5
BAB 2
LANDASAN TEORI
2.1.
Futsal Futsal merupakan permainan bola yang terdiri dari dua tim dengan masing-masing
anggota tim terdiri dari 5 pemain utama dan maksimal 7 orang pemain cadangan. Futsal sendiri telah diciptakan sejak tahun 1930 oleh JUAN CARLOS CERIANI di Uruguay. Hingga saat ini olahraga futsal berkembang sangat pesat bahkan telah menjadi bagian dari FIFA (Fédération Internationale de Football Association) sejak tahun 1989.
2.1.1. Sejarah Futsal Futsal dipopulerkan di Montevideo, Uruguay pada tahun 1930, oleh Juan Carlos Ceriani. Keunikan futsal mendapat perhatian di seluruh Amerika Selatan, terutamanya di Brasil. Ketrampilan yang dikembangkan dalam permainan ini dapat dilihat dalam gaya terkenal dunia yang diperlihatkan pemain-pemain Brasil di luar ruangan, pada lapangan berukuran biasa. Pele, bintang terkenal Brasil, contohnya, mengembangkan bakatnya di futsal. Sementara Brasil terus menjadi pusat futsal dunia, permainan ini sekarang dimainkan di bawah perlindungan Fédération Internationale de Football Association di seluruh dunia, dari Eropa hingga Amerika Tengah dan Amerika Utara serta Afrika, Asia, dan Oseania. Pertandingan internasional pertama diadakan pada tahun 1965, Paraguay menjuarai Piala Amerika Selatan pertama. Enam perebutan Piala Amerika Selatan berikutnya diselenggarakan hingga tahun 1979, dan semua gelaran juara disapu habis Brasil. Brasil meneruskan dominasinya dengan meraih Piala Pan Amerika pertama tahun 1980 dan memenangkannya lagi pada perebutan berikutnya tahun pd 1984. Kejuaraan Dunia Futsal pertama diadakan atas bantuan FIFUSA (sebelum anggotaanggotanya bergabung dengan FIFA pada tahun 1989) di Sao Paulo, Brasil, tahun 1982, berakhir dengan Brasil di posisi pertama. Brasil mengulangi kemenangannya di Kejuaraan Dunia kedua tahun 1985 di Spanyol, tetapi menderita kekalahan dari Paraguay dalam Kejuaraan Dunia ketiga tahun 1988 di Australia.
Universitas Sumatera Utara
6
2.1.2. Peraturan futsal A.Luas lapang 1. Ukuran: panjang 25-43 m x lebar 15-25 m. 2. Garis batas: garis selebar 8 cm, yakni garis sentuh di sisi, garis gawang ujung ujung, dan garis melintang tengah lapangan; 3 m lingkaran tengah; tak ada tembok penghalang atau papan. 3. Daerah penalti: busur berukuran 6 m dari masing-masing tiang gawang 4. Titik penalti: 6 m dari titik tengah garis gawang 5. Titik penalti kedua: 10 m dari titik tengah garis gawang 6. Zona pergantian: daerah 5 m (5 m dari garis tengah lapangan) pada sisi tribun dari pelemparan. 7. Gawang: tinggi 2 m x lebar 3 m 8. Permukaan daerah pelemparan: halus, rata, dan tak abrasif.
B. Bola 1. Ukuran: 4. 2. Keliling: 62-64 cm. 3. Berat: 0,4 - 0,44 kg. 4. Lambungan: 55-65 cm pada pantulan pertama. 5. Bahan: kulit atau bahan yang cocok lainnya (yaitu bahan tak berbahaya).
C. Jumlah pemain (per team) 1. Jumlah pemain maksimal untuk memulai pertandingan: 5, salah satunya penjaga gawang. 2. Jumlah pemain minimal untuk mengakhiri pertandingan: 2 (tidak termasuk cedera). 3. Jumlah pemain cadangan maksimal: 7. 4. Jumlah wasit: 2. 5. Jumlah hakim garis: 0. 6. Batas jumlah pergantian pemain: tak terbatas. 7. Metode pergantian: "pergantian melayang" (semua pemain kecuali penjaga gawang boleh memasuki dan meninggalkan lapangan kapan saja; pergantian
Universitas Sumatera Utara
7
penjaga gawang hanya dapat dilakukan jika bola tak sedang dimainkan dan dengan persetujuan wasit). 8. Dan wasit pun tidak boleh menginjak arena lapangan , hanya boleh di luar garis lapangan saja , terkecuali jika ada pelanggaran-pelanggaran yang harus memasuki lapangan.
D. Lama Permainan 1. Lama normal: 2x20 menit. 2. Lama istirahat: 10 menit. 3. Lama perpanjangan waktu: 2x5 menit (bila hasil masih imbang setelah 2x20 menit waktu normal). 4. Ada adu penalty (maksimal 5 gol) jika jumlah gol kedua tim seri saat perpanjangan waktu selesai. 5. Time-out: 1 per tim per babak; tak ada dalam waktu tambahan. 6. Waktu pergantian babak: maksimal 10 menit.
2.1.3 Posisi dan Peran Pemain Satu tim futsal terdiri dari 5 orang pemain yang memiliki posisi dan tugas yang berbeda-beda. Secara umum ada 3 posisi untuk permainan futsal ini diantaranya.
Pemain Bertahan Pada formasi futsal ini, orang terakhir dibarisan belakang,bertanggung jawab untuk membantu kiper mengamankan gawang, menetralisasi serangan lawan, dan mengawali penyerangan.
Pemain Sayap Dalam formasi futsal, pemain sayap berfungsi sebagai :
Penghubung antara pertahanan dan penyerang.
Membantu pemain belakang dalam memulai serangan serta menyokong pivot untuk melakukan penyelesaian akhir atau mencetak gol.
Pivot Dalam formasi futsal,Pivot berfungsi sebagai :
Mengontrol permainan saat dalam posisi menyerang.
Universitas Sumatera Utara
8
Berperan sebagai penyuplai bola, pencetak gol, dan menjadi orang pertama yang meredam serangan lawan.
Gambar 2.1. Posisi pemain Futsal secara umum
2.2.
SISTEM PENDUKUNG KEPUTUSAN Sistem pendukung keputusan (SPK) adalah bagian dari sistem informasi berbasis
komputer termasuk sistem berbasis pengetahuan atau manajemen pengetahuan yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan (Rangkuti, 2015). Pada awal tahun 1970-an, Scott Morton pertama kali mengartikulasikan konsep utama dari penerapan sebuah DSS dan definisi yang dikemukakan merupakan sistem informasi berbasis komputer yang secara interaktif digunakan membantu para pembuat keputusan dalam memodelkan penyelesaian masalah yang bersifat semi terstruktur dan tidak terstruktur. Perumusan definisi DSS lainnya dikemukakan oleh Kenn dan Scott Morton(1978), yaitu DSS merupakan suatu sistem untuk merangkaikan dan mengintegrasikan setiap sumber daya intelektual dari individu dengan kemampuan komputer untuk meningkatkan kualitas keputusan yang dihasilkan. Tujuannya adalah untuk membantu pengambilan keputusan memilih berbagai alteratif keputusan yang merupakan hasil pengolahan informasi-informasi yang diperoleh/tersedia dengan menggunakan model-model menggunakan model-model pengambilan keputusan. Lima karakteristik utama SPK adalah sitem yang berbasis komputer, dipergunakan untuk mengambil keputusan, untuk memecahkan masalah-masalah yang rumit yang tidak dapat digunakan dengan kakulasi manual, melalui cara simulasi yang interaktif, komponen utamanya data dan model analisis (Sandy, 2002).
Universitas Sumatera Utara
9
2.2.1 Komponen Sistem Pendukung Keputusan Untuk dapat menerapkan sistem pendukung keputusan, ada empat subsistem yang harus disediakan (Budiarto, 2013), yaitu : a. Subsistem Manajemen Data merupakan subsistem yang menyediakan data bagi sistem. Sumber data berasal dari data internal dan data eksternal. Subsistem ini termasuk basis data, berisi data yang relevan untuk situasi dan diatur oleh perangkat lunak yang disebut (DBMS) Database Managament System. b. Subsistem Manajemen Model merupakan subsistem yang berfungsi sebagai pengelola berbagai model. Model harus bersifat fleksibel. Artinya, mampu membantu pengguna untuk memodifikasi atau menyempurnakan model, seiring dengan perkembangan pengetahuan. Perangkat lunak ini disebut (MBMS) Model Base Management System. c. Subsistem Manajemen Pengetahuan merupakan pendukung pengetahuan sembarang subsistem yang lain atau sebagai komponen yang bebas. d. Subsistem Antarmuka pengguna merupakan fasilitas yang mampu
mengintegrasikan
sistem terpasang dengan pengguna secara interaktif.
Dibawah ini adalah model konseptual SPK :
Gambar 2.2. Komponen Sistem Pendukung Keputusan.
2.3.
Metode Fuzzy Logic Logika fuzzy merupakan salah satu komponen pembentuk soft computing.Logika
fuzzy pertama kali diperkenalkan oleh Prof Lotfi A. Zadeh pada tahun 1965. Dasar logika
Universitas Sumatera Utara
10
fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai kenggotaan atau derajat keanggotaan atau member shipfunction menjadi ciri utama dari penalaran dengan logika fuzzy tersebut. Menurut Cox( 1994), ada beberapa alasan mengapa orang menggunakan logika fuzzy,antara lain : 1.
Konsep logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan dasar
teori himpunan, maka konsep matematis yang mendasari penalaran fuzzy tersebut cukup mudah untuk dimengerti. 2.
Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahan-
perubahan, dan ketidakpastian yang menyertai permasalahan. 3.
Logika fuzzy memiliki toleransi terhadap data yang tidak tepat.Jika diberikan
sekelompok data yang cukup homogen, dan kemudian ada beberapa data yang “ekslusif’ , maka logika fuzzy memiliki kemampuan untuk menangani data ekslusif tersebut. 4.
Logika fuzzy mampu memodelkan fungsi-fungsi nonlinier yang sangatkompleks.
5.
Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para
pakar secara langsung tanpa harus melalui proses pelatihan. Dalam hal ini sering dikenal dengan nama fuzzy expert systems menjadi bagian terpenting. 6.
Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
Hal ini umumnya terjadi pada aplikasi dibidang teknik mesin maupun teknik elektro. 7.
Logika fuzzy didasarkan pada bahasa alami. Logika fuzzy menggunakan bahasa
sehari-hari sehingga mudah dimengerti.
2.3.1 Himpunan Fuzzy Pada dasarnya, teori himpunan fuzzy merupakan perluasan dari teori himpunan klasik. Pada teori himpunan klasik (crisp), keberadaan suatu elemen pada suatu himpunan, A, hanya akan memiliki dua kemungkinan, yaitu menjadi anggota A, atau tidak menjadi anggota A. Sedangkan pada himpunan fuzzy, tiap anggota mempunyai tingkat derajat keanggotaan dalam suatu himpunan. Fungsi keanggotaan dalam sebuah himpunan fuzzy merepresentasikan derajat setiap anggota himpunan. Ada beberapa fungsi yang bisa dipakai dalam mendapatkan nilai keangotaan dalam sebuah himpunan fuzzy antara lain:
Universitas Sumatera Utara
11
1)
Representasi Linier Pada representasi linier, pemetaan input ke derajat keanggotaan digambarkan sebagai
suatu bentuk garis lurus. Ada dua keadaaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi.
Gambar 2.3 : Representasi Liniear Naik . Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.
Fungsi Keanggotaan : µ[x]={(b-x)/(b-a); {0
a≤x≤b x≥b
Gambar 2.4 : Representasi Liniear Turun.
Universitas Sumatera Utara
12
2)
Representasi Kurva Segitiga Merupakan gabungan antara dua garis(linier).
Gambar 2.5 : Kurva Segitiga.
3)
Representasi Kurva Trapesium Kurva Segitiga pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan.
Gambar 2.6 :Kurva Trapesium.
2.3.2. Dasar-dasar Logika Fuzzy Untuk memahami logika fuzzy, sebelumnya perhatikan dahulu tentang konsep himpunan fuzzy. Himpunan fuzzy memiliki 2 atribut, yaitu : 1.
Linguistik, yaitu nama suatu kelompok yang mewakili suatu keadaan tertentu dengan
menggunakan bahasa alami, misalnya DINGIN, SEJUK, PANAS mewakili variabel temperatur. Contoh lain misalnya MUDA, PAROBAYA, TUA mewakili varibel umur. 2.
Numeris, yaitu suatu nilai yang menunjukkan ukuran dari suatu variabel, misalnya 10,
30, 40, dan sebagainya. Disamping itu, ada beberapa hal yang harus dipahami dalam memahami logika fuzzy, yaitu :
Universitas Sumatera Utara
13
1.
Variabel fuzzy, yaitu variabel yang akan dibahas dalam suatu sistem fuzzy. Contoh :
penghasilan, temperatur, permintaan, umur, dan sebagainya. 2.
Himpunan fuzzy, yaitu suatu kelompok yang mewakili suatu keadaan tertentu dalam
suatu variabel fuzzy. Contoh pada (Gambar ) : Variabel permintaan, terbagi menjadi 2 himpunan fuzzy, yaitu NAIK dan TURUN.
1
0
Turun
Naik
1000
5000
Permintaan
Gambar .2.7. Variabel permintaan terbagi menjadi 2 himpunan fuzzy, yaitu NAIK dan TURUN 3.
Semesta pembicaraan, yaitu seluruh nilai yang dizinkan untuk dioperasikan dalam
suatu variabel fuzzy. Contoh : Semesta pembicaraan untuk variabel permintaan :[0 + ∞) Semesta pembicaraan untuk variabel temperatur : [−10 90] 4.
Domain himpunan fuzzy, yaitu seluruh nilai yang diizinkan dalam semesta
pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Pada gambar 2 didomain untuk himpunan TURUN dan himpunan NAIK masing-masing adalah : Domain himpunan TURUN = [0 5000] Domain himpunan NAIK = [1000 + ∞)(Kusumadewi & Purnomo, 2013).
2.3.2 Operasi Himpunan Fuzzy Operasi himpunan fuzzy diperlukan untuk proses inferensi atau penalaran. Dalam hal ini yang dioperasikan adalah derajat keanggotaannya. Derajat keanggotaan sebagai hasil dari operasi dua buah himpunan fuzzy disebut sebagai fire-strength atau α – predikat(Fuller, 1998). -
Irisan ( Intersection )
(A ∩ B)(t) = min {A(t),B(t) } = A(t) ∧ B(t), ∀t ∈ X.
Universitas Sumatera Utara
14
Gambar 2.8. Irisan dua bilangan segitiga fuzzy
-
Gabungan ( Union )
(A ∪ B)(t) = max {A(t), B(t) } = A(t) ∨ B(t), ∀t ∈ X.
Gambar 2.9. Gabungan dua bilangan segitiga fuzzy -
Komplemen ( Complement )
( ¬A)(t) = 1 − A(t), ∀t ∈ X.
Gambar 2.10. A dan sebuah komplemen 2.3.3 Aplikasi Fuzzy Logic dalam Sistem Kendali Salah satu aplikasi fuzzy logic yang telah berkembang amat luas dewasa ini adalah dalam sistem inferensi kabur, yaitu sistem komputasi yang bekerja atas dasar penalaran kabur, misalnya sistem kendali otomatis, sistem klasifikasi data, sistem pakar, sistem pengenalan pola, robotika, dsb. Sistem kendali otomatis yang juga dikenal dengan nama sistem kendali kabur (fuzzy control system) berfungsi untuk mengendalikan proses tertentu dengan mempergunakan aturan inferensi berdasarkan logika kabur. Pada dasarnya sistem kendali semacam itu terdiri dari empat unit, yaitu: 1.
Unit pengaburan (fuzzification unit)
2.
Unit penalaran logika kabur (fuzzy logic reasoning unit)
3.
Unit basis pengetahuan (knowledge base unit), yang terdiri dari dua bagian:
a.
Basis data (data base), yang memuat fungsi-fungsi keanggotaan dari himpunan-
himpunan kabur yang terkait dengan nilai dari variabel-variabel linguistik yang dipakai. b.
Basis kaidah (rule base), yang memuat kaidah-kaidah berupa implikasi kabur.
4.
Unit penegasan (defuzzification unit).
Suatu sistem kendali semacam itu mula-mula mengukur nilai-nilai tegas dari semua variabel masukan yang terkait dalam proses yang akan dikendalikan. Nilai-nilai itu kemudian
Universitas Sumatera Utara
15
dikonversikan oleh unit pengaburan ke nilai kabur yang sesuai. Hasil pengukuran yang telah dikaburkan itu kemudian diproses oleh unit penalaran, yang dengan menggunakan unit basis pengetahuan, menghasilkan himpunan (himpunan-himpunan) kabur sebagai keluarannya. Langkah terakhir dikerjakan oleh unit penegasan, yaitu menerjemahkan himpunan (himpunan-himpunan) kabur keluaran itu ke dalam nilai (nilai-nilai) yang tegas. Nilai tegas inilah yang kemudian direalisasikan dalam bentuk suatu tindakan yang dilaksanakan dalam proses pengendalian itu. Langkah-langkah tersebut secara skematis disajikan dalam gambar berikut.
Gambar 2.11 : Struktur dasar suatu sistem kendali kabur.
Dewasa ini teknologi yang memanfaatkan sistem kendali kabur telah merambah ke seluruh dunia dan perdagangan berbagai macam peralatan konsumen maupun industri yang mempergunakan teknologi kabur. Yang menarik dalam perkembangan logika kabur itu menurut Zadeh (1988) adalah bahwa aplikasinya yang paling penting dan paling nampak dewasa ini ternyata berada dalam bidang yang sama sekali tidak diantisipasikan pada waktu logika kabur unu mulai dikembangkan, yaitu dalam bidang sistem kendali berbasis logika kabur. Jepang menduduki peringkat teratas dalam keberhasilannya menciptakan peralatanperalatan yang berkerja atas dasar logika kabur dan diproduksi dalam bentuk peralatan konsumen maupun peralatan industri. Kosko (1993) melaporkan keberhasilan tersebut, yang sebagian (kecil) daripadanya disajikan dalam daftar berikut sekedar sebagai suatu ilustrasi:
Universitas Sumatera Utara
16
Tabel 2.1 : Tabel Ilustrasi Penerapan Logika Kabur Pada Produk Nama
Peralatan
yang Fungsi Logika Kabur
Perusahaan
diproduksi
Sharp
Lemari es
Mengatur
waktu
pendinginan
dan
pencairan berdasarkan banyaknya dan jenisnya
makanan
yang
disimpan
di
dalamnya. Microwave
Mengatur
waktu
berdasarkan
dan
jenis
cara
memasak
makanan
dan
volumenya. Matsushita
Mesin cuci piring
Mengatur
putaran
mesin
serta
cara
pencucian berdasarkan benyaknya barang yang dicuci dan jenis kotorannya. Mesin
pengering Mengatur waktu dan cara pengeringan
pakaian
pakaian berdasarkan banyaknya pakaian dan jenis bahannya.
Alat pemasak nasi
Mengatur waktu dan caranya memasak berdasarkan
banyaknya
nasi
dan
temperaturnya. Alat penghisap debu
Mengatur cara penghisapan berdasarkan volume debu dan jenis lantai.
Canon
Kamera dan Video Mengatur Camcorder
fokus
dan
pintu
lensa
berdasarkan jarak obyek dan terangnya sinar di sekeliling obyek itu.
Mesin fotocopy
Mengatur
voltase
drum
berdasarkan
kerapatan gambar, suhu, dan kelembaban. Televisi
Mengatur warna, kecerahan, volume suara berdasarkan terangnya ruangan dan jarak penonton dari televisi.
Sony
Alat roti
pemanggang Mengatur waktu dan cara pemanggangan berdasarkan jenis dan besarnya roti.
Universitas Sumatera Utara
17
Komputer palmtop
Mengenali huruf-huruf kanji yang ditulis dengan tangan.
Mesin mobil
Mengontrol pemasokan dan pembakaran bahan
bakar
berdasarkan
kandungan
oksigen, suhu air pendingin, laju putaran mesin, dan volume bahan bakar. Nissan
Rem anti-lock
Mengontrol rem dalam keadaan bahaya berdasarkan kecepatan dan percepatan mobil.
Persneling mobil
Memilih persneling berdasarkan beban mesin, gaya pengemudian mobil dan kondisi jalan.
(Susilo,2006)
2.4.
Metode profile matching
Profile matching adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat variable predicator yang ideal yang harus dimiliki, bukannya tingkat minimal yang harus dipenuhi atau dilewati.Dalam proses metode Profile Matching secara garis besar merupakan proses membandingkan antara nilai data actual dari suatu profil yang akan dinilai dengan nilai profil yang diharapkan, sehingga dapat diketahui perbedaan kompetensinya (disebut juga gap) (Samuel, 2013).
Langkah-langkah pada metode profile matching (Rahman, 2014),yaitu: 1.
Menentukan aspek aspek penilaian.
2.
Pemetaan GAP kompetensi.
3.
Perhitungan dan pengelompokan Core dan Secondary Factor.
Gap kompetensi adalah perbedaan antara profil pemain dengan profil standar yang diharapkan.Dapat ditunjukkan dengan rumus dibawah ini: 𝐺𝐴𝑃 = 𝑃𝑟𝑜𝑓𝑖𝑙𝑝𝑒𝑚𝑎𝑖𝑛 − 𝑝𝑟𝑜𝑓𝑖𝑙𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 − − − − − − − − − −(5)
Universitas Sumatera Utara
18
Setelah menentukan bobot nilai gap untuk setiap aspek penilaian, tiap aspek tersebut dikelompokkan menjadi dua kelompok yaitu kelompok Core Factor dan Secondary Factor (Rahman, 2014). Rumus untuk perhitunganCore Factor adalah :
𝑁𝐶𝐹 =
∑ 𝑁𝐶 (𝑎𝑠𝑝𝑒𝑘) − − − − − − − − − − − − − − − − − (6) ∑ 𝐼𝐶
Keterangan : NCF = nilai rata-rata core factor NC (aspek) = nilai aspek core factor IC = Itemaspek core factor
Rumus untuk perhitungan secondary factor adalah:
𝑁𝑆𝐹 =
∑ 𝑁𝑆 (𝑎𝑠𝑝𝑒𝑘) − − − − − − − − − − − − − − − − − (7) ∑ 𝐼𝑆
Keterangan : NSF = nilai rata-rata secondary factor NS (aspek) = nilai aspek secondary factor IS = Item aspek secondary factor
Dari hasil setiap aspek di atas berikutnya dihitung nilai total berdasarkan presentasi dari nilai core factor dan secondary factor yang diperkirakan berpengaruh terhadap kinerja tiap-tiap profil (Khoiruddin, 2011). Untuk dapat menghitung nilai total tersebut dapat digunakan rumus : 𝑁 = 𝑥% (𝑁𝐶𝐹) + 𝑥%(𝑁𝑆𝐹) − − − − − − − − − − − − − (8)
Keterangan : N = Nilai total tiap aspek x% = Nilai persen yang diinputkan NCF = Nilai rata-rata Core factor NSF = Nilai rata-rata Secondary factor
Universitas Sumatera Utara
19
Setelah didapat nilai total dari aspek kemudian dapat di tentukan hasil akhir yang berupa rangking dari pemain dengan menggunakan rumus (Harahap, 2014): 𝑅𝑎𝑛𝑔𝑘𝑖𝑛𝑔 = (𝑥%)𝑁1 + (𝑥%)𝑁2 + ⋯ + (𝑥%)𝑁𝑛 − − − − − − − − − − − −(9)
Keterangan : N1, N2, Nn = Nilai aspek yang sudah dihitung total. (x%) = Nilai persen yang diinputkan.
2.5
Penelitian yang relavan
Beberapa penelitian yang berkaitan dengan metode fuzzy logic dan metode profile matching.
1. Akshar (2015), dalam skripsi yang berjudulPenentuan Tingkat Kerawanan Longsor dengan Menggunakan Metode Fuzzy Logic, menyimpulkan bahwasistem cerdas berbasis logika fuzzy dapat memudahkan pengguna untuk mengetahui tingkat kerawanan longsor pada daerah yang ditentukan dan sistem cerdas berbasis logika fuzzy mempunyai akurasi yang tinggi dalam menentukan daerah rawan longsor sehingga bisa dijadikan referensi untuk mengetaui tingkat kerawanan longsor pada daerah tertentu dan dapat dengan segera melakukan pencegahan atau upaya untuk menghindari terhadap terjadinya longsor.
2. Banjarnahor, Jaidup (2012), dalam skripsi yang berjudul Aplikasi logika fuzzy dalam penentuan kepuasan pasien rawat inap (Studi Kasus RSU Herna Medan), menyimpulkan Model fuzzy dengan nilai keanggotaan segitiga dan sigmoid ditujukan untuk mendapatkan nilai terbaik dari baik dan nilai terendah dari yang baik ataupun mencari nilai terbaik dari yang kurang dan nilai terburuk dari yang buruk dan dalam mengukur kepuasan pasien menggunakan logika fuzzy dengan nilai yang dinamis sehingga selalu didapat nilai kepuasan yang kurang dan kepuasan yang sangat baik, walapun pada himpunan tegas itu tidak didapatkan. Penggunaan nilai dimanis dapat digunakan untuk mengukur kepuasan secara internal, karena faktor pembandingnya adalah unit-unit yang ada dalam lingkungan kerjanya, dan untuk mengukur kepuasan dengan instasi lain maka nilai batas linguistic dibuat dengan tetap. 3. Rasidi, Ahmad(2015) dalam skripsi yang berjudul Perbandingan Metode Weigted Product Model dan Profile Matching untuk pemilihan Guru berprestasi (Studi kasus : SMP
Universitas Sumatera Utara
20
Dr. Wahidin Sudirohusodo). Setelah dilakukan pengujian dengan data tiga tahun ajaran yang ada di SMP. Dr. Wahidin Sudirohusodo Medan, Metode Weighted Product Model dan metode Profile Matching memiliki hasil yang sama dengan data yang ada di SMP Dr. Wahidin Sudirohusodo Medan. Perbedaannya, metode Weighted Product Model hanya memiliki satu hasil alternatif terbaik. Sedangkan metode Profile Matching memiliki lebih dari satu hasil alternatif terbaik dan Metode Profile Matching lebih cepat dari segi Running Time dari pada metode Weighted Product Model.Dengan menggunakan sistem ini pengguna dapat lebih efektif dan efisien dalam menentukan pemilihan guru berprestasi.
Universitas Sumatera Utara