Implementasi Fuzzy Logic Penentuan Kelay 2709e508
Implementasi Fuzzy Logic Penentuan Kelay 2709e508
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