SISTEM PENDUKUNG KEPUTUSAN SELEKSI

PENERIMAAN BEASISWA DENGAN METODE

FUZZY MAMDANI

PROPOSAL PENELITIAN

Disusun Guna Memenuhi Tugas Mata Kuliah Kecerdasan Buatan

OLEH
1. FREDERIK O. RUMPAIDUS (201505110740005)
2. HIKMAH AWALIA (20150511074014)
3. MARYANGKE Y. YEWUN (20150511074034)

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS CENDERAWASIH
JAYAPURA
2018
 KATA PENGANTAR

Puji syukur kehadirat Tuhan yang Maha Kuasa berkat rahmat dan hidayah-
Nya sehingga pada kesempatan ini penulis dapat menyelesaikan proposal penelitian
ini.
Proposal ini disusun sebagai salah satu syarat untuk memenuhi tugas mata
kuliah Kecerdasan Buatan dan untuk melatih mahasiswa dalam mengerjakan serta
menerapkan ilmu pembuatan program kecerdasan buatan buatan khususnya
menggunakan logika fuzzy.
Penulis menyadari bahwa proposal ini masih banyak kekurangan dan
kesalahan serta masih jauh dari sempurna.Oleh karena itu kritik dan saran yang
bersifat membangun sangat penulis harapkan.
Penulis berharap laporan ini dapat bermanfaat dan berguna bagi pihak lain.

Jayapura, 16 Mei 2018

Tim Penyusun

i
 DAFTAR ISI

Halaman
KATA PENGANTAR ............................................................................................ i
DAFTAR ISI .......................................................................................................... 2
DAFTAR GAMBAR ............................................................................................. 3
BAB I PENDAHULUAN ...................................................................................... 4
1.1 Latar Belakang ............................................................................................ 4
1.2 Rumusan Masalah ....................................................................................... 5
1.3 Tujuan .......................................................................................................... 5
1.4 Manfaat ........................................................................................................ 5
BAB II LANDASAN TEORI ............................................................................... 6
2.1 Pengertian Sistem Pendukung Keputusan ................................................ 6
2.2 Beasiswa ....................................................................................................... 6
2.3 Logika Fuzzy ................................................................................................ 6
2.4 Teori Fuzzy Mamdani ................................................................................. 7
2.5 Fungsi Derajat Keanggotaan Fuzzy .......................................................... 8
2.6 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy ..................... 12
2.7 Fungsi Implikasi ........................................................................................ 12
BAB III PEMBAHASAN ................................................................................... 14
3.1 Identifikasi Data Mahasiswa Calon Penerima Beasiswa ....................... 14
3.2 Fuzzyfikasi .................................................................................................. 15
3.3 Mesin Inferensi .......................................................................................... 19
3.4 Defuzzyfikasi ............................................................................................... 22
BAB IV PENUTUP ............................................................................................. 24
4.1 Kesimpulan ................................................................................................ 24
4.2 Saran ........................................................................................................... 24
DAFTAR PUSTAKA .......................................................................................... 26
LAMPIRAN ......................................................................................................... 27
A. Rancangan Program Seleksi Penerimaan Beasiswa Dengan Metode
Fuzzy Mamdani ............................................................................................... 27
B. Membuat Simulink .................................................................................. 36

2
 DAFTAR GAMBAR

Halaman
Gambar 1 Reprentasi Linear Naik........................................................................... 9
Gambar 2 Fungsi Keanggotaan Linear Naik ........................................................... 9
Gambar 3 Representasi Linear Turun ..................................................................... 9
Gambar 4 Fungsi Keanggotaan Linear Turun ....................................................... 10
Gambar 5 Representasi Kurva Segitiga ................................................................ 10
Gambar 6 Fungsi Keanggotaan Kurva Segitiga .................................................... 10
Gambar 7 Representasi Kurva Trapesium ........................................................... 11
Gambar 8 Fungsi Keanggotaan Kuva Trapesium ................................................. 11
Gambar 9 Tampilan awal Matlab .......................................................................... 27
Gambar 10 Tampilan Fuzzy Toolbox ................................................................... 28
Gambar 11 Penambahan Input .............................................................................. 29
Gambar 12 Mengganti Nama ................................................................................ 30
Gambar 13 Tampilan Member Function ............................................................... 30
Gambar 14 Fungsi Keanggotaan Pendapatan ortu/wali ........................................ 31
Gambar 15 Fungsi Keanggotaan Tanggungan ortu/wali ...................................... 31
Gambar 16 Fungsi Keanggotaan IPK ................................................................... 32
Gambar 17 Fungsi Keanggotaan Hasil Seleksi ..................................................... 32
Gambar 18 Tampilan Rule Editor ......................................................................... 33
Gambar 19 Rules ................................................................................................... 33
Gambar 20 Rules Viewer ...................................................................................... 34
Gambar 21 Surface Viewer ................................................................................... 35
Gambar 22 Workspace Variabel ........................................................................... 35
Gambar 23 Tampilan Simulink Toolbox .............................................................. 36
Gambar 24 Tampilan Model ................................................................................. 37
Gambar 25 Mendrag Constant ke Model .............................................................. 37
Gambar 26 Mendrag Mux ke Model..................................................................... 38
Gambar 27 Mendrag Fuzzy Logic Controller ....................................................... 38
Gambar 28 Mendrag Display ke Model ................................................................ 39
Gambar 29 Menambahkan parameter pada Mux .................................................. 39
Gambar 30 Menyambungkan Komponen ............................................................. 40
Gambar 31 Fuzzy Logic Controller ...................................................................... 40
Gambar 32 Simulasi .............................................................................................. 41

3
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Beasiswa dalam Kamus Besar Bahasa Indonesia diartikan sebagai
tunjangan yang diberikan kepada pelajar atau mahasiswa sebagai bantuan biaya
belajar. Beasiswa dapat berupa bantuan keuangan maupun pendidikan yang
diberikan kepada mahasiswa atau pelajar yang memiliki prestasi di bidang
akademik, non akademik dan kemampuan ekonominya lemah. Kementrian Riset,
Teknologi & Pendidikan Tinggi berupaya mengalokasikan dana untuk memberikan
beasiswa kepada mahasiswa yang secara ekonomi tidak mampu untuk membiayai
pendidikannya, dan memberikan beasiswa kepada mahasiswa yang mempunyai
prestasi. Agar program beasiswa dapat dilaksanakan sesuai dengan prinsip 3T yaitu
Tepat sasaran, Tepat jumlah dan Tepat waktu. Pengambilan keputusan yang tepat
memungkinkan tujuan pelaksanaan beasiswa dapat tercapai dengan menetapkan
prinsip 3T tersebut. Permasalahan-permasalahan yang ditemukan pada saat
penyeleksian mahasiswa penerima beasiswa yaitu adanya manipulasi data dari
mahasiswa yang mengajukan beasiswa, jumlah mahasiswa yang mengajukan
beasiswa lebih banyak dibandingkan jumlah kuota beasiswa yang tersedia, serta
terdapat mahasiswa yang layak mendapatkan beasiswa namun tidak lolos dalam
tahap penyeleksian (beasiswa tidak tepat sasaran). Salah satu metode yang dapat
digunakan untuk meningkatkan pengambilan keputusan dalam menentukan
penerima beasiswa yaitu menggunakan logika fuzzy.
Beberapa Penelitian sebelumnya yang berkaitan dengan penentuan
keputusan penerima beasiswa telah dilakukan oleh Rabiatul Adawiah dan Ruliah
Tahun 2013 dengan judul “Sistem Pendukung Keputusan Pemilihan Penerima
Beasiswa Berbasis Fuzzy Mamdani” Pada penelitian ini telah dibangun sistem
penentuan penerima beasiswa bagi mahasiswa STMIK Banjarbaru, guna
memberikan rekomendasi diterima atau tidaknya pengajuan beasiswa oleh seorang
mahasiswa. Pemasalahan dari penelitian ini yaitu bagaimana membangun sistem
penentuan mahasiswa penerima beasiswa dengan mengimplementasikan Logika
Fuzzy Metode Mamdani. Hasil penelitian ini berupa sistem pendukung keputusan

4
yang merekomendasikan maupun tidak merekomendasikan mahasiswa penerima
beasiswa yang di urutkan berdasarkan nilai rekomendasi tertinggi. Penelitian
Selanjutnya dilakukan oleh Erma Suryani, Indah Puspita, Agus Maman Abadi
Tahun 2017 dengan Judul “Logika Fuzzy Pengambilan Keputusan Pemilihan
Penerima Beasiswa Menggunakan Metode Mamdani” Penelitian ini menggunakan
fuzzy decision making untuk menyeleksi mahasiswa penerima beasiswa. Input yang
dibutuhkan meliputi variabel yang berpengaruh pada kriteria pemilihan penerima
beasiswa dan outputnya adalah keputusan diterima yaitu dengan hasil defuzzyfikasi
lebih dari 50 atau tidak diterima yaitu dengan hasil defuzzyfikasi kurang dari 50.
Berdasarkan yang telah dijelaskan di atas, penulis mengusulkan penelitian
yang berjudul “Sistem Pendukung Keputusan Seleksi Penerimaan Beasiswa dengan
Metode Fuzzy Mamdani”. Pada penelitian ini, untuk menentukan penerima
beasiswa menggunakan 3 variabel yang terdiri dari : Indeks Prestasi Akademik
(IPK), Penghasilan Orang Tua dan Tanggungan Orang Tua serta outputnya adalah
Hasil Seleksi.
1.2 Rumusan Masalah
Rumusan Masalah dalam penelitian ini adalah bagaimana membangun
sistem pendukung keputusan seleksi penerimaan beasiswa dengan Metode Fuzzy
Mamdani?
1.3 Tujuan
Tujuan dari penelitian ini adalah untuk memahami pengembangan dan
penggunaan Sistem Pendukung Keputusan Seleksi Penerimaan Beasiswa dengan
Metode Fuzzy Mamdani menggunakan software MATLAB berupa program dan
simulink sehingga program beasiswa dapat memenuhi prinsip 3T, yaitu tepat
sasaran, tepat jumlah dan tepat waktu.
1.4 Manfaat
1. Penerima beasiswa/ mahasiswa mendapatkan beasiswa secara tepat sasaran
dan tepat jumlah
2. Penulis dapat ikut serta dalam pembangunan di bidang pendidikan
3. Penulis mendapat nilai untuk tugas mata kuliah kecerdasan buatan
4. Penulis dapat menghasilkan karya ilmiah yang dapat menjadi referensi
dalam pengembangan ilmu bidang Sistem Informasi

5
 BAB II
LANDASAN TEORI

2.1 Pengertian Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (decision support system) merupakan suatu
istilah yang mengacu pada suatu sistem yang memanfaatkan dukungan komputer
dalam proses pengambilan keputusan. Untuk memberikan pengertian tersebut, di
sini akan diuraikan definisi mengenai Sistem Pendukung Keputusan yang
dikemukakan oleh Man dan Watson yaitu, SPK merupakan suatu sistem yang
interaktif, yang membantu pengambil keputusan melalui penggunaan data dan
model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur
maupun yang tidak terstruktur. SPK atau Decission Support System (DSS) adalah
merupakan suatu kumpulan sistem yang dapat mendukung proses pengambilan
keputusan, yang selanjutnya dapat menunjang pengambilan keputusan dalam
memperoleh data dan menguji beberapa alternatif-alternatif solusi yang
mengandung konsekuensi-konsekuensi selama proses pemecahan masalah
berlangsung. Atau boleh disebut merupakan aplikasi dari sebuah sistem informasi
yang membantu proses pengambilan keputusan. SPK tidak ditekankan untuk
membuat keputusan, tetapi untuk melengkapi mereka yang terlibat dalam
pengambilan keputusan dengan sekumpulan kemampuan untuk mengolah
informasi yang diperlukan dalam proses pengambilan keputusan dan sistem ini
bukan dimaksudkan untuk mengganti pengambil keputusan dalam membuat suatu
keputusan, melainkan mendukung pengambil keputusan (Ruliah, 2013).
2.2 Beasiswa
Beasiswa adalah pemberian berupa bantuan keuangan yang diberikan
kepada perorangan yang bertujuan untuk digunakan demi keberlangsungan
pendidikan yang ditempuh. Beasiswa dapat diberikan oleh lembaga pemerintah,
perusahaan ataupun yayasan. (Ruliah, 2013)

2.3 Logika Fuzzy

Logika Fuzzy merupaka suatu logika yang memiliki nilai kesamaan
(fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu nilai bias

6
bernilai benar atau salah secara bersama. Namun berapa besar keberadaan dan
kesalahan suatu tergantung pada bobot keanggotaan yang dimiliki. Logika fuzzy
memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berada dengan logika
digital yang hanya memiliki dua nilai 1 atau 0. Logika fuzzy digunakan untuk
menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa
(linguistict. Dan logika fuzzy menunjukan sejauh mana suatu nilai itu benar dan
sejauh mana nilai itu salah. Tidak seperti logika klasik (scrisp)/ tegas, suatu nilai
hanya mempunyai 2 kemungkinan yaitu merupakan suatu anggota himpunan atau
tidak. Derajat keangotaan 0 (nol) artinya nilai bukan merupakan anggota himpunan
dan 1 (satu) berarti nilai tersebut adalah anggota himpunan. Logika fuzzy adalah
suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang
output, mempunyai nilai kontinyu. Fuzzy dinyatakan dalam derajat dari kebenaran.
Oleh sebab itu semua dapat dikatakan sebagian benar dan sebagian salah pada
waktu yang sama. (Zamroni, 2014).

Fuzzy mempunyai istilah Fuzzy Inference System (FIS) yang merupakan

metode Mamdani dan Sugeno. Dimana metode Mamdani ini yang paling sering
digunakan untuk persoalan kendali logika Fuzzy, karena mencakup bidang yang
luas dan sesuai dengan proses input informasi manusia. Penentuan model inference
harus tepat, Mamdani biasanya cocok untuk masalah yang bersifat intuitif
sedangkan Sugeno untuk permasalahan yang menangani kontrol. ( Indra Kurniawan
& Arina Windiasani, 2017)

2.4 Teori Fuzzy Mamdani

Metode Mamdani sering juga dikenal dengan nama Metode Max-Min.
Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.Untuk
mendapatkan output, diperlukan 4 tahapan:

a. Pembentukan himpunan fuzzy. Pada proses fuzzifikasi langkah yang

pertama adalah menentukan variable fuzzy dan himpunan fuzzinya.
Kemudian tentukan derajat kesepadanan (degree of match) antara data
masukan fuzzy dengan himpunan fuzzy yang telah didefenisikan untuk
setiap variabel masukan system dari setiap aturan fuzzy. Pada metode

7
 mamdani, baik variabel input maupun variabel output dibagi menjadi satu
atau lebih himpunan fuzzy.
b. Aplikasi fungsi implikasi pada metode mamdani. Fungsi implikasi yang
digunakan adalah min Lakukan implikasi fuzzy berdasar pada kuat
penyulutan dan himpunan fuzzy terdefinisi untuk setiap variable keluaran di
dalam bagian konsekuensi dari setiap aturan. Hasil implikasi fuzzy dari
setiap aturan ini kemudian digabungkan untuk menghasilkan keluaran
inferensi fuzzy.
c. Komposisi Aturan. Tidak seperti penalaran monoton, apabila sistem terdiri
dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi
antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi
sistem fuzzy, yaitu: max, additive dan probabilistik OR.
d. Penegasan (defuzzy). Input dari proses defuzzifikasi adalah suatu himpunan
fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output
yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy
tersebut. ( Victor Haryanto & Nasari, 2015)

2.5 Fungsi Derajat Keanggotaan Fuzzy

Fungsi derajat keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data ke dalam derajat keanggotaan yang
memiliki interval antara 0 dan 1. Untuk mendapatkan derajat keanggotaan fuzzy
digunakan pendekatan fungsi (Zamroni, 2014). Ada beberapa fungsi keanggotaan
yang dapat digunakan, beberapa diantaranya sebagai berikut

a. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotannya
digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan
menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang
jelas. Ada 2 keadaan himpunan fuzzy yang linear. Pertama, kenaikan
himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan
nol [0] bergerak ke kanan menuju ke nilai domain yang memiliki derajat
keanggotaan lebih tinggi Gambar 1.

8
 Gambar 1 Reprentasi Linear Naik

Gambar 2 Fungsi Keanggotaan Linear Naik

Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari

nilai
domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian
bergerak menurun ke nilai domain yang memiliki derajat keanggotaan
lebih rendah.

Gambar 3 Representasi Linear Turun

9
 Gambar 4 Fungsi Keanggotaan Linear Turun

b. Representasi Kurva Segitiga

Kurva Segitiga pada dasarnya merupakan gabungan antara 2 garis
(linear) seperti terlihat pada Gambar 2.

Gambar 5 Representasi Kurva Segitiga

Gambar 6 Fungsi Keanggotaan Kurva Segitiga

10
c. Representasi Kurva Trapesium
Kurva Segitiga pada dasarnya seperti bentuk segitiga, hanya saja
ada beberapa titik yang memiliki nilai keanggotaan 1 Gambar 3.

Gambar 7 Representasi Kurva Trapesium

Gambar 8 Fungsi Keanggotaan Kuva Trapesium

d. Representasi Kurva Bentuk Bahu

Daerah yang terletak di tengah-tengah suatu variabel yang
direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya
akan naik dan turun. Tetapi terkadang salah satu sisi dari variabel
tersebut tidak mengalami perubahan. Himpunan fuzzy ‘bahu’, bukan
segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu
kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak
dari salah ke benar.

11
2.6 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang
didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan
fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering dikenal
dengan nama fire strength atau –predikat. Ada 3 operator dasar yang diciptakan
oleh Zadeh, yaitu:

a. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpuna
–predikat sebagai hasil operasi dengan operator AND diperoleh
dengan mengambil nilai keanggotaan terkecil antar elemen pada
himpunan -himpunan yang bersangkutan.

b. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan. –
predikat sebagai hasil operasi dengan operator OR diperoleh dengan
mengambil nilai keanggotaan terbesar antar elemen pada himpunan
himpunan yang bersangkutan.

c. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada
himpunan. – redikat sebagai hasil operasi dengan operator NOT
diperoleh dengan mengurangkan nilai keanggotaan elemen pada
himpunan yang bersangkutan dari 1.

2.7 Fungsi Implikasi

Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan
berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan
dalam fungsi implikasi adalah:

IF x is A THEN y is B

12
dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang
mengikuti IF disebut sebagi anteseden, sedangkan proposisi yang mengikuti THEN
disebut sebagai konsekuen. Proposisi ini dapat diperluas dengan menggunakan
operator fuzzy, seperti:

IF (x1 is A1) • (x2 is A2) • (x3 is A3) •  • (xN is AN) THEN y is B

dengan • adalah operator (misal: OR atau AND). Secara umum, ada 2 fungsi
implikasi yang dapat digunakan, yaitu:

a. Min (minimum). Fungsi ini akan memotong output himpunan fuzzy. Gambar
7.30 menunjukkan salah satu contoh penggunaan fungsi min.

b. Dot (product). Fungsi ini akan menskala output himpunan fuzzy.

(Anonim, Logika Fuzzy)

13
 BAB III
PEMBAHASAN

Berikut ini merupakan langkah-langkah perhitungan menggunakan metode

Fuzzy Mamdani, yaitu :

3.1 Identifikasi Data Mahasiswa Calon Penerima Beasiswa

Pada analisis dan hasil penelitian terhadap apa yang dibutuhkan dalam
membangun sebuah sistem keputusan ini, proses seleksi penerimaan beasiswa
memiliki variabel input dan variabel output. Data yang ada pada penentuan
penerimaan beasiswa ini meliputi pendapatan orang tua/ wali per bualan,
tanggungan orang tua/ wali, IPK, prestasi yang pernah diraih, dan kepribadian. Dari
data yang ada, data yang paling berpengaruh terhadap seleksi penerimaan beasiswa
ini adalah pendapatan orang tua/ wali per bualan, tanggungan orang tua/ wali dan
IPK. Oleh karena itu variabel input yang digunakan pada metode Fuzzy Mamdani
ini ada 3 variabel yaitu pendapatan orang tua/ wali per bualan, tanggungan orang
tua/ wali, IPK serta variabel output berupa Hasil seleksi. Berikut merupakan tabel
himpunan fuzzy.
Tabel 1. Himpunan Fuzzy
Fungsi Variabel Himpunan Fuzzy Domain

Pendapatan Kurang 500.000 - 1.500.000

ortu/wali
Cukup 1000.000 - 3.000.000

Baik 2.500.000 - 5.000.000

Sangat baik 4.500.000 - 10.000.000

Input Tanggungan Cukup 1-2

ortu/wali
Sedang 2 -3

Banyak 4-5

IPK Rendah 1.00 - 2.50

Sedang 2.00 - 3.00

14
 Tinggi 2.75 - 4.00

Hasil seleksi Tidak layak 0 - 60

Beasiswa Berprestasi 50 - 80
Output
Beasiswa Tidak 75 - 100
Mampu dan
Berprestasi

Definisi Variabel :
a. Pendapatan Orang Tua/Wali adalah penghasilan orang tua/wali yang diterima
atau yang didapat per bulan.
b. Tanggungan Orang Tua/Wali adalah beban yang menjadi tanggung jawab oleh
orang tua/wali yang ada di dalam rumah tangga orang tua/wali.
c. IPK adalah Indek Prestasi Kumulatif yang diperoleh pada saat akan mengajukan
permohonan beasiswa.
d. Hasil seleksi adalah nilai yang diperoleh dari hasil seleksi yang akan
menentukan beasiswa yang akan diperoleh.
3.2 Fuzzyfikasi
Adapun kriteria-kriteria yang digunakan dalam seleksi penerimaan beasiswa
sebagai berikut :

1. Pendapatan ortu/wali
Dalam penentuan nilai pendapatan orangtua dibagi menjadi 4 himpunan yaitu
kurang, cukup, baik, sangat baik. Adapun penilaian pendapatan ini dapat kita lihat
dari Gambar 9.

15
 Gambar 9 Fungsi Derajat Keanggotaan Pendapatan ortu/wali
Berikut fungsi keanggotaan dari masing- masing himpunan fuzzy, yaitu :
1, x ≤ 500

µ 𝐾𝑢𝑟𝑎𝑛𝑔 [𝑥] = { 1500 - x / 1500-500, 500 ≤ x ≤ 1500

0, x yang lainnya
1, 0 ≤ x ≤ 500

x – 1000 / 2000-1000, 1000 ≤ x ≤ 2000

µ 𝐶𝑢𝑘𝑢𝑝 [𝑥] = { 3000 - x / 3000-2000, 2000 ≤ x ≤ 3000

0, x yang lainnya
1, 0 ≤ x ≤ 500

x – 2500 / 4000-2500, 2500 ≤ x ≤ 4000

µ 𝐵𝑎𝑖𝑘 [𝑥] = { 5000 - x / 5000-4000, 4000 ≤ x ≤ 5000

0, x yang lainnya

x – 4500 / 7000-4500, 4500 ≤ x ≤ 7000

µ 𝑆𝑎𝑛𝑔𝑎𝑡 𝐵𝑎𝑖𝑘 [𝑥] = { 1, x ≥ 7000

0, x yang lainnya

2. Tanggungan ortu/wali
Dalam penentuan nilai tanggungan ortu/wali dibagi menjadi 3 himpunan yaitu
cukup, sedang banyak. Adapun penilaian tanggungan ini dapat kita lihat dari
Gambar 10.

16
 Gambar 10 Fungsi Derajat Keanggotaan Tanggungan ortu/wali
Berikut fungsi keanggotaan dari masing- masing himpunan fuzzy, yaitu :

1, 0≤x≤1

µ 𝐶𝑢𝑘𝑢𝑝 [𝑥] = { 2 - x / 2-1,

0,
1≤x≤2

x yang lainnya

x – 1 / 2 - 1, 1≤x≤2

µ 𝑆𝑒𝑑𝑎𝑛𝑔 [𝑥] = { 1, 2≤x≤3

4 - x / 4 - 3, 3≤x≤4

0, x yang lainnya
x – 3 / 4 - 3, 3≤x≤4

µ 𝑆𝑎𝑛𝑔𝑎𝑡 𝐵𝑎𝑖𝑘 [𝑥] = { 1, 4≤x≤5

0, x yang lainnya

3. IPK
Dalam penentuan nilai IPK dibagi menjadi 3 himpunan yaitu : Rendah,
Sedang, Tinggi. Adapun penilaian IPK ini dapat kita lihat dari Gambar 11.

Gambar 11 Fungsi Derajat Keanggotaan IPK

17
Berikut fungsi keanggotaan dari masing- masing himpunan fuzzy, yaitu :

µ 𝑅𝑒𝑛𝑑𝑎ℎ [𝑥] = { 1,

2,5 - x / 2,5-1,
0≤x≤1

1 ≤ x ≤ 2,5

0, x yang lainnya

x – 2 / 2,5 - 2, 2 ≤ x ≤ 2,5

1, 2.5 ≤ x ≤ 2,75

µ 𝑆𝑒𝑑𝑎𝑛𝑔 [𝑥] = { 3 - x / 3 – 2,75, 2,75 ≤ x ≤ 3

0, x yang lainnya

x – 2,75 / 3,5 – 2,75, 2,75 ≤ x ≤ 3,5

µ 𝑇𝑖𝑛𝑔𝑔𝑖 [𝑥] = { 1,

0,
3,5 ≤ x ≤ 4

x yang lainnya

4. Hasil Seleksi
Dalam penentuan nilai hasil seleksi dibagi menjadi 4 himpunan yaitu : Tidak
Layak, Beasiswa Berprestasi, Beasiswa Tidak Mampu dan Berprestasi. Adapun
penilaian hasil seleksi ini dapat kita lihat dari Gambar 12.

Gambar 12 Fungsi Derajat KeanggotaanHasil Seleksi

18
Berikut fungsi keanggotaan dari masing- masing himpunan fuzzy, yaitu :
µ 𝑇𝑖𝑑𝑎𝑘 𝐿𝑎𝑦𝑎𝑘 [𝑥] =
1, x ≤ 40

{ 60 - x / 60-40,

0,
40 ≤ x ≤ 60

x yang lainnya

µ 𝐵𝑒𝑎𝑠𝑖𝑠𝑤𝑎 𝐵𝑒𝑟𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [𝑥] = x – 50 / 60 - 50, 50 ≤ x ≤ 60

{ 1,

80 - x / 80 – 70,
60 ≤ x ≤ 70

70 ≤ x ≤ 80

0, x yang lainnya

µ 𝐵𝑒𝑎𝑠𝑖𝑠𝑤𝑎_𝑇𝑖𝑑𝑎𝑘_𝑀𝑎𝑚𝑝𝑢_𝑑𝑎𝑛_𝐵𝑒𝑟𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [𝑥]

x – 75 / 90 – 75, 75 ≤ x ≤ 90

90 ≤ x ≤ 100
= { 1,

0, x yang lainnya

3.3 Mesin Inferensi

Pada tahap mesin inferensi, dalam menentukan hasil seleksi penerimaan
beasiswa akan menerapkan fungsi MAX untuk setiap rule (aturan) yang digunakan
pada aplikasi fungsi implikasinya.
Rule Penerimaan Beasiswa sebagai berikut :
[R1] If (Pendapatan_ortu/wali is Kurang) and (Tanggungan_ortu/wali is cukup) and
(IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R2] If (Pendapatan_ortu/wali is Kurang) and (Tanggungan_ortu/wali is Sedang)
and (IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R3] If (Pendapatan_ortu/wali is Kurang) and (Tanggungan_ortu/wali is Banyak)
and (IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)

19
[R4] If (Pendapatan_ortu/wali is Kurang) and (Tanggungan_ortu/wali is cukup) and
(IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak )
[R5] If (Pendapatan_ortu/wali is Kurang) and (Tanggungan_ortu/wali is Sedang)
and (IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak )
[R6] If (Pendapatan_ortu/wali is Kurang) and (Tanggungan_ortu/wali is Banyak)
and (IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak )
[R7] If (Pendapatan_ortu/wali is Kurang) and (Tanggungan_ortu/wali is cukup) and
(IPK is Tinggi) then (Hasil_Seleksi is Beasiswa_Tidak_Mampu_dan_Berprestasi )
[R8] If (Pendapatan_ortu/wali is Kurang) and (Tanggungan_ortu/wali is Sedang)
and (IPK is Tinggi) then (Hasil_Seleksi is
Beasiswa_Tidak_Mampu_dan_Berprestasi )
[R9] If (Pendapatan_ortu/wali is Kurang) and (Tanggungan_ortu/wali is Banyak)
and (IPK is Tinggi) then (Hasil_Seleksi is
Beasiswa_Tidak_Mampu_dan_Berprestasi )
[R10] If (Pendapatan_ortu/wali is Cukup) and (Tanggungan_ortu/wali is cukup)
and (IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R11] If (Pendapatan_ortu/wali is Cukup) and (Tanggungan_ortu/wali is Sedang)
and (IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R12] If (Pendapatan_ortu/wali is Cukup) and (Tanggungan_ortu/wali is Banyak)
and (IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R13] If (Pendapatan_ortu/wali is Cukup) and (Tanggungan_ortu/wali is cukup)
and (IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak)
[R14] If (Pendapatan_ortu/wali is Cukup) and (Tanggungan_ortu/wali is Sedang)
and (IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak)
[R15] If (Pendapatan_ortu/wali is Cukup) and (Tanggungan_ortu/wali is Banyak)
and (IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak)
[R16] If (Pendapatan_ortu/wali is Cukup) and (Tanggungan_ortu/wali is cukup)
and (IPK is Tinggi) then (Hasil_Seleksi is
Beasiswa_Tidak_Mampu_dan_Berprestasi )
[R17] If (Pendapatan_ortu/wali is Cukup) and (Tanggungan_ortu/wali is Sedang)
and (IPK is Tinggi) then (Hasil_Seleksi is
Beasiswa_Tidak_Mampu_dan_Berprestasi )

20
[R18] If (Pendapatan_ortu/wali is Cukup) and (Tanggungan_ortu/wali is Banyak)
and (IPK is Tinggi) then (Hasil_Seleksi is
Beasiswa_Tidak_Mampu_dan_Berprestasi )
[R19] If (Pendapatan_ortu/wali is Baik) and (Tanggungan_ortu/wali is cukup) and
(IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R20] If (Pendapatan_ortu/wali is Baik) and (Tanggungan_ortu/wali is Sedang) and
(IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R21] If (Pendapatan_ortu/wali is Baik) and (Tanggungan_ortu/wali is Banyak) and
(IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R22] If (Pendapatan_ortu/wali is Baik) and (Tanggungan_ortu/wali is cukup) and
(IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak)
[R23] If (Pendapatan_ortu/wali is Baik) and (Tanggungan_ortu/wali is Sedang) and
(IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak )
[R24] If (Pendapatan_ortu/wali is Baik) and (Tanggungan_ortu/wali is Banyak) and
(IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak )
[R25] If (Pendapatan_ortu/wali is Baik) and (Tanggungan_ortu/wali is cukup) and
(IPK is Tinggi) then (Hasil_Seleksi is Beasiswa_Berprestasi )
[R26] If (Pendapatan_ortu/wali is Baik) and (Tanggungan_ortu/wali is Sedang) and
(IPK is Tinggi) then (Hasil_Seleksi is Beasiswa_Berprestasi )
[R27] If (Pendapatan_ortu/wali is Baik) and (Tanggungan_ortu/wali is Banyak)
and (IPK is Tinggi) then (Hasil_Seleksi is
Beasiswa_Tidak_Mampu_dan_Berprestasi )
[R28] If (Pendapatan_ortu/wali is Sangat_Baik) and (Tanggungan_ortu/wali is
cukup) and (IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R29] If (Pendapatan_ortu/wali is Sangat_Baik) and (Tanggungan_ortu/wali is
Sedang) and (IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R30] If (Pendapatan_ortu/wali is Sangat_Baik) and (Tanggungan_ortu/wali is
Banyak) and (IPK is Rendah) then (Hasil_Seleksi is Tidak_Layak)
[R31] If (Pendapatan_ortu/wali is Sangat_Baik) and (Tanggungan_ortu/wali is
cukup) and (IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak)
[R32] If (Pendapatan_ortu/wali is Sangat_Baik) and (Tanggungan_ortu/wali is
Sedang) and (IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak )

21
[R33] If (Pendapatan_ortu/wali is Sangat_Baik) and (Tanggungan_ortu/wali is
Banyak) and (IPK is Sedang) then (Hasil_Seleksi is Tidak_Layak )
[R34] If (Pendapatan_ortu/wali is Sangat_Baik) and (Tanggungan_ortu/wali is
cukup) and (IPK is Tinggi) then (Hasil_Seleksi is Beasiswa_Berprestasi )
[R35] If (Pendapatan_ortu/wali is Sangat_Baik) and (Tanggungan_ortu/wali is
Sedang) and (IPK is Tinggi) then (Hasil_Seleksi is Beasiswa_Berprestasi )
[R36] If (Pendapatan_ortu/wali is Sangat_Baik) and (Tanggungan_ortu/wali is
Banyak) and (IPK is Tinggi) then (Hasil_Seleksi is Beasiswa_Berprestasi )

3.4 Defuzzyfikasi
Defuzzifikasi merupakan langkah terakhir pada sistem fuzzy. Proses
defuzzifikasi merupakan proses pemetaan dari himpunan fuzzy ke himpunan tegas.
Dalam seleksi penerimaan beasiswa yang diberikan dilakukan perhitungan
berdasarkan pembentukan rule sehingga nantinya akan diperoleh hasil keputusan
penerima beasiswa. Adapun hasil defuzzifikasi menggunakan Matlab R2010a.
adalah sebagai berikut :
Tabel 3. Data Hasil Defuzzyfikasi
No. Nama Pendap- Tanggu- IPK Hasil Hasil
atan ngan Defuzzyfikasi Seleksi
ortu/wal ortu/wali
i
1 Mahasiswa 2000 3 2.80 28.32 Tidak
1 Layak
2 Mahasiswa 1000 2 3.00 88.96 Tidak
2 Mampu
Dan
Berpres
tasi
3 Mahasiswa 4000 5 2.90 38.43 Tidak
3 Layak

4 Mahasiswa 4000 5 3.85 90.98 Tidak

4 Mampu
Dan
Berpres
tasi
5 Mahasiswa 5000 5 3.82 65 Berpres
5 tasi

22
6 Mahasiswa 3500 5 3.20 89.84 Tidak
6 Mampu
Dan
Berpres
tasi
7 Mahasiswa 8000 6 3.10 65 Berpres
7 tasi

8 Mahasiswa 2500 4 2.96 53.48 Tidak

8 Layak

9 Mahasiswa 1500 2 2.80 30.76 Tidak

9 Layak

10 Mahasiswa 1000 3 2.50 27.32 Tidak

10 Layak

11 Mahasiswa 5000 2 2.70 28.76 Tidak

11 Layak

12 Mahasiswa 5000 2 3.65 65 Berpres

12 tasi

13 Mahasiswa 6000 4 3.65 65 Berpres

13 tasi

14 Mahasiswa 4000 5 2.90 38.43 Tidak

14 Layak

15 Mahasiswa 4000 4 3.70 90.98 Tidak

15 Mampu
Dan
Berpres
tasi
16 Mahasiswa 3500 2 3.75 65 Berpres
16 tasi

17 Mahasiswa 3500 5 2.65 26.55 Tidak

17 Layak

18 Mahasiswa 5000 5 3.86 65 Berpres

18 tasi

19 Mahasiswa 4000 5 3.50 90.98 Tidak

19 Mampu
Dan
Berpres
tasi
20 Mahasiswa 1000 3 2.50 27.30 Tidak
20 Layak

23
 BAB IV
PENUTUP

4.1 Kesimpulan
Pada tugas akhir kecerdasan buatan untuk mendukung keputusan seleksi
penerimaan beasiswa ini kami menggunakan logika fuzzy dengan metode
mamdani. Hasil yang diproses simulasi menunjukkan angka yang sesuai dengan
rules berdasarkan langkah-langkah perhitungan dengan menggunakan metode
fuzzy mamdani yaitu identifikasi data mahasiswa calon penerima beasiswa berupa
variabel input Pendapatan ortu/wali, Tanggungan ortu/wali, IPK, dan variabel
output Hasil Seleksi; Fuzzyfikasi; Mesin Inferensi dan Defuzzyfikasi. Hasil Seleksi
yaitu tidak layak dengan hasil defuzzyfikasi ≤ 60, beasiswa berprestasi yaitu dengan
hasil defuzzyfikasi 50-60 dan beasiswa tidak mampu dan berprestasi ≥ 75. Dari 20
mahasiswa yang mengajukan beasiswa yang mendapatkan beasiswa berprestasi 6
orang, beasiswa tidak mampu dan berprestasi 5 orang, lainnya dinyatakan tidak
layak.
Dengan adanya pengembangan dan penggunaan Sistem Pendukung
Keputusan Seleksi Penerimaan Beasiswa dengan Metode Fuzzy Mamdani
menggunakan software MATLAB yang berupa program dan simulink sehingga
program beasiswa dapat dipahami oleh kami dan memenuhi prinsip 3T, yaitu tepat
sasaran, tepat jumlah dan tepat waktu serta dapat menjadi karya ilmiah yang dapat
menjadi referensi dalam pengembangan ilmu bidang Sistem Informasi dan ilmu
lainya yang menggunakan Aplikasi MATLAB.

4.2 Saran
Setiap pengembangan sistem pasti selalu terdapat ketidaksempurnaan,
begitu juga dengan pengembangan Sistem Pendukung Keputusan Seleksi
Penerimaan Beasiswa Dengan Metode Fuzzy Mamdani ini sehingga diharapkan
jika kedepannya ada yang ingin mengembangkan sistem ini maka dapat melakukan
perbaikan, penambahan fitur yang berguna dan bermanfaat sehingga

24
mengoptimalkan sistem ini sesuai dengan kebutuhan, penambahan input, atau
menegembangkan dengan metode lain.

Selain itu, agar dapat menyelesaikan pembuatan sistem logika fuzzy ini
dengan baik maka perlu mencari referensi- referensi yang relevan sebagai acuan
sehingga memudahkan dalam memahami dan mengembangkannya.

25
 DAFTAR PUSTAKA

Indra Kurniawan, Y. & Arina Windiasani, P., 2017. Sistem Pendukung Keputusan
untuk Penetuan Kelolosan Beasiswa Sekolah Menengah Kejuruan (SMK)
Menggunakan Metode Fuzzy. p. 3.

Victor Haryanto, E. & Nasari, F., 2015. Penerapan Metode Fuzzy Mamdani
dalam Memprediksi Tingginya Pemakaian Listrik (studi kasus kelurahan
ABC). p. 1.

Anonim, 2016. Rancangan Pembuatan Program Sisa Penjualan Barang,

Surabaya: s.n.

Anonim, n.d. Logika Fuzzy. In: Bahan Ajar Prodi SI. s.l.:s.n., pp. 114-129.

R. & Adawiyah, R., 2013. Sistem Pendukung Keputusan Pemilihan Penerima

Beasiswa Berbasis Fuzzy Mamdani. p. 2.

Zamroni, M. R., 2014. Pemanfaatan Metode logic Mamdani untuk SPK

Penerimaan Beasiswa Di SMA Muhammadiyah 10 Sugio, p. 3.

26
 LAMPIRAN

A. Rancangan Program Seleksi Penerimaan Beasiswa Dengan Metode Fuzzy

Mamdani
Pada kesempatan yang sangat berharga ini, kami manfaatkan tugas yang
diberikan untuk membuat suatu program kecerdasan buatan yang kami manfaatkan
sebaik mungkin agar dapat dipahami sebaik mungkin, oleh karena itu dipilih
permasalahn yang tidak begitu rumit yaitu program kecerdasan buatan seleksi
penerimaan beasiswa. Program akan menghitung berapa nilai hasil seleksi sebagai
penentuan kelayakan beasiswa yang didapatkan dengan menggunakan tiga input
yaitu IPK, pendapatan orang tua/ wali, tanggungan orang tua atau wali dari tiga
input tersebut akan menghasilkan output nilai dari hasil seleksi dengan pengaruh
dua tiga input sebelumnya.
Untuk itu akan dilampirkan bagaimana proses pembuatan program seleksi
penerimaan beasiswa dengan menggunakan logika fuzzy mamdani sebagai berikut.

1. Membuka software Matlab, menunggu sampai mucul tampilan seperti

berikut

Gambar 13 Tampilan awal Matlab

27
2. Mengetik “fuzzy” pada command windows untuk masuk ke Fuzzy Toolbox,
menunggu sampai muncul tampilan seperti berikut

Gambar 14 Tampilan Fuzzy Toolbox

3. Menambah Input dengan cara klik Edit > Add Variable > Input , sampai
muncul tampilan seperti berikut

28
 Gambar 15 Penambahan Input

4. Mengganti nama Input 1, Input 2, Input 3 dan Output 1 dengan

Pendapatan Ortu/ Wali, Tanggungan Ortu/ Wali, IPK dan Hasil Seleksi
dengan cara menggantinya pada kolom Name.

29
 Gambar 16 Mengganti Nama

5. Membuat Fungsi Keanggotaan dengan cara klik Edit > Member Function
dan menunggu sampai muncul tampilan seperti berikut

Gambar 17 Tampilan Member Function

30
6. Membuat Fungsi Keanggotaan sesuai dengan program dan kebutuhan atau
mengambil dari data real.

Gambar 18 Fungsi Keanggotaan Pendapatan ortu/wali

Gambar 19 Fungsi Keanggotaan Tanggungan ortu/wali

31
 Gambar 20 Fungsi Keanggotaan IPK

Gambar 21 Fungsi Keanggotaan Hasil Seleksi

32
7. Masuk ke Rule Editor dengan cara klik Edit > Rules, menunggu sampai
muncul tampilan seperti berikut.

Gambar 22 Tampilan Rule Editor

8. Membuat Rule sesuai dengan kebutuhan dan disesuaikan dengan rule table
yang sudah dibuat.

Gambar 23 Rules

33
9. Melihat hasil rules di Rule Viewer dari hasil rule yang sudah dibuat di
Rule Editor dengan cara klik View > Rules

Gambar 24 Rules Viewer

10. Melihat Surface di Surface Viewer dari hasil rule yang sudah dibuat di
Rule Editor dengan cara klik View > Surface

34
 Gambar 25 Surface Viewer

11. Menyimpan hasil pekerjaan dengan cara klik File > Export > To File lalu
simpan di tempat yang diinginkan. Lalu ulangi kembali klik File > Export
> To Workspace lalu copy Workspace Variablenya untuk membuat
Simulink.

Gambar 26 Workspace Variabel

35
B. Membuat Simulink
Simulink pada Matlab adalah salah satu fitur dari matlab untuk mensimulasi
suatu desain atau model yang bersifat dinamis ataupun tertanam.Langkah membuat
Simulink adalah sebagai berikut :

1. Kembali ke tampilan awal Matlab, lalu ketik “simulink” pada command

windows, menunggu sampai muncul tampilan seperti berikut

Gambar 27 Tampilan Simulink Toolbox

2. Klik File > New > Model dan tunggu sampai muncul tampilan seperti
berikut.

36
 Gambar 28 Tampilan Model

3. Klik Sources di Simulink Libraries, klik dan tahan pada pilihan

Constant dan drag ke model, mengulangi tahap ini sekali lagi
karena kami menggunakan dua input.

Gambar 29 Mendrag Constant ke Model

37
4. Klik Signal Routing di Simulink Libraries, pilih dan drag Mux ke
Model.

Gambar 30 Mendrag Mux ke Model

5. Klik Fuzzy Logic Toolbox Libraries lalu pilih Fuzzy Logic

Controller dan drag ke Model.

Gambar 31 Mendrag Fuzzy Logic Controller

38
6. Klik Sink di Simulink Libraries, pilih dan drag Display ke Model

Gambar 32 Mendrag Display ke Model

7. Tambahkan parameter pada Mux , klik kanan pada gambar Mux,

pilih Mux Parameter, ubah Number of inputs menjadi 3emudian
OK

Gambar 33 Menambahkan parameter pada Mux

39
8. Menyambungkan semua komponen

Gambar 34 Menyambungkan Komponen

9. Double Klik di Komponen Fuzzy Logic Controller lalu Paste nama

program yang tadi di copy saat di export ke wokspaces. Lalu klik
apply dan ok

Gambar 35 Fuzzy Logic Controller

40
10. Simulasi. Masukkan nilai Harga dan Kualitas, lalu klik start.

Gambar 36 Simulasi

41