Nurani Aisiyah Tanjung, Indu Ariani

MENENTUKAN JURUSAN SISTEM INFORMASI ATAU

MANAJEMEN MENGGUNAKAN FUZZY LOGIC

Nurani Aisiyah Tanjung1, Indu Ariani2

1,2
Program Studi Sistem Informasi, Universitas Darwan Ali
Jl. Batu Berlian, Mentawa Baru Hulu, Ketapang, Mentawa Baru/Ketapang,
Kabupaten Kotawaringin Timur, Kalimantan Tengah 74312, Indonesia
Sur-el : nuraniaisiyah477@gmail.com1, induariani99@gmail.com2

Abstrak: Penelitian ini dilakukan karena kurangnya persiapan calon mahasiswa ketika memilih
jurusan yang baik akan memberi dampak pada pembelajaran kedepannya. Dengan berkembangnya
teknologi yang semakin kompleks. saat ini memungkinkan banyaknya organisasi ataupun institusi
untuk menggunakan media pengolahan..data. Dibekali..kemampuan..komputer..pendukung..dalam
mengolah..data..sangat membantu untuk menyajikan informasi yang sederhana,..akurat..dan
berkualitas..tinggi. Sama..seperti..organisasi..atau institusi lainnya. Penelitian ini menerapkan
logika fuzzy metode Tsukamoto untuk menemukan jurusan paling cocok untuk calon mahasiswa.
Keuntungan menggunakan logika fuzzy..adalah..nilai subjektJika dapat diamati secara objektJika.
Variabel yang ditangani didalam fuzzy logic..adalah..nilai..dan minat.. Hasil..dari..tes calon
mahasiswa ini..akan dijadikan..nilai..input untuk diolah dengan fuzzy logic. Nilai ini diolah menjadi
tiga tahap, ..yaitu..fuzzifikasi, inferensi,..dan..defuzzifikasi. Yang mana..hasil..dari..penjurusan..ini
akan..menjadi..panduan..bagi calon mahasiswa..dalam..mengoptimasi..proses..pembelajaran.

Kunci Utama: Logika Fuzzy; Metode Tsukamoto; Mahasiswa Baru;

Abstract: This research was conducted because the lack of student preparation when choosing a
good major will have an impact on future learning. With the development of increasingly complex
technology, it is now possible for many organizations or institutions to use data processing media.
Equipped with supporting computer capabilities in processing data, it is very helpful to present
simple, accurate and high-quality information. Just like any other organization or institution. This
study applies the fuzzy logic of the Tsukamoto method to choose the most suitable major for
prospective students. The advantage of using fuzzy logic is that the values can be observed
objectively. The variables handled in fuzzy logic are values and interests. The results of the test for
prospective students will be used as input values to be processed with fuzzy logic. This value is
processed into three stages, namely fuzzJikaication, inference, and defuzzJikaication. Which
results from this major will be a guide for prospective students in optimizing the learning process.

Keywords : Fuzzy Logic; The Tsukamoto Method; New students;

Jurnal Ilmiah Betrik, Volume.10, No.03, Desember 2019 3


1. PENDAHULUAN
Pilihan jurusan bagi calon mahasiswa
merupakan awal dari pilihan karir
kedepannya. Penjurusan ini sebagai
bentuk upaya mengarahkan calon
mahasiswa berdasarkan minat dan
kemampuan akademik. Calon mahasiswa
yang mempunyai kemampuan dalam
sains dan teknologi yang baik, biasanya
akan memilih jurusan SISTEM
INFORMASI, dan yang memiliki
kemampuan sosial ekonomi akan memilih
MANAJEMEN. Namun hal utama
adalah..nilai..akademik mahasiswa, minat
mahasiswa, dan..nilai tes..IQ.
Skor..tes..IQ..adalah..alat..ukuran
kecerdasan Seseorang.
2. METODE PENELITIAN
Fuzzy Inference System (FIS) adalah
kerangka kerja komputasi berdasarkan
teori himpunan fuzzy, aturan fuzzy dan
inferensi fuzzy. Fuzzy Inference System
(FIS) dapat diselesaikan dengan tiga cara,
yaitu metode Mamdani, metode Sugeno
dan metode Tsukamoto. Untuk
menyelesaikan bidang studi ini metode
yang dipakai adalah metode Tsukamoto.
fuzzy logic merupakan salah satu
cabang dari bidang komputasi lunak. [1],
menjelaskan bahwa fuzzy logic
diperkenalkan..pada..tahun..1965..oleh..
Profesor..Ilmu Komputer University of
CalJikaornia di Barkley bernama Lothfi
A.Zadeh. Fuzzy Logic adalah Teori
himpunan logis yang dikembangan untuk
mengatasi nilai yang ada antara benar
(true) dan salah (false).
Zadeh mengemukakan bahwa setiap
masalah yang ada dapat diselesaikan
tanpa menggunakan fuzzy logic, tetapi
jika menggunakan fuzzy logic dapat
mempercepat dan membuatnya lebih
mudah sehingga menjadi solusi untuk
masalah tersebut. [2], Menjelaskan pada
himpunan tegas, nilai anggota item x
dalam himpunan A, biasanya ditulis
Jurnal Ilmiah Betrik, Volume.10, No.03, Desember 2019
Nurani Aisiyah Tanjung, Indu Ariani
dengan μA[x], ada dua kemungkinan,
yaitu:..satu..
(1),..yang..berarti..bahwa..suatu..item..me
njadi anggota suatu himpunan, atau..nol..
(0),..yang..berarti..item..tidak menjadi
anggota dalam suatu himpunan. [3],
mengemukan pada metode Tsukamoto,
setiap aturan yang berbentuk JIKA-
MAKA Maka harus dipresentasikan
dengan suatu himpunan fuzzy yang
memiliki fungsi keanggotaan menoton.
Hasil output inferensi dari tiap aturan
diberikan secara tegas berdasarkan ᾳ-
predikat (fire strength). Mendapatkan
hasil akhir menggunakan rata-rata yang
memiliki bobot.
Kombinasi ini menghasilkan interaksi
yang kuat antara antarmuka pengguna dan
pengguna komputer." [5] "Data adalah
tentang objek, peristiwa, aktivitas, dan
Deskripsi dasar dari transaksi Objek,
peristiwa, aktivitas, dan transaksi ini
dicatat, dikelompokkan, dan disimpan,
tetapi tidak diatur untuk menyampaikan
tujuan tertentu. berdasarkan Teori pakar
di atas dapat ditarik kesimpulan, Data
adalah deskripsi dasar dari objek, Acara,
aktivitas, dan..transaksi yang direkam,
kelompokkan, dan..disimpan..dalam
jumlah..yang..besar..tetapi..belum
diolah.”
Logika Fuzzy Menurut Muhammad
Dedi Irawan (2017), teori himpunan fuzzy
pertama kali dikemukakan oleh Lotfi
Zadeh dalam sebuah makalah berjudul
“Hubungan Fuzzy” sekitar tahun 1965.
Sejak itu, sejak pertengahan 1970-an,
para peneliti Jepang telah berhasil
menerapkan teori ini pada masalah teknis.
Logika fuzzy adalah peningkatan Logika
Boolean untuk memproses konsep Bagian
dari kebenaran. Ketika logika klasik
menunjukkan Apa pun dapat
didefinisikan dalam biner Menurut Akbar
Ariya Caraka dkk (2015), logika Fuzzy
adalah metodologi untuk memecahkan
sistem kontrol Pertanyaan yang sesuai
untuk sistem, mulai Dari sistem sederhana
2

ke sistem kompleks Atau rumit. Cara ini
bisa diterapkan pada Perangkat keras,
perangkat lunak, atau kombinasi Mereka
semua.
Dalam logika klasik, semuanya
bersJikaat dualistik, artinya hanya ada dua
kemungkinan, yaitu “ya atau tidak”.
Namun, logika fuzzy memungkinkan nilai
keanggotaan antara 0 atau 1, yang berarti
bahwa suatu situasi mungkin memiliki
"ya atau tidak", "benar dan salah", dan
"baik dan buruk" pada saat yang sama,
tetapi nilainya tergantung pada Karena
bobot keanggotaannya. Metode ini dipilih
karena fleksibel dan efektJika Data yang
ada dapat ditoleransi. Keuntungan dari
metode ini adalah perhitungannya lebih
cepat, lebih intuitJika, diterima oleh
banyak pihak, dan
lebih..cocok..untuk..input..yang..diterima
dari..manusia..daripada..mesin. Setiap
aturan..dalam bentuk JIKA-MAKA
diwakili oleh himpunan fuzzy dengan
fungsi keanggotaan monoton. Oleh
karena itu, output dari setiap aturan
diberikan secara ketat sesuai dengan
predikat alfa (α), dan kemudian
digunakan rata-rata terkonsentrasi untuk
mendapatkan hasil akhir. Logika fuzzy
adalah metodologi sistem kontrol
pemecahan masalah, berlaku untuk sistem
mulai dari sistem yang sederhana hingga
sistem yang kompleks atau kompleks.
Logika fuzzy dapat diterapkan pada
berbagai bidang, antara lain sistem
diagnosis penyakit (kedokteran),
pemodelan sistem pemasaran, riset
operasi (ekonomi), pengendalian kualitas
air, prediksi gempa, dll. Logika fuzzy
adalah cara yang cocok
untuk..memetakan..ruang..input..ke..ruang
output. Selain itu,..logika..fuzzy..juga
dapat..diartikan sebagai cara yang tepat
untuk memetakan ruang masukan ke
ruang keluaran. C. Fuzzy Tsukamoto
Menurut Chabibi..Aulia..Rahman..Al
Hasmy
(dalam..Muhammad..Dedi..Irawan,2017),
dalam..metode..Tsukamoto,..setiap..hasil
aturan..JIKA-
Jurnal Ilmiah Betrik, Volume.10, No.03, Desember 2019
Nurani Aisiyah Tanjung, Indu Ariani
MAKA..harus..diwakili..oleh
himpunan..fuzzy..dengan..fungsi
Keanggotaan..monoton. Oleh karena itu,
keluaran inferensi dari setiap aturan
didasarkan pada predikat (daya tembak)
yang diberikan dalam bentuk renyah
(crisp). Gunakan rata-rata tertimbang
untuk mendapatkan hasil akhir. Menurut
Kusumadewi (dalam Hanis Setiawati
Permatasari1, Awang Harsa
Kridalaksana, dan Addy Suyatno, 2015,
dalam membangun sistem fuzzy terdapat
beberapa metode inferensi, antara lain
metode Tsukamoto, metode Mamdani dan
metode Sugeno. Dalam metode
Tsukamoto, masing-masing hasil aturan
Keduanya dalam bentuk JIKA-MAKA
dan harus direpresentasikan oleh
himpunan fuzzy dengan fungsi
keanggotaan monotonik.Oleh karena itu,
keluaran inferensi setiap aturan
didasarkan pada -predikat (intensitas
api).Hasil akhir diperoleh dengan
menggunakan pembobotan rata-rata.
3. HASIL DAN PEMBAHASAN
Proses awal yang dilakukan oleh
system adalah mahasiswa melakukan
tes. Hasil tes berupa bilangan riil.
Bilangan riil ini akan memasuki proses
fuzzy logic. Pada awal tahap fuzzy logic,
bilangan riil Masuk ke tahap
fuzzJikaikasi. Proses FuzzJikaikasi
mengubah bilangan riil menjadi
bilangan fuzzy lalu diproses lagi di
tahap selanjutnya. Dengan bantuan
aturan fuzzy, Bilangan fuzzy yang
diperoleh diinterpretasikan sebagai
setiap aturan fuzzy untuk menghasilkan
keluaran fuzzy yang baru. Kemudian
proses memasuki tahap defuzzJikaikasi
dari hasil keluaran fuzzy ini. Setelah
defuzzJikaikasi, bilangan real baru
ditemukan,..yang..dapat digunakan
untuk..menentukan jurusan yang cocok
untuk calon siswa. Diagram alir
algoritma dari sistem yang diusulkan
adalah sebagai berikut :
3
 Nurani Aisiyah Tanjung, Indu Ariani

Gambar 1. Flowchart Algoritma

Jurnal Ilmiah Betrik, Volume.10, No.03, Desember 2019 2

 Nurani Aisiyah Tanjung, Indu Ariani

Pada sistem ini akan digunakan, 2

himpunan untuk menentukan SISTEM
INFORMASI ataupun MANAJEMEN.
Setiap penjurusan..memiliki variabel.
Variabel pada setiap..penjurusan..adalah
: NSI..dan..MINAT..pada..himpunan
SISTEM INFORMASI..dan..NM..dan
MINAT..pada himpuan MANAJEMEN.
Variabel..ini..memiliki..tiga..himpunan
fuzzy..rendah,..sedang..dan..tinggi, Gambar..3. Himpunan..Fuzzy..Masukan
seperti..yang..ditunjukkan..pada.Gambar Minat
ke..2..dan..Gambar..ke 3. Rumus
keanggotaan..pada..setiap..himpunan
adalah..sebagai..berikut :

Gambar..4. Himpunan..Fuzzy..Masukan
Keluaran

Rumus..keanggotaan..pada..setiap
himpunan..adalah..sebagai..berikut:

Variabel keluaran dari penelitian ini adalah

Gambar..2. Himpunan..Fuzzy..Inputan..Nilai
peringkat pilihan kepribadian. Variabel
keluaran..ini..terdiri..dari..dua..himpunan
fuzzy,..rendah..dan..tinggi,..seperti..yang
ditampilkan..pada..Gambar..ke 4. Rumus
keanggotaan setiap anggota ditetapkan
sebagai berikut :

Jurnal Ilmiah Betrik, Volume.10, No.03, Desember 2019 3


Aturan..fuzzy..untuk..setiap..himpunan
adalah..sebagai berikut :
Himpunan SISTEM INFORMASI
[R1] JIKA NSI tinggi and MINAT tinggi
maka SISTEM INFORMASI tinggi
[R2] JIKA NSI tinggi and MINAT sedang
maka SISTEM INFORMASI tinggi
[R3] JIKA NSI tinggi and MINAT rendah
maka..SISTEM..INFORMASI..rendah
[R4]..JIKA..NSI..sedang..and..MINAT..
tinggimaka..SISTEM..INFORMASI..tinggi
[R5]..JIKA..NSI..sedang..and..MINAT..sed
ang maka..SISTEM..INFORMASI..tinggi
[R6]..JIKA..NSI..sedang..and..MINAT..ren
dah maka..SISTEM..INFORMASI..rendah
[R7]..JIKA..NSI..rendah..and..MINAT..tin
ggi maka..SISTEM..INFORMASI..rendah
[R8]..JIKA..NSI..rendah..and..MINAT..sed
ang maka..SISTEM..INFORMASI..rendah
[R9]..JIKA..NSI..rendah..and..MINAT..ren
dah maka..SISTEM..INFORMASI..rendah
Himpunan MANAJEMEN
[R1]..JIKA..NM..tinggi..and..MINAT..ting
gi maka..MANAJEMEN..tinggi
[R2]..JIKA..NM..tinggi..and..MINAT..seda
ng maka..MANAJEMEN..tinggi
[R3]..JIKA..NM..tinggi..and..MINAT..rend
ah maka..MANAJEMEN..rendah
[R4]..JIKA..NM..sedang..and..MINAT..tin
ggi maka..MANAJEMEN..tinggi
[R5]..JIKA..NM..sedang..and..MINAT..sed
ang maka..MANAJEMEN..tinggi
[R6]..JIKA..NM..sedang..and..MINAT..ren
dah maka..MANAJEMEN..rendah
[R7]..JIKA..NM..rendah..and..MINAT..tin
ggi maka..MANAJEMEN..rendah
[R8]..JIKA..NM..rendah..and..MINAT..sed
ang maka..MANAJEMEN..rendah
[R9]..JIKA..NM..rendah..and..MINAT..ren
dah maka..MANAJEMEN..rendah.
Jurnal Ilmiah Betrik, Volume.10, No.03, Desember 2019
Nurani Aisiyah Tanjung, Indu Ariani
Pengambilan keputusan dimulai dengan
sebuah proses Perhitungan keanggotaan
variabel Masuk di setiap set rule. Jadi,
urutan antara rule dijalankan untuk mencari
nilai predikat..(αi) dari setiap rule. -Predikat
nilai Sangat..tergantung..pada.operator
digunakan.
Pada..operator..and,..nilai..predikatnya
adalah.."X1..adalah..A1..dan..X2..adalah
A2"..Rumusnya adalah..sebagai..berikut :
= 1∩𝐴2=menit (𝜇𝐴1 (𝑥1), 2 (𝑥2))
Dapatkan nilai output Apakah akan
mengonversi input menjadi angka dalam
domain himpunan fuzzy.Setelah
mendapatkan nilai i, Kemudian akan
dilanjutkan ke proses selanjutnya Hitung
nilai setiap hasil Aturan (zi) didasarkan pada
fungsi keanggotaan digunakan. Metode
defuzzJikaication dalam metode tsukamoto
adalah dekompresi rata-rata Terpusat
(defuzzer rata-rata sentral) Rumusnya adalah
sebagai berikut :
𝑍=σ∝𝑖𝑧𝑖 𝑛𝑖=1σ∝𝑖𝑧𝑖 𝑛𝑖=1σ∝𝑖 𝑛𝑖=1..
Dimana persamaan di atas z adalah hasil dari
defuzzJikaikasi, sedangkan αi merupakan
nilai..keanggotaan..antiseden,..dan..zi.adalah
hasil inferensi tiap rule. Setelah didapatkan
hasil dari masing-masing himpunan
personalitas (SISTEM INFORMASI,
MANAJEMEN). Hasil..himpunan akan
berupa rentang angka 0-100. Kemudian
angka..tersebut..akan..menjadi..suatu.kondisi
didalam..himpunan..yaitu..sebagai..berikut:
JIKA SISTEM INFORMASI >=
MANAJEMEN maka SISTEM
INFORMASI
JIKA SISTEM INFORMASI <=
MANAJEMEN maka MANAJEMEN
Contoh studi kasus yang akan digunakan
adalah sistem informasi set saja.
1. FuzzJikaikasi memiliki 2 variabel dalam
pengumpulan SISTEM INFORMASI, yaitu
NSI dan MINAT. Misalnya, nilai NSI
2
 Nurani Aisiyah Tanjung, Indu Ariani

adalah 80 dan nilai MINAT adalah 70.

..𝜇..TINGGI..(z1) = z−0
..100
0,667... = z−0
100
z1… = 66,7
Tahapan..ini..disebut..tahap..verifikasi input
dan..proses. Asersi..disini..merupakan
himpunan..fuzzy..yang..diperoleh..dari
kombinasi..rule..fuzzy,..dan..keluaran..yang
dihasilkan..berupa..bilangan..pada.himpunan
fuzzy. Maka..hasil..dari..rule..data..di..atas
adalah:
Z.. = α1z1..+ α2z2..+ α3z3..+ α4z4..+...
+ α9z9..
α1..+ α2..+ α3..+ α4..+ ... +
α9
= {(0,667..x..66,7) + 0 + 0 +
(0,337*33,7) + 0 + 0 + 0 + 0 + 0
/{0,667 + 0 + 0 + 0,333 + 0 + 0 + 0 +
0 + 0 }..
= 55,846..
1,004..
= 55,623 => 56..
Dihasilkan..nilai..SISTEM..INFORMASI
yang..didapat..adalah..56

Tahap ini merupakan pengaturan antar

aturan untuk mencari nilai predikat dari 4. KESIMPULAN
setiap aturan (αi). Kemudian masukkan Ketika..menyelesaikan..perhitungan
nilai himpunan fuzzy pada setiap variabel menggunakan..metode..fuzzy..logic
ke dalam 9 aturan fuzzy himpunan Tsukamoto dan terapkan hasilnya Aplikasi
SISTEM INFORMASI untuk mendapatkan berbasis web, maka dapat mengambil
nilai predikat..dari setiap rule. Operator Kesimpulan berikut :
yang 1. Algoritma fuzzy logic benar-benar
digunakan..untuk..menghubungkan..aturan menggunakan metode Tsukamoto
operator..AND..yang..input-output adalah yang berkontribusi pada
JIKA – MAKA. pembentukan pola untuk
[r1]..JIKA NSI..tinggi..AND.MINAT menentukan minat profesional
tinggi MAKA SISTEM INFORMASI mahasiswa
TINGGI 2. Melalui penelitian ini dapat
α-predikat..1 = min..(µ NSI TINGGI (80) membantu mahasiswa
∩µ mempersiapkan diri dalam
MINAT TINGGI (90)).. menentukan jurusan.
= min(0,667 ∩ 1) 3. Melalui penelitian ini, akan
= 0, 667.. membantu Siswa memperhatikan
Setelah..nilai..α-predikat..1..diketahui.maka proses pembelajaran.
dicari nilai..(z)..didalam..himpunan..hasil
yaitu..NSI..TINGGI.

Jurnal Ilmiah Betrik, Volume.10, No.03, Desember 2019 3


DAFTAR RUJUKAN
[1] Irwansyah and Faisal Muhammad,
Advanced Clustering: Teori dan
aplikasi. Deepublish, Yogyakarta, 2015.
[2] Sri..Kusuma..Dewi,..Aplikasi..Logika
Fuzzy..Untuk..Sistem..Pendukung..Kepu
tusan. Andi..Offset,..Yogyakarta, 2010
[3] Thamrin,..Fanoeel..Sediyono..E, Studi
Interferensi..Fuzzy..Tsukamoto..Untuk
Penentuan..Faktor..Pembeban..Trafo
PLN. Teknologi..Informasi,..Semarang,
2012
[4] Shneiderman, Ben & Plaisant,
Catherine,
Designing..the..User..Interface: Strategic
for..Effective..Humancomputer..Interact
ion. Addison-Wesley, Amerika..Serikat,
2010.
[5] Turban, Efraim & Rainer, R. Kelly,
Introduction to Information Systems :
Supporting and Transforming Business.
Wiley, Hoboken, Amerika Serikat, 2008
Jurnal Ilmiah Betrik, Volume.10, No.03, Desember 2019
Nurani Aisiyah Tanjung, Indu Ariani
[6] Ningrum R. F, “Implementasi
Logika Fuzzy Dalam penentuan Pola
Penggunaan Energi Listrik Pada
Suatu Gedung Berdasarkan Hasil
Audit Energi”, 2014.
[7] Muqodimah Nur Lestari, dan Pio
Arfianova Fitrizky Islami.
“Implementasi Metode Fuzzy
Tsukamoto untuk menentukan hasil
Tes Kesehatan pada Penerimaan
Peserta Didik baru di Sekolah
Menengah Kejuruan”, 2010
[8] Aggy Pramana Gusman, “Analisa
Fuzzy Untuk Menentukan Angka
kepuasan Penjualan Produk Dengan
menggunakan Metode Tsukamoto”,
2018.
[9] Rafiudin. Rahmat, “Paduan
Membangun Jaringan Komputer
untuk Pemula”, Jakarta: Elex Media
Komputindo, 2013
[10] K.E. Kendall, dan J.E, Kendall.,
Alih Bahasa : Al-hamdany Hafedh.,
“Analisis dan Perancangan Sistem”
5rd ed, Jakarta : PT. Prenhallindo
dan Pearson Education Asia Pte.
Ltd, 2013
2