1 Maret 2016
Yunita
Program Studi Teknik Informatika
Sekolah Tinggi Ilmu Manajemen Informatika dan Komputer
STMIK NUSAMANDIRI
Jl. Kramat Raya No. 18, Jakarta Pusat
http://www.nusamandiri.ac.id
yunita030914@gmail.com
Dasar pemikiran logika fuzzy adalah bahwa teori himpunan, maka konsep matematis yang
pada dasarnya tidak semua keputusan hanya mendasari penalaran fuzzy tersebut cukup
dijelaskan dengan nol (0) atau satu(1), melainkan mudah untuk dimengerti.
ada kondisi yang terdapat di antara keduanya. 2. Logika fuzzy sangat fleksibel, artinya mampu
Daerah di antara 0 dan 1 inilah yang dikenal beradaptasi dengan perubahan-perubahan
dengan fuzzy atau tersamar.Secara umum, dan ketidakpastian yang menyertai
konsep sistem logika fuzzy menurut permasalahan.
(Kusumadewi & Purnomo, Aplikasi Logika Fuzzy 3. Logika fuzzy memiliki toleransi terhadap
untuk Pendukung Keputusan, 2010) adalah: data-data yang tidak tepat. Jika diberikan
a. Himpunan tegas (crisp), adalah nilai sekelompok data yang cukup homogen,
keanggotaan pada suatu item dalam suatu kemungkinan ada beberapa data yang
himpunan tertentu. Himpunan ini terdiri atas eksklusif, maka logika fuzzy memiliki
dua kemungkinan, yaitu: 1, yang berarti kemampuan untuk menangani data eksklusif
bahwa item tersebut (x) anggota himpunan A; tersebut.
dan 0, yang berarti bahwa item tersebut (x) 4. Logika fuzzy mampu memodelkan fungsi-
bukan anggota himpunan A. Pada himpunan fungsi non linear yang sangat kompleks.
tegas, satu perubahan kecil pada item tertentu 5. Logika fuzzy dapat membangun dan
mengakibatkan perubahan item tersebut mengaplikasikan pengalaman- pengalaman
menjadi item lain. para pakar secara langsung tanpa harus
b. Himpunan fuzzy, adalah suatu himpunan yang melalui proses pelatihan.
digunakan untuk mengatasi kekakuan dari 6. Logika fuzzy dapat bekerjasama dengan
himpunan tegas. Himpunan fuzzy memiliki teknik-teknik kendali secara konvensional.
rentang nilai antara 0 hingga 1. Seberapa 7. Logika fuzzy didasarkan pada bahasa alami
besar eksistensi himpunan tersebut dapat karena logika fuzzy menggunakan bahasa
dilihat pada nilai/ derajat keanggotaannya; sehari-hari sehingga mudah dimengerti.
c. Fungsi keanggotaan, adalah suatu fungsi yang
menunjukkan pemetaan titik-titik input data 4. Bantuan Beasiswa Siswa Miskin
ke dalam derajat keanggotaannya, yang (BSM)
ditunjukkan dalam bentuk kurva, dan Setelah Pemerintah menetapkan kebijakan
memiliki interval antara 0 sampai 1; Bantuan Operasional Sekolah (BOS) sebagai
d. Variabel linguistik, adalah suatu variabel yang salah satu pendukung untuk menuntaskan
memiliki nilai berupa kata-kata yang program Wajar Dikdas 9 Tahun, ternyata
dinyatakan dalam bahasa alamiah dan bukan kebijakan BOS tersebut belum mampu menjamin
angka. Setiap variabel lingustik berkaitan seluruh masyarakat untuk dapat sekolah,
dengan sebuah fungsi keanggotaan. Secara terutama bagi anak-anak usia sekolah yang
umum, peranan linguistik memang kurang berasal dari keluarga miskin. Bantuan
spesifik dibandingkan angka, namun nilai Operasional Sekolah (BOS) yang diberikan
informasi yang disampaikan lebih dapat kepada MI dan MTs maupun lembaga
diterima. penyelenggara Wajar Dikdas setara MI dan MTs,
e. Operasi dasar himpunan fuzzy, adalah operasi hanya mampu mengurangi beban biaya
untuk menggabungkan dan atau pendidikan yang harus dikeluarkan masyarakat,
memodifikasi himpunan fuzzy. tetapi tidak mampu untuk membebaskan
f. Aturan (rule) if-then fuzzy adalah suatu seluruh biaya pendidikan, sehingga banyak
penyataan if-then, di mana beberapa kata- siswa miskin yang tidak sanggup atau
kata dalam pernyataan tersebut ditentukan melanjutkan pendidikannya karena harus
oleh fungsi keanggotaan. Sedangkan aturan mengeluarkan biaya untuk buku, transportasi,
produksi fuzzy merupakan hubungan fuzzy seragam madrasah, sepatu, buku tulis atau biaya
antara dua proposisi fuzzy. Aturan tersebut lainnya yang tidak dapat dipenuhi dari dana BOS.
dinyatakan dalam bentuk: if (proposisi fuzzy Dengan adanya hal diatas, Kementerian Agama
1) then (proposisi fuzzy 2), di mana proposisi •‡ŽƒŽ—‹ •‡•‡–ƒ’•ƒ• ’”‘‰”ƒ• ò ƒ•–—ƒ•
fuzzy 1 disebut sebagai antacedent (premis) ‡ƒ•‹•™ƒ ‹•™ƒ ‹••‹•ó ›ƒ•‰ †‹„‡”‹•ƒ• •‡’ƒ†ƒ
dan proposisi fuzzy 2 disebut sebagai sebagian siswa miskin di tingkat MI/MTs/MA,
consequent (kesimpulan). walaupun jumlah siswa yang mendapatkan
Menurut Cox dalam (Kusumadewi & bantuan ini masih sangat terbatas. Hal tersebut
Purnomo, 2010), ada beberapa alasan mengapa bertujuan untuk membiayai sebagian kebutuhan
orang menggunakan logika fuzzy didalam pendidikannya, sehingga dapat menyelesaikan
pengambilan sebuah keputusan: pendidikannya, bahkan dapat melanjutkan
1. Konsep logika fuzzy mudah dimengerti. pendidikan ke jenjang berikutnya,
Karena Logika Fuzzy menggunakan dasar (www.madrasah.kemenag.go.id).
hasil operasi pembentukan aturan fuzzy (rules) aturan fuzzy ke n w = bobot untuk setiap
sesuai gambar di atas. Untuk perkiraan prakiraan dalam pembentukan aturan fuzzy
pengambilan keputusan untuk pemilihan
penerima beasiswa BSM, di bawah ini HASIL DAN PEMBAHASAN
digambarkan cara kerja Sistem Inferensi Fuzzy:
Fuzzy Sugeno Orde 0
Pembentukan
Pembentukan fungsi
Variabel Fuzzy aturan fuzzy Komposisi Output
keanggotaan
(R)
Fuzzifikasi Fungsi Keanggotaan
A2
Akademik Baik R5
A3
R6
Kurang
R7
R8
R8
R9
R10
P2 R12
Penghasilan Orang Dari Fuzzy Ke
Sangat Layak
Tua Cukup Layak
P3 R13 Defuzzy
Tidak Layak
Kurang R14
R15
R16
Gambar 4. diagram FIS Editor Putusan BSM
R17
R18
Pada diagram di atas, terdapat Tiga variabel
R19
untuk menentukan perkiraan penentu BSM
S1
Sangat banyak
R20 dengan tiap-tiap variabel digolongkan menjadi
Jumlah Saudara
Kandung
S2
Banyak R21 Tiga himpunan kriteria. Selanjutnya disusun
S3
R22 fuzzifikasi fungsi keanggotaan himpunan untuk
Sedikit
R23
masing masing variabel.
R24
0
<1.000.000 1.000.000 >3.000.000
-3.000.000
0
>5 Anak >3 Anak 3 Anak 2-4 Anak <1 Anak
BIODATA DIRI
KESIMPULAN