FUZZY

TAHANI
Hendy Sukma : C1855201050
Pebriyana : C1855201020
Hendri : C1455201005
Aden Kristianata : C1855201069
PENDAHULUAN
• Seiring dengan perkembangan teknologi, beberapa pekerjaan
manusia dapat menjadi lebih mudah dengan bantuan teknologi
komputer seperti dalam hal mengolah data. Dengan bantuan
komputer, data yang diolah akan lebih efektif dan efisien untuk
menghasilkan informasi yang diinginkan. Data merupakan fakta yang
dapat disimpan dan memiliki arti . Misalnya pada data karyawan,
terdapat nama, kinerja, masa kerja, kedisiplinan dan kehadiran. Data
dari karyawan dikumpulkan menjadi satu atau terpusat dan disebut
dengan basis data (database).
PENDAHULUAN
• Namun harus diolah terlebih dahulu agar lebih efektif dan efisien.
Hasil dari pengolahan data disebut dengan informasi. Salah satu
contohnya adalah mengolah data karyawan untuk menentukan daftar
calon karyawan tetap dan terbaik berdasarkan kriteria tertentu dari
suatu database karyawan tersebut.
DASAR TEORI FUZZY TAHANI
• Logika fuzzy (fuzzy logic) adalah salah satu cabang dari AI (artificial
intelligence). Logika fuzzy merupakan modifikasi dari teori himpunan
dimana setiap anggotanya memiliki derajat keanggotaan yang bernilai
kontinu antara 0 sampai 1.
• Basis data (database) merupakan kumpulan dari data yang saling
berhubungan satu dengan yang lainnya, tersimpan di perangkat keras
komputer dan digunakan perangkat lunak untuk memanipulasinya.
Dalam logika fuzzy ada beberapa model basisdata, salah satunya
adalah basisdata model Tahani.
CONTOH KASUS
• Berikut ini adalah data Karyawan :
No Nama Calon Masa Kerja Kehadiran Kedisiplinan Kinerja Kehadiran
Karyawan (Kontrak)
1 Hendy 4 85 70 85 90
2 Pebri 5 95 95 90 80

3 Hendri 3 75 50 70 65
4 Aden 2 80 80 65 55
5 Dodo 1 70 60 50 50
CONTOH KASUS
• Berikut ini adalah variable yang digunakan sebagai dasar perekrutan
karyawan tetap dengan menggunakan fuzzy tahani:
Nama Variabel Semesta Pembicaraan Himpunan Fuzzy

Masa Kerja (Kontrak) [0, 5] Baru , Lama

Kehadiran [0, 100] Kurang, Normal, Baik

Kedisiplinan [0, 100] Buruk, Cukup, Baik
Kinerja [0, 100] Buruk, Cukup, Baik
Kepribadian [0, 100] Buruk, Cukup, Baik
Dari table diatas dapat dibuat suatu fungsi
keanggotan dari masing-masing variable nya
Fungsi keanggotan Masa Kerja
Baru Lama
1

 𝜇[ 𝑎]

0 1 2 3 5
Ekspresi untuk fungsi keanggotan fuzzy
untuk variable masa kerja (kontrak) adalah :
•   ≤1 1
𝜇 𝐵𝑎𝑟𝑢 [ 𝑎 ]=
 ≥ 3
2
0
{
 1 ≤ ≤ 33 − 𝑎 ;

  0  ≤ 2

{
𝜇 𝐿𝑎𝑚𝑎 [ 𝑎 ] = 𝑎− 2 ;
3
1
 2 ≤

 ≥ 5
≤5
Tabel berikut menunjukan table calon karyawan berdasarkan
masa kerja (kontrak) dengan derajat keanggotaannya pada
setiap himpunan.
No Nama calon karyawan Masa kerja Derajat keanggotaan [a]
(kontrak) Baru Lama
Dalam tahun

1 Hendy 4 0 0,6
2 Pebri 5 0 1
3 Hendri 3 0 0,3
4 Aden 2 0,5 0
5 Dodo 1 1 0
 Grafik Fungsi keanggotaan untuk variable
kehadiran
Grafik
Kurang Cukup Baik
1

 𝜇[ 𝑏]

0 75 85 95 100
Ekspresi untuk Fungsi keanggotaan fuzzy
untuk variable kehadiran  ≤ 75
•   75 ≤ ≤ 85
  ≥ 85

 ≤ 75 atau ≥ 95

 75 ≤ ≤ 85

 85 ≤ ≤ 95

 ≤ 85
 85 ≤ ≤ 95
  ≥ 95
Tabel berikut menunjukkan table calon karyawan berdasarkan
kehadiran dengan derajat keanggotaannya pada setiap himpunan.

Tabel
No Nama Calon Kehadiran Derajat Keanggotaan [b]
Karyawan dalam (%)
Kurang Cukup Baik

1 Hendy 85 0 1 0
2 Pebri 95 0 0 1
3 Hendri 75 1 0 0
4 Aden 80 0,5 0,5 0
5 Dodo 70 1 0 0
 Grafik Fungsi keanggotaan untuk variable
kedisiplinan
Grafik
buruk Cukup Baik
1

 𝜇[ 𝑐 ]

0 50 60 70 80 90 100
Ekspresi untuk Fungsi keanggotaan fuzzy
untuk variable kedisiplinan
 ≤ 50
•   50 ≤ ≤ 70
  ≥ 70

 ≤ 60 atau ≥ 80

 60 ≤ ≤ 70

 70 ≤ ≤ 80

 ≤ 70
 70 ≤ ≤ 90
  ≥ 90
Tabel berikut menunjukkan table calon karyawan berdasarkan
kedisiplinan dengan derajat keanggotaannya pada setiap himpunan.

Tabel
Derajat Keanggotaan [c]
No Nama Calon Kedisiplinan
Karyawan
Buruk Cukup Baik

1 Hendy 70 0 1 0

2 Pebri 95 0 0 1

3 Hendri 50 1 0 0

4 Aden 80 0 0 0,5

5 Dodo 60 0,5 0 0
 Grafik Fungsi keanggotaan untuk variable
kinerja
Grafik
Buruk Cukup Baik
1

 𝜇[ 𝑑 ]

0 50 60 70 100
Ekspresi untuk Fungsi keanggotaan fuzzy
untuk variable kinerja  ≤ 50
•   50 ≤ ≤ 60
  ≥ 60

 ≤ 50 atau ≥ 70

 50 ≤ ≤ 60

 60 ≤ ≤ 70

 ≤ 60
 60 ≤ ≤ 70
  ≥ 70
Tabel berikut menunjukkan table calon karyawan berdasarkan
kinerja dengan derajat keanggotaannya pada setiap himpunan.
Tabel
Derajat Keanggotaan [d]
Nama Calon
No Kinerja
Karyawan
Buruk Cukup Baik

1 Hendy 85 0 0 1

2 Pebri 90 0 0 1

3 Hendri 70 0 0 1

4 Aden 65 0 0,5 0,5

5 Dodo 50 1 0 0
 Grafik Fungsi keanggotaan untuk variable
Kepribadian
Grafik
Buruk Cukup Baik
1

 𝜇[ 𝑒]

0 50 60 70 100
Ekspresi untuk Fungsi keanggotaan fuzzy
untuk variable kepribadian
 ≤ 50
•   50 ≤ ≤ 60
  ≥ 60

 ≤ 50 atau ≥ 70

 50 ≤ ≤ 60

 60 ≤ ≤ 70

 ≤ 60
 60 ≤ ≤ 70
  ≥ 70
Tabel berikut menunjukkan table calon karyawan berdasarkan
kepribadian dengan derajat keanggotaannya pada setiap himpunan.

Tabel
Derajat Keanggotaan [e]
Nama Calon
No Karyawan Kepribadian
Buruk Cukup Baik

1 Hendy 90 0 0 1

2 Pebri 80 0 0 1

3 Hendri 65 0 0,5 0,5

4 Aden 55 0,5 0,5 0

5 Dodo 50 1 0 0
 Berikut ini adalah contoh kasus untuk penyeleksian variabel- variabel
perekrutan karyawan tetap dengan ketentuan adalah Masa Kerja LAMA,
Kehadiran BAIK, Kedisiplinan BAIK, Kinerja BAIK, dan Kepribadian
BAIK.
• Maka didapat Query :

Nama calon Masa kerja

No Karyawan (Kontrak) Kehadiran Kedisiplinan Kinerja Kepribadian Rekomendasi

1 Hendy 0,6 0 0 1 1 0,52

2 Pebri 1 1 1 1 1 1
3 Hendri 0,3 0 0 1 0,5 0,36
4 Aden 0 0 0,5 0,5 0 0,2
5 Dodo 0 0 0 0 0 0
Kesimpulan
Dari contoh kasus yang dibahas maka dapat diambil kesimpulan sebagai
berikut system pakar model tahani dapat diterapkan untuk perekrutan
karyawan tetap dengan menggunakan nilai kriteria perekrutannya
sebagai data input fuzzy.
Dengan logika fuzzy tahani penetapan karyawan yang direkrut menjadi
lebih adil dan akurat dengan memperhatikan nilai yang proporsioanal
bagi setiap kriteria perekrutannya.
Sekian dan Terima Kasih
Atas perhatiannya