LAPORAN TUGAS SEMESTER

PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA

BERPRESTASI MENGGUNAKAN METODE FUZZY TSUKAMOTO
DAN METODE FUZZY MAMDANI

Di Ajukan Untuk Memenuhi Tugas Kecerdasa Buatan

Dosen Pengapu : Ryan Dhika Priyatn, M.Pd.T

Di Susun Oleh :

FEBRI ARISMANTO
NPM 2104020185

PROGRAM STUDI TEKNIK INFORMATIKA KOMPTER

SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP)
PERGURUAN TINGGI AL MAKSUM LANGKAT
2024
 KATA PENGANTAR

Puji syukur kehadirat Tuhan yang Maha Kuasa berkat rahmat dan
hidayah- Nya sehingga pada kesempatan ini penulis dapat menyelesaikan
proposal penelitian Ini dalam rangka pengganti Ujian Akhir Semester.
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.

Stabat, 09 Januari 2024

FEBRI ARISMANTO
NPM : 2104020185

i
 DAFTAR ISI

KATA PENGANTAR................................................................................................................i
DAFTAR ISI..............................................................................................................................ii
DAFTAR GAMBAR................................................................................................................iii
BAB I
PENDAHULUAN
1.1 LATAR BELAKANG.................................................................................................1
1.2 RUMUS MASALAH..................................................................................................1
1.3 TUJUAN PENELITIAN.............................................................................................2
1.4 MANFAAT PENELITIAN.........................................................................................2
BAB II
LANDASAN TEORI
2.1 Logika Fuzzy................................................................................................................3
2.2 Fungsi Keanggotaan....................................................................................................3
2.3 Metode Tsukamoto......................................................................................................5
2.4 Metode Mamdani.........................................................................................................5
BAB III
IMPEMENTASI DAN TESTING
3.1 Data Test Uji Algoritma..............................................................................................7
3.2 Fuzzyfikasi...................................................................................................................7
3.3 Metode Tsukamoto:.....................................................................................................9
3.4 Metode Mamdani :.....................................................................................................10
BAB IV
KESIMPULAN DAN SARAN
4.1 Kesimpulan................................................................................................................14
4.2 Saran..........................................................................................................................14
DAFTAR PUSTAKA..............................................................................................................15

ii
 DAFTAR GAMBAR

Gambar 1 Representasi Linear Naik........................................................................................4

Gambar 2 Fungsi Keanggotaan Linear Naik............................................................................4
Gambar 3 Representasi Linear Turun.......................................................................................4
Gambar 4 Fungsi Keanggotaan Linear Turun..........................................................................4
Gambar 5 Representasi Kurva Segitiga....................................................................................4
Gambar 6 Fungsi Keanggotaan Kurva Segitiga.......................................................................5
Gambar7Reprerentari Kurva Traperium...............................................................5
Gambar 8 Fungsi Keanggotaan Kurva Trapesium...................................................................5
Gambar 9 Data Sampel Mahasiswa Semester 4........................................................................7
Gambar 10 Fungsi Keanggotaan Variabel IPK........................................................................7
Gambar 11 Fungsi Keanggotaan Variabel Taat Azas..............................................................8
Gambar 12 Fungsi Keanggotaan Aktif Kegiatan.....................................................................8
Gambar 13 Fungsi Keanggotaan Variabel Hasil Prediksi........................................................8
Gambar 14 Daerah Hasil Komposisi
..................................................................................................................................................
12
Gambar 15 Hasil Perhitungan Logika Fuzzy...........................................................................13

iii
 BAB I
PENDAHULUAN

1.1 LATAR BELAKANG

Mahasiswa berprestasi adalah mahasiswa yang berprestasi dalam bidang akademik
maupun non akademik. Mahasiswa berprestasi tidak hanya menekuni ilmu dalam
bidangnya saja di program studi yang mereka pilih namun juga beraktivitas dalam
mengembangkan kemampuan soft skillsnya. Dengan harapan agar mahasiswa menjadi
lulusan yang mandiri, penuh inisiatif, bekerja secara cermat, penuh tanggung jawab dan
tangguh ketika menghadapiduniakerja dan wirausaha.
Penyeleksian dan penetapan mahasiswa berprestasi ditentukan berdasarkan 3
kriteria yaitu nilai IPK, taat azas atau aturan akademik, dan aktif kegiatan. Akan tetapi,
dalam proses penyeleksiannya masih menggunakan metode manual yaitu kriteria
pertama yang harus terpenuhi terlebih dahulu adalah nilai IPK harus lebih dari 3.00.
Jika terdapat nilai IPK yang sama maka lanjut ke kriteria yang kedua, yaitu taat azas
atau aturan akademik. Jika hasilnya masih sama juga lanjut ke kriteria yang ketiga,
yaitu aktif kegiatan. Namun cara tersebut masih kurang efektif dan efisien, diperlukan
sebuah metode untuk menentukan mahasiswa berprestasi terbaik.
Salah satu cara yang bisa digunakan dalam menentukan mahasiswa berprestasi
adalah penerapan logika fuzzy, karena terdapat beberapa data yang bisa digunakan
dalam melakukan perhitungan guna mendapatkan mahasiswa berprestasi dengan lebih
efektif dan efisien. Dalam perhitungan logika fuzzy, sistem inferensi fuzzy terdapat 3
metode yaitu metode Tsukamoto, metode Mamdani, dan metode Sugeno. Ketiga
metode tersebut memiliki algoritma yang hampir sama dengan melakukan fuzzyfikasi
dan aturan yang digunakan dalam bentuk IF…THEN. Tetapi walaupun terdapat
langkah penyelesaian yang hampir sama, terdapat perbedaan dalam proses mesin
inferensi dalam evaluasi aturan-aturan dan proses defuzzyfikasi pada ketiga metode
tersebut.
Metode yang akan digunakan untuk menentukan mahasiswa berprestasi adalah
metode Tsukamoto serta metode Mamdani dengan proses Defuzzyfikasi yaitu Centroid.
Variabel fuzzy yang digunakan meliputi variabel input yaitu nilai IPK > 3.00, taat
azas/aturan akademik, dan aktif kegiatan. Serta variabel output yaitu hasil prediksi.

1.2 RUMUS MASALAH

Berdasarkan latar belakang diatas, maka rumusan masalah dalam penelitian ini
adalah :
1. Bagaimana membangun sistem penentuan mahasiswa berprestasi menggunakan
logika fuzzy?
2. Bagaimana mengimplementasikan sistem penentuan mahasiswa berprestasi
menggunakan Metode Fuzzy Tsukamoto Dan Metode Fuzzy Mamdani?

1
1.3 TUJUAN PENELITIAN
Tujuan penelitian ini adalah:
1. Membangun sistem penentuan mahasiswa berprestasi menggunakan logika fuzzy.
2. Mengimplementasikan sistem penentuan mahasiswa berprestasi menggunakan
Metode Fuzzy Tsukamoto Dan Metode Fuzzy Mamdani.

1.4 MANFAAT PENELITIAN

Manfaat penelitian ini adalah:
1. Memberikan solusi dalam menentukan mahasiswa berprestasi dengan
mempertimbangkan berbagai aspek.
2. Membantu pihak universitas dalam memberikan penghargaan kepada mahasiswa
yang berprestasi.
3. Meningkatkan motivasi mahasiswa untuk berprestasi.

2
 BAB II
LANDASAN TEORI

2.1 Logika Fuzzy

Logika fuzzy adalah suatu cara untuk memetakan permasalahan dari input menuju
output yang diharapkan. (Sri Kusumadewi dan Hari Purnomo, 2013:1).
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu [6]:
1. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.
Contoh: umur, temperatur, permintaan, dan sebagainya.
2. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan
tertentu dalam suatu variabel fuzzy.
Contoh:
a. Variabel umur, terbagi menjadi 3 himpunan fuzzy, yaitu: MUDA,
PAROBAYA, TUA.
b. Variabel temperatur, terbagi menjadi 5 himpunan fuzzy, yaitu: DINGIN,
SEJUK, NORMAL, HANGAT, dan PANAS.
3. Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Contoh:
a. Semesta pembicaraan untuk variabel umur: [0+∞]
b. Semesta pembicaraan untuk variabel temperatur: [ 0 40]
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam semesta
pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Contoh:
a. MUDA = [0 45]
b. PAROBAYA = [35 55]
c. TUA = [45 +∞]

2.2 Fungsi Keanggotaan

Fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan
pemetaan titik–titik input data ke dalam nilai keanggotaannya (sering juga disebut
dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara
yang digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui
pendekatan fungsi.
Ada beberapa fungsi yang bisa digunakan, antara lain:
a. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan
sebagai suatu garis lurus.
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.

3
 Gambar 1 Representasi 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

Gambar 4 Fungsi Keanggotaan Linear Turun

b. Representasi Kurva Segitiga

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

Gambar 5 Representasi Kurva Segitiga

4
 Gambar 6 Fungsi Keanggotaan Kurva Segitiga

c. Representasi Kurva Trapesium

Kurva Trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa
titik yang memiliki nilai keanggotaan 1.

Gambar 7 Reprerentari Kurva Traperium

Gambar 8 Fungsi Keanggotaan Kurva Trapesium

2.3 Metode Tsukamoto

Pada metode Tsukamoto, setiap konsekuen pada
aturan yang 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) berdasarkan α-predikat
(fire strength). Hasil akhir diperoleh dengan menggunakan rata–rata terbobot [6].
Dalam inferensinya, metode Tsukamoto menggunakan tahapan [11]:
1. Fuzzyfikasi, yaitu pembentukan himpunan fuzzydengan menentukan fungsi
keanggotaan.
2. Pembentukan basis pengetahuan Fuzzy (Rule dalam bentuk IF THEN).
3. Mesin Inferensi
Menggunakan fungsi implikasi MIN untuk mendapatkan nilai α-predikat tiap-tiap
rule.
4. Defuzzyfikasi, yaitu mengubah besaran fuzzy dari sistem inferensi ke besaran tegas.
Proses defuzzyfikasi menggunakan metode rata-rata terbobot (Average) dengan
rumus berikut :
n

∑ aizi
i=1
Z= n

∑ ai
i=1
(2.5)
2.4 Metode Mamdani
Metode Mamdani sering dikenal sebagai Metode Max-Min. Metode ini diperkenalkan
oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4
tahapan [6]:

5
1. Pembentukan himpunan fuzzy
Pada metode mamdani, baik variabel input maupun variabel output dibagi menjadi
satu atau lebih himpunan fuzzy.
2. Aplikasi Fungsi Implikasi
Pada metode mamdani, fungsi implikasi yang digunakan adalah fungsi Min.
3. Komposisi aturan
Metode yang digunakan dalam melakukan inferensi sistem fuzzy yaitu Metode Max.
Pada metode ini, penarikan solusi himpunan fuzzy dilakukan dengan mengambil
nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah
fuzzy dan mengaplikasikan ke output dengan operator OR.
Secara umum dapat dituliskan :
µsf[xi] = max(µsf[xi], µkf[xi]) (2.6) dengan:
µsf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
µkf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke- i;
4. Penegasan (defuzzy)
Input dalam proses defuzzy adalah suatu himpunan yang diperoleh dari
komposisi aturan fuzzy, sedangkan
output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy.
Metode defuzzy yang bisa dipakai pada komposisi aturan mamdani adalah Metode
Centroid.
Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z*)
daerah fuzzy. Secara umum dirumuskan:

∫ μ ( z ) . z dz
z
Z* = untuk variable kontinu, atau
∫ μ ( z ) dz
z
(2.7)
n

∑ zjμ(zj)
j =1
Z* = n untuk variable diskret.
∑ μ( zj)
j=1
(2.8)

6
 BAB III
IMPEMENTASI DAN TESTING

Berikut ini merupakan langkah-langkah perhitungan menggunakan metode Fuzzy

Tsukamoto dan metode Fuzzy Mamdani, yaitu :

2.1 Data Test Uji Algoritma

Sebagai data test uji algoritma, diambil sampel data mahasiswa seperti terlihat
pada tabel 9 berikut.

Tabel 9 Data Sampel Mahasiswa Semester 4

Taat Aktif
No NPM Nama Prodi IPK
Azas Kegiatan
1 15429038 Fitria TI 3.55 4 2
2 15429077 Sugianti TI 3.43 4 4
3 15428015 Yeni SI 3.60 3 3
4 15326008 Sandi MI 3.50 3 4
5 15327001 Asep Mulyana KA 3.37 4 2

3.2 Fuzzyfikasi
Tahap awal menentukan Fuzzyfikasi yaitu pembentukan himpunan fuzzy dengan
menentukan fungsi keanggotaan.
a. Variabel IPK, memilki 2 nilai linguistik, yaitu: TINGGI, RENDAH.

Gambar 10 Fungsi Keanggotaan Variabel IPK

IPK = 3.55 memiliki nilai linguistik Rendah dan Tinggi.

Derajat keanggotaan untuk Rendah:
Ipk Rendah (3.55) = (3.70-3.55) / (3.70-3.00)
= 0.15 / 0.70
= 0.2143
=0.21
Derajat keanggotaan untuk Tinggi:
Ipk Tinggi (3.55) = (3.55-3.00) / (3.70-3.00)
= 0.55 / 0.70
= 0.786

7
 = 0.79

b. Variabel Taat Azas, memiliki 2 nilai linguistik, yaitu: TAAT, TIDAK TAAT.

Gambar 11 Fungsi Keanggotaan Variabel Taat Azas

Taat Azas = 4 memiliki nilai linguistik Taat dengan derajat keanggotaan adalah 1.
Taat azas Taat (4) = 1
Taat azas Tdk Taat (4) = 0

c. Variabel Aktif Kegiatan, memiliki 2 nilai linguistik, yaitu: AKTIF, TIDAK

AKTIF.

Gambar 12 Fungsi Keanggotaan Aktif Kegiatan

Aktif Kegiatan = 2 memiliki nilai linguistik Tidak Aktif dan Aktif.

Derajat keanggotaan untuk Tidak Aktif:
Aktif Keg Tdk Aktif (2) = (4-2) / (4-1)
=2/3
= 0.6667
= 0.67
Derajat keanggotaan untuk Aktif:
Aktif Keg Aktif (2) = (2-1) / (4-1)
=1/3
= 0.3333
= 0.33
d. Variabel Hasil Prediksi, memiliki 2 nilai linguistik, yaitu: BERPRESTASI,
TIDAK BERPRESTASI

8
 Gambar 13 Fungsi Keanggotaan Variabel Hasil Prediksi

2.3 Metode Tsukamoto:

Setelah Mengetahui fungsi keanggotaan pada langkah 1 maka selanjutnya menentukan
rule dan mencari aplikasi fungsi implikasi dengan menggunakan fungsi MIN.
[R1] IF IPK Tinggi And Taat Azas Taat And Aktif Kegiatan Aktif THEN Hasil
Prediksi Berprestasi
α-predikat₁ = min (ipk Tinggi (3.55), taat azas Taat (4), aktif keg Aktif ( 2))
= min (0.79,1,0.33)
= 0.33
Nilai himpunan Hasil Prediksi Berprestasi (z₁) adalah: (z₁-1) / (4-1) = 0.33
(z₁-1) = 0.99
z₁ = 0.99 + 1
z₁ = 1.99
z₁ = 2
[R2] IF IPK Tinggi And Taat Azas Taat And Aktif Kegiatan Tidak Aktif THEN Hasil
Prediksi Berprestasi
α-predikat₂ = min (ipk Tinggi (3.55), taat azas Taat (4), aktif keg Tdk Aktif (2))
= min (0.79,1,0.67)
= 0.67
Nilai himpunan Hasil Prediksi Berprestasi (z₂) adalah: (z₂-1) / (4-1) = 0.67
(z₂-1) = 2.01
z₂ = 2.01 + 1
z₂ = 3.01
z₂ = 3
[R3] IF IPK Tinggi And Taat Azas Tidak Taat And Aktif Kegiatan Aktif THEN
Hasil Prediksi Berprestasi α-predikat₃ =
min(μipk Tinggi (3.55), μtaat azas Tdk Taat (4), μaktif keg Aktif (2))
= min(0.79,0,0.33)
=0
Nilai himpunan Hasil Prediksi Berprestasi (z₃) adalah: (z₃-1) / (4-1) = 0
(z₃-1) = 0
z₃ = 1
[R4] IF IPK Tinggi And Taat Azas Tidak Taat And Aktif Kegiatan Tidak Aktif THEN
Hasil Prediksi Tidak Berprestasi.
α-predikat₄ = min( μipk Tinggi (3.55), μtaat azas Tdk Taat (4), μaktif keg Tdk
Aktif(2))
= min(0.79,0,0.67)
=0
Nilai himpunan Hasil Prediksi Tidak Berprestasi (z₄) adalah:
(4-z₄) / (4-1) = 0
(4-z₄) = 0
z₄ = 4
[R5] IF IPK Rendah And Taat Azas Taat And Aktif Kegiatan Aktif THEN Hasil
Prediksi Berprestasi.
α-predikat = min( μipk Rendah (3.55), μtaat azas Taat (4), μaktif keg Aktif (2))
= min(0.21,1,0.33)
= 0.21

9
 Nilai himpunan Hasil Prediksi Berprestasi (z) adalah: (z-1) / (4-1) = 0.214
(z-1) = 0.64
z = 0.64 + 1
z = 1.64
[R6] IF IPK Rendah And Taat Azas Taat And Aktif Kegiatan Tidak Aktif THEN Hasil
Prediksi Tidak Berprestasi
α-predikat = min( μipk Rendah(3.55), μtaat azas Taa(4), μaktif keg Tdk Aktif (2))
= min(0.21,1,0.67)
= 0.21
Nilai himpunan Hasil Prediksi Tidak Berprestasi (z ) adalah:
(4-z ) / (4-1) = 0.214 (4-z ) = 0.64
z = 4-0.64
z = 3.36
[R7] IF IPK Rendah And Taat Azas Tidak Taat And Aktif Kegiatan Aktif THEN Hasil
Prediksi Tidak Berprestasi.
α-predikat = min( μipk Rendah(3.55), μtaat azas Tdk Taat(4), μaktif keg Aktif(2))
= min(0.21,0,0.33)
=0
Nilai himpunan Hasil Prediksi Tidak Berprestasi (z ) adalah:
(4-z ) / (4-1) = 0 (4-z ) = 0
z =4
[R8] IF IPK Rendah And Taat Azas Tidak Taat And Aktif Kegiatan Tidak Aktif THEN
Hasil Prediksi Tidak Berprestasi
α-predikat = min( μipk Rendah(3.55), μtaat azas Tdk Taat(4), μaktif keg Tdk
Aktif(2))
= min(0.21,0,0.67)
=0
Nilai himpunan Hasil Prediksi Tidak Berprestasi (z ) adalah:
(4-z ) / (4-1) = 0 (4-z ) = 0
z =4

Tahap terakhir yaitu mencari nilai rata-rata terbobot (defuzzyfikasi) ditunjukkan

pada persamaan 2.5.
α −pred 1∗z 1+ α −pred 2∗z 2+ +α − pred 3∗z 3+α − pred 4∗z 4
z =
α − pred 1+α − pred 2++ α− pred 3+ α − pred 4
0.33 2+ 0.67 3+0 1+0 4 +0.21 1.64+0.21 3.36+ 0.4+0.4
z =
0.33+0.67 +0+0+ 0.21+ 0.21+0+0
0.66+2.01+0+ 0+0.34+ 0.71+0+0
z =
0.33+0.67+ 0+0+0.21+ 0.21+ 0+0
3.72
z =
1.42
z = 2.62
Untuk metode Mamdani, mengacu pada langkah fuzzyfikasi Himpunan fuzzy pada tiap
variabel, penyelesaiannya seperti pada langkah fuzzyfikasi.

3.4 Metode Mamdani :

a. Aplikasi fungsi implikasi
Pada metode Mamdani, fungsi implikasi yang digunakan adalah MIN.

10
 [R1] IF IPK Tinggi And Taat Azas Taat And Aktif Kegiatan Aktif THEN Hasil
Prediksi Berprestasi

α-predikat4 = min( μipk Tinggi (3.55), μtaat azas Taat (4), μaktif keg Aktif (2))
= min (0.79,1,0.33)
= 0.33

[R2] IF IPK Tinggi And Taat Azas Taat And Aktif Kegiatan Tidak Aktif THEN
Hasil Prediksi Berprestasi
α-predikat, = min( μipk Tingg (3.55), μtaat azas Taat(4), μaktif keg Tdk
Aktif(2))
= min (0.79,1,0.67)
= 0.67
[R3] IF IPK Tinggi And Taat Azas Tidak Taat And Aktif Kegiatan Aktif THEN
Hasil Prediksi Berprestasi
α-predikat₃ = min( μipk Tinggi(3.55), μtaat azas Tdk Taat(4), μaktif keg
Aktif(2))
= min (0.79,0,0.33)
=0
[R4] IF IPK Tinggi And Taat Azas Tidak Taat And Aktif Kegiatan Tidak Aktif
THEN Hasil Prediksi Tidak Berprestasi
α-predikat4 = min( μipk Tinggi (3.55), μtaat azas Tdk Taat (4), μaktif keg Tdk
Aktif(2))
= min (0.79,0,0.67)
=0
[R5] IF IPK Rendah And Taat Azas Taat And Aktif Kegiatan Aktif THEN Hasil
Prediksi Berprestasi
α-predikat = min( μipk Rendah (3.55), μtaat azas Taat (4), μaktif keg Aktif (2))
= min (0.21,1,0.33)
= 0.21
[R6] IF IPK Rendah And Taat Azas Taat And Aktif Kegiatan Tidak Aktif THEN
Hasil Prediksi Tidak Berprestasi
α-predikat = min( μipk Rendah(3.55), μtaat azas Taat(4), μaktif keg Tdk
Aktif(2))
= min (0.21,1,0.67)
= 0.21
[R7] IF IPK Rendah And Taat Azas Tidak Taat And Aktif Kegiatan Aktif THEN
Hasil Prediksi Tidak Berprestasi
α-predikat = min( μipk Rendah(3.55), μtaat azas Tdk Taat(4), μaktif keg
Aktif(2))
= min (0.21,0,0.33)
=0
[R8] IF IPK Rendah And Taat Azas Tidak Taat And Aktif Kegiatan Tidak Aktif
THEN Hasil Prediksi Tidak Berprestasi
α-predikat = min( μipk Rendah (3.55), μtaat azas Tdk Taat (4), μaktif keg Tdk
Aktif (2))
= min (0.21,0,0.67)
=0
b. Komposisi antar aturan

11
 Dari hasil aplikasi fungsi implikasi dari tiap aturan, digunakan metode MAX untuk

melakukan komposisi antar semua aturan.

Gambar 14 Daerah Hasil Komposisi

Pada gambar 14 tersebut, daerah hasil di bagi menjadi 3 bagian, yaitu A1, A2, dan
A3.
MIN => 0, maka a4 = 1 MAX => (a,-1) / (4-1) = 0.67
a,-1 = 2.01
a, = 3.01
a, = 3
Dengan demikian, fungsi keanggotaan untuk hasil komposisi ini adalah:

{
0;
z ≤1
z−1 ;
μ(z) 1 ≤ z z ≤ 3.01
3
z ≥ 3.01
0.67 ;

Tahap Defuzzyfikasi pada metode Mamdani menggunakan metode Centroid.

Untuk itu, pertama-tama hitung momen untuk setiap daerah.
M1 =0
3.01
z−1
M2 = ∫( ¿ )z dz ¿
1 3
3.01

= ∫ ¿ ¿0.33z 2
0.33z) dz
1
= (0.11(3.01)3 – 0.165(3.01)2) – (0.11(1)3 0.165(1)2)
= (2.99979911 – 1.4949165) – (0.11-0.165)
= 1.50488261 - (-0.055)
= 1.55988261
= 1.56
4

M3 = ∫ ( 0.67 )z dz
3.01
4

= ∫ 0.335z 2

3.01
= 0.335(4)2-0.335(3.01)2
= 5.36 – 3.0351
= 2.3249
= 2.33
Kemudian hitung luas setiap daerah :
12
 A1 => 1x0 = 0
( 3.01−1 ) X 0.67
A2 => = 0.67335 = 0.67
2
A3 => (4-3.01) x 0.67 = 0.6633 = 0.67
Titik pusat dapat diperoleh dari :
0+1.56+ 2.33 3.89
Z = = = 2.92
0+0.67+ 0.6633 1.33

Nilai Rata-rata metode Tsukamoto dan metode Mamdani adalah :

Output I +Output II
Nilai Rata-rata =
2
2.62+ 2.92
=
2
= 2.77
Mahasiswa paling berprestasi ditentukan oleh jumlah nilai rata-rata paling tinggi dari
sampel data mahasiswa yang di input.

Tabel 15 Hasil Perhitungan Logika Fuzzy

No NPM Nama Prodi IPK Taat azas Aktif kegiatan Tsukamoto Mamdani Nilai rata-rata
1 15429038 Fitria TI 3.55 4 2 2.62 2.62 2.77
2 15429077 Sugianti TI 3.43 4 4 2.58 2.89 2.74
3 15428015 Yeni SI 3.60 3 3 2.71 2.65 2.68
4 15326008 Sandi MI 3.50 3 4 2.61 2.92 2.76
5 15327001 Asep Mulyana KA 3.37 4 2 2.35 2.85 2.6

13
 BAB IV
KESIMPULAN DAN SARAN

2.1 Kesimpulan
Dari hasil penelitian yang dilakukan mulai dari awal hingga proses pengujian, dapat
disimpulkan bahwa:
1. Susunan perhitungan sistematis dalam menentukan mahasiswa berprestasi
menggunakan logika fuzzy metode Tsukamoto dan metode Mamdani dapat
dilakukan dengan mengetahui variabel dan nilai lingustik untuk IPK yaitu rendah
dan tinggi, taat azas/aturan akademik yaitu taat dan tidak taat, aktif kegiatan yaitu
aktif dan tidak aktif, serta hasil prediksi yaitu berprestasi dan tidak berprestasi, lalu
diimplementasikan dalam membangun himpunan fuzzy untuk proses fuzzyfikasi
serta aturan/rule yang digunakan.
2. Aplikasi ini dapat membantu mempercepat proses penentuan mahasiswa
berprestasi.

4.2 Saran
Saran yang dapat direkomendasikan oleh peneliti dalam menyelesaikan penelitian ini
adalah:
1. Penelitian ini sangat cocok untuk dipelajari bagi pengembang aplikasi yang ingin
membuat aplikasi logika fuzzy untuk menentukan mahasiswa berprestasi baik
berbasis dekstop, web, maupun mobile.
2. Diharapkan penelitian selanjutnya dapat menerapkan logika fuzzy metode Sugeno.
3. 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.

14
 DAFTAR PUSTAKA

Andre. Tutorial Belajar MySQL Part 1: Pengertian MySQL dan Kelebihan MySQL,
http://www.duniailkom.com/ tutorial-mysql-alasan-menggunakan-mysql/,
dipublikasikan tanggal 16 September 2012.
Aprizal, Muhammad, dkk. Perbandingan Metode Logika Fuzzy Tsukamoto dan Logika
Fuzzy Mamdani Dalam Pemilihan Penerima Beasiswa Pada STMIK Global
Informatika MDP, 2015
Dhawiyandi, Sri dan Roni Satria Wahono. Pengantar Unified Modeling Language
(UML), Ilmu Komputer.com, 2003
Jubilee Enterprise. Belajar Java, Database, dan Netbeans dari Nol, PT. Elex Media
Komputindo, Jakarta, 2016
Jubilee Enterprise. Aplikasi Penggajian dengan Java untuk Pemula, PT. Elex
Komputindo, Jakarta, 2014
Kusuma Dewi, Sri dan Heri Purnomo. Aplikasi Logika Fuzzy untuk Pendukung
Keputusan, Graha Ilmu, Yogyakarta, 2013
Mande, Arhyy. Landasan Teori UML, http://www.luwu- raya.com/2014/06/landasan-
teori-uml.html, dipublikasikan tanggal 12 Mei 2016.
Pilmapres. Pedoman Pemilihan Mahasiswa Berprestasi (Pilmapres). Program Sarjana,
http://www.pilmapres.ristekdikti.go.id/file/pedukung/ 2017/PEDOMAN-
PILMAPRES-SARJANA-2017.
pdf, dipublikasikan bulan Januari 2017.
Putra, Adhitya Wibawa. Netbeans IDE, http://teknojurnal.com/netbeans-ide/,
dipublikasikan tanggal 19 Juli 2014.
TIM Lintang Wahana Komputer. Membangun Sistem Informasi dengan Java NetBeans
dan MySQL, Andi, Yogyakarta, 2015

15