Yulmaini Jurnal Informatika, Vol. 15, No.

1, Bulan Juni 2015

PENGGUNAAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI

DALAM PEMILIHAN PEMINATAN MAHASISWA UNTUK TUGAS AKHIR

Yulmaini

Fakultas Ilmu Komputer Informatics & Business Institute Darmajaya

Jl. Z.A. Pagar Alam No. 93, Bandar Lampung - Indonesia 35142
Telp. (0721) 787214 Fax. (0721) 700261
Email: ulif12@gmail.com

ABSTRACT

Fuzzy logic is a branch of artificial intelligence to build expert systems. Fuzzy logic is
often used as problem solver in a system that does not use numbers, but linguistics or
unobvious variables. One of the implementation of fuzzy logic is decision making in
determine the topic of final assignment, especially bachelor thesis. IBI Darmajaya has
some study programs in the faculty of Computer Science. One of those study programs is
Informatics Engineering. The study program of Informatics Engineering leads the students
to the specialization of Web Development and Multimedia, Software Engineering, or
Expert System for their bachelor thesis. During this time, the specialization that taken by
students is not actually what they expert in or the grade they earn from each subject.
Usually, students take the specialization because of many students take that field. As the
result, they have difficulties to finish their bachelor thesis. This research uses Fuzzy
Inference System of Mamdani with 12 input variables, 37 rules, and 3 thesis
specializations. This research aims to generate a fuzzy system as a decision maker to
determine the thesis specialization.

Key words: Thesis Specialization, FIS-Mamdani

ABSTRAK

Logika fuzzy adalah salah satu cabang ilmu kecerdasan buatan untuk membangun
sistem cerdas. Logika fuzzy sering digunakan dalam pemecahan masalah yang
menjelaskan sistem bukan melalui angka-angka, melainkan secara linguistik, atau variabel-
variabel yang mengandung ketakpastian/ketidaktegasan. Salah satu penerapan logika fuzzy
adalah dalam pengambilan suatu keputusan dalam penentuan peminatan tugas akhir. IBI
Darmajaya memiliki beberapa jurusan, salah satunya adalah jurusan Teknik Informatika.
Jurusan Teknik Informatika memilliki beberapa peminatan tugas akhir yaitu teknologi web
dan multimedia, rekayasa perangkat lunak, dan sistem cerdas. Selama ini, penentuan
peminatan tugas akhir yang dilakukan oleh mahasiswa adalah berdasarkan jumlah
mahasiswa yang mengambil peminatan saat itu. Pemilihannya bukan berdasarkan keahlian
yang dimiliki oleh mahasiswa dan nilai-nilai mata kuliah yang mahasiswa peroleh. Hal ini
menyebabkan mahasiswa mengalami kesulitan ketika menyelesaikan tugas akhir karena
tidak memahami konsep dari tugas akhir yang diambil. Selain itu, ada mahasiswa yang
tidak menyelesaikan tugas akhirnya karena tidak sesuai dengan peminatannya. Metode
yang digunakan dalam penelitian ini adalah FIS-Mamdani dengan 12 variabel input, 37

Informatics and Business Institute Darmajaya 10

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

aturan fuzzy, dan 3 peminatan tugas akhir. Tujuan dari penelitian ini adalah menghasilkan
suatu sistem fuzzymetode FIS Mamdani sebagai alternatif penyelesaian masalah dalam
pemilihan peminatan untuk tugas akhir. Hasil penelitian ini adalah sistem fuzzy dengan
menggunakan metode FIS-Mamdani yang dapat menyelesaikan masalah dalam penentuan
peminatan tugas akhir mahasiswa.

Kata kunci: Peminatan Tugas Akhir, FIS-Mamdani

1. PENDAHULUAN kehilangan arah dalam menentukan

Logika fuzzy adalah salah satu peminatan yang akan diambil.
cabang ilmu kecerdasan buatan untuk IBI Darmajaya memiliki beberapa
membangun sistem cerdas. Logika fuzzy jurusan, salah satunya adalah jurusan
sering digunakan dalam pemecahan Teknik Informatika. Jurusan Teknik
masalah yang menjelaskan sistem bukan Informatika memilliki beberapa
melalui angka-angka, melainkan secara peminatan tugas akhir yaitu teknologi web
linguistik, atau variabel-variabel yang dan multimedia, rekayasa perangkat
mengandung ketakpastian/ketidaktegasan. lunak, dan sistem cerdas. Selama ini,
Nilai-nilai yang bersifat tidak pasti ini penentuan peminatan tugas akhir yang
berdasarkan penalaran yang dilakukan oleh mahasiswa adalah
mengkombinasikan variabel numerik, berdasarkan jumlah mahasiswa yang
variabel linguistik, dan aturan-aturan. mengambil peminatan saat itu.
Salah satu penerapan logika fuzzy Pemilihannya bukan berdasarkan keahlian
adalah dalam pengambilan suatu yang dimiliki oleh mahasiswa dan nilai-
keputusan dalam penentuan peminatan nilai mata kuliah yang mahasiswa peroleh.
tugas akhir. Penentuan peminatan tugas Hal ini menyebabkan mahasiswa
akhir memungkinkan mahasiswa untuk mengalami kesulitan ketika
dapat mengembangkan kemampuan yang menyelesaikan tugas akhir karena tidak
dimiliki menjadi lebih baik. Hal ini dapat memahami konsep dari tugas akhir yang
dilakukan dengan mempelajari secara diambil. Selain itu, ada mahasiswa yang
mendalam mata kuliah tertentu sesuai tidak menyelesaikan tugas akhirnya
dengan minat yang ada. Namun tanpa karena tidak sesuai dengan peminatannya.
disadari hal tersebut seringkali diabaikan Oleh karena itu, perlu dibuat metode
oleh mahasiswa sehingga pada semester untuk menentukan peminatan tugas akhir
akhir mengalami kebingungan dan yaitu dengan metode sistem cerdas, dalam
hal ini adalah logika fuzzy. Penelitian yang

Informatics and Business Institute Darmajaya 11

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

pernah dilakukan sebelumnya (Yulmaini, defuzzifikasi yang digunakan adalah

2011) adalah penerapan logika fuzzy Metode centroid (titik terpusat).
dalam pemilihan peminatan mahasiswa
tugas akhir dengan menggunakan metode 2. METODOLOGI PENELITIAN
FIS-Tsukamoto. 2.1 Logika Fuzzy
Berdasarkan penjelasan dari latar Logika fuzzy adalah suatu cara yang
belakang di atas, maka permasalahan yang tepat untuk memetakan suatu ruang input
ada adalah “bagaimana penggunaan fuzzy ke dalam suatu ruang output
inference system (FIS) Mamdani dalam (Kusumadewi dan Purnomo, 2004).
pemilihan peminatan mahasiswa untuk Bojadziev G. dan Bojadziev M. (2007)
tugas akhir”. menyatakan bahwa logika fuzzy adalah
Tujuan dari penelitian ini adalah perluasan dari banyaknya nilai logika di
menghasilkan suatu sistem fuzzymetode dalam arti dari pembentukan fuzzy set dan
FIS Mamdani sebagai alternatif fuzzy relation sebagai tool menjadi sistem
penyelesaian masalah dalam pemilihan yang banyak nilai logika. Ada beberapa
peminatan untuk tugas akhir. Hasil alasan mengapa orang menggunakan
penelitian ini diharapkan mempunyai logika fuzzy (Kusumadewi dan Purnomo,
manfaat adalah menambah khasanah 2004) antara lain :
penelitian empiris dalam membangun 1. Konsep logika fuzzy mudah dimengerti.
sistem cerdas yaitu logika fuzzy dalam Konsep matematis yang mendasari
pemilihan peminatan mahasiswa untuk penalaran fuzzy sangat sederhana dan
tugas akhir, sistem fuzzy dengan mudah dimengerti.
menggunakan metode FIS-Mamdani 2. Logika fuzzy sangat fleksibel.
diharapkan dapat menyelesaikan masalah 3. Logika fuzzy memiliki toleransi
dalam penentuan peminatan tugas akhir, terhadap data-data yang tidak tepat.
dan memberikan sumbangan bagi studi 4. Logika fuzzy mampu memodelkan
dan penelitian selanjutnya. fungsi-fungsi nonlinear yang sangat
Beberapa batasan masalah yang kompleks.
diajukan dalam penelitian ini adalah 5. Logika fuzzy dapat dibangun dan
sebagai berikut pemilihan peminatan ini diaplikasikan berdasarkan pengalaman-
dikaitkan dengan mata kuliah yang pengalaman para pakar secara langsung
ditawarkan di Jurusan Teknik Informatika, tanpa harus melalui proses pelatihan.
metode FIS Mamdani pada tahap

Informatics and Business Institute Darmajaya 12

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

6. Logika fuzzy dapat digunakan pada (0), yang berarti bahwa suatu item tidak
sistem kendali secara konvensional. menjadi anggota dalam suatu
7. Logika fuzzy didasarkan pada bahasa himpunan(Kusumadewi dan Purnomo,
alami. 2004).
Beberapa aplikasi yang dapat
2.1.3 Variabel Fuzzy
diimplementasikan menggunakan logika
Variabel fuzzy adalah variabel-variabel
fuzzy adalah transmisi otomatis pada
yang akan dibicarakan dalam suatu sistem
mobil, kereta bawah tanah sendai
fuzzy. Misalnya : temperatur, umur, tinggi
mengontrol pemberhentian otomatis pada
badan, dan lain-lain.
area tertentu, manajemen dan
pengambilan keputusan, ekonomi, ilmu
2.1.4 Himpunan Fuzzy
kedokteran dan biologi, klasifikasi dan
Himpunan fuzzy adalah himpunan-
pencocokan pola, psikologi, ilmu himpunan yang akan dibicarakan pada
lingkungan riset operasi, teknik, dan lain-
suatu variabel dalam sistem fuzzy.
lain (Kusumadewi, 2003). Himpunan fuzzy mempunyai 2 atribut,
yaitu :
2.1.1 Semesta Pembicaraan
a. Linguistik, yaitu penamaan suatu
Semesta pembicaraan adalah keseluruhan
grup yang mewakili suatu keadaan
ruang permasalahan dari nilai terkecil
atau kondisi tertentu dengan
hingga nilai terbesar. Semesta
menggunakan bahasa alami. Misalnya
pembicaraan bersifat monoton naik.
: MUDA, PAROBAYA, TUA ;
2.1.2 Himpunan Crisp Variabel linguistik adalah Variabel
Himpunan crisp adalah himpunan yang mempunyai nilai kata atau
yang membedakan anggota dan non kalimat dalam natural atau bahasa
anggotanya dengan batasan yang jelas cerdas (Bojadziev dan Bojadziev,
(Suyanto, 2007). Himpunan ini 2007).
disimbolkan dengan huruf besar (A, B, P, b. Numeris, yaitu suatu nilai (angka)
dan lain-lain), anggota (elemen) himpunan yang menunjukkan ukuran dari suatu
disimbolkan dengan huruf kecil (a, b, x, y, variabel. Misalnya : 40, 25, 20, dan
dan lain-lain). Himpunan crisp hanya ada lain sebagainya.
2 nilai keanggotaan (), yaitu : satu (1),
yang berarti bahwa suatu item menjadi
anggota dalam suatu himpunan, atau ; nol

Informatics and Business Institute Darmajaya 13

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

2.1.5 Domain Himpunan Fuzzy

1
Domain himpunan fuzzy adalah
Derajat
keseluruhan nilai yang ada dalam semesta keanggotaan

pembicaraan. Domain merupakan X

0 a c
himpunan bilangan real yang naik b
domain
(bertambah) secara monoton dari kiri ke
Gambar 1. Fungsi Segitiga (Suyanto,
kanan. Nilai domain dapat berupa 2007)
bilangan positif maupun negatif.
Fungsi Keanggotaan :
2.1.6 Fungsi Keanggotaan 0; x
Fungsi keanggotaan (membership (x-a)/(b-a) ; (1)
functions) adalah suatu kurva yang (c-x)/(c-b);
menunjukkan pemetaan titik-titik input Dimana x adalah variabel yang
data ke dalam nilai keanggotaannya akan dicari, a adalah batas bawah, b
(sering juga disebut dengan derajat adalah batas tengah, dan c adalah batas
keanggotaan) yang memiliki interval dari atas.
0 sampai 1. Salah satu cara yang dapat b. Fungsi Trapesium
digunakan untuk mendapatkan nilai Fungsi ini terdapat beberapa nilai x
keanggotaan adalah melalui pendekatan yang memiliki derajat keanggotaan sama
fungsi. (Kusumadewi dan Purnomo 2004). dengan 1, yaitu ketika b ≤ x ≤ c. Tetapi,
Beberapa fungsi keanggotaan yang sering derajat keanggotaan untuk a < x < b dan c
digunakan di dunia nyata, yaitu: (Suyanto, < x ≤ d memiliki karakteristik yang sama
2007). dengan fungsi segitiga. Grafik dan notasi
a. Fungsi Segitiga matematika dari fungsi trapesium seperti
Fungsi ini memiliki satu nilai x yang terlihat pada Gambar 2.
memiliki derajat keanggotaan sama
1.0
dengan 1, yaitu ketika x=b. Tetapi, nilai-
nilai di sekitar b memiliki derajat 
keanggotaan yang turun cukup tajam
(menjauh 1). Grafik dan notasi
0 a b c d
matematika dari fungsi segitiga seperti Trapesium
terlihat pada Gambar 1. Gambar 2. Fungsi Trapesium (Suyanto,
2007)

Informatics and Business Institute Darmajaya 14

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

Fungsi Keanggotaan : beberapa operator dasar yang diciptakan

0; x oleh Zadeh, namun operator yang
(x-a)/(b-a) ;
(2) digunakan dalam penelitian ini adalah
1; b
(d-x)/(d-c); c operator AND.Operator AND ini
berhubungan dengan operasi interseksi
Dimana x adalah variabel yang akan
pada himpunan. -predikat sebagai hasil
dicari, a adalah batas bawah, b dan c
operasi dengan operator AND diperoleh
adalah batas tengah, dan d adalah batas
dengan mengambil nilai keanggotaan
atas.
terkecil antar elemen pada himpunan-
Berdasarkan Bojadziev (2007) fungsi
himpunan yang bersangkutan.
trapesium terdiri atas fungsi keanggotaan
AB (x,y) = min[A(x),B(y)] (3)
trapesium kanan dan kiri. Berdasarkan
Gambar 3. Fungsi keanggotaan trapesium
kanan menunjukkan Ar = (b1,b1,b2,a2) 2.1.8 Sistem Inferensi Fuzzy (FIS)
Motivasi utama teori fuzzy logic
yang mendukung interval [b1,a2] dan
adalah memetakan sebuah ruang input ke
trapesium kiri menunjukkan
dalam ruang output dengan menggunakan
Al=(a1,b1,a2,b2) yang mendukung interval
 IF-THEN rules. Pemetaan dilakukan
[a1,b2]. Merepresentasikan yang cocok
dalam suatu Sistem Inferensi Fuzzy(Fuzzy
untuk small Ar = (0,0,b2,a2) seperti pada
Inference System/FIS)disebut juga fuzzy
terlihat pada gambar 4.(a) dan large Al =
inference engine adalah sistem yang dapat
(a1,b1,b2,b2) dimana b1 adalah large
mengevaluasi semua rule secara simultan
number seperti terlihat pada gambar 4.(b).
1
untuk menghasilkan kesimpulan dan
urutan rule bisa sembarang (Naba, 2009).
Oleh karennya, semua aturan atau rule
a1 b1 b1 + b2 b2 a2
0 harus didefinisikan lebih dahulu sebelum
2
membangun sebuah FIS yang akan
Gambar 3. Kurva Trapesium digunakan untuk menginterprestasikan
(Bojadziev dan Bojadziev, 2007)
sebuah rule tersebut. Terdapat beberapa
jenis FIS yang dikenal yaitu Mamdani,
2.1.7 Operator dasar Zadeh untuk
Sugeno dan Tsukamoto (Naba, 2009).
Operasi
Suatu sistem berbasis aturan fuzzy
Nilai keanggotaan sebagai hasil dari
yang lengkap terdiri dari tiga komponen
operasi 2 himpunan sering dikenal dengan
nama firestrength atau predikat. Ada

Informatics and Business Institute Darmajaya 15

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

utama : fuzzification, inference, dan domain himpunan fuzzy tersebut.

defuzzification. Defuzzifikasi yang digunakan adalah
Metode Centroid (Composite
2.1.9 Metode Mamdani
Moment), solusi crisp diperoleh
Metode Mamdani sering juga
dengan cara mengambil titik pusat
dikenal dengan nama Metode Max-Min.
(z*)daerah fuzzy. Secara umum
Menggunakan MIN pada fungsi implikasi,
dirumuskan:
dan MAX pada komposisi antar fungsi n
 z i *  C (z i )
implikasi. Diperkenalkan oleh Ebrahim z  i0
n (4)
Mamdani pada tahun 1975(Kusumadewi   C (z i )
i 0
dan Purnomo 2004). Ada beberapa
n
tahapan yang diperlukan untuk
 z C ( z )dz
z(5)
1
mendapatkan output, adalah sebagai n

berikut : 
1
C ( z )dz
a. Pembentukan variabel Input,
himpunan fuzy, dan output fuzzy 2.2 Kebutuhan input

Variabel input maupun variabel Pemilihan peminatan untuk tugas

output dibagi menjadi satu atau lebih akhir dipengaruhi oleh nilai-nilai mata

himpunan fuzzy kuliah yang telah diambil. Ada 12 variabel

b. Derajat keanggotaan input yang dibutuhkan yaitu nilai-nilai

Menentukan derajat keanggotaan mata kuliah yang terkait dengan tugas

berdasarkan input dan himpunan fuzzy akhir dapat dilihat pada Tabel 1.

c. Aplikasi Operator fuzzy Tabel 1. Variabel Input

Pada tahap ini menentukan α-predikat Nama Keterangan

Variabel
aturan dengan fungsi implikasi MIN AP Aplikasi Pemrograman
RP Rekayasa Perangkat Lunak
dan selanjutnya menentukan nilai dari UP Uji Kualitas Perangat Lunak
Z masing-masing aturan. PW Pemrograman WEB
BD Basis Data
d. Penegasan (defuzzy) JK Konsep komunikasi data dan
jaringan
Input dari proses defuzzifikasi adalah
KJ Keamanan Jaringan
suatu himpunan fuzzy yang diperoleh IK Interaksi Manusia dan Komputer
OR Organisasi dan Arsitektur
dari komposisi aturan-aturan fuzzy, Komputer
sedangkan output yang dihasilkan MP Manajemen Proyek
KB Kecerdasan Buatan
merupakan suatu bilangan pada PC Pengolahan Citra Digital

Informatics and Business Institute Darmajaya 16

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

Pengolahan data dilakukan dengan membentuk himpunan fuzzy. Penentuan

menentukan variabel input maupun variabel, semesta pembicaraan, dan
variabel output serta menentukan semesta himpunan fuzzy dari hasil dapat diperoleh
pembicaraan. Langkah selanjutnya adalah pada Tabel 2.

Tabel 2. Penentuan Variabel, Pembicaraan, dan himpunan fuzzy

Fungsi Nama Semesta Himpunan Domain Keterangan
Variabel Pembicaraan Fuzzy
Input Nilai MK [0 – 100] Tinggi 50 – 100 Nilai mata kuliah : AP, RP,
[1:12] UP, PW, BD, JK, KJ, IK,
Rendah 0 – 80 OR, MP, KB, PC
Output Kelompok [0 – 100] Tinggi 50 – 100 Peminatan 1 (WM) :
Peminatan Teknologi Web Multimedia.
[1:3] Peminatan 2 (PL) : Rekayasa
Rendah 0 - 80 Perangkat lunak.
Peminatan 3 (SC) : Sistem
Cerdas.

2.2.1 Kebutuhan proses keanggotaan, rancangan aturan fuzzy,

Kebutuhan proses menggambarkan
prosedur pemrograman yang
secara global. Kebutuhan proses ini
berfungsi untuk menyelesaikan masalah
dengan sesuai dengan metode
digunakan dalam penelitian ini, yaitu
metode FIS-Mamdani.
2.2.2 Kebutuhan output
Outputnya dihasilkan
penelitian ini adalah peminatan tugas
akhir mahasiswa. Peminatan tugas akhir
tersebut adalah Web dan Multimedia
(WM), Rekayasa Perangkat Lunak (PL),
dan Sistem Cerdas (SC).
rancangan DFD, dan rancangan tampilan
disusun (antar muka).
2.3.1 Rancangan Fungsi Keanggotaan
Rancangan fungsi keanggotaan pada
yang
tesis ini memiliki semesta pembicaraan
dari 0 sampai dengan 100 untuk variabel
nilai-nilai mata kuliah berdasarkan
Penilaian Acuan Patokan (PAP) (Surat
dalam Edaran Dosen 2010). Alasan penentuan
penentuan semesta pembicaraan dari 0
sampai dengan 100 dikarenakan bahwa
setiap dosen memiki penilaian yang
berbeda-beda tergantung kondisi kelas.

2.3 Rancangan SistemFuzzy

Metode rancangan yang dilakukan,
yaitu rancangan fungsi-fungsi

Informatics and Business Institute Darmajaya 17

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

2.3.1.1 Fungsi Keanggotaan Variabel teknologi web multimedia, rekayasa

Input Nilai Mata kuliah (MK)
perangkat lunak, dan sistem cerdas.
dengan semesta pembicaraan
(0 – 100) Merepresentasikan variabel kelompok

Merepresentasikan variabel nilai peminatan tugas akhir digunakan fungsi

mata kuliah digunakan fungsi keanggotaan representasi bahu kiri untuk

keanggotaan representasi Bahukiri untuk himpunan fuzzy RENDAH dan bahu

himpunan fuzzy RENDAH dan bahu kanan untuk himpunan fuzzy TINGGI,

kanan untuk himpunan fuzzy TINGGI. dimana fungsi ini untuk mengakhiri suatu

Fungsi ini untuk mengakhiri suatu daerah daerah dan ada beberapa titik yang

dan ada beberapa titik yang memiliki nilai memiliki nilai keanggotaan 1.

keanggotaan 1.
TINGGI dengan domain (50-100) dan TINGGI dengan domain (50-100) dan

fungsi keanggotaan Trapesium kanan. fungsi keanggotaan Trapesium kanan.

µTINGGI(x) = TINGGI(x) = (7)

(6)

0 0

RENDAH dengan domain (0 – 80) dan

RENDAH dengan domain (0 – 80) dan
fungsi keanggotaan Trapesium kiri.
fungsi keanggotaan Trapesium kiri.

µRENDAH(x) (6)
RENDAH(x) = (8)
=
0
2.3.2 Rancangan Aturan Fuzzy
2.3.1.2 Fungsi Keanggotaan Variabel Rancangan Aturan fuzzy dalam
Output Kelompok Peminatan
penelitian ini berdasarkan pemetaan nilai
Tugas Akhir dengan Semesta
Pembicaraan (0 - 100) matakuliah yang terkait dengan masing-
masing peminatan Tugas akhir yang dapat
Kelompok peminatan tugas akhir
dilihat pada Tabel 3.
adalah peminatan yang ada yaitu

Informatics and Business Institute Darmajaya 18

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

Tabel 3. Daftar Matakuliah yang terkait dengan masing-masing Peminatan Tugas

Akhir (Sumber : Jurusan Teknik Informatika IBI Darmajaya)

No Nama Peminatan Nama Mata Kuliah

1. Teknologi WEB & 1. Aplikasi Pemrograman
MULTIMEDIA 2. Rekayasa Perangkat Lunak
3. Uji Kualitas Perangkat Lunak
4. Pemrograman WEB
5. Basis Data
6. Konsep Komunikasi data dan Jaringan
7. Keamanan jaringan/keamanan komputer
8. Interaksi Manusia dan Komputer
2. REKAYASA PERANGKAT 1. Aplikasi Pemrograman
LUNAK 2. Rekayasa Perangkat Lunak
3. Uji kualitas Perangkat Lunak
4. Organisasi & Arsitektur Komputer
5. Basis Data
6. Manajemen Proyek
3. SISTEM CERDAS 1. Aplikasi Pemrograman
2. Rekayasa Perangkat Lunak
3. Uji kualitas Perangkat Lunak
4. Kecerdasan Buatan
5. Pengolahan citra Digital
6. Interaksi Manusia dan Komputer

Ada beberapa landasan dalam 3. Matakuliah Gabungan (MG) adalah

pembentukan aturan fuzzy adalah sebagai mata kuliah yang ada di beberapa
berikut : peminatan yaitu mata kuliah BD dan
1. Mata kuliah dasar (MD) adalah mata IK. Nilai mata kuliah ini bisa bernilai
kuliah yang ada di semua peminatan tinggi atau Rendah untuk memenuhi
tugas akhir yaitu mata kuliah tersebut salah satu peminatan tugas akhir.
adalah AP, RP, dan UP. Salah satu
3. HASIL DAN PEMBAHASAN
nilai mata kuliah MD bisa bernilai
Implementasi sistem secara rinci
Rendah untuk memenuhi salah satu
sesuai dengan rancangan dan bahasa
Peminatan Tugas akhir.
pemrograman yang digunakan. Metode
2. Matakuliah Inti (MI) adalah mata
Fuzzy inference system (FIS) adalah
kuliah inti dari masing-masing
metode yang ada dalam logika fuzzy yang
peminatan tugas akhir yaitu mata
berguna untuk membangun sistem
kuliah PW, JK, KJ, OR, MP, KB, dan
pemilihan peminatan untuk tugas akhir
PC. Nilai mata kuliah MI tidak boleh
dan diimplementasikan dengan
untuk menghasilkan Peminatan Tugas
menggunakan toolbox Matlab. Tampilan
akhir Tinggi.

Informatics and Business Institute Darmajaya 19

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

awal menggunakan tool matlab dapat dilihat pada Gambar 7.

Gambar 7. Tampilan Awal Menu FIS-Mamdanni

3.1 Tampilan Fungsi Keanggotaan titik-titik dari masing fungsi keanggotaan

Tampilan fungsi keanggotaan ini yang dipilih. Hasil dari rancangan fungsi
digunakan untuk merancang fungsi keanggotaan akan tampil pada kotak
keanggotaan input dan output pada gambar. Pada tampilan ini pengguna bisa
metode fuzzy. Pengguna memasukkan data menyimpan dan membuka hasil desain
untuk merancang fungsi keanggotaan fungsi keanggotaan. Tampilan rancangan
yang diperlukan kemudian pilih fungsi fungsi keanggotaan variabel input dan
keanggotaan yang akan digunakan yaitu output dapat dilihat pada Gambar 8 dan
Segitiga atau trapesium untuk masing- Gambar 9.
masing linguistik. Setelah itu tentukan

Gambar 8. Tampilan Fungsi Keanggotaan Variabel Input Nilai Mata kuliah

Informatics and Business Institute Darmajaya 20

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

Gambar 9. Tampilan Fungsi Keanggotaan Variabel Output Peminatan

3.2 Tampilan Menginputan Aturan Matlab ada 37 aturan. Aturan fuzzy

Fuzzy tersebut dapat dilihat pada Gambar 10.
Aturan Fuzzy yang ada akan
diinputkan pada Rule Editor Tools

Gambar 10. Tampilan Aturan Fuzzy Pada Tools Matlab

Informatics and Business Institute Darmajaya 21

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

3.3 Tampilan Metode FIS sehingga menghasilkan peminatan yang

Tampilan metode FIS digunakan disarankan untuk mahasiswa yang
untuk melakukan proses dalam metode bersangkutan. Tampilan proses penentuan
FIS. Pengguna memasukkan data nilai- peminatan dengan metode FIS dapat
nilai mata kuliah kemudian akan diproses dilihat pada Gambar 11.

Gambar 11. Tampilan Penentuan Peminatan dengan Metode FIS

4. SIMPULAN adalah AP, RP, dan UP. Salah satu

Berdasarkan pembahasan yang telah nilai mata kuliah MD bisa bernilai
diuraikan pada bab-bab sebelumnya, maka Rendah untuk memenuhi salah satu
diambil beberapa kesimpulan sebagai Peminatan Tugas akhir.
berikut: 4. Matakuliah Inti (MI) adalah mata
1. Variabel input yang digunakan dalam kuliah inti dari masing-masing
sistem Fuzzyini ada 12 mata kuliah. peminatan tugas akhir yaitu mata
2. Ada beberapa landasan dalam kuliah PW, JK, KJ, OR, MP, KB, dan
pembentukan aturan fuzzy terhadap PC. Nilai mata kuliah MI tidak boleh
matakuliah yang memenuhi salah satu untuk menghasilkan Peminatan Tugas
peminatan, sehingga akan menghasilkan akhir Tinggi.
37 aturan fuzzy.
5. Matakuliah Gabungan (MG) adalah
3. Mata kuliah dasar (MD) adalah mata
mata kuliah yang ada di beberapa
kuliah yang ada di semua peminatan
peminatan yaitu mata kuliah BD dan
tugas akhir yaitu mata kuliah tersebut
IK. Nilai mata kuliah ini bisa bernilai

Informatics and Business Institute Darmajaya 22

Yulmaini Jurnal Informatika, Vol. 15, No.1, Bulan Juni 2015

tinggi atau Rendah untuk memenuhi Pendukung Keputusan, Graha Ilmu,

salah satu peminatan tugas akhir. Yogyakarta.
6. Sistem Fuzzy dengan menggunakan [3]. Kusumadewi, 2003, Artificial
metode FIS-Mamdaniakan Intelegence (Teknik dan
menghasilkan keluaran berdasarkan Aplikasinya), Graha Ilmu,
aturan fuzzy yang dirancang. Yogyakarta
[4]. Lukas S., Meiliayana, Simson W.,
PENELITIAN LANJUTAN 2009, Penerapan Logika Fuzzy
1. Sistem fuzzy yang dibuat dalam dalam Pengambilan Keputusan
pemilihan peminatan ini dibuat Untuk Jalur Peminatan Mahasiswa,
masih berupa program sederhana, Konferensi Nasional Sistem dan
yang masih dapat dikembangkan Informatika 2009, Bali.
lagi untuk mencapai suatu [5]. Naba A., 2009, Belajar cepat
keakuratan data. Fuzzy Logic menggunakan mattlab,
2. Metode FIS-Mamdani perlu Andi Offsett, Yogyakarta
dilakukan proses update basis [6]. Suyanto, 2007, Artificial
pengetahuan (aturan fuzzy) secara Intelegence : Searching, Reasoning,
berkala untuk menjaga dan Planning, and Learning,
memelihara keakuratan data. Informatika, Bandung
[7]. Yulmaini. (2011). Penggunaan
DAFTAR PUSTAKA Logika Fuzzy dalam pemilihan
peminatan Mahasiswa untuk Tugas
[1]. Bojadziev G, Bojadziev M., 2007,
Akhir (Studi Kasus : Jurusan Teknik
Fuzzy logic for Business, Finance,
Informatika IBI Darmajaya).
and Management second edition,
Yogyakarta: Universitas Gadjah
Word Scientific, Singapore.
Mada.
[2]. Kusumadewi, S. dan Purnomo, H.,
2004, Aplikasi Logika Fuzzy: Untuk

Informatics and Business Institute Darmajaya 23