Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama
[email protected]
Abstrak Dosen sebagai pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan, dan menyebarluaskan ilmu pengetahuan, teknologi, dan seni melalui pendidikan, penelitian, dan pengabdian kepada masyarakat merupakan tonggak kualitas pendidikan tinggi. Untuk itu diperlukan suatu sistem pengukuran berbasis sistem pakar untuk kemudahan mengevaluasi kinerja dosen. Dalam penelitian ini digunakan lima belas indikator sebagai masukan/alat ukur evaluasi yang masing-masing memiliki domain : sangat rendah, rendah, sedang, tinggi, dan sangat tinggi. Adapun metode inferensi yang digunakan adalah model Fuzzy Expert System Mamdani. Penelitian ini menghasilkan keluaran dalam bentuk penilaian kinerja dosen dalam lima kategori yaitu rendah, memuaskan, baik, sangat baik, dan penghargaan. Dengan menggunakan 15 indikator, penilaian kinerja dosen dapat lebih presisi dengan tingkat error 1.09% sehingga diharapkan hasil penelitian ini dapat membantu institusi pendidikan tinggi dalam melakukan evaluasi terhadap performa para dosennya sehingga kualitas pendidikan yang dihasilkan menjadi lebih baik. Kata kunci : Kinerja dosen, Evaluasi, Fuzzy Expert System Mamdani, Sistem Pakar, domain, inferensi
1. Pendahuluan Salah satu isu utama tentang kualitas pendidikan tinggi terletak pada kinerja (performance) dari dosen. Seorang dosen memiliki kewajiban dalam hal pendidikan dan pengajaran, penelitian dan pengembangan, serta pengabdian pada masyarakat. Ketiga hal tersebut dikenal dengan nama “TRI DARMA PERGURUAN TINGGI” yang harus dikembangkan secara simultan dan bersamasama. Sorotan mengenai kinerja dosen saat ini sedang marak dibicarakan baik di lembaga pendidikan tinggi itu sendiri maupun di masyarakat luas melalui media cetak dan media online. Untuk mengevaluasi kinerja dosen, mungkin dalam triwulan, semester atau pertahun tergantung pada sumber daya (pakar) yang dimiliki oleh universitas/lembaga pendidikan tinggi. Sehingga diperlukan waktu yang lama dan otomatis membutuhkan biaya yang tidak sedikit. Sistem pakar sebagai cabang dari bidang ilmu artificial intelligent merupakan solusi untuk memecahkan permasalahan dalam mengevaluasi kinerja dosen secara lebih cepat dan terukur yang bisa digunakan sewaktu-waktu tanpa bergantung pada pakarnya. Penelitian mengenai evaluasi kinerja dosen telah dilakukan oleh (H. Amin 2009). Dalam publikasinya ditetapkan beberapa atribut untuk mengukur kinerja dosen di Pakistan melalui sistem kuisioner. Dilanjutkan penelitian (A. Rashid Khan 2011), melalui publikasinya telah dibuat aplikasi sistem pakar untuk mengukur kinerja dosen di Universitas-universitas yang ada di Pakistan dengan
menggunakan parameter/atribut pengukuran dari peneliti (H. Amin 2009) berbasis logika fuzzy. Adapun dalam penelitian ini, digunakan Fuzzy Expert System model mamdani untuk mengukur/ mengevaluasi kinerja dosen. Dengan tujuan untuk memudahkan lembaga pendidikan tinggi (universitas, institut maupun sekolah tinggi) dalam mengukur/ mengevaluasi kinerja para dosennya terkait dengan kebijakan pemerintah untuk meningkatkan kualitas pendidikan nasional. 2. Landasan Teori 2.1 Sistem Pakar Sistem pakar (expert system) secara umum adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Atau dengan kata lain sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli (Kusumadewi 2003). Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan sistem pakar digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan pakar. (Turban 1995). Secara umum sistem pakar dibagun
oleh 3 komponen yaitu user interface, mesin inferensi dan knowledge base seperti digambarkan pada Gambar 1.
Gambar 1 Struktur Sistem Pakar Sumber : (Rolliawati 2011) 2.2 Fuzzy Expert System Mamdani Fuzzy Logic diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965. Merupakan metode yang mempunyai kemampuan untuk memproses variabel yang bersifat kabur atau yang tidak dapat dideskripsikan secara eksak/pasti. Adapun tahapan dalam fuzzy adalah: (1) Fuzzifikasi: merupakan proses untuk mendapatkan derajat keanggotaan dari sebuah nilai numerik masukan (crisp) (2) Penalaran: proses untuk mendapatkan aksi keluaran dari suatu kondisi input dengan mengikuti aturan-aturan (IF-THEN Rules) yang telah ditetapkan yang disebut sebagai inference/reasoning. (3) Defuzzifikasi: proses untuk merubah hasil penalaran yang berupa derajat keanggotaan keluaran menjadi variabel numerik kembali. Fuzzy Expert System Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan: (Kusumadewi 2003) 1. Pembentukan himpunan fuzzy (fuzifikasi) 2. Aplikasi fungsi implikasi (aturan) 3. Komposisi aturan 4. Penegasan (defuzifikasi) Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. Komposisi Aturan pada Mamdani tidak seperti penalaran monoton, apabila sistem terdiri-dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu (1) maximum (2) sum aditif (3) probabilitas OR. (a) Metode Max (Maximum) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi solusi fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang
merefleksikan konstribusi dari tiap-tiap proposisi. Secara umum dapat dituliskan: µsf[xi] max (µsf[xi], µkf[xi]) (1) µsf[xi] = nilai keanggotaan solusi fuzzy aturan ke-i; µkf[xi]= nilai keanggotaan konsekuen fuzzy aturan ke-i; (b) Metode Additive (Sum) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan: µsf[xi] min (µsf[xi],+µkf[xi]) (2) (c) Metode Probabilistik OR (probor) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy. Secara umum dituliskan: µsf[xi] (µsf[xi]+µkf[xi] )– (µsf[xi]*µkf[xi]) (3) Ada beberapa metode defuzzifikasi pada komposisi aturan Mamdani, antara lain: a. Metode Centroid of Area (COA) Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah fuzzy. Secara umum dirumuskan: ∑ (4) ∑ b. Metode Bisektor Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan separuh dari jumlah total nilai keanggotaan pada daerah fuzzy. Secara umum dituliskan: Zp sedemikian hingga
∫
∫
(5)
c. Metode Mean of Maximum (MOM) Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum. d. Metode Largest of Maximum (LOM) Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar dari domain yang memiliki nilai keanggotaan maksimum. e. Metode Smallest of Maximum (SOM) Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil dari domain yang memiliki nilai keanggotaan maksimum. 3.
Hasil dan Pembahasan Penelitian ini menerapkan metode Fuzzy Expert System menggunakan model Mamdani. Ruang input fuzzy meliputi (1) Orientasi penelitian (2) Publikasi (3) Proses pengajaran (4) Kemampuan personal (5) Tanggung jawab (6) Compensation & Rewards (7)Profesionalisme (8) Faktor Lingkungan dan keamanan (9) supervision (10) Administrative Skills (11) Awards & Achievements (12) Promotions
Faction (13) Organization Evaluation Policy (14) Needs & Requirement (15) Background Factors (knowledge) berdasarkan(H. Amin 2009). Berikut langkah-langkah yang digunakan: a. Proses Fuzifikasi, terdapat lima belas (15) indikator yang digunakan sebagai ruang input himpunan fuzzy. Semua indicator memiliki 5 domain : sangat rendah (0, 0.2), rendah (0, 0.2, 0.4) sedang (0.2, 0.4, 0.6), tinggi (0.4, 0.6, 0.8) dan sangat tinggi (0.6, 0.8 1.0) dengan range nilai nol sampai satu. Dalam proses fuzifikasi ruang input digunakan representasi kurva segitiga. Gambar 2 sampai 5 menunjukkan beberapa proses fuzifikasi dari 15 input yang digunakan.
Adapun fuzifikasi ruang output direpresentasikan dalam bentuk kurva trapezium seperti ditunjukkan pada Gambar 6. Ruang output memiliki 5 domain : rendah, memuaskan, baik, sangat baik, dan penghargaan.
Gambar 6 Fuzifikasi Ruang Output b. Pembentukan Aturan Dalam penelitian ini digunakan kombinasi fungsi aturan min-max atau and-or.
Gambar 2. Fuzifikasi indicator personalitas
Gambar 3. Fuzifikasi indikator profesionalisme
Gambar 7. Fungsi Aturan Fuzzy c. Defuzifikasi, proses defuzifikasi yang digunakan dalam penelitian ini adalah metode Centroid of Area (COA) dengan menggunakan rumus (4). Selanjutnya dilakukan proses pengujian sistem menggunakan perangkat lunak matlab. Dengan input indicator 1 sampai 15 : 0.2, 0.6, 0.8, 0.7, 0.8, 0.9, 1, 0.2, 0.4, 0.6, 0.8, 0.6, 0.5, 0.5 dihasilkan output penilaian kinerja dosen bernilai 7.5 yaitu masuk dalam kategori tinggi dengan derajat keanggotaan 0.5.
Gambar 4. Fuzifikasi indicator skill
Gambar 5. Fuzifikasi indicator knowledge
Gambar 5. Hasil Output Defuzifikasi
4.
Kesimpulan dan Saran Dari hasil pengujian yang telah dilakukan, dapat diambil kesimpulan sebagai berikut: (1) penggunaan lima belas indikator bisa menghasilkan keluaran penilaian dosen menjadi lebih presisi dengan tingkat error 1.09%. (2) Penggunaan fuzzy mamdani mampu menyelesaikan permasalahan dalam pengevaluasian kinerja dosen saat ini yang masih bergantung pada asesor (staf ahli). Karena penelitian ini masih menggunakan fuzzy single tone maka selanjutnya dapat dikembangkan dengan menggunakan fuzzy multi tone atau double inference dengan tingkat error yang lebih kecil. Daftar Pustaka:
A. Rashid Khan, Hafeez Ullah Amin, Zia Ur Rehman. "The Application of Expert System with Fuzzy Logic in Teacher`s Performance Evaluation." Intrnational Journal of Advanced Computer Science and Applications (IJCSA) 2 (February 2011): 51. H. Amin, AR. Khan. "Acquiring Knowledge for Evaluation of Teacher`s Performance in Higher Education using a Questionnaire." International Journal of Computer Science and Information Security (IJCIS), 2009: 180-187. Kusumadewi, Sri. Artificial Intelligent (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu, 2003. Rolliawati, Dwi. Modul Perkuliahan Sistem Pakar. 2011. Turban. Decision Support and Expert System : Management Support System. New York: Prentice-Hall, 1995. ………………………………….………………………… ………….
