Abstrak
Diabetes Meletus merupakan salah satu penyakit yang banyak menyababkan kematian. Penggunaan
obat yang tidak sesuai dengan dosis penyakit menyebabkan tekanan darah glukosa menjadi tidak
normal sehingga sulitnya penderita Deabetes Meletus untuk mendapatkan obat yang sesuai. Untuk itu
permasalahan akan diselesaikan dengan metode mamdani dengan beberapa variable yaitu variable
input Kadar Glukosa Darah variable output Golongan Obat. Dengan penerapan variable akan mampu
menentukan dosis yang sesuai dengan jenis penyakit hingga kadar glukosa darah agar tetap normal.
Penggunakan aplikasi ini diperuntukan untuk apoteker hingga bisa dimammfaatkan jika pasien betul
betul membutuhkan dosis yang sesuai jika dokter tidak ada di tempat.
Abstrak
Erupted diabetes is one of the diseases that cause many deaths. The use of drugs that are not in accordance with
the dose of the disease causes glucose blood pressure to become abnormal so it is difficult for people with
diabetes to erupt to get the appropriate medication. For this reason the problem will be solved by the mamdani
method with a number of variables, namely the variable input Blood Glucose Level output variable Drug Group.
With the application of variables, it will be able to determine the dosage according to the type of disease until
the blood glucose level remains normal. The use of this application is intended for pharmacists to be able to use
it if the patient really needs the right dose if the doctor is not available.
67
JURNAL TEKNOLOGI DAN OPEN SOURCE ISSN ONLINE : 2622-1659
VOL. 1 No. 2, Desember 2018 Hal : 67 - 74
1. PENDAHULUAN
Klinik armen suheri dalam keadaan sehari hari dibidang kesehatan. Dimana dokter begitu
sibuk sehingga sering terjadi penggantian tenaga medis sehingga menyulitkan pasien control,
disebabkan pergantian dokter yang ada pada klinik tersebut. Setiap pasien penanganan yang berbeda,
mengakibatkan berbedanya pendapat msalah dosis yang dikonsumsi pasien.
Berdasarkan hal diatas, timbul sebuah gagasan untuk menganalisa bagaimana menentukan
golongan obat yang sesuai dengan penyakit deabetes. Penelitian ini menggunakan metode Fuzzy
Inference Sistem (FIS) untuk menentukan obat yang sesuai untuk menjaga agar tekanan darah
penderita penyakit DM, tetap terkontrol dalam keadaan normal.
2. TINJAUAN PUSTAKA
2.1 Fuzzy Logic
Menurut Wira Buana Pada Jurnal Edik Informatika Fuzzy Logic merupakan adapun tahapan
tahapan yang dilakukan. Beberapa model fuzzy logic banyak diterapkan dalam menyelesaikan
berbagai permasalahan salah satunya adalah fuzzy Mamdani. Banyaknya jenis telepon seluler yang
tersedia dipasaran membuat para konsumen menjadi kesulitan untuk menentukan pilihannya.
Permasalahan yang dipilih adalah membangun sistem pendukung pengambilan keputusan untuk
membantu memberikan pilihan ponsel bagi para konsumen berdasarkan kriteria-kriteria yang
diinginkan oleh konsumen tersebut
Menurut Wira Buana pada jurnal Edik Informatika operator Fuzzy Logic adalah :
1. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan predikat sebagai hasil
operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar
elemen pada himpunan-himpunan yang bersangkutan.
µAUB = min(_A[x],_B[y])
2. Operator OR
68
JURNAL TEKNOLOGI DAN OPEN SOURCE ISSN ONLINE : 2622-1659
VOL. 1 No. 2, Desember 2018 Hal : 67 - 74
maksimum dari kedua himpunan. Operator OR pada himpunan fuzzy bekerja sesuai
dengan himpunan klasik 0 OR 1, yang menghasilkan nilai 1. Operator ini dapat
dimodelkan menjadi:
3. Operator NOT
Operator NOT himpunan fuzzy adalah negasi dari himpunan. Operator ini dapat
dimodelkan menjadi:
(NOT A) = 1 - (A).
Menurut Kenneth. E. Kendall pada jurnal Teknik Informasi Sistem Pendukung Keputusan
(SPK) atau Decision Support System, adalah sistem informasi interaktif yang mendukung proses
pembuatan keputusan melalui presentasi informasi yang dirancang secara spesifik untuk pendekatan
penyelesaian masalah dan kebutuhan-kebutuhan aplikasi para pembuat keputusan, serta tidak
membuat keputusan untuk pengguna (Fahmy Umar)
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan
oleh Ebrahim Mamdani
Representasi bentuk kurva membership function dapat dibagi sebagai berikut (Haryanto,
2015).
69
JURNAL TEKNOLOGI DAN OPEN SOURCE ISSN ONLINE : 2622-1659
VOL. 1 No. 2, Desember 2018 Hal : 67 - 74
3. METODOLOGI PENELITIAN
Berdasarkan analisa-analisa yang di uraikan maka dapat di lihat tahapan penelitian ini pada
gambar 3.1.
Langkah menganalisa masalah adalah langkah untuk dapat memahami masalah yang telah
ditentukan dalam ruang lingkup atau batasannya. Dengan survey langsung menemui pakar yang ada
di lapangan yaitu dokter yang telah memahami tentang dosis oata yang sesuai. Dengan menganalisa
masalah yang ditentukan tersebut, maka masalah dapat dipahami dengan baik. Masalah yang timbul
sekarang adalah bagaimana menentukan golongan obat yang sesuai untuk menjaga agar tekanan
darah tetap terkontrol menggunakan fuzzy Logic.
70
JURNAL TEKNOLOGI DAN OPEN SOURCE ISSN ONLINE : 2622-1659
VOL. 1 No. 2, Desember 2018 Hal : 67 - 74
Dalam pengumpulan data dan informasi, pada tahap ini dilakukan untuk mengetahui mengenai
sistem yang diteliti. Dari data dan informasi yang dikumpulan akan didapat data untuk
pendukung penelitian. Metode yang digunakan penulis untuk pengumpulan data dengan
berbagai metode sebagai berikut :
a. Observasi
Melakukan pengamatan langsung di tempat penelitian untuk mengetahui secara jelas dan
terinci permasalahan yang ada. Dengan menanyakan kepuasan baik kepuasan pasien
maupun tindak lanjut dari dokter bagaimana cara menangani penyakit yang diderita oleh
pasien. Pengamatan langsung dilalukan pada Klinik Armen Suheri.
b. Interview
Dilakukan untuk memperoleh informasi atau data yang dibutuhkan dengan cara melakukan
wawancara langsung pada bagian yang terkait yaitu pada Staf Klinik , dokter maupun
pasien yang berkunjung ke klinik tersebut agar pemberian tool pada metode mamdani
sesuai dengan vaiable variable yang ada dalam metode yaitu jenis penyakit kadar gula
glukosa maupun jenis dosis obat yang sesuai dengan golongan kadar gula glukosa tersebut .
c. Studi Literatur
Dalam metode ini informasi dikumpulkan dengan membaca jurnal dan buku – buku yang
berhubungan dengan tesis untuk menunjang dalam melakukan analisa terhadap data dan
informasi. Di antara buku yang berkaitan dengan fuzzyLogic dan jurnal yang berkaitan
dengan tesis.
3.6. Pengujian
Menampilkan hasil pengolahan data, proses ini merupakan proses yang terakhir dari rangkaian dalam
sistem ini. Proses ini akan menampilkan tabel obat yang sesuai terhadap tekanan darah agar tetap
terkontrol, Adapaun mekanisme pengujian yang akan dilakukan adalah Pengujian manual, di mana
dalam mencari nilai variabel input dilakukan proses fuzzyfikasi dengan mencari nilai derajat
keanggotaan masing – masing criteria input. Proses pencarian derajat keanggotaan dengan rumus
kurva segitiga.
3.7. Hasil
Dari pengujian dengan menerapkan variabel - variabel fuzzy logic maka dapat diketahui golongan
obat yang sesuai untuk penyakit DM akar tekanan kadar glukosanya tetap normal.
71
JURNAL TEKNOLOGI DAN OPEN SOURCE ISSN ONLINE : 2622-1659
VOL. 1 No. 2, Desember 2018 Hal : 67 - 74
4.1 Fuzzyfikasi
Adapun tujuannya dalam penelitian ini berupa fuzzyfikasi yang akan dipaparkan dibawah ini:
Contoh :
82 : 75 – 70 / 90 – 80
: 0.5 1
0.5
0
4.2 Inference 70 75 90
Inference adalah cara dalam menentuakan nilai min untuk setiap aturan yang berlaku pada fuzzy
logic . fungsi Inference digunakan dengan metode Min (ὰ-cut).
α prediket = µRendah
= Min µ Prehipertensi (75)
72
JURNAL TEKNOLOGI DAN OPEN SOURCE ISSN ONLINE : 2622-1659
VOL. 1 No. 2, Desember 2018 Hal : 67 - 74
= Min( 0,5 )
= 0,5
0.5
0
70 75 90
4.3 Defuzzyfikasi
Pada proses ini peneliti menggunakan Center Of Gravity(COG) di mana Kadar Glukosa Darah, dapat
dirumusnya adalah rumus sebagai berikut:
Z* =
=
= 80
5 KESIMPULAN
UCAPAN TERIMAKASIH
Alhamdulillah, puji syukur selalu peneliti panjatkan kepada Allah SWT yang telah menganugerahkan
rahmat, taufik dan berkah-Nya sehingga peneliti dapat menyelesaikan dengan baik. Peneliti juga ingin
menyampaikan ucapan terimakasih yang tak terhingga dan penghargaan setinggi-tingginya kepada
Civitas Akademika Universitas Islam Kuantan Singingi.
73
JURNAL TEKNOLOGI DAN OPEN SOURCE ISSN ONLINE : 2622-1659
VOL. 1 No. 2, Desember 2018 Hal : 67 - 74
DAFTAR PUSTAKA
Buana, W. “Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan
Telepon Seluler” Jurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan
Informatika , ISSN 2407-049
Fahmy Umar, F dan Widjianto., dan Dinny Wahyu Widarti, D, W. ”Sistem Pendukung
Keputusan Keputusan Pemilihan Laptob Menggunakan Metode Fuzzy Data Base Model Tahani
Berbasis Web “ Jurnal Teknologi Informasi Vol. 6 No. 2
Haryanto, H., E dan Nasarim F. (2015). “Penerapan Metode Fuzzy Mamdani Dalam
Memprediksi Tingginya Pemakaian Listrik (Studi Kasus Kelurahan ABC” Seminar Nasional
Teknologi Informasi dan Multimedia 2015 6-8 Februari (2015), ISSN 2302-3805
Suryani, N., Pramono., dan Septiana, H. (2016)”Diet dan Olahraga sebagai Upaya
Pengendalian Kadar Gula Darah pada Pasien Diabetes Melitus Tipe 2 di Poliklinik Penyakit Dalam
RSUD Ulin Banjarmasin Tahun 2015” Jurnal Jurkessia, Vol. VI, No. 2, Maret 2016
74
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
ABSTRAK
Karyawan merupakan elemen penting didalam sebuah perusahaan yang akan menentukan
kemajuan disuatu perusahaan tersebut, oleh kerna itu untuk meniggkatkan prestasi kinerja karyawan
agar lebih efektif dalam melakukan tugas maka dibuatlah sebuah prongram penilaian dalam bentuk
reward, pemberian reward ini hanyalah bertujuan meniggkatkan prastasi dalam perkejaaan agar lebih
bersikap profesional, dikarnakan belum adanya sebuah aplikasi sebagai alat bantu pemilih karyawan
yang berhak mendapat reward secara tepat. maka digunakanlah Sistem Pendukung Keputusan, yaitu
metode fuzzy logic Tsukamoto dengan menerapkan variabel-variabel sebagai data pendukung yang
meliputi Kinerja Kedisiplinan dan Kemampuan yang menjadi kriteria dalam penilaian. Tujuan penelitian
ini adalah untuk mempermudahkan usaha roti canai dalam penentuan kelayakan karyawan yang akan
mendapat reward. Pemberian reward ini disesuai dengan keadaan serta kualitas yang dimiliki sehingga
reward dapat diberikan kepada karyawan secara objektif.
56
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
Salah”, ”Baik atau Buruk”, dan lain lain. Oleh Ada 2 keadaan himpunan fuzzy yang linear.
karena itu, semua ini dapat mempunyai nilai Pertama, kenaikan himpunan dimulai pada nilai
keanggotaan 0 atau 1. Akan tetapi rada di antara domain yang memiliki derajat keanggotaan nol
0 dan 1. Artinya, bisa saja suatu keadaan [0] bergerak ke kanan menuju ke nilai domain
mempunyai dua nilai “Ya dan Tidak”, “Benar yang memiliki derajat keanggotaan lebih
dan Salah”, “Baik dan Buruk”secara bersamaan, tinggi.(Murdianingsih & Utomo, 2016)
namun besar nilainya tergantung pada bobot Seperti grafik (fis) dibawah ini.
keanggotaanyang dimilikinya.(Hasanh &
Widiastuti, 2014)
1
c. Metode Sistem Inferensi Fuzzy
Sistem inferensi fuzzy akan berfungsi
sebagai pengendali proses tertentu dengan
menggunakan aturan-aturan inferensi
berdasarkan logika fuzzy.(Novita, 2019)
Sistem inferensi memiliki 4 unit yaitu
1. Unit fuzzifikasi (fuzzification unit) 0
a b
2. Unit penalaran logika fuzzy (fuzzy logic
reasoning unit) Gambar 1. Representasi Linear Naik.
3. Unit basis pengetahuan (knowledge base Sumber.(Iswandy, 2015)
unit) yang terdiri dari :
4. 4.Unit defuzzifikasi / unit penegasan xa
0;
(defuzzification unit)
[ x] ( x a) /(b a); a x b (1)
d. Metode Tsukamoto 1; xb
Pada metode Tsukamoto, setiap konsekuen
pada aturan yang berbentuk IF-THEN harus
direpresentasikan dengan suatu himpunan fuzzy Kedua, merupakan kebalikan yang
dengan fungsi keanggotaan yang monoton. pertama. Garis lurus dimulai dari nilai
Sebagai hasilnya, output hasil inferensi dari tiap- domain dengan derajat keanggotaan tertinggi
tiap aturan diberikan dengan tegas.(Fristanto, pada sisi kiri, kemudian bergerak menurun
2013) ke nilai domain yang memiliki derajat
Setiap konsekuen pada aturan yang keanggotaan lebih rendah.
berbentuk If-Then harus direpresentasikan
dengan suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton. Sebagai hasilnya,
output hasil inferensi dari tiap-
tiap aturan diberikan secara tegas (crisp) 1
berdasarkan predikat. Hasil akhirnya diperoleh
dengan menggunakan rata-rata terbobot.(Ekajaya,
Hidayat, & Ananta, 2018)
Fungsi Keanggotaan adalah suatu kurva
yang menunjukkan pemetaan titik-titik input data
kedalam nilai keanggotaannya (sering juga
0
disebut dengan derajat keanggotaan) yang a b
memiliki interval antara 0 sampai 1. Salah satu
cara yang dapat digunakan untuk mendapatkan Gambar 2. Representasi Linear Turun.
nilai keanggotaan adalah dengan melalui Sumber.(Iswandy, 2015)
pendekatan fungsi. Ada beberapa fungsi yang
(b x) /(b a); a x b
digunakan.(Hasanh & Widiastuti, 2014) [ x ] (2)
Seperti nilai keanggotaan dibawah ini 0; xb
1. Representasi Linear
Pada representasi linear, pemetaan input ke
derajat keanggotannya digambarkan sebagai
suatu garis lurus. Bentuk ini paling sederhana dan 2. Representasi Kurva Segitiga
menjadi pilihan yang baik untuk mendekati suatu Kurva Segitiga pada dasarnya merupakan
konsep yang kurang jelas.(Taufiq, 2016) gabungan antara 2 garis (linear)
57
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
0 c
a b
Gambar 3. KurvaSegitiga.
Sumber.(Iswandy, 2015)
0;
[ x] (x - a)/(b - a); a x b (3)
(b - x)/(c - b); b x c Gambar 5. Daerah ‘bahu’ TEMPERATUR.
Sumber.(Iswandy, 2015)
3. Representasi Kurva Trapesium
Kurva Segitiga pada dasarnya hanya saja Seperti halnya himpunan konvensional, ada
ada beberapa titik yang memiliki nilai beberapa operasi yang didefinisikan secara
keanggotaan (1). khusus untuk mengkombinasi dan memodifikasi
himpunan fuzzy. Nilai keanggotaan sebagai hasil
dari operasi dengan nama fire strength atau –
predikat.(Ekajaya et al., 2018)
1 Ada tiga penerapan yang digunakan dalam
penyelesaian metode fuzzy logic yaitu:
1. Operator AND
Operator ini berhubungan dengan operasi
interseksi pada himpunan. –predikat sebagai
hasil operasi dengan operator AND diperoleh
dengan mengambil nilai keanggotaan terkecil
antar elemen pada himpunan-himpunan yang
0 c d bersangkutan.(Ekajaya et al., 2018)
a b
Gambar 4. Kurva Trapesium. 2. Operator OR
Sumber.(Iswandy, 2015) Operator ini berhubungan dengan operasi
union pada himpunan. –predikat sebagai hasil
0; x a atau x d operasi dengan operator OR diperoleh dengan
(x - a)/(b - a); axb himpunan-himpunan yang bersangkutan.(Nurul,
[ x ] (4) 2016)
1; bxc
(d - x)/(d - c); xd 3. Operator NOT
Operator ini berhubungan dengan operasi
4. Representasi Kurva Bentuk Bahu komplemen pada himpunan. –predikat sebagai
Daerah yang terletak di tengah-tengah suatu hasil operasi dengan operator NOT.(Dharmawati
variabel yang direpresentasikan dalam bentuk & Aprilianto, 2014)
segitiga, pada sisi kanan dan kirinya akan naik
dan turun (misalkan: DINGIN bergerak ke
2. METODOLOGI PENELITIAN
SEJUK bergerak ke HANGAT dan bergerak ke
Jenis PenelitianPenelitian ini merupakan
PANAS). menunjukkan variabel TEMPERATUR
penelitian eksperimen yaitu merancang sistem
dengan daerah bahunya.
prediksi jumlah produksi roti berdasarkan data
permintaan dan persediaanmenggunakan logika
fuzzy diharapkan dapat membantu menentukan
jumlah produksi roti
58
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
b. Inferensi (rule). Untuk mencarik nilai
(minimun) yang digunakan untuk mencari
nilai z.
c. Menentukan Output Crisp (Deffuzzyfikasi)
adalah hasil dari penjumlahan seluruh
penilaian berdasarkan tahan metode fuzzy
logic Tsukamoto
5. Pengujian metode fuzzy logic Tsukamoto
Proses dimana hasil yang diselesaikan
dengan metode tsukamoto ialah untuk
mendapatkan hasil yang diinginkan sesuai
dengan kriteria-kriteria yang telah
ditentukan, sehingga menghasilkan sebuah
keluaran output sesuai yang diharapkan.
6. Perbandingan hasil.
Setelah penyelesaian secara dibandingkan
dengan hasil pengujian sistem untuk
menghasilkan sebuah output, hal ini akan
disesuaikan dengan pencarian manual.
7. Implementasi
Gambar 6. Kerangka Pemikiran Proses penyelesaian dalam Tsukamoto
kemudian mengimplementasikan sebuah
Berikut ini adalah penjelasan kerangka sistem mulai dari penginputan data sampai
penelitianmenggunakan metode fuzzy logic proses penyelesaikan, sehingga
Tsukamoto yaitu: mendapatkan hasil yang diinginkan.
1. Mengidentifikasi Masalah
Pada tahap ini dilakukan 3. HASIL DAN PEMBAHASAN
pengindentifikasikan terhadap masalah a. Analisa Penyelesaian Metode.
yang akan diteliti. Adapun permasalahan Input yang digunakan dalam penelitan ini
utama yang dihadapi ialah adalah kriteria kelayakan yang memiliki nilai
mengimplementasikan metode fuzzy logic yang mendukung, nilai tersebut telah ditentukan
Tsukamoto pada penentuan kelayakan berdasarkan kriteria yang ada, seperti kriteria
karyawan untuk mendapatkan reward. kinerja, kedesiplinan dan kemampuan seperti
2. Menganalisa Masalah tabel penilaian dibawah ini.
Permasalahan yang ditemukan dalam
identifikasi masalah ini ialah masih sulitnya 1. Kinerja
pempinan dalam penentuan karyawan yang
akan mendapat reward.
3. Mengumpulkan Data mengkecewakan memuaskan
Metode pengumpulan data dilakukan 1
dengan cara melakukan pengamatan
langsung pada perusahaan roti canai, di
jalan Sudarso Dumai Timur. Selain
melakukan secara langsung pengamatan
juga dilakukan wawancara pada pihak yang 0
berkaitan dengan kasus yang akan 60 80
diselesaikan.
4. Pengolahan Data dengan metode fuzzy logic Gambar 7. Representasi kinerja
Tsukamoto
Setelah data terkumpul, selanjutnya
dilakukan analisa terhadap data. Analisa
data dilakukan dengan mengunakan metode
fuzzy logic Tsukamoto dalam mendapatkan
nilai yang terbobot.
a. Teknik Penerapan Fuzzy Tsukamoto dalam
kelayakan terhadapan karyawan yang akan
mendapat reward..
59
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
2. Kedesiplinan
b. Output
Penentuan reward ini ditentukan setiap
akhir bulan, dengan bertujuan untuk meningkat
buruk baik kualitas kinerja karyawan, maksud reward disini
1 ialah berupa uang yang akan diberikan pada tiap-
tiap karyawan setelah melakukan penilaian
berdasar kualitas yang dimiliki, variabel reward
yang akan digunakan dalam penilaian ini terdiri
dari 3 himpunan fuzzy yaitu” TIDAK DAPAT” ,
DIPERTIMBANGKAN” dan “DAPAT seperti
0 tabel dibawah ini:
60 80
menurun menigkat
1
0 40 50 60 100
60
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
mengkecewakan = (b – x) / (b – a)
0
= Dik (a = 60) (b = 80)
X - 60 X < 50 Susi (x) = 79
dapat (x) = 50< X < 60
10 Penyelesaian:
X > 60
80 - x
1 mgkecewa (x) = 80 - 60
mgkecewa (79) = 80 - 79
Penelitian ini mengunakan beberapa data 80 - 60
karyawan ditoko pembuatan roti, data yang = 80 - 79
diperoleh disesuaikan dengan penilaian dan 20
kualitas dimiliki setiap karyawan seperti gambar 1 = 0,05
=
dibawah ini: 20
Rumus baik = (x – a) / (b – a)
1. Himpunan fuzzy kinerja susi
= Dik (a = 60) (b = 80)
Susi (x) = 79
mengkecewakan memuaskan Penyelesaian:
1
x - 60
baik (x) = 80 - 60
baik (79) = 79 - 60
80 - 60
0 = 79 - 60
60 80 20
19 = 0,95
=
Rumus memuaskan = (x – a) / (b – a) 20
=
19 = 0,95 buruk (79) = 80 - 79
20 80 - 60
= 80 - 79
20
1 = 0,05
=
20
61
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
Menurun THEN Reward Tidak Dapat
(0.05;0,95;0.25) min = 0.05
menurun menigkat z3=(50-z)/10=0.05
1 =50-(0.05*10)=49,5 (Tidak Dapat)
62
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
1.0
0.05+0.05+0.05+0.05+0.05+0.25+0.05+0.
75 Input data login Login
t_pengguna
Ubah password
Z = 78.025
1.3
Input data pengguna
Z = 60.0192307692
Input data 2.0 t_karyawan
Hasil = dipertimbangkan Mendapatkan Reward karyawan
Input data kritria
Rp. 50,000 t_variabel
Input data rule
ANSOR dan SUSI dengan REWARD yang Input data reward master t_rule
didapti sebesar Rp 100.000.
purtugas t_reward
c. Context Diagram
3.0
Data karyawan
Petugas pimpinan Data rule
Imformasi data karyawan
Imformasi data kriteria Data variabel
transaksi
Imformasi data rule Data karyawan
Imformasi data reward
t_hasil
Karyawan
Id_reward
Id_rule
memiliki t_hasil Id_hasil
Id_nilai tanggal
Gambar 12. Context Diagram Nm_karyawan Id_tabel
kinerja t_nilai
kemampuan memiliki
Id_variabel
kedesiplinan kinerja
memiliki t_variabel kemampuan
Id_reward kedesiplinan
t_reward kinerja
kemampuan
kedesiplinan
Gambar 14. Entity Relationship Diagram
d. Data Flow Diagram
f. Pembahan sistem
63
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
1. Halaman Login
Setelah masuk kedalam sistem, user harus
terlebih dahulu login dengan cara menginput user
dan password dengan benar
4. KESIMPULAN
Bedasarkan penelitian yang telah dilakukan
Gambar 17. From input data user ditoko pembuatan roti dan ditemui beberapa
permasalahan yang dihadapi, Maka dapat
5. Halaman Input Data nilai disimpulkan bahawa rasanya perlu untuk
Pada from input data nilai karyawan adalah diterapkan sistem komputer dengan mengunakan
berisis nilai yang didapati karyawan diperusahaan sebuah aplikasi. Yang mana nantinya dapat
roti tersebut. mengantikan sistem lama yang ditangani secara
manual dan menjadi sistem baru. dapat diambil
beberapa kesimpulan:
1. Dengan mengunakan sistem ini maka dapat
mempermudahkan dalam penilaian kinerja
64
INFORMATIKA
Jurnal Informatika, Manajemen dan Komputer, Vol. 10 No. 2, Desember 2017
eISSN : 2580-3042
pISSN : 1979-0694
dan sesuai dengan kualitas mereka miliki, Santunan Sosial Anak Nagari Dan
baik perusahan kecil atau perusahan besar. Penyalurannya Bagi Mahasiswa Dan
2. Sistem komputerisasi dengan pemrograman Pelajar Kurang Mampu Di Kenagarian
php ini adalah salah satu sistem proses Barung – Barung Balantai Timur. Jurnal
penilaian kinerja karyawan yang diterapkan Teknoif, 3(2), 70–79. Https://Doi.Org/2338-
berdasarkan dari metode fazzy logic. 2724
65
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
Abstract
Abstrak
1. PENDAHULUAN
Lahan gambut pada wilayah Kalimantan Selatan merupakan aset besar yang
belum banyak dimanfaatkan secara maksimal terutama untuk pemanfaatan
sebagai lahan pertanian atau lahan perkebunan, karena tidak semua lahan gambut
merupakan wilayah yang cocok untuk pemanfaatan pertanian atau perkebunan,
ada beberapa kriteria syarat tumbuh tanaman tersebut pada lahan tertentu.
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 224
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
2. METODOLOGI PENELITIAN
Metodologi penyusunan penelitian mengikuti langkah-langkah dalam
kerangka penelitian sistem pakar dengan langkah-langkah sebagai berikut:
a. Penilaian
Pada tahap penilaian dilakukan penentuan mengenai hal penting sebagai
dasar dan masalah tingkat kesesuaian, menentukan rumusan masalah, menentukan
variabel sistem dalam kesesuaian lahan dan pengumpulan data lapangan sesuai
kebutuhan sistem.
b. Akuisisi Pengetahuan dan representasi pengetahuan
Tahap Akuisisi yaitu mengolah semua alur pengetahuan pakar menjadi
sebuah rule pengetahuan dalam menentukan kesesuain lahan untuk kelapa sawit
pada lahan rawa, dan pengolahan ini nantinya akan menjadi dasar pada
representasi pengetahuan. Hasil dari akuisisi pengetahuan kemudian diolah dalam
keanggotaan tiap variabel dengan menghitung nilai keanggotaan fuzzy masing-
masing variabel, Kemudian dihitung inferensinya menggunakan metode sugeno.
c. Desain
Hasil dan semua tahapan sebelumnya akan dijadikan sebagai dasar dalam
tahapan desain.
d. Pengujian
Untuk Menghindari kesalahan dari proses sistem pakar, maka perlu
dilakukan pengujian, bila terjadi kesalahan atau bug, maka sistem pakar akan
dikoreksi sampai proses yang diingikan tercapai.
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 225
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 226
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 227
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 228
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 229
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 230
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
3.3.Rule Base
Terdapat 5 Rule base yang ditentukan oleh pakar tanaman kelapa sawit
yang disesuaikan dengan lahan rawa, berikut adalah rule base kesesuaian
tanaman kelapa sawit dengan input variabel
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 231
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 232
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
4. SIMPULAN
Sistem yang dikembangkan dengan menggunakan metode fuzzy inferensi
dengan defuzzyfikasi menggunakan metode Sugeno untuk menentukan kesesuaian
lahan kelapa sawit menghasilkan akurasi yang tinggi sesuai dengan hasil analisis
pakar tanaman kelapa sawit , dari 7 sampel data tanah yang diujikan pada sistem,
memberikan hasil 7 data yang sesuai dengan hasil analisis pakar tanaman kelapa
sawit.
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 233
Kumpulan jurnaL Ilmu Komputer (KLIK)
Volume 05, No.02 September 2018
ISSN: 2406-7857
DAFTAR PUSTAKA
[1] Farmadi, Andi, dkk, “Sistem Fuzzy Logic Tertanam Pada Mikrokontroler
Untuk Penyiraman Tanaman Pada Rumah Kaca”, Jurnal KLIK, Volume 4
Nomor 2, ilmu komputer ULM, Banjarbaru, 2017.
[2] Farmadi, Andi, Turianto, dodon, “Implementasi Internet Of Things ( Iot)
Pada Sistem Monitoring Rumah Kaca Dengan Menggunakan
Mikrokontroler Yang Tertanam Sitem Fuzzy” Seminar Nasional Ilmu
Komputer(SOLITER) Vol 1, Oktober 2017.
[3] Kiswanto. Dkk.. “Teknologi Budidaya Kelapa Sawit. Balai Besar Pengkajian
dan Pengembangan Teknologi Pertanian Badan Penelitian dan
Pengembangan Pertanian”, Bogor,2008
[4] Kusumadewi, Sri. 2003. “Artificial Intelligence (Teknik dan Aplikasinya).
Graha Ilmu, Yogyakarta
[5] Kusumadewi, Sri. Dkk. 2008. “Pengantar Kecerdasan Buatan Sistem Pakar”.
Graha Ilmu, Yogyakarta
Fuzzy Sugeno Untuk Menentukan Kesesuaian Tanaman Kelapa Sawit (Andi F) | 234