TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar
Magister Ilmu Komputer (M.Kom)
HERLAN SUTISNA
14000994
TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar
Magister Ilmu Komputer (M.Kom)
HERLAN SUTISNA
14000994
ii
iii
iv
KATA PENGANTAR
Penulis menyadari bahwa penulisan tesis ini masih jauh dari sempurna, untuk
itu penulis mohon kritik dan saran yang bersifat membangun demi kesempurnaan
penulisan karya ilmiah yang penulis hasilkan pada waktu yang akan datang.
Akhir kata semoga tesis ini dapat bermanfaat bagi penulis khususnya dan bagi
para pembaca yang berminat pada umumnya.
Herlan Sutisna
v
vi
ABSTRAK
vii
ABSTRACT
Key- words - Decision Support System, Job Selection, Fuzzy Logic, Mamdani
viii
DAFTAR ISI
Halaman
ix
3.2.3 Metode Pemilihan Sampel .................................................... 31
3.3 Metode Pengumpulan Data ........................................................... 32
3.4 Instrumen Penelitian ...................................................................... 32
3.5 Teknik Analisa Data ...................................................................... 32
3.5.1 Metode Fuzzy Mamdani ....................................................... 33
BAB V PENUTUP............................................................................................. 75
5.1 Kesimpulan .................................................................................... 75
5.2 Saran .............................................................................................. 75
DAFTAR REFERENSI......................................................................................... 76
LAMPIRAN-LAMPIRAN
x
DAFTAR TABEL
Halaman
xi
DAFTAR GAMBAR
Halaman
xii
DAFTAR LAMPIRAN
Halaman
xiii
BAB I
PENDAHULUAN
Banyak masalah tak terstruktur dan bahkan semi terstruktur yang sangat
kompleks sehingga solusinya memerlukan keahlian. Oleh karena itu banyak
SPK canggih yang dilengkapi dengan komponen manajemen knowledge.
Komponen ini menyediakan keahlian untuk memecahkan beberapa aspek
masalah dan memberikan pengetahuan yang dapat meningkatkan operasi
komponen SPK lainnya.
2.1.4 Konsep Dasar dalam Sistem Pendukung Keputusan
Pada awalnya Turban dan Aronson (1998), mendefinisikan sistem
pendukung keputusan (SPK) sebagai sistem yang digunakan untuk mendukung
dan membantu pihak manajemen melakukan pembuatan keputusan pada kondisi
semi terstruktur dan tidak terstruktur (Kosasi, 2002). Pada dasarnya konsep DSS
hanyalah sebatas pada kegiatan membantu para manajer melakukan pembuatan
keputusan dan tidak melakukan penilaian serta menggantikan posisi dan peran
manajer.
Konsep SPK pertama kali diperkenalkan oleh Michael Scott Morton (1970),
yang selanjutnya dikenal dengan istilah Management Decision System. Konsep
SPK merupakan sebuah sistem interaktif berbasis komputer yang membantu
pembuatan keputusan memanfaatkan data dan model untuk menyelesaikan
masalah-masalah yang bersifat tidak terstruktur dan semi terstruktur (Kosasi,
2002). SPK dirancang untuk menunjang seluruh tahapan pembuatan keputusan,
yang dimulai dari tahapan mengidentifikasi masalah, memilih data yang relevan,
menentukan pendekatan yang digunakan dalam proses pembutan keputusan
sampai pada kegiatan mengevaluasi pemilihan alternatif.
Karakteristik sistem pendukung keputusan (Turban, 2005) sebagai berikut:
1. Sistem pendukung keputusan dirancang untuk membantu pengambil
keputusan dalam memecahkan masalah yang sifatnya semi terstruktur
ataupun tidak terstruktur.
2. Sistem pendukung keputusan dirancang sedemikian rupa sehingga dapat
digunakan dengan mudah oleh orang-orang yang tidak memiliki dasar
kemampuan pengoperasian komputer yang tinggi.
3. Sistem pendukung keputusan dirancang dengan menekankan pada aspek
fleksibilitas serta kemampuan adaptasi yang tinggi. Sehingga mudah
nilai fungsi keanggotaan dari nol sampai satu.. Pengontrol dengan Fuzzy Logic
mempunyai kelebihan yaitu dapat mengontrol sistem yang kompleks, non-
linier, atau sistem yang sulit direpresentasikan kedalam bentuk matematis. Selain
itu, informasi berupa pengetahuan dan pengalaman mempunyai peranan penting
dalam mengenali perilaku sistem di dunia nyata. Fuzzy Logic juga memiliki
himpunan Fuzzy yang mana pada dasarnya, teori himpunan Fuzzy merupakan
perluasan dari teori himpunan klasik. Dimana dengan Fuzzy Logic, hasil yang
keluar tidak akan selalu konstan dengan input yang ada. Cara kerja Fuzzy Logic
secara garis besar terdiri dari input, proses dan output. Fuzzy Logic merupakan
suatu teori himpunan logika yang dikembangkan untuk mengatasi konsep nilai
yang terdapat diantara kebenaran (truth) dan kesalahan (false). Dengan
menggunakan Fuzzy Logic nilai yang dihasilkan bukan hanya ya (1) atau tidak
(0) tetapi seluruh kemungkinan diantara 0 dan 1. Ada beberapa hal yang perlu
diketahui dalam memahami sistem Fuzzy antara lain (Agusman, Wijaya, &
Ingo, 2009) :
Variabel Fuzzy merupakan variabel yang akan dibahas dalam suatu
sistem Fuzzy.
Himpunan Fuzzy merupakan suatu group yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel Fuzzy.
Semesta pembicaraan, merupakan keseluruhan nilai yang diperbolehkan
untuk dioperasikan dalam suatu variabel Fuzzy.
Domain adalah keseluruhan nilai yang diijinkan dalam semesta
pembicaraan dan boleh dioperasikan dalam suatu himpunan Fuzzy.
pairs) baik diskrit maupun kontinu. Himpunan Fuzzy A dalam semesta x biasa
dinyatakan sebagai sekumpulan pasangan elemen x (x anggota X) dan besarnya
derajat keanggotaan (membership grade) elemen tersebut adalah sebagai berikut
:
Ã={x, 𝝁𝑨 (𝒙 )|𝒙 𝝐 𝑿}
𝑨 = ∫𝒙 𝝁𝑨 (𝒙)|𝒙
Dimana :
v0 : Nilai keluaran;
J : Jumlah harga maksimum;
vj : Nilai keluaran maksimum ke-j
µv(v) : Derajat keanggotaan elemen-elemen pada
fuzzy set v
v : Semesta pembicaraan
(b) Centre of Area (COA)
Metode ini didefinisikan sebagai :
∑𝑗𝑗=1 𝑣𝑘 𝜇𝑘 (𝑣𝑘 )
𝑣0 =
∑𝑚
𝑘=1 𝜇𝑣 (𝑣𝑘 )
Dimana :
v0 : Nilai keluaran;
m : Tingkat kuantisasi
vk : Elemen ke-k
µv(vk) : Derajat keanggotaan elemen-elemen pada
fuzzy set v
v : Semesta pembicaraan
2. Modem Defuzzyfikasi SUGENO
Penalaran fuzzy dengan metode Sugeno hampir sama dengan penalaran
Mamdani, tetapi output sistem tidak berupa himpunan fuzzy, melainkan
berupa konstanta atau persamaan linier. Metode ini diperkenalkan oleh
Takagi-Sugeno Kang pada tahun 1985. Secara umum modem fuzzy sugeno
terdiri dari 2 (dua) jenis, yaitu :
1. Model fuzzy Sugeno orde-nol :
IF input1 = x dan input2 = y, THEN outputnya adalah z = k.
2. Model fuzzy Sugeno orde-satu :
ID input1= x dan input2 = y, THEN outputnya adalah z= ax+by+c.
Defuzzifikasi dilakukan dengan caramencari rata-ratanya (weight
average/wtaver) :
∑𝑁
𝑖=1 𝑤𝑖 𝑧𝑖
Final Output =
∑𝑁
𝑖=1 𝑤𝑖
dalam bentuk nilai yang bersifat kuantitatif dalam angka 0-4 atau A,B,C,D,E.
Tingkatan nilai tes ini diatur menurut rangking dan diformulasikan dalam bentuk
Indeks Prestasi (IP).
Indeks Prestasi (IP) yaitu Indeks Prestasi yang dihitung pada setiap akhir
semester yang digunakan sebagai dasar untuk mengetahui keberhasilan belajar
dari semua mata kuliah yang diikuti pada semester yang bersangkutan. Indeks
Prestasi Komulatif (IPK) yaitu indeks prestasi yang dihitung pada akhir suatu
program pendidikan lengkap atau pada akhir semester kedua dan seterusnya
untuk seluruh mata kuliah yang diambilnya, ang dinyatakan dengan rentangan
angka 0,00 – 4,00.
Nurman dkk, (1994) menyatakan bahwa Indeks Prestasi berguna membantu
meramalkan keberhasilan mahasiswa dimasa yang akan datang. Nilai yang
diperoleh dapat dipakai sebagai petunjuk untuk menetapkan suatu keputusan
tentang diperkenankan atau tidak mahasiswa tersebut melankutkan pelajaran
pada semester atau tingkat yang lebih tinggi. Indeks Prestasi juga dapat
dimanfaatkan untuk menilai keberhasilan mahasiswa dalam menguasai
kompetensi-kompotensi yang menjadi tujuan mata kuliah yang diambilnya.
Lebih jauh lagi bahwa prestasi mahasiswa diperguruan tinggi daat turut
menentukan kesempatan kerja yang lebih baik sekaligus menetukan masa
depannya.
2.5 Gaji
Gaji merupakan salah satu hal yang mendorong atau memotivasi pegawai
untuk bekerja atau mengabdi secara menyeluruh terhadap perusahaan. Adapaun
beberapa defini gaji yaitu:
Menurut Soemarso (2009:307)”Gaji adalah imbalan kepada pegawai yang
diberikan atas tugas tugas administrasi dan pimpinan yang jumlahnya biasanya
tetap secara bulanan”.
Menurut Mulyadi (2008:373)”Gaji umumnya merupakan pembayaran atas
penyerahan jasa yang dilakukan oleh karyawan yang mempunyai jenjang jabatan
manajer”
dan wilayah suara). dibentuk aturan yang bersesuaian dengan mengambil data-data
berdasarkan pengalaman keputusan dari pembuat keputusan. Misal: Jika Usia
peserta adalah konsisten dan Pengalaman peserta adalah pengalaman dan
Kedisiplinan peserta adalah sangat disiplin maka keputusan dari kondisi tersebut
adalah baik. Kondisi tiap kriteria yang berbeda-beda tadi kemudian dikombinasikan
sehingga mengahasilkan keputusan yang berbeda pula. Pembentukan aturan
dihasilkan dari kombinasi tiap kondisi tersebut yang dikenal dengan aturan (rule)
keputusan.
3. Penelitian yang dilakukan oleh Aighner Ahsarif Ario, Novita Mardiani
dengan judul Sistem Informasi Simulasi Pemilihan Mata Kuliah Peminatan
Mahasiswa Studi Kasus Program Studi Sistem Informasi STMIK GI MDP.
Penelitian ini bertujuan sebagai alternative simulator bagi mahasiswa untuk
mengenali kemampuan dan potensi sehingga dapat memutuskan pemilihan
mata kuliah peminatan yang sesuai kedalam aplikasi simulasi yang berbasis
logika fuzzy. Aplikasi simulasi ini dikembangkan dengan metodologi RUP
(Rational Unified Process) dan menggunakan bahasa pemrograman
Microsoft Visual Basic 2008 dan SQL Server 2008. Penentuan pemilihan
mata kuliah peminatan dalam aplikasi simulasi ini dilakukan melalui proses
simulasi memasukkan nilai mata kuliah. Aplikasi akan menampilkan
informasi pilihan mata kuliah peminatan yang sesuai dengan kemampuan
pengguna. Hasil analisis dan evaluasi menunjukkan bahwa aplikasi simulasi
ini mudah digunakan. Diharapkan aplikasi simulasi ini dapat memberikan
informasi dan solusi secara dini untuk menentukan pilihan mata kuliah
peminatan.
4. Penelitian yang dilakukan oleh Pepi Dwi Ariani, Entin Martiana Kusuma,
Dwi Kurnia Basuki dengan judul “Sistem Pendukung Keputusan Pemilihan
Jurusan SMK Menggunakan Neuro-Fuzzy”. Penelitian ini bertujuan
mengimplementasikan metode Neuro-Fuzzy untuk menentukan SMK yang
cocok berdasarkan kemampuan yang dimiliki siswa Sistem membutuhkan
beberapa masukan berupa nilai, kemampuan dan minat siswa. Hasil dari
sistem berupa nilai rekomendasi yang sesuai dengan nilai, kemampuan dan
minat yang dimiliki. Kebutuhan input sistem berupa data nilai siswa yang
menyangkut kompetensi di pelajaran atau kemampuan tertentu.
potensi peserta didik agar menjadi manusia yang beriman dan bertakwa kepada
Tuhan Yang Maha Esa, berakhlak mulia, sehat, berilmu, cakap kreatif, mandiri
dan menjadi warga negara yang demokratis serta bertanggung jawab. “
Di bawah naungan Yayasan Bina Sarana Informatika merupakan panggilan
tugas yang awalnya adalah ikut serta mencerdaskan kehidupan bangsa,
menyediakan lapangan pekerjaan baru bagi masyarakat luas pada umumnya, dan
mengembangkan pendidikan komputer baik formal maupun informal yang
terjangkau bagi masyarakat luas.
Kepercayaan Pemerintah dan masyarakat di Tasikmalaya khususnya
semakin besar kepada BSI segera diimbangi dengan upaya-upaya penting seperti
penyempurnaan kurikulum, rekrutmen tenaga pengajar, perbaikan sistem
administrasi, manajemen, peningkatan sarana dan prasarana belajar mengajar
dengan menggunakan DLP (Digital Liquid Projector), ruangan ber AC, Sound
system dan Multimedia, Komputer 1 kelas satu komputer. Berdasarkan Rencana
Induk Pengembangan Yayasan Bina Sarana Informatika yang saat ini sudah
membangun kampus milik sendiri di Jl. Tanuwijaya Empang Sari Tawang No. 4
Tasikmalaya.
2.7.2 Struktur Organisasi BSI
Struktur Organisasi Akademi Manajemen Informatika dan Komputer BSI
Tasikmalaya secara umum berbentuk struktur organisasi garis. Dalam struktur
organisasi yang berbentuk garis wewenang dan tanggung jawab masing-masing
bagian organisasi langsung kepada direktur.
YAYASAN
BINA SARANA
INFORMATIKA
SENAT
AKADEMIK
DIREKTUR
BINA SARANA INFORMATIKA
PUDIR I PUDIR II PUDIR III
BIDANG AKADEMIK BIDANG KEUANGAN BIDANG KEMAHASISWAAN
LPMI
AMIK BSI ASM BSI ABA BSI AKOM BSI AKPAR BSI AMK BSI
KETUA KETUA KETUA KETUA KETUA KETUA
Keterangan:
LPMI = Lembaga Penjamin Mutu Internal
BAAK = Biro Adiministrasi Akademik Kemahasiswaan
BAKU = Biro Administrasi Keuangan dan Umum
BTI = Biro Teknologi dan Informasi
BTR = Biro Training and Recruitment
Jenis Penelitian yang akan dilakukan pada penelitian kali ini termasuk
dalam kategori penelitian Explanatory yaitu penelitian yang berisi pembuktian
yang dibangun melalui teori dengan pendekatan pengolahan dengan metode fuzzy
Mamdani. Serta menggunakan perangkat lunak Matlab sebagai alat bantu untuk
mempermudah pengolahan datanya.
3.2.2. Sampel
Mengingat jenis sampel yang diambil tidak dipilih secara acak dan unsur
populasi yang terpilih menjadi sampel disebabkan karena sudah direncanakan
oleh peniliti, teknik pengambilan sampel menggunakan teknik Purposive
Sampling. Sampel diambil dengan maksud dan tujuan tertentu, sesorang atau
sesuatu diambil sebagai sampel karena peneliti menganggap bahwa seseorang
atau sesuatu tersebut memiliki informasi yang diperlukan bagi penelitian. Sesuai
30
31
dapat dengan mudah menjawab kuesioner dan data dari kuesioner tersebut
dapat dengan cepat dianalisis secara statistik, serta pernyataan yang sama dapat
diulang dengan mudah. Kuesioner pada penelitian ini dibuat dengan
menggunakan skala interval atau Semantic Differential
A. Himpunan Fuzzy
Logika fuzzy diimplementasikan dalam tiga tahap, yaitu :
1. Tahap Fuzzyfikasi (Fuzzyfication), yaitu pemetaan dari nilai masukan tegas ke
dalam himpunan fuzzy.
a. Metode Centroid
Pada metode ini, solusi crips diperoleh dengan cara mengambil titik pusat
(z*) daerah fuzzy. Secara umum dirumuskan :
b. Metode Bisektor
c. Metode Min of Maximum (MOM)
d. Metode Smallest of Maximum (SOM)
e. Metode Largest of Maximum (LOM)
3.6. Jadwal Penelitian
4.1 Analisis Data dan Penerapan Logika Fuzzy Untuk pemilihan pekerjaan
Dalam penelitian ini digunakan 3 (tiga) parameter sebagai kriteria penentu
pemilihan pekerjaan. Ketiga parameter tadi akan dijadikan sebagai masukan
(input) untuk sistem yang dirancang. Dengan bantuan literatur, maka dapat
dijelaskan parameter untuk fuzzification input dan output sebagai berikut :
a) Usia (u) memiliki tiga nilai linguistik (muda, Sedang dan tua).
b) IPK (i) (Indeks Prestasi Komulatif) memiliki Tiga nilai linguistik (kurang
memuaskan, Memuaskan, dan Sangat Memuaskan).
c) Gaji (gj) memiliki tiga nilai linguistik (Rendah, Sedang,Tinggi).
d) Keputusan(k) memiliki lima nilai linguistik (Industri, Bank, Pegawai
Pemerintah, Pendidik).
4.1.1 Proses Fuzzyfikasi
1. Variabel Umur
Variable umur yang digunakan dalam penelitian ini mengacu pada umur rata-
rata mahasiswa dan alumni mahasiswa di AMIK BSI Tasikmalaya, Berikut Tabel
Umur yang digunakan dalam penelitian ini.
Tabel Error! No text of specified style in document..1. Nilai linguistik Umur
(dalam bulan)
Nilai Linguistik Interval Himpunan Fuzzy
Muda 17,20,23 [0 23]
Sedang 20,23,26 [20 26]
Tua 23,26,29 [>26]
Ekspresi untuk fungsi keanggotaam fuzzy :
1 𝑥 ≤ 20
𝜇𝑚𝑢𝑑𝑎 (𝑥) = {23 − 𝑥 }
20 < 𝑥 < 23
3
(𝑥 − 20)
20 < 𝑥 ≤ 23
3
𝜇𝑆𝑒𝑑𝑎𝑛𝑔 (𝑥) =
(26 − 𝑥)
23 < 𝑥 < 26
{ 3 }
(𝑥 − 23)
𝜇𝑡𝑢𝑎 (𝑥) = { 23 < 𝑥 < 26}
3
1 𝑥 ≥ 26
Tabel Error! No text of specified style in document..1. Tabel Nilai IPK (Skala 4.00)
Nilai Linguistik Interval (NA) Himpunan Fuzzy
Kurang Memuaskan 2.40, 2.70, 3.00 [0 2.70]
Memuaskan 2.70, 3.00, 3.30 [2.70 3.30]
Sangat Memuaskan ≥ 3.60 [3.60 ]
1 𝑥 ≤ 2.70
𝜇𝑘𝑢𝑟𝑎𝑛𝑔 𝑚𝑒𝑚𝑢𝑎𝑠𝑘𝑎𝑛 (𝑦) = {3.00 − 𝑥 }
2.70 < 𝑥 < 3.00
0.3
(𝑥 − 2.70)
2.70 < 𝑥 < 3.00
0.3
𝜇𝑚𝑒𝑚𝑢𝑎𝑠𝑘𝑎𝑛 (𝑦) = 1, 𝑢𝑛𝑡𝑢𝑘 3.00 ≤ 𝑥 ≤ 3.30
(3.60 − 𝑥)
3.30 < 𝑥 < 3.60
{ 0.3 }
(𝑥 − 3.30)
𝜇𝑆𝑎𝑛𝑔𝑎𝑡 𝑚𝑒𝑚𝑢𝑎𝑠𝑘𝑎𝑛 (𝑦) = { 3.30 < 𝑥 < 3.60}
0.3
1 𝑥 ≥ 3.60
1 𝑥 ≤ 19
𝜇𝑅𝑒𝑛𝑑𝑎ℎ (𝑥) = {23 − 𝑥 }
19 < 𝑥 < 23
4
(𝑥 − 19)
19 < 𝑥 < 23
4
𝜇𝑆𝑒𝑑𝑎𝑛𝑔 (𝑥) = 1 𝑥 ≤ 19
(26 − 𝑥)
{ 23 < 𝑥 < 26}
4
(𝑥 − 23)
𝜇𝑇𝑖𝑛𝑔𝑔𝑖 (𝑥) = { 23 < 𝑥 < 27}
4
1 𝑥 ≥ 27
Output
NO
Umur IPK Gaji Rekomendasi
4. Jika Usia Muda dan IPK Memuaskan dan Gaji Rendah maka Keputusannya
adalahh Pabrik/Industri
5. Jika Usia Muda dan IPK Memuaskan dan Gaji Sedang maka Keputusannya
adalah Bank
6. Jika Usia Muda dan IPK Memuaskan dan Gaji Tinggi maka Keputusannya
adalah Bank
7. Jika Usia Muda dan IPK Sangat Memuaskan dan Gaji Rendah maka
Keputusannya adalah Bank
8. Jika Usia Muda dan IPK Sangat Memuaskan dan Gaji Sedang maka
Keputusannya adalah Bank
9. Jika Usia Muda dan IPK Sangat Memuaskan dan Gaji Tinggi maka
Keputusannya adalah Bank
10. Jika Usia Sedang dan IPK Kurang Memuaskan dan Gaji Rendah maka
Keputusannya adalah Pabrik/Industri
11. Jika Usia Sedang dan IPK Kurang Memuaskan dan Gaji Sedang maka
Keputusannya adalah Pabrik/Industri
12. Jika Usia Sedang dan IPK Kurang Memuaskan dan Gaji Tinggi maka
Keputusannya adalah Pabrik/Industri
13. Jika Usia Sedang dan IPK Memuaskan dan Gaji Rendah maka Keputusannya
adalah Pabrik/Industri
14. Jika Usia Sedang dan IPK Memuaskan dan Gaji Sedang maka Keputusannya
adalah Bank
15. Jika Usia Sedang dan IPK Memuaskan dan Gaji Tinggi maka Keputusannya
adalah Pegawai Pemerintah
16. Jika Usia Sedang dan IPK Sangat Memuaskan dan Gaji Rendah maka
Keputusannya adalah Bank
17. Jika Usia Sedang dan IPK Sangat Memuaskan dan Sedang maka
Keputusannya adalah Pendidik
18. Jika Usia Sedang dan IPK Sangat Memuaskan dan Tinggi maka
Keputusannya adalah Pegawai Pemerintah
19. Jika Usia Tua dan IPK Kurang Memuaskan dan Gaji Rendah maka
Keputusannya adalah Pabrik/Industri
20. Jika Usia Tua dan IPK Kurang Memuaskan dan Gaji Sedang maka
Keputusannya adalah Pabrik/Industri
21. Jika Usia Tua dan IPK Kurang Memuaskan dan Gaji Tinggi maka
Keputusannya adalah Pabrik/Industri
22. Jika Usia Tua dan IPK Memuaskan dan Gaji Rendah maka Keputusannya
adalah Pabrik/Industri
23. Jika Usia Tua dan IPK Memuaskan dan Gaji Sedang maka Keputusannya
adalah Pendidik
24. Jika Usia Tua dan IPK Memuaskan dan Gaji Tinggi maka Keputusannya
adalah Pendidik
25. Jika Usia Tua dan IPK Sangat Memuaskan dan Gaji Rendah Keputusannya
adalah Bank
26. Jika Usia Tua dan IPK Sangat Memuaskan dan Sedang Keputusannya adalah
Pegawai Pemerintah
27. Jika Usia Tua dan IPK Sangat Memuaskan dan Tinggi maka Keputusannya
adalah Pendidik
1 𝑥 ≤ 2.70
𝜇𝑘𝑢𝑟𝑎𝑛𝑔 𝑚𝑒𝑚𝑢𝑎𝑠𝑘𝑎𝑛 (𝑦) = {3.00 − 𝑥 }
2.70 < 𝑥 < 3.00
0.3
Bernilai 1 karena ≤ 2,70 masuk ke Nilai linguistik “Kurang Memuaskan”
3. Gaji
1 𝑥 ≤ 19
𝜇𝑅𝑒𝑛𝑑𝑎ℎ (𝑥) = {23 − 𝟏𝟗 }
19 < 𝑥 < 23
4
Hasilnya = 1 ( Termasuk ke Nilai Linguistik “Rendah”)
Sehingga Menjadi Muda - Kurang Memuaskan - Rendah
(20 ∗ 1.00) + (2.70 ∗ 1.00) + (19 ∗ 1.00)
𝑦=
(1.00 + 1.00 + 1.00)
20 + 2.7 + 19
𝑦=
3
𝟒𝟏, 𝟕
𝒚= = 𝟏𝟑, 𝟗
𝟑
Nilai Anda adalah 𝟏𝟑, 𝟗 Pekerjaan Bank tidak tepat, Pekerjaan yang tepat
adalah Pabrik/Industri
Gambar Error! No text of specified style in document..2. Grafik yang terbentuk dari
Rule yang dibuat pada Matlab
Gambar Error! No text of specified style in document..3. Grafik permukaan (Surface) untuk
data kasus 1 pada Matlab
Contoh Kasus 3
23 + 3.7 + 30
𝑦=
3
𝟓𝟔, 𝟕
𝒚= = 𝟏𝟖, 𝟗
𝟑
Nilai Anda adalah 𝟏𝟖, 𝟗 Pekerjaan Pendidik tidak tepat, Pekerjaan yang tepat
adalah Pegawai Pemerintah
Gaji
IPK
No
Memuask
Kurang M
Sangat M
Rendah
Sedang
Sedang
Tinggi
Muda
Tua
an
1 17 2.70 15 1.00 0.00 0.00 1.00 0.00 0.00 1.00 0.00 0.00
2 18 2.80 16 1.00 0.00 0.00 0.66 0.33 0.00 1.00 0.00 0.00
3 19 2.90 17 1.00 0.00 0.00 0.33 0.66 0.00 1.00 0.00 0.00
4 20 3.00 18 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.00 0.00
5 21 3.10 19 0.66 0.33 0.00 0.00 1.00 0.00 1.00 0.00 0.50
6 22 3.20 20 0.33 0.66 0.00 0.00 1.00 0.00 0.75 0.25 0.00
7 23 3.30 21 0.00 1.00 0.00 0.00 1.00 0.00 0.50 0.50 0.00
8 24 3.40 22 0.00 0.66 0.33 0.00 0.66 0.33 0.25 0.75 0.00
9 25 3.50 23 0.90 0.33 0.66 0.00 0.33 0.66 0.00 1.00 0.00
10 26 3.60 24 0.00 0.00 1.00 0.00 0.00 1.00 0.00 0.75 0.25
11 27 3.70 25 0.00 0.00 1.00 0.00 0.00 1.00 0.00 0.50 0.50
12 28 3.80 26 0.00 0.00 1.00 0.00 0.00 1.00 0.00 0.25 0.75
13 29 3.90 27 0.00 0.00 1.00 0.00 0.00 1.00 0.00 0.00 1.00
14 - 4.00 28 0.00 0.00 1.00 0.00 0.00 1.00 0.00 0.00 1.00
menggambarkan cetak biru (blueprint) suatu sistem informasi secara grafis, terdiri dari
komponan-komponen, interface, dan koneksi-koneksi yang ada dalam sistem tersebut,
agar mudah dipahami dan dikomunikasikan.
Dengan menggunakan model ini, diharapkan pengembangan sistem dapat
memenuhi semua kebutuhan pengguna dengan lengkap dan tepat. UML menawarkan
sebuah standar untuk merancang model sebuah sistem. UML juga menggunakan class
dan operation dalam konsep dasarnya, maka lebih cocok untuk penulisan piranti lunak
dalam bahasa berorientasi objek seperti PHP. Desain objek, kelas dan proses pada
pengembangan sistem penunjang keputusan Penerimaan Siswa baru ini dibuat dalam
bentuk diagram. Adapun diagram yang dimaksud adalah sebagai berikut:
1. Class Diagram
Class Diagram bersifat statis. Diagram ini memperlihatkan himpunan kelas-
kelas, antarmuka-antarmuka, kolaborasi-kolaborasi serta relasi.
2. Use Case Diagram
Diagram ini bersifat statis. Diagram ini memperlihatkan himpunan use case
dan aktor-aktor (suatu jenis khusus dari kelas). Diagram ini terutama sangat
penting untuk mengorganisasi dan memodelkan perilaku dari suatu sistem
yang dibutuhkan serta diharapkan pengguna.
3. Sequence Diagram
Diagram ini bersifat dinamis. Diagram sequence merupakan diagram interaksi
yang menekankan pada pengiriman pesan (message) dalam suatu waktu
tertentu.
4. Activity Diagram
Diagram ini bersifat dinamis. Diagram ini adalah tipe khusus dari diagram
state yang memperlihatkan aliran dari suatu aktifitas ke aktifitas lainnya dari
suatu sistem. Diagram ini terutama penting dalam pemodelan fungsi-fungsi
dalam suatu sistem dan memberi tekanan pada aliran kendali antar objek.
Berikut adalah diagram-diagram UML yang digunakan dalam sistem
Penerimaan Siswa Baru secara keseluruhan dari mulai proses, aktifitas yang
terjadi hingga menghasilkan output berupa Keputusan.
Class Diagram
Usecase Diagram
Use Case Diagram di atas menggambarkan bagaimana interaksi antara aktor dengan
sistem.Pengguna dalam hal ini adalah Mahasiswa atau user lain (selain mahasiswa)dapat
melakukan input pekerjaan yang di inginkan,dan meamasukan data lain seperti Input
Umur, Input IPK,dan Input gaji yang di inginkan, kemudia bisa melihat hasilnya yang
telah diproses oleh sistem.. Sedangkan administrator dapat melakukan apa saja yang bisa
Sequence Diagram
Activity Diagram
Diagram ini memperlihatkan alur aktifitas yang dilakukan baik oleh pengguna
maupun administrator dalam penginputan data Pemilihan Pekerjaan..
{
$ket="Pabrik/Industri";
}
else if ($umur<=20 && $ipk<=3.30 && $gaji<=19)
{
$ket="Pabrik/Industri";
}
else if ($umur<=20 && $ipk<=3.30 && $gaji<=23)
{
$ket="Bank";
}
else if ($umur<=20 && $ipk<=3.30 && $gaji>=27)
{
$ket="Bank";
}
else if ($umur<=20 && $ipk>=3.60 && $gaji<=19)
{
$ket="Pabrik/Industri";
{
$ket="Bank";
{
$ket="Bank";
}
{
$ket="Pabrik/Industri";
}
else if ($umur<=23 && $ipk<=3.30 && $gaji<=19)
{
$ket="Pabrik/Industri";
}
else if ($umur<=23 && $ipk<=3.30 && $gaji<=23)
{
$ket="Bank";
}
else if ($umur<=23 && $ipk<=3.30 && $gaji>=27)
{
$ket="Pendidik";
}
else if ($umur<=23 && $ipk>=3.60 && $gaji<=19)
{
$ket="Bank";
{
$ket="Pegawai Pemerintah";
}
{
$ket="Pendidik";
}
{
$ket="Pabrik/Industri";
}
else if ($umur>=26 && $ipk<=3.30 && $gaji<=19)
{
$ket="Pabrik/Industri";
}
else if ($umur>=27 && $ipk<=3.30 && $gaji<=23)
{
$ket="Pendidik";
}
else if ($umur>=26 && $ipk<=3.30 && $gaji>=27)
{
$ket="Pendidik";
}
else if ($umur>=26 && $ipk>=3.60 && $gaji<=19)
{
$ket="Bank";
}
else if ($umur>=26 && $ipk>=3.60 && $gaji<=23)
{
$ket="Pegawai Pemerintah";
}
else if ($umur<=26 && $ipk>=3.60 && $gaji>=27)
{
$ket="Pendidik";
}
Coding selengkapnya dapat dilihat pada halaman lampiran.
b. Gaji
c. Pekerjaan
5.1. Kesimpulan
5.2. Saran
4. Sistem ini juga bisa dikembangkan kembali dan diterapkan untuk semua user
yang membutuhkan sistem ini.
Agusman, L., Wijaya, S., & Ingo, Y. (2009). Aplikasi Logika Fuzzy Untuk Analisis
Tes Kepribadian. Jakarta: Binus University.
Armour, F., Kaisler, S., Getter, J., & Pi, D. (2003). A UML-Driven Enterprise
Architecture Case Study. 36th Annual Hawaii International Conference on
System Sciences (HICSS'03) (p. 72b). Big Island, Hawaii: HICSS.
Bin, H., & long, D. (2010). Vehicle Routing Problem of Logistics Based on
Dynamic Ant Colony Algorithm. Second International Workshop on
Education Technology and Computer Science (pp. 651-654). Wuhan,
Hubei, China: IEEE.
Cabrera G., G., & Peralta, F. (2009). Ant Colony System Algorithm for the Vehicle
Routing Problem with Simultaneous Delivery and Pick-Up. Fourth
International Conference on Computer Sciences and Convergence
Information Technology (pp. 1575-1580). Seoul, Korea: IEEE.
Coltorti, D., & Rizzoli, A. (2007 ). Ant colony optimization for real-world vehicle
routing problems. ACM SIGEVOlution (pp. 2-9). New York, NY, USA :
ACM.
Erkan, E. T., & Rouyendegh, D. B. (2012). Selection Of Academic Staff Using The
Fuzzy Analytic Hierarchy Process (Fahp): A Pilot StudY. Tehnički vjesnik
19, 4(2012), 923-929.
Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung
Keputusan Edisi 2. Tangerang: Graha Ilmu.
Poutanen, H., & Puhakka, V. (2010). The Many Sides of Human Resource
Information Systems. International Journal of Technology and Human
Interaction, Pages 1-13.
Singgih Setiyoko, A., Ciptomulyono, U., & Gunarta, I. K. (2007). Integrated Fuzzy
Ahp And Weighted-Fuzzy Goal Programming Approach To Solve Supplier
Selection Problem With Subjective Factors. Majalah IPTEK - Vol. 18, No.
1, 22-30.
Sun, Y., Zhang, L., Zhang, Y., Li, R., & We. (2008). Research on ACA
Optimization in the Logistics Distribution System. International
Conference on Intelligent Computation Technology and Automation (pp.
654-658). Tianjin, China: IEEE.
Sutapa, I. N., & Rahardjo, J. (2002). Aplikasi Fuzzy Analytical Hierarchy Process
Dalam Seleksi Karyawan. Jurnal Teknik Industri VOL. 4, NO. 2, 82-92.
West, R., & Turner, L. (2008). Pengantar Ilmu Komunikasi : Analisis dan Aplikasi.
Jakarta: Salemba Humanika.
Armour, F., Kaisler, S., Getter, J., & Pi, D. (2003). A UML-Driven Enterprise
Architecture Case Study. 36th Annual Hawaii International Conference on
System Sciences (HICSS'03) (p. 72b). Big Island, Hawaii: HICSS.
Bin, H., & long, D. (2010). Vehicle Routing Problem of Logistics Based on Dynamic Ant
Colony Algorithm. Second International Workshop on Education Technology
and Computer Science (pp. 651-654). Wuhan, Hubei, China: IEEE.
Cabrera G., G., & Peralta, F. (2009). Ant Colony System Algorithm for the Vehicle
Routing Problem with Simultaneous Delivery and Pick-Up. Fourth International
Conference on Computer Sciences and Convergence Information Technology
(pp. 1575-1580). Seoul, Korea: IEEE.
Coltorti, D., & Rizzoli, A. (2007 ). Ant colony optimization for real-world vehicle routing
problems. ACM Sigevolution (pp. 2-9). New York, NY, USA : ACM.
Deo, N. (1974). Graph Teory with Application to Engineering and Computer Science.
New Delhi: Asoke K. Ghosh.
Erkan, E. T., & Rouyendegh, D. B. (2012). Selection Of Academic Staff Using The
Fuzzy Analytic Hierarchy Process (Fahp): A Pilot Study. Tehnički vjesnik 19,
4(2012), 923-929.
Kusuma, S. dan Purnomo, H., 2004, Aplikasi Logika Fuzzy untuk Pendukung Keputusan,
edisi 1, Penerbit Graha Ilmu, Yogyakarta
Kusrini. (2008). Aplikasi Sistem Pakar : Menentukan Faktor Kepastian Pengguna dengan
Metode Kuantifikasi Pertanyaan. Yogyakarta: CV. Andi Offset (Penerbit Andi).
Poutanen, H., & Puhakka, V. (2010). The Many Sides of Human Resource Information
Systems. International Journal of Technology and Human Interaction, Pages 1-
13.
Singgih Setiyoko, A., Ciptomulyono, U., & Gunarta, I. K. (2007). Integrated Fuzzy Ahp
And Weighted-Fuzzy Goal Programming Approach To Solve Supplier Selection
Problem With Subjective Factors. Majalah IPTEK - Vol. 18, No. 1, 22-30.
Spewak, S., & Hill, S. (1993). Enterprise architecture planning: developing a blueprint
for data, applications, and technology. Boston : QED Pub. Group.
Sun, Y., Zhang, L., Zhang, Y., Li, R., & We. (2008). Research on ACA Optimization in
the Logistics Distribution System. International Conference on Intelligent
Computation Technology and Automation (pp. 654-658). Tianjin, China: IEEE.
Sutapa, I. N., & Rahardjo, J. (2002). Aplikasi Fuzzy Analytical Hierarchy Process Dalam
Seleksi Karyawan. Jurnal Teknik Industri Vol. 4, No. 2, 82-92.
West, R., & Turner, L. (2008). Pengantar Ilmu Komunikasi : Analisis dan Aplikasi.
Jakarta: Salemba Humanika.
Wibisono, D. (2003). Riset Bisnis : Panduan Bagi Akademisi. Jakarta: PT. Gramedia
Pustaka Utama.
Wong, J., McLeod, A., & Chiang, R. (2009). A strategic management support
architecture: integration of the balanced scorecard and enterprise resource
planning. International Journal of Business Information Systems, 581-596.
Lembar Konsultasi Bimbingan Tesis