Di Susun Oleh :
FEBRI ARISMANTO
NPM 2104020185
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.
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
iii
BAB I
PENDAHULUAN
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.
2
BAB II
LANDASAN TEORI
3
Gambar 1 Representasi 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.
4
Gambar 6 Fungsi Keanggotaan Kurva Segitiga
∑ 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
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.
7
= 0.79
b. Variabel Taat Azas, memiliki 2 nilai linguistik, yaitu: TAAT, TIDAK TAAT.
Taat Azas = 4 memiliki nilai linguistik Taat dengan derajat keanggotaan adalah 1.
Taat azas Taat (4) = 1
Taat azas Tdk Taat (4) = 0
8
Gambar 13 Fungsi Keanggotaan Variabel Hasil Prediksi
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
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
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 ;
= ∫ ¿ ¿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
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