net/publication/302584126
CITATION READS
1 2,981
4 authors, including:
SEE PROFILE
All content following this page was uploaded by Sheila Nurul Huda on 10 May 2016.
ABSTRAK
Salah satu permasalahan yang timbul pada jurusan informatika ini adalah menentukan jumlah asisten
laboratorium pada satu periode selanjutnya, dimana hal ini bergantung pada jumlah total asisten dikurangi
jumlah asisten yang keluar dari satu periode sebelumnya. Jumlah total asisten dan jumlah asisten yang keluar
merupakan suatu ketidakpastian. Logika fuzzy merupakan salah satu ilmu yang digunakan untuk menyelesaikan
masalah mengenai menganalisa ketidakpastian. Dalam penelitian ini, logika fuzzy dengan metode sugeno
digunakan untuk menghitung jumlah asisten yang ideal bagi sebuah laboratorium. Hasil penelitian ini adalah
sebuah alat bantu untuk menentukan jumlah ideal asisten laboratorium yang diterima pada saat rekruitmen bagi
setiap laboratorium dengan menggunakan aturan, kriteria-kriteria yang ditentukan seperti variabel jumlah
asisten sebelumnya(total), jumlah asisten yang keluar, dan jumlah praktikan.
Kata kunci: logika fuzzy, metode sugeno, jumlah asisten, rekruitment asisten.
1. PENDAHULUAN
1.1 Latar Belakang 1.2 Tujuan
Pada saat ini, semua laboratorium informatika Tujuan dari penelitian ini adalah
dihadapkan pada suatu masalah yaitu kelebihan memperkirakan berapa jumlah asisten yang
atau kekurangan jumlah asisten laboratorium. Hal diterima berdasarkan logika fuzzy menggunakan
ini mengharuskan jurusan informatika untuk metode sugeno dengan memperhatikan variabel
merencanakan atau menentukan jumlah asisten jumlah asisten sebelumnya (total), jumlah asisten
yang diterima pada saat rekruitment bagi setiap yang keluar, serta jumlah mahasiswa yang
laboratorium. Diharapkan dapat menghasilkan mengambil praktik dan mengulang.
jumlah optimal asisten laboratorium bagi setiap
laboratorium. 2. LANDASAN TEORI
Salah satu kajian Artificial Intelligence adalah 2.1 Logika Fuzzy
Logika fuzzy. Logika Fuzzy (logika samar) itu Pada himpunan tegas (crisp), nilai
sendiri merupakan logika yang berhadapan dengan keanggotaan suatu item x dalam suatu himpunan A,
konsep kebenaran sebagian, dimana logika klasik yang sering ditulis dengan µ A [x], memiliki 2
menyatakan bahwa segala hal dapat di ekspresikan kemungkinan, yaitu ( Kusumadewi, 2003: 156 ) :
dalam istilah binary (0 atau 1). Logika fuzzy Satu (1) yang berarti bahwa suatu item
memungkinkan nilai keanggotaan antara 0 dan 1. menjadi anggota dalam suatu himpunan.
Berbagai teori didalam perkembangan logika fuzzy Nol (0) yang berarti bahwa suatu item
menunjukkan bahwa pada dasarnya logika fuzzy tidak menjadi anggota dalam suatu
dapat digunakan untuk memodelkan berbagai himpunan.
sistem. Pada himpunan crisp, nilai keanggotaan ada 2
Logika Fuzzy dianggap mampu memetakan kemungkinan, yaitu 0 atau 1. Sedangkan pada
suatu input dan output tanpa mengabaikan faktor- himpunan fuzzy nilai keanggotaan terletak pada
faktor yang ada. Berdasarkan logika fuzzy ini, dapat rentang 0 sampai 1.
dihasilkan suatu model sistem yang dapat Semesta pembicaraan adalah keseluruhan nilai yang
memperkirakan jumlah asisten laboratorium yang diperbolehkan untuk dioperasikan dalam suatu
diterima. Logika fuzzy mempunyai toleransi variabel fuzzy. Semesta pembicaraan merupakan
terhadap data-data yang ada dan fleksibel. Adapun himpunan bilangan real yang senantiasa naik
faktor - faktor yang mempengaruhi penentuan (bertambah) secara monoton dari kiri ke kanan.
jumlah asisten laboratorium antara lain variabel Nilai semesta pembicaraan dapat berupa
jumlah asisten sebelumnya (total), jumlah asisten bilangan positif maupun negatif ( Kusumadewi,
yang keluar, jumlah mahasiswa yang mengambil 2003: 159 ) .
praktik dan mengulang. Domain himpunan fuzzy adalah keseluruhan nilai
Seminar Nasional Aplikasi Teknologi Informasi 2012 (SNATI 2012) ISSN: 1907-5022
Yogyakarta, 15-16 Juni 2012
yang diijinkan dalam semesta pembicaraan dan Pada pengumpulan data di ambil dari 3
boleh dioperasikan dalam suatu himpunan fuzzy laboratorium yaitu laboratorium Komputasi dan
(Kusumadewi, 2001:12 ). Sistem Cerdas, Laboratorium Sistem Informasi dan
Rekayasa Perangkat Lunak, dan Laboratorium
2.2 Metode sugeno Sistem dan Jaringan Komputer. Sedangkan pada
Secara umum bentuk model fuzzy sugeno pengolahan data dilakukan dengan langkah yang
Orde-Satu adalah: pertama adalah fungsi keanggotaan untuk tiap
variabel yang digunakan. Setelah itu, membentuk
IF (x1 is A1) · ...... · (xN is AN) THEN z = p1*x1 rules (aturan) logika fuzzy.
+ ... + pN*xN + q Kemudian dapat digunakan sebuah rumus untuk
mencari nilai rata-rata praktikan.
dengan Ai adalah himpunan fuzzy ke-i sebagai
anteseden, dan pi adalah suatu konstanta (tegas) ke-
i dan q juga merupakan konstanta dalam
konsekuen.
Apabila komposisi aturan menggunakan metode
sugeno, maka deffuzifikasi dilakukan dengan cara dimana
mencari nilai rata-ratanya. praktikan = nilai rata-rata dari jumlah praktikan
Sehingga dapat di asumsikan bahwa jumlah total setiap Laboratorium.
asisten lebih banyak dibanding dengan jumlah
asisten yang keluar.
3. MODEL SISTEM
Penelitian ini dilaksanakan untuk mengetahui
banyaknya asisten pada laboratorium. Penelitian ini
merupakan penelitian survei yaitu penelitian yang dimana
mengambil data secara langsung dari setiap Rpraktikan = rata-ratadari jumlah praktikan semua
laboratorium. Diambil subjek penelitian ini adalah Laboratorium
asisten laboratorium dan mahasiswa jurusan praktikan = rata-rata dari jumlah praktikan setiap
informatika Universitas Islam Indonesia. Laboratorium
n = banyaknya Laboratorium
Sistem inferensi fuzzy (fuzzy Inference system) Seperti asumsi yang telah di jelaskan pada metode
merupakan suatu komputasi yang bekerja fuzzy sugeno orde satu, sebagai berikut:
berdasarkan prinsip penalaran fuzzy. Ada beberapa
komponen yang dibutuhkan pada komponen [R1] IF Jumlah asisten(total) BANYAK and
tersebut, seperti variabel input, variabel output dan jumlah asisten(keluar) BANYAK and
aturan. Sistem inferensi fuzzy terdiri dari empat jumlah praktikan BANYAK THEN jumlah
langkah yaitu: asisten(diterima) = jumlah
asisten(keluar)
1. Pembentukan himpunan Fuzzy, variabel input
dan variabel output dibagi menjadi satu atau {R2] IF Jumlah asisten(total) BANYAK
lebih himpunan fuzzy. and jumlah asisten(keluar) BANYAK and
jumlah praktikan SEDIKIT THEN jumlah
2. Aplikasi fungsi implikasi (aturan), fungsi asisten(diterima) = jumlah
implikasi yang digunakan adalah MIN. asisten(total)- jumlah asisten(keluar)
3. Komposisi Aturan, didapat dari kumpulan dan
hubungan antar aturan. [R3] IF Jumlah asisten(total) BANYAK and
4. Penegasan (defuzzifikasi), input dari proses jumlah asisten(keluar) SEDIKIT and
defuzzifikasi adalah konstanta atau persamaan jumlah praktikan BANYAK THEN jumlah
linier asisten(diterima) = (jumlah praktikan
/ rata-rata praktikan)-((jumlah
asisten(total)+jumlah
Tahap - tahap yang akan dilalui untuk
asisten(keluar))/2)
menentukan jumlah asisten laboratorium adalah
a. Identifikasi masalah [R4] IF Jumlah asisten(total) BANYAK
Identifikasi dilakukan dengan menentukan variable and jumlah asisten(keluar) SEDIKIT and
– variable yang digunakan untuk analisa masalah. jumlah praktikan SEDIKIT THEN jumlah
Beberapa faktor yang mempengaruhi jumlah asisten asisten(diterima) = (jumlah
antara lain : jumlah asisten sebelumnya (total), praktikan/rata-rata praktikan)-jumlah
jumlah asisten yang keluar, dan jumlah mahasiswa asisten(total)
yang mengambil praktik dan mengulang.
b. Pengumpulan data dan pengolahan data
Seminar Nasional Aplikasi Teknologi Informasi 2012 (SNATI 2012) ISSN: 1907-5022
Yogyakarta, 15-16 Juni 2012