BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA

2.1. Logika Fuzzy Logika fuzzy meringankan bagaimana orang-orang berpikir. Hal ini upaya kita untuk memodelkan pengertian kita terhadap kata-kata dalam pengambilan keputusan. Sehingga menghasilkan system intelligent yang baru dan lebih manusiawi untuk kata-kata yang sesuai dalam pengambilan keputusan. Apabila belum pernah mengenal logika fuzzy akan mengira bahwa logika fuzzy adalah sesuatu yang amat rumit dan tidak menyenangkan. Apabila mengenal logika fuzzy, akan tertarik dan akan menjadi pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy dikatakan sebagai logika baru yang lama, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Pada tahun 1965, himpunan fuzzy diperkenalkan oleh Lotfi A. Zadeh, merupakan profesor di Universitas California, beliau menyatakan bahwa dalam logika fuzzy memiliki derajat keanggotaan dalam rentang 0 (nol) hingga 1 (satu), berbeda dengan logika klasik/boolean yang hanya memiliki dua nilai yaitu 1(satu) atau 0(nol). Logika fuzzy digunakan untuk menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kenderaan yang diekspresikan dengan slow (pelan), faster (agak cepat), fast (cepat), dan very fast (sangat cepat), (Kevin&steven,1997).

2.2. Operator Fuzzy Nilai fuzzy selalu dalam bentuk bahasa linguistik. Nilai fuzzy berkaitan dengan konsep nilai pendekatan atau interval, yaitu nilai yang dekat atau berada ke suatu bilangan real tertentu (George J.Klir – Bo Yuan,1995).

Universitas Sumatera Utara

Operasi fuzzy yang sering digunakan, adalah: 1. Perkalian Lambang yang digunakan untuk proses perkalian adalah AB. Sehingga fungsi keanggotaannya didefinisikan sebagai: AB  µA (x) µB (x)

(2.1)

2. Penjumlahan Lambang yang digunakan untuk proses penjumlahan adalah A+B. Sehingga fungsi keanggotaannya didefinisikan sebagai: A+B  µA (x) + µB (x) - µA(x) µB (x)

(2.2)

3. Selisih Mutlak Lambang yang digunakan untuk proses selisih mutlak adalah |A+B|. Sehingga fungsi keanggotaannya didefinisikan sebagai: |A-B|  |µA (X) - µB (X)|

(2.3)

4. Kombinasi Konveks Lambang yang digunakan untuk proses kombinasi konveks adalah A,B dan C. Sehingga funngsi keanggotaannya didefinisikan sebagai: (A,B,C) = CA + CB

(2.4)

Dimana C adalah komplemen C, maka fungsi keanggotaannya (A,B,C) dinyatakan sebagai: (A,B,C)(X) = A(X)A(X) + [1-A(X)]B(X), x  X

(2.5)

5. Relasi Fuzzy Lambang yang digunakan untuk proses relasi fuzzy adalah A,B. Sehingga fungsi keanggotaannya didefinisikan sebagai: B,A(x,y) = Sup, Min [A(x,y)B(x,y)]

(2.6)


2.3. Linguistik Variabel dan Nilai Awal dari teori himpunan fuzzy mengenai linguistik variabel. Linguistik variabel adalah suatu variable fuzzy, contoh: John tinggi, maksudnya bahwa variabel linguistiknya adalah John, sedangkan variabel nilainya adalah: tinggi. Sistem ahli fuzzy memiliki aturan-aturan fuzzy dalam menggunakan variabel linguistiknya, contoh: If angin kencang Then berlayar bagus If durasi proyek lama Then resiko penyelesaian tinggi

If kecepatan lambat Then jarak berhenti pendek

Interval nilai yang kemungkinan dari variabel linguistik menampilkan variabel umum, seperti variabel linguistik kecepatan, memiliki interval antara 0 sampai dengan 220 km per jam dan yang termasuk sub fuzzy menampilkan nilai variabel linguistik yang tidak cepat, kurang cepat, cukup cepat, cepat, dan sangat cepat. Sebuah varibel linguistik membawa konsep himpunan fuzzy, yang menggunakan titik-titik. Titik-titik merupakan bagian modifikasi ruang himpunan fuzzy, seperti: sangat, seperti apa, diam, lebih atau kurang dan cukup. Melalui pemberian titik-titik tersebut dapat memodifikasi kata kerja, kata sifat, kata keterangan atau bahkan seluruh kalimat. Sehingga sering digunakan sebagai: 1.

Semua jenis kata keterangan, seperti: sangat, kurang, atau cukup

2.

Nilai kebenaran, seperti: agak benar atau sangat salah

3.

Probabilitas, seperti; suka, atau tidak suka

4.

Kuantifier, seperti: banyak, beberapa, atau sedikit


5.

Posibilitas, seperti: hampir masuk akal, atau sedikit masuk akal Dengan demikian, manusia dapat berpikir untuk menghasilkan perbedaan antara lebih

ataupun yang kurang memiliki nilai yang tidak sama.

2.4. Himpunan Fuzzy Himpunan fuzzy merupakan pengembangan dari himpunan biasa. Fungsi keanggotaannya tidak hanya memberikan nilai 1 atau 0, tapi nilai berada pada interval tertentu, yaitu interval [0,1]. Nilai yang diberikan oleh fungsi keanggotaannya disebut derajat keanggotaan (George J. Klir & BoYuan,1995). Apabila X menyatakan himpunan universal dan A adalah himpunan fuzzy dalam X, maka A adalah himpunan pasangan terurut sebagai berikut: A = {(µ, µA(µ))|µX}

(2.7)

Dengan µA(X) : X  [0,1] Dimana µA (x) = 1, jika x himpunan A dimana µA (x) = 1, jika x himpunan A µA (x) = 0, jika x tidak himpunan A 0 < µA (x) < 1, jika x bagian dari himpunan A

2.5. Aturan-aturan Fuzzy Pada tahun 1973, Lotfi Zadeh mempublikasikan makalah keduanya yang sangat berpengaruh (Zadeh, 1973). Makalah ini menghasilkan penemuan baru untuk menganalisis sistem kompleks, dimana Zadeh menyarankan suatu pengetahuan bagi manusia mengenai aturan-aturan fuzzy. Sebuah aturan fuzzy dapat didefinisikan ke dalam bentuk pernyataan seperti: IF

x adalah A


THEN y adalah B Dimana x dan y adalah variabel linguistik, sedangkan A dan B adalah nilai linguistik yang akan dimasukkan kedalam himpunan fuzzy X dan Y Sebuah aturan IF-THEN yang klasikal, selalu menggunakan logika biner, contohnya: Aturan: 1 IF

kecepatan > 100

THEN jarak pemberhentian adalah panjang Aturan: 2 IF

kecepatan < 40

THEN jarak pemberhentian adalah pendek Variabel kecepatan dapat memiliki nilai numerik antara 0 dan 220 km/h, tetapi variabel linguistik jarak pemberhentian dapat memiliki nilai panjang dan pendek. Dengan kata lain, aturan-aturan klasikal dapat diekspresikan hitam dan putih dalam logika boolean. Tetapi, dapat ditampilkan aturan jarak pemberhentian kedalam bentuk fuzzy, yaitu: Aturan: 1 IF

kecepatan adalah cepat

THEN jarak pemberhentian adalah panjang Aturan: 2 IF

kecepatan adalah lambat

THEN jarak pemberhentian adalah pendek Disini variabel linguistik kecepatan mempunyai interval antara 0 sampai dengan 220 km/h, tetapi interval ini termasuk himpunan fuzzy, seperti: lambat, cukup lambat, cepat. Sedangkan variabel linguistik jarak pemberhentian dapat diuraikan dengan range antara 0 sampai dengan 1. Dengan demikian sistem ahli fuzzy menyatukan aturan yang konsekwen mengenai memotong angka hanya 90 persen.


2.6. Fungsi Keanggotaan Fuzzy Di dalam fuzzy dikenal fungsi keanggotaan fuzzy, dimana memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat (Wang,1997). Terdapat banyak sekali fungsi keanggotaan yang bisa digunakan. Jenis-jenis fungsi keanggotaan yang dapat digunakan, yaitu: 1.

Linear Fungsi Keanggotaan dari fungsi linear adalah: 0 jika x < a, x > c µ(x) = (x-a)/(b-a) jika a<x
Derajat Keanggotaan µ(x)

1 jika x>b

0

a

b domain

Gambar 2.1: Grafik Fungsi Linear

2.

Sigmoid Function Fungsi-S atau fungsi sigmoid merupakan kurva yang dibentuk sehubungan dengan kenaikan dan penurunan nilai yang tidak linear. Fungsi keanggotaannya akan bertumpu pada 50% nilai keanggotaan yang sering disebut dengan titik infleksi Persamaan dari Fungsi-S ini adalah: Sig(x,a,c) =

(

)

(2.9)


Parameter a digunakan untuk menentukan kemiringan kurva pada saat x = c. Polaritas dari a akan menentukan kurva itu kanan atau kiri terbuka, seperti terlihat pada Gambar 2.2.

1

S

a

0

b

c

x

Grafik 2.2: Grafik Fungsi Sigmoid

3.

Phi Function Fungsi-Phi merupakan salah satu kurva berbentuk lonceng, dimana derajat keanggotaan yang bernilai 1 tepat terletak pada pusat domain c (lihat gambar 3). Persamaan fungsi-Phi diperoleh dari persamaan fungsi-S, yaitu: PI(x,b,c) = S(x,c - b,c – b/2,c) jika x < c 1 – S(x;c,c + b/2,c + b) jika x > c

(2.10)

1

S

c-b

c-b/2

Titik Infleksi

c

c

0

c

c+b/2

c+b

x

Lebar


Gambar 2.3: Grafik Fungsi Phi 4.

Tringular Function Suatu fungsi keanggotaan himpunan kabur disebut fungsi keanggotaan segitiga (triangular) jika mempunyai tiga buah parameter, yaitu a, b, c,

dengan persamaan untuk bentuk

segitiga ini adalah:

Segitiga (x,a,b,c) = { (2.11)

Bentuk yang lain dari persamaan di atas adalah: Segitiga(x,a,b,c) = max (

(

)

)

(

)

Parameter {a,b,c} dengan (a
1

0

a

b

c

x

Gambar 2.4: Grafik Fungsi Segitiga

5.

Trapezodial Function


Suatu fungsi keanggotaan himpunan kabur disebut fungsi keanggotaan trapesium (trapezoidal membership function) jika mempunyai empat parameter yaitu a, b, c, d, denganng persamaan untuk bentuk trapesium ini adalah:

Trapesium (x,a,b,c,d) = { (2.13) Parameter {a,b,c,d} dengan (a
1

0

a

b

c

d

x

Gambar 2.5: Grafik Fungsi Trapesium

2.7. Fuzzifikasi (Fuzzification) Fuzzifikasi merupakan proses yang digunakan untuk mengubah masukan tegas/nyata (crisp inputs) yang bersifat bukan fuzzy ke dalam himpunan fuzzy menjadi nilai fuzzy dari beberapa variabel linguistik masukan yang telah didefinisikan, hasil pengubahan data ini dinamakan masukan fuzzy (Fuzzy Inputs).

Basis Pengetahuan Fuzzy Inputs Fuzzifikasi

Pengambilan Keputusan

Fuzzy Outputs

Defuzzifikasi


Gambar 2.6: Diagram Blok Fuzzy Logika

Basis pengetahuan terdiri dari basis data dan basis aturan. Basis data mendefinisikan himpunan fuzzy atas ruang-ruang masukan (input) dan keluaran (output). Basis aturan berisi aturan-aturan kendali fuzzy yang digunakan untuk pengendalian proses. Pembentukan basis data mencakup perancangaan fungsi keanggotaan (membership function) untuk masing-masing variabel masukan dan keluaran, pendefinisian semesta pembicaraan dan penentuan variabel linguistik setiap variabel masukan dan keluaran. Basis aturan kendali fuzzy adalah kumpulan aturan-aturan kendali fuzzy yang dibuat berdasarkan pengetahuan manusia dalam pengendalian suatu sistem. Aturan yang ditetapkan digunakan untuk menghubungkan antara variabel-variabel masukan dan variabel-variabel keluaran. Aturan ini berbentuk ‘JIKA – MAKA’ (IF – THEN). Berdasarkan basis aturan yang telah dibuat, variabel masukan fuzzy diolah lebih lanjut untuk mendapatkan suatu penyelesaian. Dengan demikian dapat diambil suatu keputusan berupa suatu peubah fuzzy keluaran, yaitu himpunan-himpunan keluaran fuzzy dengan fungsi keanggotaan (membership function) yang telah ditetapkan. Fuzzifikasi yang menampilkan besaran tegas (crisp) dengan fungsi keanggotaan ini. Ketika besaran tegas (crisp) diketahui komposisinya, maka akan dimasukkan datanya pada sistem aplikasi yang akan dibuat.


2.8. Fuzzy Inference System Fuzzy inference system adalah suatu proses perumusan pemetaan dari input ke output dengan menggunakan logika fuzzy (Gulley & Jang, 1999). Fuzzy Inference System (FIS) dapat dijabarkan ke 5 fungsi, yaitu: 1.

Basis kaidah (rule base), yang berisi aturan-aturan secara linguistik yang bersumber dari pakar dengan aturan fuzzy If – Then

2.

Database, dimana mendefinisikan fungsi keanggotaan yang digunakan

3.

Suatu mekanisme pengambilan keputusan (inference engine), yang memperagakan bagaimana para pakar mengambil suatu keputusan dengan menerapkan pengetahuan (knowledge)

4.

Proses fuzzifikasi (fuzzification), yang mengubah besaran tegas (crisp) ke besaran fuzzy

5.

Proses defuzzifikasi (defuzzification), yang mengubah besaran fuzzy hasil dari inference engine, menjadi besaran tegas (crisp)

2.8.1. Metode Tsukamoto Sistem inferensi fuzzy didasarkan pada konsep penalaran monoton. Pada metode penalaran secara monoton, nilai crisp pada daerah konsekuen dapat diperoleh secara langsung berdasarkan fire strength pada antesedennya. Salah satu syarat yang harus dipenuhi pada metode penalaran ini adalah himpunan fuzzy pada konsekuennya harus bersifat monoton.

Karena menggunakan

konsep dasar penalaran monoton, pada metode Tskamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan predikat (fire strength). Proses agregasi antar aturan diakukan dan hasil akhirnya diperoleh dengan menggunakan defuzzy dengan konsep rata-rata terbobot.

2.8.2. Metode Sugeno (TSK)


Sistem inferensi fuzzy menggunakan metode Sugeno, memiliki karakteristik yaitu konsekuen tidak merupakan himpunan fuzzy, namun merupakan suatu persamaan linear dengan variabelvariabel sesuai dengan variabel-variabel inputnya. Metode ini diperkenalkan oleh Takagi Sugeno Kang pada tahun 1985. Ada 2 model untuk sistem inferensi fuzzy dengan menggunakan metode TSK, yaitu model TSK orde-0 dan model TSK orde-1. Secara umum bentuk model fuzzy sugeno orde-0 adalah: (Cox, 1994 dalam Kusumadewi sri, 2010): IF (X1 is A1)°(X2 is A2)° ( X3 is A3)° ...... (XN is AN) THEN z = k. Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, ° adalah operator fuzzy (seperti AND atau OR), dan k adalah suatu konstanta (tegas) sebagai konsekuen Secara umum bentuk model fuzzy Sugeno orde-1 adalah (Cox, 1994 dalam Kusumadewi sri, 2010): IF (x1 is A1)°... °(XN is AN) THEN z = p1x1 +...+pNxN + q Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, ° adalah operator fuzzy (seperti AND atau OR), pi adalah suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen. Proses agregasi dan defuzzy untuk mendapatkan nilai tegas sebagai output untuk M aturan fuzzy juga dilakukan dengan menggunakan rata-rata terbobot, yaitu: (Cox, 1994 dalam Kusumadewi, sri 2010) ∑ ∑

 

2.9. Penilaian Kinerja Lembaga Kursus dan Pelatihan


Penilaian kinerja memegang peranan yang penting bagi suatu lembaga/instansi untuk menjalankan fungsi di lembaganya sehingga tercapainya kinerja lembaga secara keseluruhan. Sering terjadi, penilaian dilakukan tidak tepat, ketidaktepatan ini dapat disebabkan oleh beberapa faktor. Beberapa faktor yang menyebabkan ketidaktepatan penilaian kinerja diantaranya adalah ketidakjelasan makna kinerja yang diimplementasikan, sehingga tidak diperoleh kinerja yang diharapkan, ketidakakuratan instrumen penilaian kinerja, dan ketidakpedulian pimpinan organisasi dalam pengelolaan kinerja. Kinerja dilihat dari baik-tidaknya aktivitas tertentu untuk mendapatkan hasil yang diinginkan (Williams,2002). Pengertian kinerja menurut Kamus Besar Bahasa Indonesia adalah merupakan kata benda (n) yang artinya: 1) Sesuatu yang dicapai, 2) Prestasi yang diperlihatkan, 3) Kemampuan kerja (peralatan), sedangkan penilaian kinerja menurut Mulyadi (1997, hal 419) adalah penentuan secara periodik efektifitas operasional suatu organisasi, bagian organisasi dan karyawannya berdasarkan sasaran, standar dan kriteria yang ditetapkan sebelumnya. Karena organisasi pada dasarnya dijalankan oleh manusia maka penilaian kinerja sesungguhnya merupakan penilaian atas prilaku manusia dalam melaksanakan peran yang mereka mainkan dalam organisasi. Dalam melihat organisasi perusahaan dapat diketahui besarnya tanggungjawab manajer yang diwujudkan dalam bentuk prestasi kerja. Namun demikian mengatur besarnya tanggungjawab sekaligus mengukur prestasi tidaklah mudah sebab ada yang dapat diukur dengan mudah mudah dan ada pula yang sulit untuk diukur. Sedangkan tujuan penilaian kinerja (Mulyadi,1997) adalah: “Untuk memotivasi karyawan dalam mencapai sasaran organisasi dan dalam mematuhi standar prilaku yang telah ditetapkan sebelumnya agar membuahkan tindakan dan hasil yang diinginkan. Standar prilaku dapat berupa kebijakan manajemen atau rencana formal yang dituangkan dalam anggaran.” Penilaian kinerja dilakukan untuk menekan prilaku yang tidak semestinya dan untuk merangsang dan menegakkan prilaku yang semestinya diinginkan melalui umpan balik hasil kinerja dan waktu serta penghargaan baik yang bersifat instrinsik maupun ekstrinsik.


Salah satu sarana manajemen paling penting yang harus dibebankan agar tujuan organisasi dapat tercapai adalah faktor manusia. Tanpa manusia yang berkualitas, betapapun canggihnya sistem yang dirancang, tujuan organisasi mungkin hanya sekedar angan-angan saja. Disamping sarana, prinsip-prinsip organisasi harus pula dipenuhi seperti adanya pembagian tugas yang adil, pendelegasian tugas, rentang kekuasaan, tingkat pengawasan yang cukup, kesatuan perintah dan tanggungjawab serta koordinasi masing-masing unit merupakan suatu hal yang harus menerus disempurnakan. Untuk itu penilaian kinerja dimanfaatkan oleh manajemen untuk hal-hal sebagai berikut: 1. Mengelola operasi organisasi secara efektif dan efesian melalui pemotivasian karyawan secara maksimum 2. Membantu pengambilan keputusan yang bersangkutan dengan karyawan seperti promosi, transfer dan pemberitahuan 3. Mengidentifikasi kebutuhan dan pelatihan dan pengembangan karyawan dan untuk menyediakan kriteria seleksi dan evaluasi program pelatihan karyawan 4. Menyediakan umpan balik kerja bagi karyawan mengenai bagaimana atasan mereka menilai kinerja mereka 5. Menyediakan suatu dasar bagi distribusi penghargaan Menurut Cascio (2003: 336-337), kriteria sistem pengukuran kinerja adalah sebagai berikut: 1. Relevan (relevance). Relevan mempunyai makna (1) terdapat kaitan yang erat antara standar untuk pekerjaan tertentu dengan tujuan organisasi, dan (2) terdapat keterkaitan yang jelas antara elemen-elemen kritis suatu pekerjaan yang telah diidentifikasi melalui analisis jabatan dengan dimensi-dimensi yang akan dinilai dalam form penilaian 2. Sensitivitas (sensitivity). Sensitivitas berarti adanya kemampuan sistem penilaian kinerja dalam membedakan Sumber Daya Manusia (SDM) yang efektif dan SDM yang tidak efektif


3. Reliabilitas (reliability). Reliabilitas dalam konteks ini berarti konsistensi penilaian. Dengan kata lain sekalipun instrumen tersebut digunakan oleh dua orang yang berbeda dalam menilai SDM, hasil penilaiannya akan cenderung sama 4. Akseptabilitas (acceptability). Akseptabilitas berarti bahwa pengukuran kinerja yang dirancang dapat diterima oleh pihak-pihak yang menggunakannya 5. Praktis (practicality). Praktis berarti bahwa instrumen penilaian yang disepakati mudah dimengerti oleh pihak-pihak yang terkait dalam proses penilaiaan tersebut. Pendapat senada dikemukakan oleh Mondy and Noe (1990), bahwa kriteria sistem pengukuran kinerja yang efektif terdiri dari beberapa aspek sebagai berikut: 1. Mempunyai keterkaitan yang strategis (strategic congruence). Suatu pengukuran kinerja dikatakan mempunyai keterkaitan yang strategis jika sistem pengukuran kinerjanya menggambarkan atau berkaitan dengan tujuan-tujuan organisasi. Sebagai contoh, jika organisasi tersebut menekankan pada pentingnya pelayanan pada pelanggan, maka pengukuran kinerja yang digunakan harus mampu menilai seberapa jauh pegawai melakukan pelayanan terhadap pelanggannya. 2. Validitas (validity). Suatu pengukuran kinerja dikatakan valid apabila hanya mengukur dan menilai aspek-aspek yang relevan dengan kinerja yang diharapkan. 3. Reliabilitas (reliability). Reliabilitas berkaitan dengan konsistensi pengukuran kinerja yang digunakan. Salah satu cara untuk menilai reliabilitas suatu pengukuran kinerja adalah dengan membandingkan dua penilai yang menilai kinerja seorang pegawai. Jika nilai kedua penilai tersebut relatif sama, maka dapat dikatakan bahwa instrumen tersebut reliabel. 4. Akseptabilitas (acceptability). Akseptabilitas berarti bahwa pengukuran kinerja yang dirancang dapat diterima oleh pihak-pihak yang menggunakannya. Hal ini menjadi suatu perhatian serius mengingat sekalipun suatu pengukuran kinerja bvalid dan reliabel, akan tetapi cukup banyak menghabiskan waktu si penilai, sehingga si penilai tidak nyaman menggunakannya


5. Spesifisitas (specificity). Spesifisitas adalah batasan-batasan dimana pengukuran kinerja yang diharapkan disampaikan kepada para pegawai sehingga para pegawai memahami apa yang diharapkan dari mereka dan bagaimana cara untuk mencapai kinerja tersebut. Spesifisitas berkaitan erat dengan tujuan strategis dan tujuan pengembangan manajemen kinerja. Diharapkan seluruh pihak yang terkait di lembaga/instansi harus dapat saling bekerjasama untuk diperolehnya penilaian kinerja yang baik, dengan memahami aspek-aspek yang akan dijadikan penilaian kinerja.

2.10. Penelitian yang terkait Ada beberapa penelitian yang terkait dengan penelitian yang penulis buat, yaitu: Tabel 2.1. Penelitian Terkait Tahun 2013

2012

Penulis Penjelasan Penelitian Abdullah A. G., Ana, Menjabarkan tentang Pengembangan Alat dan Hakim D. L Penilaian Kinerja pada Pembelajaran Sains Berbasis Fuzzy Grading System. Mustafidah H. dan Menjabarkan mengenai Analisis minat belajar Suwarsito mahasiswa dan tingkat kehadiran dosen pengaruhnya terhadap tingkat kelulusan mahasiswa menggunakan fuzzy quantification theory variabel dalam penelitian ini berupa minat belajar mahasiswa, tingkat kehadiran dosen dalam memberikan kuliah, dan tingkat kelulusan mahasiswa dalam mengikuti perkuliahan yang ditunjukkan dengan persentase perolehan nilai minimum b (nilai≥b) dalam setiap mata kuliah. kategori yang digunakan hanya 1 yaitu tingkat kehadiran dosen dalam perkuliahan. tingkat kehadiran dosen dalam perkuliahan dikatakan tinggi dengan mengikuti pola grafik pada fungsi


keanggotaan. 2010

2009

2005

Nugroho G.S. Singgih M. L.

dan

Menjelaskan mengenai evaluasi lean manufacturing pada line produksi MMPO menggunakan metode fuzzy logic Rakhmat Wahyu W Menerapkan mengenai aplikasi Fuzzy Inference dan Liza Afriyanti System (FIS) metode tsukamoto pada simulasi traffic light menggunakan java Iswari dan Wahid F. Menjelaskan alat bantu sistem inferensi fuzzy metode sugeno orde satu

BAB 3 METODOLOGI PENELITIAN

3.1. Pendahuluan


BAB 2 TINJAUAN PUSTAKA

Recommend Documents