Seminar Nasional Teknologi Informasi dan Multimedia 2015
ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
IMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA) Alfa Saleh Teknik Informatika, Fak. Ilmu Komputer Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan Email :
[email protected] Abstrak Universitas Potensi Utama adalah sebuah instansi yang bergerak dalam bidang pendidikan. Dimana kualitas pendidikan menjadi prioritas utama guna menciptakan lulusan - lulusan yang kompeten di bidangnya, dan untuk meningkatkan kualitas itulah Universitas Potensi Utama membuka kelas peminatan bagi MahasiswaMahasiswa yang memiliki minat dan bakat khususnya di dunia Teknologi Informasi berdasarkan jurusan yang meraka ambil di Universitas Potensi Utama, oleh karena itu dalam memilih bidang peminatan tersebut ada beberapa kriteria-kriteria yang harus dipenuhi. Untuk itu diperlukan suatu metode yang dapat menghitung segala kriteria yang mendukung dalam menentukan seberapa besar persentase kesesuaian mahasiswa tersebut untuk masuk ke bidang peminatan yang dipilih. Adapun metode yang digunakan dalam penelitian ini adalah metode Fuzzy Mamdani. Adapun pengujian yang dilakukan menggunakan Matlab dengan inputan berupa nilai Grafika Komputer sebesar 3, Sistem Multimedia sebesar 2.50 dan Pengolahan Citra Digital sebesar 3.75 maka dihasilkan nilai kesesuaian berdasarkan penerapan metode fuzzy mamdani sebesar 75 %. Keywords – Matlab, Fuzzy Mamdani, Sistem Pendukung Keputusan, Bidang Peminatan. I.
Pendahuluan
Universitas Potensi Utama merupakan salah satu Perguruan Tinggi Swasta (PTS) di bawah naungan Yayasan Potensi Utama yang bergerak dalam bidang pendidikan. Awalnya Universitas Potensi Utama adalah sebuah STMIK yang berdiri pada tahun 2003 berdasarkan izin Dirjen Pendidikan Tinggi (DIKTI) dengan SK Nomor : 103/D/O/2003 dan dengan motto “Kami hadir untuk mencerdaskan kehidupan bangsa”. Universitas Potensi Utama membuka 3 Program Studi di bidang computer untuk Fakultas Teknik dan Ilmu Komputer yaitu Program Studi Teknik Informatika dengan jenjang pendidikan S1 Nomor Akreditasi 237/SK/BAN-PT/Ak-XVI/S/XI/2013, Program Studi Sistem Informasi Nomor Akreditasi 237/SK/BANPT/Ak-XVI/S/XI/2013 dengan jenjang pendidikan S1
dan Manajemen Informatika Nomor Akreditasi 021/BAN-PT/Ak-IX/Dpl-III/IX/2009 dengan jenjang pendidikan D3. Masing-masing Program Studi yaitu Teknik Informatika, Sistem Informasi dan Manajemen Informatika mendapat Nilai Akreditasi Peringkat B dari Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT). Menimbang hal tersebut tentu saja kualitas pendidikan menjadi prioritas utama guna menciptakan lulusan lulusan yang kompeten di bidangnya, dan untuk meningkatkan kualitas itulah Universitas Potensi Utama membuka bidang peminatan bagi Mahasiswa-Mahasiswa yang memiliki minat dan bakat khususnya di dunia Teknologi Informasi berdasarkan jurusan yang meraka ambil di Universitas Potensi Utama, dalam memilih bidang pemintan tersebut ada beberapa kriteria-kriteria yang harus dipenuhi. Oleh karena itu Penelitian dilakukan dengan mencari nilai bobot untuk setiap kriteria, yang kemudian akan diproses untuk menentukan kesesuaian bidang peminatan yang menjadi pilihan berdasarkan nilai akademik. Untuk menentukan kesesuaian inilah dibutuhkan metode yang dapat membantu menghasilkan informasi dari criteria-kriteria yang telah ditentukan. Dan metode Fuzzy Mamdani menjadi pilihan peneliti. Pada penelitian sebelumnya, Metode fuzzy mamdani ini agaknya telah digunakan untuk membantu mendiagnosis kanker payudara dengan harapan dapat menghasilkan klasifikasi yang tepat mengenai tingkat bahaya pada tumor payudara dengan masukan berupa data set mammografik agar menghasilkan diagnosa yang tepat untuk penyakit kanker payudara[1]. selain itu metode tersebut juga dimanfaatkan dalam menilai mutu susu segar dengan tujuan menentukan parameter penilaian mutu dengan logika fuzzy agar dapat meningkatkan keakuratan penentuan mutu susu segar[2]. Metode fuzzy mamdani ini diimplementasikan dengan tujuan sebagai salah satu alternatif untuk membantu memilih bidang peminatan yang sesuai dengan kemampuan akademik mahasiswa di Universitas Potensi Utama Medan dan Mengarahkan mahasiswa untuk memilih bidang peminatan yang sesuai dengan kualitas mereka berdasarkan nilai akademik.
2.2-217
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015 STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
II.
Pembahasan
Dalam konsep fuzzy Mamdani diperlukan kriteriakriteria dan nilai bobot setiap kriteria untuk melakukan perhitungan sehingga akan didapat alternatif yang terbaik untuk menetukan kelas peminatan mana yang lebih cocok berdasarkan nilai akademik yang diperoleh. Adapun langkah – langkah yang dilakukan adalah sebagai berikut : a. Pendefinisian Input dan Output Tabel 1. Input dan Output pada proses pemilihan kelas peminatan
NO Variabel
Input/Output
1 Grafika Komputer
INPUT
2 Sistem Multimedia
INPUT
c. Penyelesaian dengan metode fuzzy Sugeno 1. Pembentukan Fungsi Keanggotaan Pada variabel mata kuliah( Grafika Komputer, Sistem Multimedia dan Pengolahan Citra Digital), data yang dimiliki adalah 2, 3, dan 4, yang dapat dibagi menjadi 3 himpunan fuzzy yaitu Rendah, Sedang dan Tinggi. Himpunan fuzzy Rendah akan memiliki domain [2 3]. Dengan derajat keanggotaan Rendah tertinggi (=1) terletak pada nilai 2. Himpunan fuzzy Rendah ini dipresentasikan dengan fungsi keanggotaan linear menurun. dengan derajat keanggotaan semakin mendekati Sedang apabila melebihi nilai 2. Fungsi keanggotaan untuk himpunan Rendah terlihat pada gambar 1 sebagai berikut.
3 Pengolahan Citra Digital INPUT 4 Multimedia
OUTPUT
Tabel 1 menunjukan bahwa cara kerja sistem pendukung keputusan menentukan kesesuaian bidang peminatan mahasiswa dalam penelitian ini bidang peminatan yang diuji adalah bidang peminatan multimedia, dimana terdiri dari satu proses yaitu proses menentukan kesesuaian bidang peminatan, untuk proses menentukan kesesuaian bidang peminatan tersebut ada beberapa variabel input yang terdiri dari nilai mata kuliah Grafika Komputer, Sistem Multimedia, Pengolahan Citra Digital dan output adalah persentase kesesuaian mahasiswa untuk masuk di bidang peminatan Multimedia. b. Pembentukan Himpunan Fuzzy Pada proses menentukan kesesuaian bidang peminatan ini terdiri dari beberapa variabel mata kuliah yaitu : grafika komputer, sistem multimedia, pengolahn citra digital yang dapat disusun himpunan fuzzynya, Variabel mata kuliah, tinggi rendahnya nilai yang diperoleh oleh mahasiswa. Variabel mata kuliah (dalam satuan nilai Indeks Prestasi), terdiri dari 3 himpunan fuzzy : 1. Rendah : dengan batasan 2 – 3 2. Sedang : dengan batasan 3 – 3.5 3. Tinggi : dengan batasan 3.5 – 4 Adapun himpunan fuzzy dengan nilai range setiap variabel dapat dilihat pada tabel 1 berikut. Tabel 1. Himpunan Fuzzy Variabel Grafika Komputer Sis tem Multimedia
Nama Himpunan Fuzzy
Range
Rendah
[2, 3]
Sedang
[3, 3.5]
Tinggi
[3.5, 4]
Rendah
[2, 3]
Sedang
[3, 3.5]
Tinggi
[3.5, 4]
Rendah Pengolahan Sedang Citra Digital Tinggi
[2, 3] [3, 3.5] [3.5, 4]
Gambar 1. Representasi Variabel Grafika Komputer Adapun himpunan fuzzy untuk rendah dinyatakan dalam persamaan 1 berikut : 0; ≥3 ] (3 − ) ;2 < < 3 ℎ[ = 1; =2
(1)
Himpunan fuzzy Sedang memiliki domain [3 3.5]. Himpunan fuzzy Sedang ini juga direpresentasikan dengan fungsi linear menurun dengan derajat keanggotaan semakin mendekati Tinggi apabila melebihi nilai 3. Fungsi keanggotaan untuk himpunan sedang terlihat pada gambar 1 dan dapat dinyatakan dalam persamaan 2 berikut : μSedang[a] =
1;a = 3 a-3 /0.5 ; 3 < a < 3.5 0; a ≥ 3.5
(2)
Himpunan fuzzy Tinggi memiliki domain [3.5 4]. Himpunan fuzzy Tinggi ini juga direpresentasikan dengan fungsi linear menaik. Fungsi keanggotaan untuk 2.2-218
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015 STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
himpunan sedang terlihat pada gambar 1 dan dapat dinyatakan dalam persamaan 3 berikut : μTinggi[a] =
0 ; a ≤ 3.5 4-a /0.5 ; 3.5 < a < 4 1 ;a = 4
(3)
Kemudian untuk variabel output Bidang Peminatan, data yang dimiliki adalah 60, 75 85, dan 100, yang dapat dibagi menjadi 4 himpunan fuzzy yaitu Rendah, Sedang Tinggi, dan Sangat Tinggi. Himpunan fuzzy Rendah akan memiliki domain [60 70]. Dengan derajat keanggotaan Rendah tertinggi (=1) terletak pada nilai 60. Himpunan fuzzy Rendah ini dipresentasikan dengan fungsi keanggotaan linear menurun. dengan derajat keanggotaan semakin mendekati Sedang apabila melebihi nilai 70. Fungsi keanggotaan untuk himpunan Rendah terlihat pada gambar 2 sebagai berikut.
Himpunan fuzzy Tinggi memiliki domain [75 85]. Himpunan fuzzy Tinggi ini juga direpresentasikan dengan fungsi linear menaik. Fungsi keanggotaan untuk himpunan tinggi terlihat pada gambar 2 dan dapat dinyatakan dalam persamaan 6 berikut : μTinggi[a] =
0 ; a ≤ 75 85-a /10 ; 75 < a < 85 1 ; a = 85
(6)
0 ; a ≤ 85 100-a /15 ; 85 < a < 100 1 ; a = 100
(7)
Himpunan fuzzy Sangat Tinggi memiliki domain [85 100]. Himpunan fuzzy Tinggi ini juga direpresentasikan dengan fungsi linear menaik. Fungsi keanggotaan untuk himpunan tinggi terlihat pada gambar 2 dan dapat dinyatakan dalam persamaan 7 berikut : μTinggi[a] =
2. Inferensi Fuzzy Sistem Inferensi Fuzzy merupakan suatu kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN dan penalaran fuzzy secara garis besar, digram blok proses inferensi fuzzy terlihat pada gambar 3[3] :
Gambar 2. Representasi Variabel Bidang Peminatan Adapun himpunan fuzzy untuk rendah dinyatakan dalam persamaan 4 berikut : 0 ; > 70 ℎ[ ] = (70 − )/10 ; 60 < 1 ; = 60
< 70
(4)
Himpunan fuzzy Sedang memiliki domain [70 75 80]. Himpunan fuzzy Sedang ini juga direpresentasikan dengan fungsi segitiga dengan derajat keanggotaan semakin mendekati Tinggi apabila melebihi nilai 80. Fungsi keanggotaan untuk himpunan sedang terlihat pada gambar 2 dan dapat dinyatakan dalam persamaan 5 berikut :
μSedang[a] =
1 ; a = 80 a-70 /5 ; 70 < a < 75 80-a /5; 75 < a < 80
(5)
Gambar 3. Diagram Blok Sistem Inferensi Fuzzy Adapun aturan yang diperoleh dari kombinasi variabel sebanyak 27 aturan yang disajikan hanya beberapa aturan seperti pada tabel 2 berikut :
2.2-219
Seminar Nasional Teknologi Informasi dan Multimedia 2015
ISSN : 2302-3805
STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
Tabel 2. Himpunan Fuzzy IF
THEN
RULES
Grafika S istem Komputer Multimedia
Pengolahan Multimedia Citra Digital
[R1]
Rendah
Rendah
Rendah
Rendah
[R2]
Rendah
Rendah
Sedang
Rendah
[R3]
Rendah
Rendah
Tinggi
Rendah
[R4]
Rendah
Sedang
Rendah
Rendah
[R5]
Rendah
Sedang
Sedang
Rendah
[R6]
Rendah
Sedang
Tinggi
Sedang
[R7]
Rendah
Tinggi
Rendah
Sedang
[R8]
Rendah
Tinggi
Sedang
Sedang
3.
Pada data di atas, nilai setiap variabel telah ditransformasika dari nilai huruf menjadi nilai bobot, dimana nilai Grafika Komputer dengan nilai B menjadi 3, nilai Sistem Multimedia dengan nilai C+ menjadi 2.50, dan nilai Pengolahan Citra Digital dengan nilai Amenjadi 3.75. adapun tampilan input dan output sistem pendukung keputusan dalam menentukan kesesuaian bidang peminatan pada matlab dapat dilihat pada gambar 4 sebagai berikut :
Komposisi Aturan Fuzzy
Komposisi Aturan. Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa aturan, maka infrensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilistik OR[4]. 4. Defuzzifikasi Tahap defuzzifikasi adalah tahap perhitungan crisp output. Input dari tahap ini adalah himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan outputnya adalah suatu bilangan pada domain himpunan fuzzy tersebut. Proses defuzzifikasi metode fuzzy mamdani pada penelitian ini menggunakan metode centroid. Adapun persamaan yang terbentuk untuk metode centroid ini dapat dilihat pada persamaan 8 untuk variabel kontinyu dan persamaan 9 untuk variabel diskrit berikut ini [5]: = =
∫
∫
∑ ∑
( )
(8)
( )
( ) ( )
(9)
Untuk menguji implementasi metode fuzzy mamdani dalam mendukung keputusan mahasiswa dalam menentukan kesesuaian bidang peminatan, maka dilakukan pengujian dengan ketentuan pada tabel 3 berikut : Tabel 3. Data Pengujian NIM
Nama
1010000010
Elly Syahfitri
Presentase Grafika Sistem Pengolahan Peminatan Komputer Multimedia Citra Digital Multimedia 3
2.5
3.75
Gambar 4. Variabel Input/Output pada Matlab Adapun nilai fungsi keanggotaannya yang didapat adalah sebagai berikut : Variabel Grafika Komputer 1. Rendah(3) :0 2. Sedang(3) :1 3. Tinggi(3) :0 Variabel Sistem Multimedia 1. Rendah(2.50) : 0.5 2. Sedang(2.50) :0 3. Tinggi(2.50) :0 Variabel Pengolahan Citra Digital 1. Rendah(3.75) :0 2. Sedang(3.75) :0 3. Tinggi(3.75) : 0.5 α-predikat (fire strength ) setiap aturan untuk menentukan nilai min setiap aturan. Adapun aturan yang dibentuk pada matlab dapat dilihat pada gambar 4 berikut ini :
?
2.2-220
ISSN : 2302-3805
Seminar Nasional Teknologi Informasi dan Multimedia 2015 STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
Gambar 4. Hasil Implementasi Metode Fuzzy Mamdani
Gambar 4. Rules yang terbentuk pada Matlab [R1] IF Grafika Komputer is Rendah AND Sistem Multimedia is Rendah AND Pengolahan Citra Digital is Rendah THEN Persentasi Bidang Peminatan Multimedia is Rendah α-predikat1=min(Rendah(3);Rendah(2.50); Rendah(3.75)) = min ( 0; 0.5 ; 0) =0 Defuzzifikasi dengan menggunakan adapun sebagai berikut :
=
(
= 75%
. ) (
.
) (
.…
) .... (
persamaan
9
)
Adapun hasil yang dihasilkan dengan matlab 6.1 berdasarkan nilai Grafika Komputer, Sistem Multimedia dan Pengolahan Citra Digital adalah 75%, dengan begitu kesesuaian bidang peminatan mahasiswa tersebut pada bidang peminatan Multimedia adalah Sedang. Nilai tersebut dapat dilihat pada gambar 4 berikut :
III.
Kesimpulan
Dari penelitian mengenai sistem pendukung keputusan menentukan kesesuaian bidang peminatan mahasiswa dapat diambil kesimpulan sebagai berikut : 1. Sistem Pendukung Keputusan dalam menentukan kesesuaian bidang peminatan ini membantu memberikan pertimbangan kepada mahasiswa untuk memilih bidang peminatan yang sesuai dengan nilai akademik yang diperoleh. 2. Berdasarkan nilai Grafika Komputer, Sistem Multimedia dan Pengolahan Citra Digital, didapatkan hasil pengujian sebesar 75% untuk masuk pada bidang peminatan multimedia. Saran Adapun saran dari penelitian ini adalah sebagai berikut : 1. Adanya pengujian dengan metode lain untuk sistem pendukung keputusan menentukan kesesuaian bidang peminatan. 2. Adanya penambahan output sebagai pertimbangan bidang peminatan, sehingga yang diuji tidak hanya bidang peminatan multimedia.
Daftar Pustaka [1] Wirawan Agus M.I, “Sistem Fuzzy Pendukung Keputusan untuk Diagnosa Kanker Payudara,” SNATI, Yogyakarta,21 Juni 2014. [2] Santoso Imam, dkk, “Penerapan Logika Fuzzy Pada Penilaian Mutu Susu Segar,” Jurnal Teknologi Pertanian, vol.11 , No.1, pp. 47-53, April 2010.
2.2-221
Seminar Nasional Teknologi Informasi dan Multimedia 2015 STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
[3] Kusumadewi, Sri dan Sri Hartati, Neuro Fuzzy Integrasi Sistem Fuzzy dan Jaringan Syaraf(Edisi Kedua),Yogyakarta : Graha Ilmu, 2010. [4] Kusumadewi, Sri. 2003. “Artificial Intelligence (Teknik dan Aplikasinya)”, Yogyakarta : Graha Ilmu, 2002. [5] Sutikno, Waspada Indra, “Perbandingan Metode Defuzzifikasi Sistem Kendali Logika Fuzzy Model Mamdani Pada Motor DC,” Jurnal MAsyarakat Informatika, vol.2 , No. 3, pp. 27-37, ISSN 2086-4930.
Biodata Penulis Alfa Saleh, memperoleh gelar Sarjana Komputer (S.Kom), Jurusan Teknik Informatika STMIK Potensi Utama, lulus tahun 2012. Memperoleh gelar Magister Komputer (M.Kom) Program Pasca Sarjana Magister Teknik Informatika Universitas Putra Indonesia YPTK Padang, lulus tahun 2014. Saat ini menjadi Dosen di Universitas Potensi Utama.
2.2-222
ISSN : 2302-3805