah dilihat
dari hasil penelitian yang dilakukan maka dapat
dikemukakan beberapa saran yang diharapkan
dapat menjadi bahan pertimbangan lebih lanjut
dalam upaya peningkatan prestasi kerja karyawan
PT Bank Mandiri (Persero) Tbk Cabang Padang
Sudirman.
1. Secepatnya meningkatkan Kinerja yang
belum memenuhi Prestasi Karyawan yaitu,
komunikasi Karyawan jika masyarakat
Bertanya dan karyawan bekerja sesuai
dengan jadwal yang telah di tentukan saat
memberi pelayanan, etika dan keramahan
karyawan kepada para karyawan yang lain.
2. Sebaiknya melakukan penelitian secara
berkala untuk mengetahui Prestasi
karyawan terhadap kualitas Kinerja Pegawai
yang diberikan dan hasilnya perlu dievaluasi
serta ditindak lanjuti.

DAFTAR KEPUSTAKAAN

Agus Naba, Eng, Belajar Cepat Fuzzy Logic

Menggunakan Matlab, Andi Offset,
Yogyakarta, 2009.
Ervil, Riko, H, MT, dkk, Buku Panduan
Penulisan dan Ujian Skripsi STTIND
Padang, Padang, 2013/2014.
Hariandja, Marihot Tua Efendy, Manajemen
Sumber Daya Manusia, Grasindo,
Jakarta, 2002.
Kusumadewi, Sri, Dasar – Dasar Fuzzy Logic,
Bumi Aksara, Jakarta, 2002.
Mangkuprawira, ManajemenSumber Daya
Manusia Strategik, Ghalia, Jakarta.2004.
Nawawi, Hadari, Manajemen Sumber daya
Manusia, Bumi Aksara, Jakarta,2001.
Priyatno, Dwi, Mandiri Belajar SPSS, Mediakom,
Jakarta, 2008.