Tesis Herlan Full

SISTEM PENUNJANG KEPUTUSAN PEMILIHAN PEKERJAAN
MENGGUNAKAN METODE FUZZY

STUDI KASUS : AMIK BSI TASIKMALAYA
TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar
Magister Ilmu Komputer (M.Kom)
HERLAN SUTISNA
14000994
PROGRAM PASCASARJANA MAGISTER ILMU KOMPUTER

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
NUSA MANDIRI
JAKARTA
2015
SISTEM PENUNJANG KEPUTUSAN PEMILIHAN PEKERJAAN
MENGGUNAKAN METODE FUZZY
STUDI KASUS : AMIK BSI TASIKMALAYA
TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar
Magister Ilmu Komputer (M.Kom)
HERLAN SUTISNA
14000994
PROGRAM PASCASARJANA MAGISTER ILMU KOMPUTER

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
NUSA MANDIRI
JAKARTA
2015
ii
iii
iv
KATA PENGANTAR
Alhamdulilah, puji syukur kehadirat Allah SWT. Atas limpahan rahmat,

karunia serta hidayah-NYA berupa ilmu pengetahuan sehingga penulis dapat
menyelesaikan tesis sebagaimana mestinya. Solawat serta salam tidak lupa
tercurahkan kepada panutan kita Nabi Muhamad SAW yang menjadi suri teladan
terhadap umatnya.
Penulis menyadari bahwa tanpa bimbingan dan dukungan dari semua
pihak dalam pembuatan tesis ini, maka penulis tidak dapat menyelesaikan tesis ini
tepat pada waktunya. Untuk itu ijinkanlah pada kesempatan ini penulis
mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Direktur Program Pascasarjana STMIK Nusa Mandiri
2. Ketua Program Studi Magister Ilmu Komputer STMIK Nusa Mandiri
3. Bapak Ir. Noor Cholis Basjaruddin,MT, selaku pembimbing tesis yang telah
menyediakan waktu, pikiran dan tenaga dalam membimbing penulis dalam
menyelesaikan tesis ini.
4. Ayahanda dan Ibunda tercinta, kakak dan keluarga tercinta yang selalu
memberikan dukungan moril dan materil kepada penulis.
5. Teman-teman seperjuangan angkatan 2012 Mgister Ilmu Komputer
6. Seluruh staf pengajar (dosen) Program Pascasarjana Magister Ilmu Komputer
Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri yang
telah memberikan pelajaran yang berarti bagi penulis selama menempuh studi.
7. Seluruh staf dan karyawan Program Pascasarjana Magister Ilmu Komputer
Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri yang
telah melayani penulis dengan baik selama kuliah.
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.
Jakarta, 14 Maret 2015
Herlan Sutisna
v
vi
ABSTRAK
Nama : Herlan Sutisna

NIM : 14000994
Program Studi : Magister Ilmu Komputer
Jenjang : Strata Dua (S2)
Konsentrasi : Management Information System
Judul Tesis : “Sistem Penunjang Keputusan Pemilihan Pekerjaan Menggunakan
Metode Fuzzy Studi Kasus AMIK BSI Tasikmalaya”
Kebijaksanaan dalam mengambil sebuah keputusan pada permasalahan tertentu

bukan lah hal yang mudah, karena perlu dilakukan pertimbangan yang diharapkan
dapat membantu memberikan alasan keputusan tertentu tersebut harus diambil.
Begitu juga penanganan masalah dalam penentuan pilihan pekerjaan bagi
seseorang. Pemilihan jenis pekerjaan seharusnya disesuaikan dengan kemampuan
dan minat yang dimiliki seseorang. Seseorang yang akan bekerja pada sebuah
perusahaan perlu mempertimbangkan umur, IPK, dan gaji yang diinginkan. Sistem
Pendukung Keputusan Pemilihan Pekerjaan yang dikembangkan. diharapkan dapat
membantu calon pekerja dalam menentukan pilihannya. penalaran Logika Fuzzy
Mamdani digunakan untuk memproses data masukan yang selanjutnya digunakan
untuk menghasilkan keluaran berupa rekomendasi pekerjaan apa yang tepat bagi
seseorang.
Kata kunci— Sistem Pendukung Keputusan, Pemilihan Pekerjaan, Logika Fuzzy,

Mamdani
vii
ABSTRACT
Nama : Herlan Sutisna

NIM : 14000994
Program Studi : Magister Ilmu Komputer
Jenjang : Strata Dua (S2)
Konsentrasi : Management Information System
Judul Tesis : “Sistem Penunjang Keputusan Pemilihan Pekerjaan Menggunakan
Metode Fuzzy Studi Kasus AMIK BSI Tasikmalaya”
Kebijaksanaan dalam mengambil keputusan pada permasalahan tertentu bukanlah

hal yang mudah, karena perlu dilakukan pertimbangan yang diharapkan dapat
membantu memberikan alasan keputusan tertentu tersebut harus diambil. Begitu
juga penanganan masalah dalam memilih pekerjaan bagi seseorang. Pemilihan
jenis pekerjaan harus disesuaikan dengan kemampuan dan minat yang dimiliki
seseorang. Seseorang yang akan bekerja di sebuah perusahaan perlu
mempertimbangkan umur, IPK, dan gaji yang diinginkan. Sistem Pendukung
Keputusan Pemilihan Pekerjaan yang dikembangkan. diharapkan dapat membantu
calon pekerja dalam menentukan pilihannya. penalaran Logika Fuzzy Mamdani
digunakan untuk memproses input data yang selanjutnya digunakan untuk
menghasilkan keluaran berupa rekomendasi pekerjaan apa yang tepat bagi
seseorang.
Key- words - Decision Support System, Job Selection, Fuzzy Logic, Mamdani
viii
DAFTAR ISI
Halaman
HALAMAN SAMPUL ......................................................................................... i

HALAMAN JUDUL............................................................................................. ii
LEMBAR PERNYATAAN ORISINALITAS ..................................................... iii
LEMBAR PENGESAHAN ................................................................................. iv
KATA PENGANTAR .......................................................................................... v
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS ............................................................. vii
ABSTRAK ........................................................................................................... viii
ABSTRACT ................................................ ......................................................... ix
DAFTAR ISI ......................................................................................................... x
DAFTAR TABEL ................................................................................................. xi
DAFTAR GAMBAR ............................................................................................ xii
DAFTAR LAMPIRAN ......................................................................................... xiii
BAB I PENDAHULUAN ............................................................................... 1

1.1 Latar Belakang Penulisan .............................................................. 1
1.2 Identifikasi Masalah ...................................................................... 1
1.3 Tujuan Penelitian .......................................................................... 3
1.4 Ruang Lingkup Penelitian ............................................................. 3
1.5 Hipotesis ........................................................................................ 3
1.6 Sistematika Penulisan .................................................................... 3
BAB II TINJAUAN PUSATAKA .................................................................... 5

2.1 Tinjauan Pusataka ......................................................................... 5
2.1.1 Sistem Pendukung Keputusan .............................................. 6
2.1.2 Karakterisktik Sistem Pendukung Keputusan ...................... 7
2.1.3 Komponen-komponen Sistem Pendukung Keputusan .......... 8
2.1.4 Konsep Dasar Dalam Sistem Pendukung Keputusan ........... 11
2.1.5 Pendekatan Sistem dalam Sistem Pendukung Keputusan .... 12
2.2 Logika Fuzzy................................................................................. 13
2.2.1 Himpunan Fuzzy .................................................................. 15
2.2.2 Fungsi Keanggotaan (Membership Function) ...................... 16
2.2.3 Variabel Linguistik ............................................................... 18
2.3 Penelitian Terkait .......................................................................... 23
2.4 Tinjauan Organisasi ...................................................................... 25
2.4.1 Profil BSI .............................................................................. 25
2.4.2 Struktur Organisasi ............................................................... 26
BAB III METODE PENELITIAN ..................................................................... 31

3.1 Jenis Penelitian .............................................................................. 31
3.2 Populasi Sampel dan Pemilihan Sampel ..................................... 31
3.2.1 Populasi ................................................................................ 31
3.2.2 Sampel .................................................................................. 31
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 IV HASIL DAN PEMBAHASAN ............................................. .............. 56

3.1 Analisa Data dan Penerapan Logika Fuzzy untuk Pemilihan
Pekerjaan ....................................................................................... 34
3.6.1 Proses Fuzzifikasi ................................................................. 35
3.6.2 Proses Inferensi .................................................................... 39
3.6.3 Proses Defuzzifikasi ............................................................. 45
4.1 Pengembangan Sistem ................................................................... 56

4.2 Analisa dan Desain Sistem ............................................................ 56
4.3 Perancangan Antarmuka Pengguna ............................................... 63
4.4 Penulisan Kode Program ............................................................... 64
4.5 Testing ........................................................................................... 68
4.6 Implementasi Sistem ...................................................................... 71
4.7 Implementasi Sistem ...................................................................... 71
4.8 Metode Implementasi ..................................................................... 71
4.9 Hasil Pengolahan Data ................................................................... 71
4.10 Hasil Kuesioner ............................................................................. 73
BAB V PENUTUP............................................................................................. 75
5.1 Kesimpulan .................................................................................... 75
5.2 Saran .............................................................................................. 75
DAFTAR REFERENSI......................................................................................... 76
LAMPIRAN-LAMPIRAN
x
DAFTAR TABEL
Halaman
Tabel 3.1. Nilai Linguistik Umur .......................................................................... 35

Tabel 3.2. Nilai Linguistik IPK ............................................................................. 36
Tabel 3.3. Nilai Linguistik Gaji ............................................................................ 38
Tabel 3.4. Nilai Linguistik Keputusan .................................................................. 39
Tabel 3.5. Aturan Fuzzy Untuk Pemilihan Pekerjaan ........................................... 40
Tabel 3.6 Perhitungan Derajat Keanggotaan Masing-masing Data ...................... 54
Tabel 3.7 Jadwal Penelitian................................................................................... 55
xi
DAFTAR GAMBAR
Halaman
Gambar 2.1 Karakteristik dan Kapabilitas SPK. ................................................... 8

Gambar 2.2 Konseptula Sistem Pendukung Keputusan ........................................ 9
Gambar 2.3 Ilustrasi Himpunan Fuzzy ................................................................. 16
Gambar 2.4 Digram S Function. ........................................................................... 17
Gambar 2.5 Diagram π Function........................................................................... 17
Gambar 2.6 Diagram T Function. ......................................................................... 18
Gambar 2.7 Struktur Dasar Pengenalan Fuzzy. ................................................... 19
Gambar 2.8 Metodologi Pengembangan Sistem. .................................................. 23
Gambar 2.9 Susunan Organisasi Akademi. .......................................................... 27
Gambar 3.1 Grafik Himpunan Fuzzy Umur. ........................................................ 36
Gambar 3.2 Grafik Himpunan Fuzzy IPK ............................................................ 37
Gambar 3.3 Grafik Himpunan Gaji ....................................................................... 38
Gambar 3.4 Grafik Himpunan Keputusan ............................................................ 39
Gambar 3.5 Pembentukan Rule pada Matlab ........................................................ 43
Gambar 3.6 Surface Rule pada Matlab ................................................................. 44
Gambar 3.7 Rule pada Matlab .............................................................................. 44
Gambar 3.8 Grafik Rule (K1) .............................................................................. 46
Gambar 3.9 Grafik Surface (K1) ........................................................................... 47
Gambar 3.10 Grafik Rule (K2) ............................................................................. 48
Gambar 3.11 Grafik Surface (K2) ......................................................................... 49
Gambar 3.12 Grafik Rule (K3) ............................................................................. 50
Gambar 3.14 Grafik Rule (K4) ............................................................................ 53
Gambar 4.1 Class Diagram. .................................................................................. 58
Gambar 4.2 Usecase Diagram ............................................................................... 59
Gambar 4.3 Squance Diagram Sistem Admin ....................................................... 60
Gambar 4.4 Squance Diagram untuk Admin. ....................................................... 60
Gambar 4.5 Squance Diagram untuk Pengguna ................................................... 61
Gambar 4.6 Actity Diagram .................................................................................. 62
Gambar 4.7 Tampilan Beranda untuk Pengguna .................................................. 63
Gambar 4.8 Tampilan Utama Administrator. ....................................................... 64
Gambar 4.9 Hasil Pengolahan Sistem dan Rekomendasi Sistem. ........................ 72
Gambar 4.10 Grafik Gaji Hasil Kuesioner ............................................................ 73
Gambar 4.11 Grafik Pekerjaan Hasil Kuesioner ................................................... 74
Gambar 4.12 Grafik Gaji Hasil Kuesioner ............................................................ 74
xii
DAFTAR LAMPIRAN
Halaman
Lampiran 1. Lembar Konsultasi ........................................................................... 77

Lampiran 1. Surat Keterangan Riset .................................................................... 78
xiii
BAB I
PENDAHULUAN
1.1 Latar Belakang Penulisan

Pemilihan pekerjaan bagi mahasiswa pada sebuah perusahaan, instansi
pemerintah atau sSwasta, merupakan sebuah persoalan yang membutuhkan
penanganan yang baik.
Pemilihan pekerjaan adalah persoalan yang komplek karena beberapa hal
berikut:
1. Tingkat pengangguran yang tinggi sehingga persaingan untuk mendapatkan
pekerjaan semakin ketat.
2. Lowongan atau peluang kerja, baik di sebuah lembaga swasta maupun
lembaga negeri yang relatif terbatas.
3. Tuntutan hidup yang semakin berat dan meningkat.
4. Keterbatasan wawasan mahasiswa tentang dunia kerja sehingga peminatan
dan kemampuan kerap tidak sesuai.
Berdasarkan latar belakang di atas penulis tertarik untuk melakukan Penelitian
dengan Judul “Sistem Penunjang Keputusan Pemilihan Pekerjaan menggunakan
Metode Logika Fuzzy , Studi Kasus: AMIK BSI Tasikmalaya”
1.2 Identifikasi Masalah

Sebelum bekerja seseorang harus memilih pekerjaan yang sesuai dengan
dirinya. Pemilihan karir merupakan suatu proses untuk memilih suatu pekerjaan
tertentu. Seseorang akan mempertimbangkan beberapa pilihan pekerjaan yang
didasarkan atas berbagai faktor diantaranya kesesuaian internal seperti minat,
kemampuan, dan nilai-nilai, dukungan orang tua, pengaruh teman sebaya, dan
lain-lain. Seiring proses pemilihan tersebut, ia akan melakukan eksplorasi
terhadap diri sendiri, bidang studi, dan pekerjaan yang mungkin akan menjadi
pilihannya. Proses ekplorasi akan memungkinkan seseorang mengenal dirinya
meliputi minat, bakat, dan kemampuan yang dimilikinya. Proses eksplorasi juga
memungkinkan dirinya untuk semakin mengenal dunia kerja dan hal-hal yang
Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

1
2
berhubungan dengan pekerjaan. Ia akan menentukan pilihannya, yaitu karir apa

saja yang sesuai dengan dirinnya.
Memilih dan merencanakan karir merupakan salah satu tugas perkembangan
pada masa remaja. Hakikat tugas perkembangan tujuan tugas ini adalah memilih
suatu pekerjaan yang sesuai dengan kemampuannya dan mempersiapkan diri
memiliki pengetahuan dan keterampilan untuk memasuki pekerjaan tersebut.
Dasar psikologis studi tentang minat remaja, menunjukkan bahwa perencanaan
dan persiapan pekerjaan merupakan minatnya yang pokok, baik remaja pria
maupun wanita. Profil perilakunya antara lain mampu memilih salah satu
pekerjaan dari berbagai pekerjaan yang beragam, mampu mempertimbangkan
berapa lama menyelesaikan sekolah, dapat merencanakan apa yang harus
dilakukan setelah tamat sekolah, dapat memilih program studi yang sesuai dengan
minat kemampuannya, dapat mengambil keputusan ditempat mana akan bekerja.
Berdasarkan wawancara dengan beberapa mahasiswa Reguler dan Mahasiswa
kelas karyawan di AMIK BSI Tasikmalaya, masalah yang terjadi beberapa
Mahasiswa mengaku bingung untuk menentukan pilihan pekerjaan,walaupun
banyak diantara mahasiswa-mahasiswa tersebut yang sudah mempunyai pekerjaan
(Mahasiswa kelas Karyawan/Sore).
Berdasarkan latar belakang penelitian, maka dapat dirumuskan mengenai
masalah yang akan diteliti yaitu:
1. Variabel apa saja yang mempengaruhi mahasiswa dalam memilih pekerjaan?

2. Bagaimana mengolah variabel yang telah ditentukan sehingga dapat
digunakan untuk menilai apakah pemilihan jenis pekerjaan oleh mahasiswa
tepat atau tidak tepat.
1.3 Tujuan Penelitian

Tujuan yang akan dicapai dari penelitian ini adalah:
1. Untuk mengetahui variabel apa saja yang mempengaruhi mahasiswa dalam
memilih pekerjaan?
2. Untuk mengetahui Berapa persen ketepatan pemilihan jenis pekerjaan jika
dihubungkan dengan varibel yang telah ditentukan pada nomor 1.

3
1.4 Ruang Lingkup Penelitian

Agar proses penelitian ini sesuai waktu yang tersedia, terarah dan fokus, maka
objek penelitian tesis ini yaitu membahas metode yang digunakan yaitu metode
fuzzy dan responden kuesioner yaitu mahasiswa AMIK BSI Tasikmalaya yang
sedang aktif kuliah saat ini.
1.5 Sistematika Penulisan

Untuk lebih mudah memahami dan mengerti isi tesis ini, maka penulis
mencoba menguraikan dengan lebih sistematis ke dalam bentuk penulisan
sebagai berikut:
BAB I PENDAHULUAN
Pada bab ini penulis menguraikan tentang latar belakang penulisan,
identifikasi masalah, tujuan penelitian, ruang lingkup penelitian, dan
sistematika penulisan.
BAB II LANDASAN TEORI
Pada bab ini membahas tentang teori-teori dasar yang berkaitan dengan,
pengertian Sistem Penujang Kebutuhan, Fuzzy Logic, Himpunan Fuzzy,
Fungsi Keanggotaan, Metode Fuzzy Mamdani, dan Pengertian Variabel,
tinjauan studi, dan tinjauan organisasi. Selain itu pada bab ini juga
dijelaskan kerangka pemikiran penulis dalam penulisan tesis ini.
BAB III METODE PENELITIAN
Membahas mengenai metode dan tahap penelitian tesis yang meliputi
Jenis Penelitian, Populasi, Sampel dan Metode Pemilihan Sampel ,
Instrumen Penelitian , Teknik Analisis Data, dan jadwal penelitian.
BAB IV HASIL DAN PEMBAHASAN
Dalam bab ini membahas tentang Analisis Data dan Penerapan Logika
Fuzzy Untuk pemilihan pekerjaan, Pengembangan Sistem, dan
Implementasi Sistem
BAB V PENUTUP
Berisi kesimpulan dan saran bagi penelitian selanjutnya.

BAB II
TINJAUAN PUSTAKA
2.1 Sistem Pendukung Keputusan (Decision Support System)

Keputusan adalah suatu pengakhiran daripada proses pemikiran tentang
suatu masalah atau problema untuk menjawab pertanyaan apa yang harus
diperbuat guna mengatasi masalah tersebut, dengan menjatuhkan pilihan pada
suatu alternatif (Hasan, 2002). Pada dasarnya pengambilan keputusan (Simon
1960), merupakan suatu bentuk pemilihan dari berbagai alternatif tindakan yang
mungkin dipilih, yang prosesnya melalui mekanisme tertentu, dengan harapan
akan menghasilkan sebuah keputusan yang terbaik.
Penyusunan sebuah model keputusan merupakan suatu cara untuk
mengembangkan hubungan-hubungan logis yang mendasari persoalan keputusan
ke dalam suatu bentuk model matematis, yang mencerminkan hubungan di
antara faktor faktor yang terlibat. Model yang menggambarkan proses
pengambilan keputusan terdiri dari empat fase yaitu:
1. Penelusuran (Intelligence)
Tahap ini merupakan tahap pendefinisian masalah serta identifikasi
informasi yang dibutuhkan yang berkaitan dengan persoalan yang dihadapi
serta keputusan yang akan diambil.
2. Perancangan (Design)
Tahap ini merupakan suatu proses untuk merepresentasikan model sistem
yang akan dibangun berdasarkan pada asumsi yang telah ditetapkan. Dalam
tahap ini, suatu model dari masalah dibuat, diuji, dan divalidasi.
3. Pemilihan (Choice)
Tahap ini merupakan suatu proses melakukan pengujian dan memilih
keputusan terbaik berdasarkan kriteria tertentu yang telah ditentukan dan
mengarah kepada tujuan yang akan dicapai.
4. Implementasi (Implementation)
Tahap ini merupakan tahap pelaksanaan dari keputusan yang telah diambil.
Pada tahap ini perlu disusun serangkaian tindakan yang terencana, sehingga

4
5
hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan

perbaikanperbaikan.
Dalam membuat sebuah keputusan seringkali akan dihadapi berbagai bentuk
kerumitan dan lingkup permasalahan yang sangat banyak. Untuk kepentingan
tersebut, sebagian besar pembuat keputusan dengan mempertimbangkan
berbagai rasio manfaat/biaya, dihadapkan pada suatu keharusan untuk
mengandalkan seperangkat sistem yang mampu memecahkan masalah secara
efisien dan efektif, yang kemudian disebut Sistem Pendukung Keputusan (SPK).
SPK merupakan suatu sistem untuk merangkaikan dan mengintegrasikan setiap
sumber daya intelektual dari individu dengan kemampuan komputer untuk
meningkatkan kualitas keputusan yang dihasilkan.
Memahami SPK dan penggunaannya sebagai sistem yang menunjang dan
mendukung keputusan dilakukan melalui tinjauan relatif atas peranan manusia
dan komputer guna mengetahui bidang fungsi masing-masing, keunggulan serta
kelemahannya. Tujuan pembentukan SPK yang efektif adalah memanfaatkan
keunggulan kedua unsur, yaitu manusia dan perangkat elektronik.
Menurut Alter yang di kutip oleh Abdul Kadir, sistem pendukung keputusan
atau Decision Support Systems (DSS) adalah sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan pemanipulasian data yang digunakan
untuk membantu pengambilan keputusan pada situasi yang semiterstruktur dan
situasi yang tidak terstruktur di mana tak seorang pun tahu secara pasti
bagaimana keputusan seharusnya dibuat.
2.1.2 Karakteristik Sistem Pendukung Keputusan

Karakteristik dan kapabilitas dari Sistem Pendukung Keputusan adalah
sebagai berikut (Turban, 2005) :
1. Dukungan untuk pengambil keputusan, terutama pada situasi semiterstruktur
dan tak terstruktur.
2. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai
manajer lini.
3. Dukungan untuk individu dan kelompok.
4. Dukungan untuk semua keputusan independen dan atau sekuensial.

6
5. Dukungan di semua fase proses pengambilan keputusan: inteligensi, desain,

pilihan, dan implementasi.
6. Dukungan pada berbagai proses dan gaya pengambilan keputusan.
7. Kemampuan sistem beradaptasi dengan cepat dimana pengambil keputusan
dapat menghadapi masalah-masalah baru dan pada saat yang sama dapat
menanganinya dengan cara mengadaptasikan sistem terhadap kondisi-
kondisi perubahan yang terjadi.
8. Pengguna merasa seperti di rumah. User-friendly, kapabilitas grafis yang
kuat, dan sebuah bahasa interaktif yang alami.
9. Peningkatan terhadap keefektifan pengambilan keputusan (akurasi,
timelines, kualitas) dari pada efisiensi (biaya).
10. Pengambil keputusan mengontrol penuh semua langkah proses pengambilan
keputusan dalam memecahkan masalah.
11. Pengguna akhir dapat mengembangkan dan memodifikasi sistem sederhana.
12. Menggunakan model-model dalam penganalisisan situasi pengambilan
keputusan.
13. Disediakannya akses untuk berbagai sumber data, format, dan tipe, mulai
dari sistem informasi geografi (Geographic Information System, GIS) sampai
sistem berorientasi objek.
14. Dapat dilakukan sebagai alat standalone yang digunakan oleh seorang
pengambil keputusan pada satu lokasi atau didistribusikan di satu organisasi
keseluruhan dan di beberapa organisasi sepanjang rantai persediaan.

7
Gambar 2.1 Karakteristik dan Kapabilitas SPK
2.1.3 Komponen-Komponen Sistem Pendukung Keputusan

Sistem Pendukung Keputusan terdiri dari 4 (empat) subsistem, yaitu
(Turban, 2005):
1. Manajemen Data, meliputi basis data yang berisi data-data yang relevan
dengan keadaan dan dikelola oleh perangkat lunak yang disebut dengan
Database Management System (DBMS).
2. Manajemen Model berupa sebuah paket perangkat lunak yang berisi model-
model finansial, statistik, management science, atau model kuantitatif, yang
menyediakan kemampuan analisa dan perangkat lunak manajemen yang
sesuai.
3. Subsistem Dialog atau komunikasi, merupakan subsistem yang dipakai oleh
user untuk berkomunikasi dan memberi perintah (menyediakan user
interface).
4. Manajemen Knowledge yang mendukung subsistem lain atau berlaku
sebagai komponen yang berdiri sendiri.

8
Gambar 2.2 Konseptual Sistem Pendukung Keputusan

a. Subsistem Manajemen Data
Subsistem manajemen data terdiri dari elemen-elemen berikut :
1. DSS database adalah kumpulan data yang saling terkait yang diorganisasi
untuk memenuhi kebutuhan dan struktur sebuah oraganisasi dan dapat
digunakan oleh lebih dari satu orang untuk lebih dari satu aplikasi.
2. Sistem Manajemen basis data adalah pembuatan, pengaksesan dan
pembaharuan (update) oleh DBMS yang mempunyai fungsi utama sebagai
tempat penyimpanan, mendapatkan kembali (retrieval) dan pengontrolan.
3. Direktori merupakan sebuah katalog dari semua data di dalam basis data.
4. Query Facility, yang menyediakan fasilitas akses data. Fungsi utamannya
adalah untuk operasi seleksi dan manipulasi data dengan menggunakan
model-model yang sesuai dari model management
b. Subsistem Manajemen Model
Subsistem manajemen model terdiri atas :
1. Basis Model
Berisikan model-model seperti manajemen keuangan, statistik, ilmu
manajemen yang bersifat kuantitatif yang memberikan kapabilitas analisis
pada sebuah SPK.
Model Strategis digunakan untuk mendukung manajemen puncak untuk
menjalankan tanggungjawab perencanaan strategis. Ketika model ini
digunakan dalam suatu SPK, maka yang menjadi tujuan di dalamnya adalah
untuk membantu pengambilan keputusan strategis yang sifatnya jangka
panjang.

9
Model Taktis digunakan terutama oleh manajemen madya untuk membantu

mengalokasikan dan mengontrol sumber daya organisasi.
Model Operasional digunakan untuk mendukung aktifitas kerja harian pada
oraganisasi.
Model Analitik digunakan untuk menganalisis data (untuk apllikasi sendiri),
sebagai komponen dari model yang lebih besar, dan digunakan untuk
menentukan variabel dan parameter model.
2. Sistem Manajemen Basis Model
Merupakan sistem software yang fungsi utamanya untuk membuat model
dengan menggunakan bahasa pemrograman, alat SPK dan atau subrutin, dan
balok pembangun lainnya; membangkitkan rutin baru dan laporan;
pembaruan dan perubahan model; dan manipulasi model.
3. Direktori Model
Peran direktori model sama dengan direktori basis data. Direktori model
adalah katalog dari semua model dan perangkat lunak lainnya pada basis
model. Ia berisi definisi model dan fungsi utamanya adalah menjawab
pertanyaan tentang ketersediaan dan kapabilitas model.
4. Eksekusi Model, Integrasi, dan Prosesor Perintah
Eksekusi model adalah proses mengontrol jalannya model saat ini. Integrasi
model mencakup gabungan operasi beberapa model saat diperlukan atau
menintegrasikan SPK dengan aplikasi lain. Sedangkan prosesor model
digunakan untuk menerima dan mengintepretasikan instruksi-instruksi
pemodelan.
c. Subsistem Dialog
Komponen dialog SPK adalah perangkat lunak dan perangkat keras yang
menyediakan antarmuka untuk SPK. Istilah antarmuka pengguna mencakup
semua aspek komunikasi antara satu pengguna dan SPK. Cakupannya tidak
hanya perangkat lunak dan perangkat keras, tapi juga faktor-faktor yang
berkaitan dengan kemudahan pengguna, kemampuan untuk dapat diakses,
dan interaksi manusia mesin.
d. Subsistem Manajemen Knowledge

10
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

11
disesuaikan dengan berbagai perubahan lingkungan yang terjadi dalam

kebutuhan pemakai. Dengan berbagai karakter khusus seperti dikemukakan
di atas, sistem pendukung keputusan dapat memberikan manfaat atau
keuntungan bagi pemakainya. Keuntungan yang dimaksud diantaranya
meliputi:
1. Sistem Pendukung Keputusan memperluas kemampuan pengambil keputusan
2. dalam memproses data/informasi bagi pemakainya.
3. Sistem Pendukung Keputusan membantu pengambil keputusan dalam hal
penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama
berbagai masalah yang sangat kompleks dan tidak terstruktur.
4. Sistem Pendukung Keputusan dapat menghasilkan solusi denagn lebih cepat
serta hasilnya dapat diandalkan.
2.1.5. Pendekatan Sistem dalam Sistem Pendukung Keputusan
Robert dan Michael (1991) menyatakan sistem sebagai suatu kumpulan
dari elemen yang saling berinteraksi membentuk suatu kesatuan, dalam interaksi
yang kuat maupun lemah dengan pembatas sistem yang jelas (Suryadi dan
Ramdhani, 1998). Setelah memasukkan aspek tujuan, Murdick et. al. (1995)
memberikan pengertian tentang sistem sebagai sekumpulan elemen-elemen yang
berada dalam keadaan yang saling berhubungan untuk suatu tujuan yang sama
(Suryadi dan Ramdhani, 1998).
Struktur dari sebuah sistem meliputi masukan, proses, keluaran, umpan
balik, lingkungan, dan batasan sistem. Masukan merupakan elemen yang akan
mempengaruhi kinerja sebuah sistem. Proses merupakan seluruh elemen untuk
mentransformasikan masukan menjadi keluaran. Keluaran menunjukkan produk
akhir atau konsekuensi dari suatu sistem. Umpan balik merupakan aliran
informasi dari komponen keluaran ke pembuat keputusan tentang performansi
dari sistem.
Lingkungan terdiri dari beberapa elemen yang berada diluar sistem, dalam
arti bukan masukan, proses dan keluaran. Batasan sistem merupakan sebuah
pemisah antara suatu subsistem dengan subsistem lainnya atau sistem dengan
lingkungannya.

12
Hirarki sebuah sistem memperlihatkan semua rangkaian subsistem yang

saling berhubungan. Pada SPK dibagi atas tiga subsistem, yaitu:
1. Subsistem Manajemen Basis Data (Data Base Management Subsystem)
2. Subsistem Manajemen Basis Model (Model Base Management Subsystem)
3. Subsistem Perangkat Lunak Penyelenggara Dialog (Dialog Generation and
Management Software).
2.2 Logika Fuzzy
Logika Fuzzy (Fuzzy Logic) merupakan cabang dari sistem kecerdasan
buatan (artificial intelegent) yang memungkinkan kemampuan manusia dalam
berfikir dibuat dalam bentuk algoritma yang kemudian dijalankan oleh mesin
(komputer). Algoritma ini digunakan dalam berbagai aplikasi pemrosesan data
yang tidak dapat direpresentasikan dalam bentuk biner. Fuzzy Logic
menginterpretasikan statemen yang samar menjadi sebuah pengertian yang logis.
Konsep Fuzzy Logic dicetuskan oleh Lotf'i Zadeh seorang profesor
University of California di Berkcley, dan dipresentasikan bukan sebagai
metodologi kontrol, namun sebagai suatu cara pemrosesan data yang
memperbolehkan anggota himpunan parsial daripada anggota himpunan kosong
atau non-anggota. Pendekatan ini pada teori himpunan tidak diaplikasikan untuk
mengontrol sistem sampai tahuan 70-an karena kurangnya kemampuan
komputer-mini pada saai itu (Kusrini, 2008). Pelopor aplikasi Fuzzi Set dalam
bidang kontrol yang merupakan aplikasi pertama dan utama dari Fuzzy Set
adalah Prof. Ebrahim Mamdani dan kawan-kawan dari Queen Mary College
London. Penerapan Fuzzy secara nyata di industri banyak dipelopori para ahli
dari Jepang, misalnya Prof. Sugeno dari Tokyo Institute of Technology,
Prof.Yamakawa dari Kyusu Institute of Technology, Togay dan Watanabe dari
Bell Telephone Labs.
Metode logika fuzzy memiliki tiga tahapan proses fuzzifikasi, inferensi dan
defuzzifikasi. Logika fuzzy adalah nilai yang memiliki samar (fuzzyness) antara
benar dan salah. Secara teori, logika fuzzy bisa bernilai nilai benar dan salah
pada saat yang sama tapi berapa banyak kebenaran dan kesalahan suatu nilai
tergantung pada berapa banyak berat badan keanggotaannya. Secara teori, logika
fuzzy, himpunan fuzzy dikenal (fuzzy set) yang merupakan pengelompokan
sesuatu berdasarkan variabel bahasa (variabel linguistik) yang dinyatakan dalam

13
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.
2.2.1 Himpunan Fuzzy

Pada logika Boolean, sebuah individu dipastikan sebagai anggota dari
salah satu himpunan saja, sedangkan pada himpunan Fuzzy sebuah individu
dapat masuk pada dua himpunan yang berbeda. Ungkapan logika Boolean
menggambarkan nilai-nilai “benar” atau “salah” sedangkan Logika Fuzzy
menggunakan ungkapan misalnya : “panas”, “hangat”, “dingin” dan lain-lain
untuk mengungkapkan derajat intensitasnya. Seberapa besar eksistensinya dalam
himpunan tersebut dapat dilihat pada nilai keanggotaannya. Himpunan Fuzzy A
pada semesta dinyatakan sebagai himpunan pasangan berurutan (set of ordered

14
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}
Dimana 𝜇𝐴 (𝑥) adalah fungsi keanggotaan himpunan Fuzzy A, tanda “|”

digunakan untuk menghubungkan sebuah elemen dengan derajat
keanggotaannya. Fungsi keanggotaan memetakan setiap 𝑥 𝜖 𝑋 pada suatu nilai
antara [0,1] yang disebut derajat keanggotaan (membership grade atau
membership value). Jika X adalah diskrit, maka A bisa dinyatakan dengan :
𝑨 = 𝝁𝑨 (𝒙𝟏 )|𝒙𝟏 + ⋯ + 𝝁𝑨 (𝒙𝟏 )|𝝁𝒏 atau 𝑨 = ∑𝒏𝒊=𝟏 𝝁𝑨 (𝒙𝟏 |𝒙𝟏 )
Dan jika x adalah kontinyu, maka himpunan Fuzzy dapat dinyatakan dengan
:
𝑨 = ∫𝒙 𝝁𝑨 (𝒙)|𝒙
Tanda “+”, “” dan “” menyatakan operator union (gabungan).
Gambar 2.3 Ilustrasi Himpunan Fuzzy

(Pendefinisian Suhu dalam Logika Fuzzy dan Logika Boolean)
2.2.2 Fungsi Keanggotaan (Membership Function)

Fungsi keanggotaan adalah waktu kurva yang menunjukkan pemetaan titik-
titik input ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki
interval antara 0 sampai 1. Salau satu cara yang dapat digunakan untuk

15
mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi.

Keanggotaan suatu himpunan Fuzzy dintentukan dengan tidak dibatasi oleh
aturan-aturan tertentu. Berikut merupakan contoh 3 (tiga) macam keanggotaan
yang dinyatakan dengan fungsi keanggotaan S, , dan T (tringular).
a. S-function
S-function didefinisikan sebagai berikut :
𝟎
(𝟐 𝒙−𝒂)
𝒙<𝒂
𝒄−𝒂
𝒂≤𝒙≤𝒃
𝑺(𝒙; 𝒂, 𝒃, 𝒄) = { 𝒙−𝒂 𝒃 ≤ 𝒙 ≤ 𝒄
}
(𝟏−𝟐 𝒄−𝒂)
𝟏 𝒙>𝒄
Bentuk diagram S-function ditunjukkan pada gambar berikut :
Gambar 2.4 Diagram S-Function

b. -function
Definisi -function adalah sebagai berikut :
Bentuk diagramatik -function ditunjukkan pada gambar berikut :

16
Gambar 2.5 Diagramatik π Function

c. T-function
Definisi T-function adalah sebagai berikut :
Bentuk diagramatik T-function ditunjukkan pada gambar berikut :
Gambar 2.6 Diagramatik T-Function
2.2.3 Variabel Linguistik

Suatu himpunan fuzzy dapat didefinisikan berdasarkan variabel linguistik
tertentu. Variabel linguistik didefinisikan sebagai berikut:
(x,T(x),X,R,S)
Dimana :
X : Nama variabel linguistik;
T(x) : Himpunan term (linguistic value/linguistic label) pada u

17
dan masing-masing term didefinisikan dengan fungsi

keanggotaan yang normal (mempunyai harga sama dengan
1) dan convex pada X;
R : Aturan sintatik untuk menghasilkan nama nilai-nilai pada
u;
S : Aturan semantik untuk menghubungkan tiap nilai dengan
artinya.
Secara umum, struktur dasar pengendali Fuzzy seperti pada gambar berikut :
Gambar 2.7. Struktur Dasar Pengenalan Fuzzy

A. Fuzzifikasi
Proses Fuzzyfikasi berfungsi untuk mengubah masukan (variabel) yang
bersifat crisp (bukan Fuzzy) ke himpunan Fuzzy (variabel linguistik) dengan
menggunakan aturan Fuzzifikasi. Nilai masukan-masukan yang masih dalam
bentuk variabel numerik yang telah dikuantisasi sebelum diolah oleh pengendali
Fuzzy harus diubah terlebih dahulu ke dalam variabel Fuzzy.
Melalui fungsi keanggotaan yang telah disusun maka nilai-nilai masukan
tersebut menjadi informasi Fuzzy yang berguna nantinya untuk proses
pengolahan secara Fuzzy pula. Dengan kata lain, Fuzzifikasi merupakan
pemetaan titik-titik numerik (crisp point) x=(x1, …, xn)T  X ke himpunan Fuzzy
A di X. X adalah semesta pembicaraan. Paling tidak ada dua kemungkinan
pemetaan, yaitu :
 Fuzzifikasi singleton : A adalah fuzzy singleton dengan support x, artinya
µA(x’)=1 untuk x’=x dan µA(x’)=0 untuk x’  X yang lain dengan x’=x.
 Fuzzyfikasi nonsingleton : µA(x)=1 dan µA(x’) menurun dari 1
sebagaimana x’ bergerak menjauh dari x.

18
Sejauh ini yang paling banyak digunakan adalah Fuzzifikasi singleton,

tetapi pemakaian nonsingleton juga telah dirintis terutama untuk masukan-
masukan yang banyak dimasuki oleh derau (noise).
B. Inferencing (Rule Base)
Secara umum, aturan-aturan fuzzy (Fuzzy Rules) dinyatakan dalam bentuk
“IF…THEN” yang merupakan inti dari relasi Fuzzy. Relasi Fuzzy, dinyatakan
dengan R, juga disebut implikasifuzzy. Untuk mendapatkan aturan
“IF…..THEN” ada dua cara utama, yaitu :
1. Menanyakan ke operator manusia yang dengan cara manual telah mampu
mengendalikan sistem tersebut, dikenal dengan “human expert”.
2. Dengan menggunakan algoritma pelatihan berdasarkan data-data
masukan dan keluaran.
Dalam penalaran Fuzzy Logic, ada dua tipe utama untuk pengambilan
keputusan Fuzzy yaitu : Generalized Modus Ponens (GMP) dan Generalized
Modus Tolens (GMT). GMP disebut juga dengan direct reasoning, sedangkan
GMT disebut juga indirect reasoning. Jika himpunan Fuzzy dinotasikan dengan
A, A’, B, B’ dan variabel linguistik dinotasikan dengan x dan y, maka GMP dan
GMT dapat dinyatakan sebagai berikut :
Generalized Modus Ponens (GMP)
Pernyataan 1 (aturan) : if x is A then y is B
Pernyataan 2 (fakta) : x is A’
Penyelesaian : y is A’
Dalam hal ini penyelesaian B’ dapat dinotasikan dengan :

B’ = A’ o R
Dimana :
R : relasi fuzzy dari implikasi fuzzy ‘if A then B’;
o : operator komposisi;
A’ : himpunan fuzzy yang mempunyai bentuk : sangat A,
lebih atau kurang A, tidak A dan sebagainya.
Generalized Modus Tolens (GMT)

19
Pernyataan 1 (aturan) : if x is A then y is B

Pernyataan 2 (fakta) : x is B’
Penyelesaian : y is A’
Dalam hal ini penyelesaian B’ dapat dinotasikan sebagai berikut :

A’ = R o B’
C. Defuzzifikasi
Berfungsi untuk mentransformasukan bilangan-bilangan Fuzzy (Fuzzy Set)
yang bersifat Fuzzy menjadi bentuk sebenarnya yang bersifat Crisp dengan
menggunakan aturan Defuzzifikasi. Keputusan yang dihasilkan proses penalaran
masih dalam bentuk Fuzzy, yaitu berupa derajat keanggotaan keluaran. Hasil ini
harus diubah kembali menjadi variabel numerik non fuzzy melalui proses
defuzzyfikasi.
1. Model Deffuzifikasi Metode MAMDANI
Dua metode defuzzyfikasi metode yang umum digunakan ialah :
a) Maksimum of Mean (MOM)
Metode ini didefinisikan sebagai berikut :
𝑗
𝑣𝑗
𝑣0 = ∑
𝐽
𝑗=1
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 :

20
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
(c) Metodologi Desain Sistem Fuzzy

Beberapa tahapan untuk perancangan sistem fuzzy yang perlu dilakukan
adalah sebagai berikut :

21
Gambar 2.8 Metodologi Pengembangan Sistem Fuzzy

2.3 UMUR
Umur adalah rentang kehidupan yang diukur dengan tahun, dikatakan masa
awal dewasa adalah usia 18 tahun sampai 40 tahun, dewasa Madya adalah 41
sampai 60 tahun, dewasa lanjut >60 tahun, umur adalah lamanya hidup dalam
tahun yang dihitung sejak dilahirkan, (Nursalam, 2001).
Umur adalah usia individu yang terhitung mulai saat dilahirkan sampai saat
berulang tahun. Jika dilihat dari sisi biologis, usia 18-25 tahun merupakan saat
terbaik untuk hamil dan bersalin. Karena pada usia ini biasanya organ-organ
tubuh sudah berfungsi dengan baik dan belum ada penyakit-penyakit
degenerative seperti darah tinggi, diabetes, dan lainnya serta daya tahan tubuh
masih kuat (Dini Kasdu, dkk, 2008).

22
Umur sangat berpengaruh terhadap proses reproduksi, khususnya usia 20-25

tahun merupakan usia yang paling baik untuk hamil dan bersalin. Kehamilan dan
persalinan membawa resiko kesakitan dan kematian lebih besar pada remaja
dibandingkan pada perempuan yang telah berusia 20 tahunan, terutama di
wilayah yang pelayanan medisnya langka atau tidak tersedia (Yayasan
Pendidikan Kesehatan Perempuan, 2006).
Umur atau usia adalah satuan waktu yang mengukur waktu keberadaan
suatu benda atau makhluk, baik yang hidup maupun yang mati. Semisal, umur
manusia dikatakan lima belas tahun diukur sejak dia lahir hingga waktu umur itu
dihitung. Oleh yang demikian, umur itu diukur dari tarikh ianya lahir sehingga
tarikh semasa (masakini). Manakala usia pula diukur dari tarikh kejadian itu
bermula sehinggalah tarikh semasa(masa kini).
Umur lebih dari 35 tahun dianggap berbahaya, sebab baik alat reproduksi
maupun fisik ibu sudah jauh berkurang dan menurun, selain itu bisa terjadi
resiko bawaan pada bayinya dan juga dapat meningkatkan kesulitan pada
kehamilan, persalinan, dan nifas (Arini H. 2012).
Umur adalah waktu ibu sejak dilahirkan sampai dilaksanakanya penelitian
yang dinyatakan dengan tahun. Usia > 20 tahun dinamakan remaja, dimana
menurut piaget secara psikologi, masa remaja adalah usia dimana induvidu
berinteraksi dengan masyarakat dewasa dan termasuk juga perubahan
intekektual yang mencolok. Pada masa remaja terjadi perubahan sikap dan
prilaku, sebagian besar remaja bersikap ambivalen tehadap setiap perubahan.
Usia 18-40 tahun dinamakan dewasa dini dimana kemampuan mental mencapai
puncaknya dalam usia 20 tahun untuk mempelajari dan menyesuaikan diri pada
situasi-situasi baru seperti pada misalnya mengingat hal-hal yang pernah
dipelajari, penalaran analogis dan berfikir kreatif. Pada masa dewasa ini sering
mencapai puncak prestasi.
2.4 Indeks Prestasi Komulatif
Prestasi Belajar adalah hasil usaha dari semua kegiatan yang dilakukan
mahasiswa, baik dari belajar, pengalaman dan latihan dari suatu kegiatan. Untuk
mengetahui hasil dari belajar ini dibuat suatu alat pengukur atau tes prestasi
(achievement test). Hasil pengukuran melalui tes hasil belajar dapat dinyatakan

23
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”

24
Sedangkan menurut Mardi (2011:107) mengemukakan bahwa “Gaji adalah

sebuah bentuk pembayaran atau sebuah hak yang diberikan oleh sebuah
perusahaan atau instansi kepada pegawai”
Dari beberapa paparan diatas , maka dapat disumpulkan bahwa gaji
merupakan sebuah konpensasi yang dibayarkan oleh perusahaan kepada pegawai
sebagai balas jasa perusahaan kepada pegawainya atas jasa yang terlah diberikan
kepada perusahaan dan gaji biasanya diberikan bulanan kepada pegawai.
2.6 Hipotesis
Penulis merumuskan hipotesis sebagai berikut:
1. Variabel usia, IPK, dan Gaji yang diinginkan dapat digunakan untuk
menentukan pilihan pekerjaan yang tepat bagi mahasiswa.
2. Metoda logika fuzzy yang digunakan dapat menghasilkan rekomendasi
pekerjaan yang lebih tepat dibandingkan pilihan mahasiswa
3. SPK yang dikembangkan dapat membantu mahasiswa dalam memilih
pekerjaan yang sesuai dengan kemampuan.
2.7 Penelitian terkait

Penelitian yang terkait dalam penelitian ini sebagai berikut:
1. Penelitian Yang dilakukan oleh Ibrahim Rawabdeha, Abbas Al-Refaie*b and
Hamzeh Arabiyatd dengan Judul “Developing A Fuzzy Logic Decision Support
System For Strategic Planning In Industrial Organizations. Penelitian ini
bertujuan untuk menghasilkan dan mengevaluasi keluaran alternatif strategi
yang merupakan langkah paling penting dalam tahap perumusan proses
perencanaan strategis. Dalam model ini, tahap empat pencocokan matriks
(SPACE, IE, BCG, dan Grand Strategy Matrix) telah digabungkan dengan
hubungan untuk memilih strategi keluaran alternatif yang paling sering atau
mengatur strategi antara matriks tersebut. Ada 134 hubungan atau kondisi
yang dihasilkan dari kombinasi. Salah satu hubungan dapat terjadi ketika
mengevaluasi delapan variabel dari empat matriks dari audit internal dan
eksternal lingkungan organisasi. Hubungan antara empat matriks telah
dimasukkan sebagai aturan dalam model ini menggunakan Logika Toolbox
software Fuzzy yaitu MATLAB, dan sangat bergantung pada Alat antarmuka
pengguna grafis (GUI). Model sederhana ini canggih dan tidak ada

25
pengalaman sebelumnya dengan komputer atau pengetahuan tentang

perencanaan strategis yang diperlukan untuk pengguna. dengan 8 input
variabel yaitu Kami memiliki 8 input yaitu:
a) IFE: berkisar 1,0-4,0
b) EFE: berkisar 1,0-4,0
c) Relatif Market Share Posisi (RMSP): berkisar dari 0 ke 1
d) Industri Penjualan Pertumbuhan (ISGR): berkisar antara -20 sampai + 20
e) (IP + CP): Ini adalah resultan dari dua variabel: Posisi Industri (IP) &
posisi kompetitif (CP) di X - sumbu Matrix SPACE, (IP) berkisar 0-6, dan
(CP ) berkisar antara -6 sampai 0, Jadi, (IP + CP) berkisar antara -6 sampai
+6
f) (FP + SP): Ini adalah resultan dari dua variabel: Posisi Keuangan (FP) &
Stabilitas Posisi (SP) di Y - sumbu Matrix SPACE, (FP) berkisar 0-6, dan
(SP ) berkisar antara -6 sampai 0, Jadi, (FP + SP) yang berkisar antara -6
sampai +6. Gambar 4 menunjukkan bagaimana (FP + SP) berkisar variabel
dari -6 sampai +6 pada Y - sumbu dan bagaimana variabel (IP + CP)
berkisar antara
g) sampai +6 pada sumbu X
h) Pertumbuhan Pasar: masukan dari variabel ini adalah apakah melebihi atau
kurang dari 0,05
i) Posisi Kompetitif: berkisar 1,0-4,0
Hasil dari penelitian ini memuaskan.
2. Penelitian yang dilakukan oleh Sherly Jayanti, Sri Hartati dengan judul
“Sistem Pendukung Keputusan Seleksi Anggota Paduan Suara Dewasa
Menggunakan Metode Fuzzy Mamdani (Sanggar Bina Vokalia Menteng
Palangka Raya). Penelitian ini bertujuan membantu pengambilan keputusan bagi
pihak pengambil keputusan dalam menilai dan memilih anggota paduan suara
kategori dewasa menggunakan logika fuzzy mamdani untuk mendapatkan keluaran
berupa keputusan diterima atau tidak menjadi anggota paduan suara kategori
dewasa. untuk variabel kriteria didapatkan dari hasil wawancara dengan Pembina
Sanggar Bina Vokalia Menteng Palangka Raya, variabel kriteria yang digunakan
pada penelitian ini adalah seperti kualitas yang sifatnya umum (seperti: usia,
pegalaman dan kedisiplinan) dan kualitas teknik vokal (seperti: intonasi, artikulasi

26
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.

27
2.7 Tinjauan Organisasi

2.7.1 Sejarah AMIK BSI Tasikmalaya
Akademi Manajemen Informatika dan Komputer (AMIK) BSI Tasikmalaya
mulai berdiri Tahun 2004 dengan awalnya Tiga Program Studi yaitu, Program
Studi Manajemen Informatika D-III, Program Studi Teknik Informatika D-I, dan
Program Studi Komputer Akuntansi D-I, AMIK BSI Tasikmalaya ini kelanjutan
dari Akademi Manajemen Informatika dan Komputer (AMIK) Sukapura yang
berdiri Tahun 1992 di bawah naungan Yayasan Sukapura.
AMIK Sukapura awalnya manajemennya baik dari tahun ke tahun
sebelumnya dengan ketiga program studi tersebut di atas yaitu Program Studi
Manajemen Informatika D-III, Program Studi Teknik Informatika D-I, Program
Studi Komputer Akuntansi D-I, di saat tahun 1999 – 2003 mulai merosot drastis
sehingga mahasiswanya hampir tidak ada sama sekali dan akhirnya tidak bisa
berjalan. Dengan manajemen seperti itu akhirnya AMIK Sukapura diambil alih
manajemennya oleh Bina Sarana Informatika mulai tahun 2004. Dengan
promosi yang signifikan yaitu melalui brosur, spanduk, media elektronik, stiker,
baligho, presentasi melalui sekolah-sekolah akhirnya AMIK BSI mulai bangkit.
Diawal penerimaan mahasiswa/wi yaitu tahun 2004 setelah adanya pengambil
alihan AMIK Sukapura ke AMIK BSI telah merekrut mahasiswa 64 calon
mahasiswa/i. Selanjutnya dari tahun ke tahun terus ada peningkatan
sehingga sampai saat ini sudah mengeluarkan 680 orang mahasiswa/i yang
bekerja di beberapa intitusi. Seiring dengan perjalanan dari tahun ke tahun yaitu
Tahun 2009 ada suatu aturan yang menerangkan bahwa untuk Program D-I
dimasukkan kedalam pendidikan non formal sehingga untuk Program D-I
yang ada di AMIK BSI
Tasikmalaya itu ditiadakan/dihapus, dan mulai Tahun 2010 di AMIK BSI
Tasikmalaya tidak menerima mahasiswa untuk Program D-I. Yang ada sampai
sekarang itu hanya satu Program Studi Manajemen Informatika D-III.
Seperti halnya Perguruan Tinggi yang lainnya Akademi Manajemen
Informatika dan Komputer BSI Tasikmalaya berfungsi mengembangkan
kemampuan dan membentuk watak serta peradaban bangsa yang bermartabat
dalam rangka mencerdaskan kehidupan bangsa, bertujuan untuk berkembangnya

28
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.

29
(1). Susunan Organisasi Akademik terdiri Atas :
YAYASAN
BINA SARANA
INFORMATIKA
SENAT
AKADEMIK
DIREKTUR
BINA SARANA INFORMATIKA
PUDIR I PUDIR II PUDIR III
BIDANG AKADEMIK BIDANG KEUANGAN BIDANG KEMAHASISWAAN
LPMI
BAAK BAKU BTI BTR
AMIK BSI ASM BSI ABA BSI AKOM BSI AKPAR BSI AMK BSI
KETUA KETUA KETUA KETUA KETUA KETUA
KOMPUTER SEKRETARI PERHOTELA MANAJEME

BAHASA PUBLIC
IASI S N N
INGGRIS RELATION
AKUNTANS MANAJEME USAHA PERPAJAK
AKUNTANS
MANAJEM BAHASA BROADCA
N WISATA I
EN CINA STING
ADMINISTR
INFORMAT
TEKNIK ADVERTISING
KOMPUTER
TEKNIK
Gambar 2.9. Susunan Organisasi Akademik
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

BAB III
METODE PENELITIAN
3.1. Jenis Penelitian
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. Populasi, Sampel dan Metode Pemilihan Sampel

3.2.1. Populasi
Populasi pada penelitian ini diambil dari Mahasiswa AMIK BSI

Tasikmalaya yang sedang dalam aktif kuliah.
3.2.2. Sampel
Responden atau sampel diambil dari Mahasiswa semester 5 AMIK BSI

Tasikmalaya. Dari data tersebut diambil sebanyak 130 responden untuk mengisi
kuesioner yang berhubungan dengan Pemilihan Pekerjaan bagi mahasiswa AMIK
BSI Tasikmalaya.
3.2.3. Metode Pemilihan 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
dengan teknik pendugaan model Maximum Likelihood, banyaknya sampel yang

digunakan minimal adalah 100 sampel (responden). (Hair et. all, 1998) dalam
(Ghozali, 2008, p. 64)
3.3. Metode Pengumpulan Data
Data dikumpulkan dengan menggunakan metode survey. Penelitian ini

merupakan penelitian yang dilakukan dengan menggunakan data kuantitatif
dengan memberikan pertanyaan-pertanyaan yang dibuat oleh penulis untuk
mengetahui bagaimana Pengaruh responden antara kemampuan, Jenis pekerjaan.
Gaji, yang menentukan hasil dari pemilihan pekerjaan tersebut.
3.4. Instrumen Penelitian
Penelitian ini menggunakan instrument kuesioner yang dibuat dengan

menggunakan pertanyaan tertutup.
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
3.5. Teknik Analisis Data
Logika fuzzy merupakan pengembangan dari logika primitif yang hanya

mengenal keadaan, yaitu “ya” atau “tidak”. Dengan adanya logika fuzzy, dapat
mengenal peubah-peubah linguistik seperti “agak besar”, “besar”, “sangat besar”,
dan sebagainya. Dengan demikian, aplikasi logika fuzzi akan menyebabkan
sistem lebih adaftif.
A. Himpunan Fuzzy
Logika fuzzy diimplementasikan dalam tiga tahap, yaitu :
1. Tahap Fuzzyfikasi (Fuzzyfication), yaitu pemetaan dari nilai masukan tegas ke
dalam himpunan fuzzy.

32
2. Tahap Inferensi, yaitu pembangkitan aturan fuzzy.

3. Tahap Defuzzyfikasi (Defuzzyfication), yaitu transformasi keluaran dari nilai
fuzzy kenilai tegas (crisp).
B. Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaannya (sering
disebut dengan derajat keanggotaan) yang memiliki interval 0 sampai 1. Salah
satu cara yang dapat digunakan untuk mendapatkan niai keanggotaan adalah
dengan melalui pendekatan fungsi. Ada beberapa fungsi keanggotaan yang bisa
digunakan.
Fungsi keanggotaan merupakan fungsi yang digunakan untuk mendeklasrasikan
nilai derajat keanggotaan suatu himpunan fuzzy.
Jika x adalah kumpulan dari obyek x, maka himpunan fuzzy A dalam x
didefinisikan sebagai himpunan dari pasangan berurutan
A = { ( x, μA ( x ) ) | X x } …(1)
μA disebut fungsi keanggotaan x dalam A. Pemetaan fungsi keanggotaan
masing-masing elemen X pada nilai keanggotaan kontinyu dengan nilai 0 dan 1.
Definisi himpunan fuzzy merupakan pengembangan dari definisi himpunan
tegas dalam arti jika nilai fungsi keanggotaan μA(x) hanya bernilai 0 atau 1 saja.
Maka A merupakan himpunan tegas dan μA(x) adalah fungsi karakteristik A.
Biasanya x disebut semesta, dan x dapat berupa obyek diskret atau kontinyu.
Berikut diuraikan beberapa fungsi parameter yang biasanya digunakan untuk
mendefinisikan fungsi keanggotaan. Fungsi keanggotaan parameter tersebut
memainkan peranan yang sangat penting di dalam sistem kesimpulan fuzzy adatif.
3.5 Metode Fuzzy Mamdani
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Untuk
mendapatkan output, diperlukan empat tahapan: [5]
1. Pembentukan Himpunan Fuzzy
2. Aplikasi Fungsi Implikasi
3. Komponen Aturan
4. Penegasan (defuzzy)
Beberapa metode defuzzy pada komposisi aturan metode Mamdani.

33
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
Tabel 3.3 Jadwal Penelitian

No Kegiatan Oktober November Desember Januari Februari Maret
1 Pencarian topik
dan pembimbing
tesis
2 Pendaftaran tesis
3 Pengajuan topik
dan judul
4 Studi penelitian
di BSI
Tasikmalaya
5 Pengumpulan
data literatur
6 Penelitian tesis
7 Pendaftaran
sidang tesis
8 Ujian tesis

BAB IV
HASIL PENELITIAN dan PEMBAHASAN
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 }

34
35
(𝑥 − 23)
𝜇𝑡𝑢𝑎 (𝑥) = { 23 < 𝑥 < 26}
3
1 𝑥 ≥ 26
Gambar IV.1. Grafik himpunan fuzzy UMUR
2. Variabel Indeks Prestasi Komulatif (IPK)

Nilai IPK tentu sangat berpengaruh juga dalam persyaratan pekerjaan yang
diinginkan, karna IPK merupakan salah satu syarat administrasi yang harus
dipenuhi. Nilai IPK terdiri dari tiga nilai linguistik yaitu (kurang memuaskan,
Memuaskan, dan Sangat Memuaskan) sebagai berikut:
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 ]
Ekspresi untuk fungsi keanggotaam fuzzy :
1 𝑥 ≤ 2.70
𝜇𝑘𝑢𝑟𝑎𝑛𝑔 𝑚𝑒𝑚𝑢𝑎𝑠𝑘𝑎𝑛 (𝑦) = {3.00 − 𝑥 }
2.70 < 𝑥 < 3.00
0.3

36
(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
Gambar III.1. Grafik himpunan fuzzy IPK

3. Variabel Gaji
Gaji merupakan salah satu hal yang mendorong atau memotivasi pegawai
untuk bekerja atau mengabdi secara menyeluruh terhadap perusahaan dan suatu
bentuk pembayaran periodik perusahaan kepada karyawannya yang dinyatakan
dalam suatu kontrak kerja. Gaji yang dijadikan ukuran dalam penelitian ini
mengikuti perkembangan terbaru informasi gaji di dareah Tasikmalaya. Nilai gaji
mempunyai 3 nilai linguistik yaitu ,Rendah, Sedang dan Tinggi.
Tabel Error! No text of specified style in document..1. Tabel Nilai Gaji (dalam
00000)
Nilai Linguistik Interval (NA) Himpunan Fuzzy
Rendah 15,19,23 [15 23]
Sedang 19,23,27 [19 27]
Tinggi >27 [27 ]
Ekspresi untuk fungsi keanggotaam fuzzi

37
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
Gambar IV.1 Grafik himpunan Gaji

4. Keputusan
Tabel Error! No text of specified style in document..1. Nilai linguistik r (dalam %)
Nilai Linguistik Interval (%) Himpunan Fuzzy
Industri/Pabrik ≤15 [40 75]
Bank ≤18 [75 95]
Pegawai Pemerintah ≤20 [95 110]
Pendidik >21 [115 ]

38
Gambar III.1. Grafik himpunan Keputusan

4.1.2 Proses Inferensi
Dengan menggunakan Fuzzy Logic maka didapatkan hasil keputusan sebagai
berikut :
Tabel Error! No text of specified style in document..2. Aturan Fuzzy untuk Pemilihan
Pekerjaan
Output
NO
Umur IPK Gaji Rekomendasi
1 Muda Kurang Memuaskan Rendah Pabrik/Industri
2 Muda Kurang Memuaskan Sedang Pabrik/Industri
3 Muda Kurang Memuaskan Tinggi Pabrik/Industri
4 Muda Memuaskan Rendah Pabrik/Industri
5 Muda Memuaskan Sedang Bank
6 Muda Memuaskan Tinggi Bank
7 Muda Sangat Memuaskan Rendah Bank
8 Muda Sangat Memuaskan Sedang Bank
9 Muda Sangat Memuaskan Tinggi Bank

39
10 Sedang Kurang Memuaskan Rendah Pabrik/Industri
11 Sedang Kurang Memuaskan Sedang Pabrik/Industri
12 Sedang Kurang Memuaskan Tinggi Pabrik/Industri
13 Sedang Memuaskan Rendah Pabrik/Industri
14 Sedang Memuaskan Sedang Bank
15 Sedang Memuaskan Tinggi Pegawai Pemerintah
16 Sedang Sangat Memuaskan Rendah Bank
17 Sedang Sangat Memuaskan Sedang Pendidik
18 Sedang Sangat Memuaskan Tinggi Pegawai Pemerintah
19 Tua Kurang Memuaskan Rendah Pabrik/Industri
20 Tua Kurang Memuaskan Sedang Pabrik/Industri
21 Tua Kurang Memuaskan Tinggi Pabrik/Industri
22 Tua Memuaskan Rendah Pabrik/Industri
23 Tua Memuaskan Sedang Pendidik
24 Tua Memuaskan Tinggi Pendidik
25 Tua Sangat Memuaskan Rendah Bank
26 Tua Sangat Memuaskan Sedang Pegawai Pemerintah
27 Tua Sangat Memuaskan Tinggi Pendidik
Dari tabel di atas dapat diuraikan aturan Fuzzy sebagai berikut :

1. Jika Usia Muda dan IPK Kurang Memuaskan dan Gaji Rendah maka
Keputusannya adalah Pabrik/Industri
2. Jika Usia Muda dan IPK Kurang Memuaskan dan Gaji Sedang maka
3. Jika Usia Muda dan IPK Kurang Memuaskan dan Gaji Tinggi maka

40
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
9. Jika Usia Muda dan IPK Sangat Memuaskan dan Gaji Tinggi maka
10. Jika Usia Sedang dan IPK Kurang Memuaskan dan Gaji Rendah maka
11. Jika Usia Sedang dan IPK Kurang Memuaskan dan Gaji Sedang maka
12. Jika Usia Sedang dan IPK Kurang Memuaskan dan Gaji Tinggi maka
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
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

41
20. Jika Usia Tua dan IPK Kurang Memuaskan dan Gaji Sedang maka
21. Jika Usia Tua dan IPK Kurang Memuaskan dan Gaji Tinggi maka
22. Jika Usia Tua dan IPK Memuaskan dan Gaji Rendah maka Keputusannya
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
Gambar Error! No text of specified style in document..1. Pembentukan Rule pada

Matlab

42
Gambar 4.7. Surface Rule pada Matlab
Gambar 4.7. Rule pada Matlab

Karena sistem terdiri dari beberapa aturan, maka Inferensi diperoleh dari
kumpulan dan korelasi antar aturan. Dalam hal ini, akan digunakan metode Max

43
(Maximum). Solusi himpunan fuzzy diperoleh dengan cara mengambil nilai

maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy,
dan mengaplikasikannya ke output.
4.1.3 Proses Defuzzifikasi
Dalam menghitung derajat keanggotaan, dapat dianalogikan dengan contoh
data yang pertama Yaitu Apabila memiliki umur 19 tahun dan dengan IPK 3.70
dan Gaji yang di Inginkan 290 (0000) sebagai berikut :
Contoh Kasus 1
Contoh 4:
Misal Seorang Mahasiswa yang input datanya sebagai berikut
Mahasiswa input Pekerjaan Bank umur 20 tahun dan dengan IPK 2.7 dan Gaji
yang di Inginkan 19 (00000) maka dapat diuraikan sebagai berikut :
1. Umur
1 𝑥 ≤ 20
𝜇𝑚𝑢𝑑𝑎 (𝑥) = {23 − 𝒙 }
20 < 𝑥 < 23
3
Bernilai 1 , masuk ke Nilai Linguistik “Muda”
2. IPK
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

44
Nilai Anda adalah 𝟏𝟑, 𝟗 Pekerjaan Bank tidak tepat, Pekerjaan yang tepat
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

45
Contoh Kasus 3
Misal Seorang Mahasiswa yang input datanya sebagai berikut:

Mahasiswa input Pendidik umur 23 tahun dan dengan IPK 3.70 dan Gaji yang
di Inginkan 30 (00000) maka dapat diuraikan sebagai berikut :
1. Umur
(𝑥 − 20)
20 < 𝑥 < 23
3
𝜇𝑆𝑒𝑑𝑎𝑛𝑔 (𝑥 ) = 1 23 ≤ 𝑥
(26 − 𝒙)
23 < 𝑥 < 26
{ 3 }
Bernilai 1 , masuk ke Nilai Linguistik “Sedang”

2. IPK
(𝑥 − 3.30)
( )
𝜇𝑆𝑎𝑛𝑔𝑎𝑡 𝑚𝑒𝑚𝑢𝑎𝑠𝑘𝑎𝑛 𝑦 = { 3.60 < 𝑥 < 3.30}
0.3
1 𝑥 ≥ 3.60
3,70 Bernilai 1 karena ≤ 3,60 masuk ke Nilai linguistik “Sangat Memuaskan”
3. Gaji
(𝑥 − 23)
𝜇𝑇𝑖𝑛𝑔𝑔𝑖 (𝑥) = { 23 < 𝑥 < 27}
4
1 𝑥 ≥ 27
30 Hasilnya = 1 karena ≤ 27 ( Termasuk ke Nilai Linguistik “Tinngi”)
Sehingga Menjadi Muda - Sangat Memuaskan - Tinggi
(23 ∗ 1.00) + (3.70 ∗ 1.00) + (30 ∗ 1.00)
𝑦=
(1.00 + 1.00 + 1.00)
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

46
Gambar Error! No text of specified style in document..11. Grafik yang
terbentuk dari Rule yang dibuat pada Matlab

Gambar Error! No text of specified style in document..7. Surface Rule pada Matlab
Tabel Error! No text of specified style in document..3. Perhitungan derajat
keanggotaan masing-masing data
Derajat Keanggotaan ()
UMUR (u) IPK (i) Gaji (gj)

(00000)
Umur
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

47
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
15 - - 29 0.00 0.00 0.00 0.00 0.00 - 0.00 0.00 1.00
16 - - 30 0.00 0.00 0.00 0.00 0.00 - 0.00 0.00 1.00
17 - - 31 0.00 0.00 0.00 0.00 0.00 - 0.00 0.00 1.00
4.2 Pengembangan Sistem

Pengembangan sistem dimulai dengan cara melakukan indentifikasi dan analisa
kebutuhan (requirements), kemudian mendeskripsikan desain sistem yang dilanjutkan
dengan implementasi dan evaluasi sistem sehingga sistem yang dibuat dapat memenuhi
kriteria usable, useful and used. Sistem dibuat berbasis web yang dioperasikan oleh
administrator yang telah ditunjuk dan dapat disematkan dalam web host sehingga dapat
diakses dimana saja melalui jaringan internet. Sistem dapat mengolah data secara
individu dengan cara menginputkan langsung data pada sistem maupun mengolah data
secara kelompok, yaitu dengan mengimpor data dari file (yang ada dalam komputer)
dalam format Microsoft Excel (*.csv) dengan format yang telah ditentukan sebelumnya.
4.2.1 Analisis dan Desain Sistem
Dalam perancangan sistem penunjang keputusan berbasis web untuk Pemilihan
Pekerjaan digambarkan dalam bentuk pemodelan visual menggunakan Unified Modelling
Language (UML). Pemodelan visual (visual modeling) merupakan proses

48
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.

49
Class Diagram
Gambar 4. Class Diagram Sistem Pendukung Keputusan Pemilihan Pekerjaan

50
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

51
dilakukan oleh pengguna, melakukan pemutakhiran data pada web termasuk

mengorganisir sistem.
Sequence Diagram

52

53
Diagram di atas menjelaskan urutan-urutan proses yang dilakukan oleh pengguna

sistem untuk melakukan penginputan data dan melihat hasil dari pengolahan
sistem.

54
Activity Diagram

55
Diagram ini memperlihatkan alur aktifitas yang dilakukan baik oleh pengguna
maupun administrator dalam penginputan data Pemilihan Pekerjaan..
4.3 Perancangan Antarmuka Pengguna

Antamuka pengguna (user inteface) merupakan media interaksi secara
langsung antara pengguna dengan sistem. Adapun tampilan sistem yang
digunakan untuk penginputan data Pemilihan Pekerjaan sebagai berikut :
Gambar Error! No text of specified style in document..4. Tampilan Beranda

untuk pengguna

56
Gambar Error! No text of specified style in document..15. Tampilan Menu

Utama Administrator
4.3.1 Penulisan Kode Program (Coding)

Penulisan kode program dalam pengembangan sistem penunjang keputusan
dalam Pemilihan Pekerjaan terbagi menjadi tiga bagian utama sebagai berikut :
if ($umur<=20 && $ipk<=2.70 && $gaji<=19)
{
$ket="Pabrik/Industri";
}
else if ($umur<=20 && $ipk<=2.70 && $gaji<=23)
{
}
else if ($umur<=20 && $ipk<=2.70 && $gaji>=27)
{
}
{
}
{
$ket="Bank";
}
{
$ket="Bank";
}
else if ($umur<=20 && $ipk>=3.60 && $gaji<=19)
{
{
$ket="Bank";

57
else if ($umur<=20 && $ipk>=3.60 && $gaji>=27)
{
$ket="Bank";
}
if ($umur<=23 && $ipk<=2.70 && $gaji<=19)

{
}
{
}
{
}
{
}
{
$ket="Bank";
}
{
$ket="Pendidik";
}
{
$ket="Bank";
{
$ket="Pegawai Pemerintah";
}

58
{
$ket="Pendidik";
}
if ($umur>=26 && $ipk<=2.70 && $gaji<=19)

{
}
else if ($umur>=26 && $ipk<=2.70 && $gaji<=23)
{
}
else if ($umur>=26 && $ipk<=2.70 && $gaji>=27)
{
}
{
}
{
$ket="Pendidik";
}
else if ($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";
}
{

59
$ket="Pendidik";
}
Coding selengkapnya dapat dilihat pada halaman lampiran.
4.4 Implementasi Sistem

Setelah Sistem Pendukung Keputusan untuk Pemilihan Pekerjaan ini selesai
dibuat, langkah selanjutnya adalah implementasi sistem pada mahasiswa AMIK
BSI yang ingin menggunakan sistem ini sebagai bahan untuk rekomendasi untuk
pekerjaan yang ingin mereka ambil.
4.5 Metode Implementasi
Berdasarkan ruang lingkup penelitian, penulis melakukan implementasi
sistem pendukung keputusan pemilihan pekerjaan pada data kuesioner mahasiswa
untuk mendapatkan hasil dan rekomendasi dari sistem untuk pekerjaan yang tepat
bagi seseorang. Dan untuk kedepannya bisa langsung digunakan oleh mahasiswa.
4.6 Hasil Pengolahan Data
Hasil pengukuran pada penelitian ini menggunakan metode Postest yaitu
mengolah data hasil questioner menggunakan Sistem Pendukung Keputusan
untukPemilihan Pekerjaan. Selengkapnya dapat dilihat pada tabel berikut :
Tabel Error! No text of specified style in document..4. Hasil Pengolahan Sistem

dan Rekomendasi sistem

60
Dari hasil pengujian Sistem Pendukung Keputusan Pemilihan Pekerjaan dapat

diambil kesimpulan bahwa sistem dapat menangani proses pemilihan pekerjaan
berdasarkan data yang diinputkan dan rekomendasi yang tepat. Sistem Pendukung
Keputusan menghasilkan menghasilkan output berupa rekomendasi pekerjaan
yang tepat. Hasil ini lebih baik dibandingkan dengan hanya menebak nebak
pekerjaan apa yang tepat dan pekiraan bisa diterima atau tidak pada sebuah
perusahaan tersebut.
4.7.Anasila Hasil Kuesioner

a. IPK
Gambar 4.16 Grafik Nilai IPK dari Kuesioner

61
b. Gaji
Gambar 4.17. Grafik Gaji Hasil Kuesioner
c. Pekerjaan
Gambar 4.18 Grafik Pekerjaan Hasil Kuesioner

BAB V
PENUTUP
5.1. Kesimpulan
Dari penelitian yang telah dilakukan hingga implementasi Logika Fuzzy

pada sistem Pendukung Keputusan Pemilihan Pekerjaan, dapat diambil beberapa
kesimpulan berikut :
1. sistem Pendukung Keputusan Pemilihan Pekerjaan membantu mahasiswa yang
ingin memilih pekerjaan yang tepat sesuai dengan kemampuannya, sehingga
bisa mempersiapkan diri untuk pekerjaan yang diinginkan atau yang
disarankan leh sistem.
2. sistem Pendukung Keputusan Pemilihan Pekerjaan dibuat secara khusus untuk
mahasiswa BSI tingkat akhir yang sebentar lagi mengakhiri masa
perkuliahnnya,karena untuk jenis pekerjaanya dibatasi, Sistem Pendukung
keputusan ini bersifat dinamis sehingga bisa juga digunakan oleh user lain
selain mahasiswa AMIK BSI Tasikmalaya.
5.2. Saran
Berdasarkan pada hasil pembahasan, penelitian dan implementasi yang

telah dilakukan, ada beberapa saran yang dapat penulis berikan yaitu sebagai
berikut :
1. Diperlukan domain dan hosting khusus untuk menyimpan Fuzzy Decission
Support System (FDSS) Pemilihan Pekerjaan ini sehingga dapat diakses secara
Intranet dilingkungan AMIK BSI Tasikmalaya atau bahkan bisa dikembangkan
dan dibuat secara online sehingga bisa digunakan oleh user lain.
2. Diperlukan lebih banyak data untuk dapat menguji kehandalan sistem, salah
satu caranya adalah dengan menguji sistem dengan inpu data yang sangat
banyak untuk mengetahui kelmahan sistemnya
3. Penggunaan atau penambahan algoritma maupun metode yang lain juga dapat
digunakan untuk menambah kehandalan sistem pada masa mendatang.

62
63
4. Sistem ini juga bisa dikembangkan kembali dan diterapkan untuk semua user
yang membutuhkan sistem ini.

DAFTAR PUSTAKA
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.
Chuu, S. J. (2009). A Fuzzy Multiple attributes Decision-Making for the Evaluation

of Advanced Manufacturing. 南亞學報第三十期, 217-142.
Coltorti, D., & Rizzoli, A. (2007 ). Ant colony optimization for real-world vehicle
routing problems. ACM SIGEVOlution (pp. 2-9). New York, NY, USA :
ACM.
Crainic, T. G. (2009). Guest Editorial---Focused Issue on Freight Transportation.

Transportation Science, 127-128.
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.
Gunawan, D. (2009). Analisis Dan Perancangan Sistem Informasi E-Procurement

Dan Pemilihan Supplier Dengan Metode Fuzzy Ahp Pada Pt. Baria
Tradinco . Jakarta: Binus University.
H, M., Jamporazmey, M., & Mehregan, M. R. (2011). Application of Fuzzy

Analytic Hierarchy Process in Ranking Modern Educational Systems’
Success Criteria. International Journal of e-Education, e-Business, e-
Management and e-Learning, Vol. 1, No. 4, 299-304.
Kahn, D. S. (2002). Patent No. 6401079. Washington, DC: U.S.

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).
Kusrini. (2008). Konsep dan Aplikasi Pendukung Keputusan. Yogyakarta: Andi.
Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung
Keputusan Edisi 2. Tangerang: Graha Ilmu.
Noor , M. M. (2012). Fuzzy Analytic Hierarchy Process (FAHP) Approach for

Evaluating Tourism Islands in Terengganu, Malaysia. International
Conference on Communications and Information Technology, 62-66.
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.
Wang, H.-C. (2007). Performing a course material enhancement process with

asynchronous interactive online system. Computers & Education, Pages
567-581.
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.
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.
Chuu, S. J. (2009). A Fuzzy Multiple attributes Decision-Making for the Evaluation of

Advanced Manufacturing. 南亞學報第三十期, 217-142.
Coltorti, D., & Rizzoli, A. (2007 ). Ant colony optimization for real-world vehicle routing
problems. ACM Sigevolution (pp. 2-9). New York, NY, USA : ACM.
Crainic, T. G. (2009). Guest Editorial---Focused Issue on Freight Transportation.

Transportation Science, 127-128.
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.
Gunawan, D. (2009). Analisis Dan Perancangan Sistem Informasi E-Procurement Dan

Pemilihan Supplier Dengan Metode Fuzzy Ahp Pada Pt. Baria Tradinco .
Jakarta: Binus University.
H, M., Jamporazmey, M., & Mehregan, M. R. (2011). Application of Fuzzy Analytic

Hierarchy Process in Ranking Modern Educational Systems’ Success Criteria.
International Journal of e-Education, e-Business, e-Management and e-Learning,
Vol. 1, No. 4, 299-304.
Kahn, D. S. (2002). Patent No. 6401079. Washington, DC: U.S.
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).
Kusrini. (2008). Konsep dan Aplikasi Pendukung Keputusan. Yogyakarta: Andi.

Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung
Keputusan Edisi 2. Tangerang: Graha Ilmu.
Noor , M. M. (2012). Fuzzy Analytic Hierarchy Process (FAHP) Approach for

Evaluating Tourism Islands in Terengganu, Malaysia. International Conference
on Communications and Information Technology, 62-66.
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.
Wang, H.-C. (2007). Performing a course material enhancement process with

asynchronous interactive online system. Computers & Education, Pages 567-581.
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
Pascasarjana Magister Ilmu Komputer

STMIK Nusa Mandiri
 NI M : 14000994
 Nama Lengkap : Herlan Sutisna
 Dosen Pembimbing : Ir. Noor Cholis Basjaruddin,MT
 Judul Tesis : Sistem Penunjang Keputusan
Pemilihan Pekerjaan menggunakan
Metode Fuzzy
Study Kasus: AMIK BSI Tasikmalaya.
No Tanggal Materi Bimbingan Paraf Dosen

Bimbingan Pembimbing
08-11-2014 Bimbingan Perdana

1
2 14-12-2014 Pengajuan Judul, Bab I
3 11-01-2015 Bab II,
31-01-2015 Bab III

4
14-02-2015 Bab IV, Bab V, cek Program
5
6 28-02-2015 Acc Bab I,II,III,IV dan V
 Bimbingan dimulai pada tanggal : 8 November 2014

 Bimbingan diakhiri pada tanggal : 28 Februari 2015
 Jumlah pertemuan : 6 Pertemuan
Jakarta, 28 Februari 2015
Ir. Noor Cholis Basjaruddin,MT

Dosen Pembimbing,

Tesis Herlan Full

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tesis Herlan Full

Diunggah oleh

Hak Cipta:

Format Tersedia

SISTEM PENUNJANG KEPUTUSAN PEMILIHAN PEKERJAAN

MENGGUNAKAN METODE FUZZY

PROGRAM PASCASARJANA MAGISTER ILMU KOMPUTER

PROGRAM PASCASARJANA MAGISTER ILMU KOMPUTER

Alhamdulilah, puji syukur kehadirat Allah SWT. Atas limpahan rahmat,

Jakarta, 14 Maret 2015

Nama : Herlan Sutisna

Kebijaksanaan dalam mengambil sebuah keputusan pada permasalahan tertentu

Kata kunci— Sistem Pendukung Keputusan, Pemilihan Pekerjaan, Logika Fuzzy,

Nama : Herlan Sutisna

Kebijaksanaan dalam mengambil keputusan pada permasalahan tertentu bukanlah

HALAMAN SAMPUL ......................................................................................... i

BAB I PENDAHULUAN ............................................................................... 1

BAB II TINJAUAN PUSATAKA .................................................................... 5

BAB III METODE PENELITIAN ..................................................................... 31

BAB IV HASIL DAN PEMBAHASAN ............................................. .............. 56

4.1 Pengembangan Sistem ................................................................... 56

Tabel 3.1. Nilai Linguistik Umur .......................................................................... 35

Gambar 2.1 Karakteristik dan Kapabilitas SPK. ................................................... 8

Lampiran 1. Lembar Konsultasi ........................................................................... 77

1.1 Latar Belakang Penulisan

1.2 Identifikasi Masalah

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

berhubungan dengan pekerjaan. Ia akan menentukan pilihannya, yaitu karir apa

1. Variabel apa saja yang mempengaruhi mahasiswa dalam memilih pekerjaan?

1.3 Tujuan Penelitian

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

1.4 Ruang Lingkup Penelitian

1.5 Sistematika Penulisan

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

2.1 Sistem Pendukung Keputusan (Decision Support System)

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan

2.1.2 Karakteristik Sistem Pendukung Keputusan

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

5. Dukungan di semua fase proses pengambilan keputusan: inteligensi, desain,

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

Gambar 2.1 Karakteristik dan Kapabilitas SPK

2.1.3 Komponen-Komponen Sistem Pendukung Keputusan

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

Gambar 2.2 Konseptual Sistem Pendukung Keputusan

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

Model Taktis digunakan terutama oleh manajemen madya untuk membantu

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

disesuaikan dengan berbagai perubahan lingkungan yang terjadi dalam

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

Hirarki sebuah sistem memperlihatkan semua rangkaian subsistem yang

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

2.2.1 Himpunan Fuzzy

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

Dimana 𝜇𝐴 (𝑥) adalah fungsi keanggotaan himpunan Fuzzy A, tanda “|”

Tanda “+”, “” dan “” menyatakan operator union (gabungan).

Gambar 2.3 Ilustrasi Himpunan Fuzzy

2.2.2 Fungsi Keanggotaan (Membership Function)

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi.

Gambar 2.4 Diagram S-Function

Bentuk diagramatik -function ditunjukkan pada gambar berikut :

Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri

Gambar 2.5 Diagramatik π Function

Bentuk diagramatik T-function ditunjukkan pada gambar berikut :

Gambar 2.6 Diagramatik T-Function

2.2.3 Variabel Linguistik