PROTOYPE LOGIKA FUZZY INFRENCE SYSTEM DALAM PENILAIAN KINERJA GURU : STUDI KASUS SMK XYZ Muhammad Mahmud Sekolah Tinggi Teknologi Nusa Putra Jl. Raya Cibolang No.21 Sukabumi http://www.nusaputra.ac.id
[email protected]
ABSTRAKSI Guru adalah komponen kunci dari pencapaian target pemerintah. Oleh karena itu, pemerintah memberikan aturan yang pasti untuk meningkatkan kinerja guru dalam proses belajar dapat berjalan seperti yang diharapkan. Namun, kondisi lapangan, harapan pemerintah ini belum terealisasi sepenuhnya, ini disebabkan kasus maksimal dalam pengawasan khusus dari manajemen sekolah dalam menilai kinerja guru yang ditemukan di beberapa mengajar di sekolah dan kegiatan belajar yang tidak diharapkan untuk mengalami kualitas. Salah satu kendala tersebut adalah tidak adanya sistem informasi tertentu yang dapat memberikan dukungan bagi para pengambil keputusan adalah kepala sekolah, sehingga sulit menghasilkan keputusan yang optimal. Selain data pendukung yang diperlukan sebagai dasar untuk pengambil keputusan harus menunggu hasil musyawarah, sehingga proses pengambilan keputusan memakan waktu lama. Dalam rangka untuk menentukan kinerja guru yang buruk, dan cukup baik, maka Kepala Sekolah harus membuat kriteria atau persyaratan yang digunakan sebagai dasar dalam menentukan penilaian kinerja guru. Salah satu cara untuk melakukannya adalah dengan menggunakan pendekatan logika fuzzy Infrence Sistem Mamdani. kriteria penilaian dapat dilakukan dengan melihat Pedagogik Kompetensi, Kompetensi Profesional, Kompetensi Kepribadian dan Kompetensi Sosial dimiliki oleh guru masing-masing. Dari kriteria tersebut, maka dibuat suatu Sistem Pendukung Keputusan. Penentuan kriteria kinerja guru yang kemudian diolah dengan pendekatan logika fuzzy. Dengan bantuan software Matlab. Hasil penelitian ini diharapkan Principal mampu menentukan kinerja guru dalam Islam SMK XYZ dengan efekif, efisien, dan obyektif dengan batas nilai ≥ 7,5, cukup <7,5 dan kurang dari <5 dengan kriteria yang layak untuk membatasi 8.53 dan setelah diuji pada guru menghasilkan nilai yang baik yaitu sekitar 82, yang berarti bahwa GUI yang dibuat dapat diterima sehingga nantinya dapat diterapkan dilembagakan. Keywords: Decision Support Systems, Fuzzy Logic, Master, Mamdani method, defuzzyfication, Matlab
1. PENDAHULUAN 1.1. Latar Belakang Masalah Guru merupakan jabatan atau profesi yang memerlukan keahlian khusus sebagai guru. Pekerjaan ini tidak bisa dilakukan oleh orang yang tidak memiliki keahlian untuk melakukan kegiatan atau pekerjaan sebagai guru.
Dalam Panduan Sertifikasi Guru bagi LPTK Tahun 2006 yang dikeluarkan Direktur Ketenagaan Dirjen Dikti Depdiknas disebutkan bahwa kompetensi merupakan kebulatan penguasaan pengetahuan, keterampilan dan sikap yang ditampilkan melalui unjuk kerja.
Guru yang profesional diharapkan mampu berpartisipasi dalam pembangunan nasional untuk mewujudkan insan Indonesia yang bertakwa kepada Tuhan YME, unggul dalam ilmu pengetahuan dan teknologi, memiliki jiwa estetis, etis, berbudi pekerti luhur, dan berkepribadian. Oleh sebab itu, profesi guru perlu dikembangkan secara terus menerus dan proporsional menurut jabatan fungsional guru.
1
Untuk mewujudkan tujuan pendidikan nasional yaitu visi dan misi sekolah, maka sekolah perlu memilih kinerja guru yang dijadikan teladan atau contoh bagi guru lainnya dalam mengajar. Menetapkan kinerja guru dapat mendorong peningkatan mutu pendidikan dan meningkatkan motivasi dan profesionalisme guru dalam pelaksanaan tugas, agar dapat diwujudkan kinerja guru tersebut, maka kepala sekolah membuat kriteria atau persyaratan untuk menentukan kinerja guru.
2. Manfaat Teoritis, Hasil penelitian ini diharapkan dapat memberikan bukti empiris terhadap penerapan metode Fuzzy Inference System (FIS) Mamdani.
II. KAJIAN LITERATUR 2.1 Pengertian sistem Sistem adalah suatu kesatuan usaha yang terdiri dari bagian-bagian yang berkaitan satu sama lain yang berusaha mencapai suatu tujuan dalam suatu lingkungan kompleks. Pengertian tersebut mencerminkan adanya beberapa bagian dan hubungan antara bagian, ini menunjukkan kompleksitas dari sistem yang meliputi kerja sama antara bagian yang independent satu sama lain. Selain itu dapat dilihat bahwa sistem berusaha mencapai tujuan. Pencapaian tujuan ini menyebabkan timbulnya dinamika, perubahanperubahan yang terus-menerus perlu dikembangkan dan dikendalikan. Definisi tersebut menunjukkan bahwa sistem sebagai gugus dari elemen-elemen yang saling berinteraksi secara teratur dalam rangka mencapai tujuan atau sub tujuan.
1.2 Masalah Penelitian 1.2.1 Identifikasi Identifikasi Masalah 1. Sistem verifikasi kelayakan masih belum obyektif. 2. Hasil pengukuran yang dilakukan oleh sekolah dengan pengawas belum sinkron, sehingga terjadi dua kali pengukuran 1.2.2 Batasan Masalah 1. Penelitian ini dilaksanakan dengan 40 sampel dari total guru sebanyak 120 yang ada. 2. Penelitian ini hanya merupakan pembuatan suatu model dalam penentuan kinerja seorang guru yang dapat membantu pihak manajemen Sekolah dalam penentuan kinerja guru agar dapat meningkatkan mutu proses kegiatan belajar mengajar. 3. Penelitian ini dilakukan dengan sampel pada tahun 1993 dan 1994
2.2 Pengertian Sistem Pendukung Keputusan Sistem Pendukung Keputusan sebagai “Sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para manajer mengambil keputusan(Little, 1970). Dia menyatakan bahwa untuk sukses, sistem tersebut haruslah sederhana, cepat, mudah dikontrol, adaptif lengkap dengan isu-isu penting, dan mudah berkomunikasi (Efraim 2005). Dari definisi tersebut, dapat diindikasikan empat karakteristik utama dari Sistem Pendukung Keputusan, yaitu: 1. Sistem Pendukung Keputusan menggabungkan data dan model menjadi satu bagian. 2. Sistem Pendukung Keputusan dirancang untuk membantu para manajer (pengambil keputusan) dalam proses pengambil keputusan dari masalah yang bersifat semi struktural (tidak terstruktur). 3. Sistem Pendukung Keputusan lebih cenderung dipandang sebagai penunjang penilaian manajer dan sama sekali bukan untuk menggantikannya. 4. Teknik Sistem Pengambil Keputusan dikembangkan untuk meningkatkan efektivitas dari pengambil keputusan (Marimin dan Nurul 2010).
1.2.3 Rumusan Masalah 1. Bagaimana penilaian kinerja guru penentuan kinerja guru agar dapat meningkatkan mutu proses kegiatan belajar mengajar metode FIS? 2. Seberapa besar kehandalan GUI yang dibuat dapat diterima oleh pihak manajemen dalam menentukan kelayakan seorang guru agar dapat meningkatkan mutu proses kegiatan belajar mengajar ? 1.3 Tujuan dan Manfaat 1.3.1 Tujuan 1. Mengukur kelayakan kinerja guru dapat meningkatkan mutu proses kegiatan belajar mengajar metode FIS Mamdani 2. Menghasilkan kehandalam dari GUI yang dibuat agar dapat diterima oleh pihak manajemen dalam menentukan kelayakan seorang guru agar dapat meningkatkan mutu proses kegiatan belajar mengajar 1.3.2 Manfaat 1. Manfaat Praktis, Hasil penelitian ini diharapkan dapat memberikan alternatif dalam penilaian kinerja Guru SMA XYZ.
2.3 Fuzzy Infrence System Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan
2
oleh Ebrahim Mamdani pada tahun 1975.Untuk mendapatkan output, diperlukan 4 tahapan: 1. Pembentukan himpunan fuzzy. Pada proses fuzzifikasi langkah yang pertama adalah menentukan Variabel fuzzy dan himpunan fuzzinya. Kemudian tentukan derajat keanggotaan antara data masukan fuzzy dengan himpunan fuzzy yang telah didefenisikan untuk setiap variabel masukan sistem dari setiap aturan fuzzy. Pada metode mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. 2. Aplikasi fungsi implikasi pada metode mamdani. Fungsi implikasi yang digunakan adalah min. Hasil implikasi fuzzy dari setiap aturan ini kemudian digabungkan untuk menghasilkan keluaran infrensi fuzzy. 3. Komposisi Aturan (rule). 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. Penegasan (defuzzy). Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut.
= 0,6 2. Operator OR Operator ini berhubungan dengan operasi union pada himpunan. Fire Strength sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan. A B = max(A[x], B[y]) Misal seperti contoh AND jika menggunakan operator OR, maka fire strengthnya adalah:
GAJITINGGI[2x106])
= max(0,6 ; 0,8)
3. Operator NOT Operator ini berhubungan dengan operasi komplemen pada himpunan. Fire Strength sebagai hasil operasi dengan operator NOT diperoleh dengan menguraikan nilai keanggotaan elemen pada himpunan bersangkutan dari 1. A’ = 1- A[x] Misal seperti contoh AND dapat dihitung nilai fire strength untuk usia Tidak MUDA adalah:
Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Fire strength atau α–predikat adalah nilai keanggotaan yang didapat dari operasi himpunan fuzzy. Ada tiga operator dasar yang diciptakan oleh Zadeh, yaitu: 1. Opertor AND Operator ini berhubungan dengan operasi interseksi pada himpunan. Fire Strength sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan. µ A ∩ B = min(µA[x], µB[y]) misal nilai keanggotaan 27 tahun pada himpunan MUDA adalah 0,6 (µMUDA[27]=0,6); dan nilai kenggotaan Rp. 2.000.000 pada himpunan penghasilan TINGGI adalah 0,8 ((µGAJITINGGI[2x106]=0,8) maka fire strength untuk usia MUDA dan berpenghasilan TINGGI adalah:
µGAJITINGGI[2x106]) 0,8)
=max(MUDA[27],
= 0,8
2.4
µMUDA ∩ µGAJITINGGI
MUDAGAJITINGGI
MUDA’ [27]
= 1 - MUDA[27]
= 1 - 0,6 = 0,4 2.5 Matlab Toolbox: Fuzzy Agar dapat menggunakan fungsi-fungsi logika fuzzy yang ada pada Matlab, maka harus diinstalkan terlebih dahulu Toolbox Fuzzy. fuzzy logic toolbox memberikan fasilitas Graphical User Interface (GUI) untuk mempermudah dalam membangun, mengedit, dan mengobservasi sistem penalaran fuzzy, yaitu: 1. Fuzzy Inference System (FIS) Editor 2. Membership Function Editor 3. Rule Editor 4. Rule Viewer 5. Surface Viewer (Prabowo Pujdo dan Rahmadya, 2009, p,4) Motivasi utama teori fuzzy logic adalah memetakan sebuah ruang input ke dalam ruang output dengan menggunakan IF – THEN rules. Pemetaan dilakukan dalam suatu FIS, urutan rule bisa sembarang. FIS mengevaluasi semua rule secara simultan untuk menghasilkan kesimpulan. Oleh karenanya, semua rule harus didefinisikan lebih dahulu sebelum kita membangun sebuah FIS yang
=min(µMUDA[27], = min(0,6 ;
3
akan digunakan untuk menginterpretasikan semua rule tersebut.
2.7 Kerangka Pemikiran Variabel fuzzy untuk menentukan kinerja guru dan himpunan fizzy dapat berupa KURANG, CUKUP, dan BAIK. Secara ringkas kerangka pemikiran dimaksud dapat digambarkan dalam gambar skema di bawah ini:
2.6 Tinjauan Studi Penelitian tentang penerapan logika fuzzy yang telah dilakukan oleh orang lain: 1. Dalam penelitian yang dilakukan oleh(Maman,2006) membahas Sistem Pendukung Keputusan: Model Penentuan Siswa Teladan pada SMK YP-Karya 1 Tangerang dengan pendekatan logika fuzzy. Pada penelitian ini untuk menentukan siswa teladan dilihat dari tujuh kriteria yaitu: a. Sikap b. Kedisiplinan c. Kerapihan d. Terlibat narkoba dan barang terlarang e. Nilai rata-rata raport f. Nilai praktek kerja lapangan g. Organisasi Dimana kriteria-kriteria ini dijadikan variabel fuzzy untuk menentukan siswa teladan dan hiimpunan fuzzy dapat berupan BAIK, CUKUP, KURANG, TERLIBAT, TIDAK TERLIBAT, AKTIF, PASIF, dan TIDAK ANDIL. 2. Pada penelitian lain oleh(Fatoni) membahas aplikasi perhitungan kalori harian penderita diabetes melitus menggunakan logika fuzzy. Pada penelitian terdapat tiga kriteria, yaitu: a. Umur b. Berat badan c. Aktivitas 3.Pada penelitian lain oleh(Roni Kastaman, Sudaryanto Zain, Sigit B. Priyudo) membahas penerapan logika fuzzy pada penilaian mutu teh hitam orthodox. Menurut ketentuan SNI-19022000 (Badan Standarisasi Industri, 2000, syarat mutu dari teh hitam ditentukan berdasarkan karakteristik: a. Ukuran partikel b. Kenampakan teh hitam, yang meliputi: 1. Bentuk, ukuran, dan beratnya 2. Tip (jumlah, warna, dan keadaan) 3. Warna partikel 4. Kebersihan c. Air seduhan, yang meliputi: 1. Warna 2. Rasa 3. Bau 4. Kenampakan ampas seduhan teh, yang meliputi: a. Warna b. Kerataan
Gambar 1. Kerangka pemikiran kinerja guru 1. 2. 3.
4. 5.
4
Kondisi saat ini: Proses penentuan kinerja guru pada Sekolah berdasarkan hasil rapat musyawarah. Input penentuan kinerja guru: Berdasarkan kompetensi pedagogik, kompetensi profesional, kompetensi kepribadian, kompetensi sosial. Proses menggunakan TIK yaitu dengan: Pendekatan komputasi berdasarkan kriteria penentuan kinerja guru, menggunakan Toolbox Matlab dan menggunakan fuzzy logic. Uji validasi: menguji hasil dari pemanfaatan TIK dan Data validasi, bila terjadi ketidak akuratan, maka proses TIK kembali dilakukan. Hasil yang diharapkan: Model penentuan kinerja guru yang akurat berdasarkan kriteria penentuan kinerja guru.
NO
2.8 Hipotesis Penelitian Berdasarkan dari kajian teoritis dan kerangka konsep yang telah dikemukakan, diduga bahwa penentuan kinerja guru pada sistem informasi belajar mengajar di SMK XYZ dapat membantu dalam mengukur kinerja Guru.
1 2 3 4
III. METODOLOGI PENELITIAN 3.1 Metode Penelitian Penelitian ini dilakukan untuk pembuatan model penilaian kinerja guru dalam peningkatan kegiatan belajar mengajar dengan menggunkan FIS (Fuzzy Inference System). Informasi yang dibutuhkan dari objek yang diteliti ialah SMK XYZ. 1. Penelitian Pendahuluan. Penelitian ini dilakukan untuk memperoleh kriteria-kriteria dalam penelitian yang diambil sesuai dengan pedoman Kinerja Guru SMK XYZ. 2. Kuesioner. Setelah memperoleh kriteria-kriteria dari penelitian pendahuluan selanjutnya akan dibuat kuesioner penelitian 3. Mengelola hasil kuesioner. Data yang diperoleh dari kuesioner akan diolah menggunakan pendekatan logika fuzzy dengan Matlab.
Diamati Pedagogik Kepribadian Sosial Profesional TOTAL
Indikator 5 5 3 2 15
Tabel 2. Himpunan Fuzzy
3.2 Metode Pengumpulan Data Penelitian yang dilakukan untuk menghasilkan data dan informasi yang diperlukan serta berhubungan hal yang akan ditulis. Untuk mengumpulkan data serta informasi yang diperlukan maka menggunakan metode sebagai berikut: 1. Pengumpulan Data Primer Untuk mengumpulkan data serta informasi yg di perlukan dalam penelitian Berdasarkan data dari Kepala Sekolah, wakil kepala sekolah bidang kurikulum, Sie. Peng. Mutu. Yayasan. menggunakan data sebagai berikut: a. Konfirmasi data identitas guru: 1. NUPTK 2. Nama 3. Tempat tanggal lahir 4. Alamat 5. Jenis kelamin 6. Tahun masuk b. Konfirmasi administrasi guru: 1. Silabus 2. RPP c. Jadwal pelajaran 1. Konfirmasi daftar hadir guru
Tabel 1.
Variabel Yang
2. Pengumpulan data sekunder Data sekunder diperoleh dengan cara mengamati data, membaca mempelajari dan mengutip dari buku literature, jurnal, internet serta sumbersumber lain yang berhubungan erat dengan penulisan. 3.3 Logika FIS Mamdani Teknik pendekatan menggunakan metode FIS Mamdani meliputi 5 tahapan, dimana 2 tahapan pertama merupakan tahap pengumpulan data dan 3 tahapan selanjutnya merupakan tahap analisis data. a. Tahap pengumpulan data terdiri dari : 1. Dekomposisi input 2. Pembentukan himpunan fuzzy b. Tahap analisis data terdiri dari : 1. Aplikasi fungsi implikasi 2. Komposisi aturan 3. Defuzzifikasi
Variabel Penelitian Penilaian Kinerja
IV. HASIL DAN PEMBAHASAN 4.1 Analisis Masalah
Guru
5
Penelitian ini menggunakan batasan –batasan sebagai berikut : 1. Perancangan yang dibuat dengan penalaran fuzzy dengan metode Mamdani 2. Pembuatan aturan dalam basis pengetahuan yang dibantu oleh kepala sekolah 4.2 Hasil Penelitian Kriteria yang dianalisis untuk dijadikan variabel fuzzy dalam menentukan kinerja guru dengan Matlab, yaitu : 1. Kompetensi Pedagogik terdapat 5 Input dan 1 Output, 3. Kompetensi Sosial terdapat 3 Input dan 1 Output,
4. Kompetensi Profesional terdapat 2 Input dan 1 Output,
2. Kompetensi Kepribadian terdapat 5 Input dan 1 Output,
6
1
d[5] = 7,5 Modifikasi Fungsi keanggotaan tinggi dari variable output setelah diterapkan αcut adalah : 5. Penilaian Kinerja Guru terdapat 4 Input dan 1 Output, Μ(d5)= d [5] -7
; 7≤ d5 ≤ 7.5 1 ; 7.5 ≤ d5 ≤ 8
0,5
Rule 9 α.9= min{ μTG2(8), μKD2(9), μKS1(8), μKS5(7), μKP4(5)} =
μLY1(9), μTG3(9), μKJ1(9), μKS2(8), μKP1(7),
μLY2(9), μTG4(8), μKJ2(7), μKS3(8), μKP2(7),
μTG1(9), μKD1(9), μKJ3(8), μKS4(8), μKP3(7),
min (1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;0;0;0;0;1)
=0 Berdasarkan fungsi keanggotan dari variable output himpunan tinggi pada saat α9 diperoleh nilai 0 d[9] sebagai berikut : μb = (d9) = α9 <->d [9] -7 = 0 1
d[9] = 0 Modifikasi Fungsi keanggotaan tinggi dari variable output setelah diterapkan αcut adalah : μ (d9)=
0 ;0≤ d9 ≤ 7.5
0.5 ;7.5≤ d9 ≤ 8
4.3 Menentukan fungsi implikasi Fungsi implikasi yang digunakan adalah metode Min, rule yang terpengaruh derajat keanggotaan adalah rule : 5 α.5= min{ μPeda1(8), μPeda2(9), μPeda3(8), μPeda4(8), μPeda5(8), μKepri1(9), μKepri2(8), μKepri3(8), μKepri4(9), μKepri5(8),μSos1(9), μSos2(8), μSos3(9), μProf1(8), μProf2(7)}
4.4 Fungsi Implikasi Fungsi implikasi yang digunakan adalah metode min dan rule yang terpengaruh adalah rule 21 dan rule 22. α21
= min (1;1;1;1;1;1;1;1;1;1;1;1;1;1;0.5) = 0.5
= min{ µt(12), µt(12), µt(8), µt(22), µt(14), µt(12), µt(10), µt(6), µt(12), µt(10), µt(10), µt(16), µt(6), µt(6) }
= min (1; 0,66; 1; 0,73; 0,71; 0,66; 0,66; 1; 1; 0,75; 1; 1; 1; 1) = 0,66
Berdasarkan fungsi keanggotan dari variable output himpunan tinggi pada saat α2diperoleh nilai 0,5 d[2] sebagai berikut :
Berdasarkan fungsi keanggotaan dari Variabeloutput himpunan tinggi, pada saat α21 = 0,66 diperoleh nilai :
μb = (d5) = α5 <->d [5 -7] = 0,5
7
µb = (d21) = α21
d [ 21 ] −3 7
Nilai crisp output dihitung dengan :
= 0,66
z* =
d[21] = 4,62 + 3 = 7,62 α22= min{ µt(12), µt(12), µt(8), µt(22), µt(14), µt(12), µt(10), µt(6), µt(12), µt(10), µt(10), µt(16), µt(6), µt(6) }
Berdasarkan fungsi keanggotaan dari variabel output himpunan tinggi, pada saat α22 = 0,2 diperoleh nilai:
d [ 22 ] −3 7
d[22] = 1,4 + 3
=
14 +3,91 0,6 +1,5
= 8,53
Batas nilai output kinerja guru yang telah ditetapkan oleh kepala sekolah selaku pimpinan yang melakukan penilaian kinerja guru adalah : a. Guru berkinerja “BURUK” batas nilai output < 5 b. Guru berkinerja “CUKUP” batas nilai output < 7,5 c. Guru berkinerja “BAIK” batas nilai output ≥ 7,5
= min (1; 0,66; 1; 0,73; 0,71; 0,66; 0,2; 1; 1; 0,75; 1; 1; 1; 1) = 0,2
µb = (d22) = α22
M 1+ M 2 A1 + A2
4.7 Hasil Pengujian Prototipe Perangkat Lunak Untuk memastikan bahwa perangkat lunak yang dibuat memiliki standar minimal kualitas, maka digunakan metoda untuk pengukuran kualitas perangkat lunak secara kuantitatif adalah metoda SQA (Software Quality Assurance). Tabel 10. Hasil Evaluasi SQA
= 0,2
= 4,4
4.5 Komposisi Aturan Metode Max digunakan untuk mentukan komposisi aturan. Variabel output. Derajat kebenaran himpunan BAIK = Max (α21 ; α22) = Max (0,66 ; 0,2)
= 0,66
Daerah hasil inferensi tertinggi adalah 0,66 dan terendah 0,2 4.6 Defuzzifikasi Metode yang digunakan untuk fuzzifikasi adalah centroid. µ(x)=
Skor rata-rata yang dihasilkan adalah 82, sedangkan nilai optimal untuk sebuah perangkat lunak yang memenuhi standar kualitas berdasarkan uji SQA adalah 80.
0,2 ; 4,4 ≤ d ≤7,62 {0,66 ; 7,62≤ d ≤ 10 21
21
L1
= 0,2 (7,62 – 4,4)
= 0,6
V. PENUTUP 5.1 Kesimpulan Beberapa kesimpulan yang dapat dikemukakan, diantaranya sebagai berikut : 1. Dari hasil penelitian dengan metode FIS mamdani yang dilakukan dengan tools matlab diperoleh batasan baik dengan batas nilai ≥ 7,5, cukup < 7,5 dan kurang < 5 dengan criteria layak dengan batas 8.53 2. Setelan dilakukan quisioner terhadap GUI yang dibuat, maka diperoleh nilai rata-rata sekitar 82. Hal ini menunjukkan bahwa GUI yang dibuat memenuhi standar SQA yakni 80, meskipun demikian nilai tersebut belum bisa dikatakan sepenuhnya benar, karena audience yang menguji GUI ini hanya 5 orang yang dilakukan secara acak.
L2
= 0,66 (10 – 7,62)
= 1,5
5.2 Saran
7,62
M1
=
∫ ( 0,2 ) xdx 4,4
= 0,1x2
|7,62 4,4
= 5,81 – 1,9 =
3,91 10
M2
=
∫ ( 0,66 ) xdx
7,62
= 0,33x2
10 |7,62
= 33 – 19 = 14
8
Beberapa saran yang dapat dikemukakan, diantaranya sebagai berikut ini : 1. Perlu adanya kesiapan sistem yang berjalan dengan baik. Hal ini dilakukan agar sistem dapat memberikan dukungan hasil keputusan untuk pimpinan 2. Pihak sekolah hendaknya dapat menerapkan model perangkat lunak dalam penelitian ini, sehingga proses pemilihan kelayakan seorang guru dalam mendapatkan sertifikasi dapat lebih objektif dengan menilai kinerja dari beberapa kompetensi yang dinilai dari sekolah. Hal ini tentu saja berlainan dengan proses pemilihan selama ini yang digunakan secara manual. 3. Sistem yang digunakan harus mendukung untuk memberikan hasil yang terbaik. Dengan ditunjang Sarana dan prasarana yang diperlukan terdiri dari hardware, software, dan infrastruktur yang baik. 4. Hasil penelitian ini perlu disosialisasikan kepada seluruh guru, sehingga guru dapat diberikan reward dan punishment sbg tindakan dari hasil kerjanya masing-masing. 5. Implikasi aspek manajerial dapat ditinjau dari Organisasi dan Suber Daya Manusia (SDM) diperlukan Standar Operasional Prosedur (SOP) yang mengatur tata laksana operasional bidang Teknologi Informasi. 6. Perlu diadakannya penelitian lebih lanjut dengan jarak penelitian 2sampai 3 tahun dengan menambah kriteria (variabel maupun indikator).
Sri, Hari. (2010). “Aplikasi Logika Fuzzy untuk Pendukung Keputusan”. Yogyakarta : Edisi 2 Graha Ilmu. Agusnaba. (2009). “Belajar Cepat Fuzzy Logic Menggunakan Matlab”. Yogyakarta : Andi Sri Kusuma Dewi, Hartati, ”Neuro Fuzzy, Integrasi Sistem Fuzzy dan Jaringan Syaraf” Yogyakarta : Graha Ilmu. Efraim Turban., Jay E. Aronson., &Ting-Peng Liang. (2005). “Decision Support System And Intelligent System – 7th Ed”, Pearson Education, Inc. Upper Saddle River, New Jersey. Prabowo, Rahmadya. (2009). “ Data maining dengan Matlab “ Prabowo, Rahmadya. (
). “Soft computing “
Sri, Hari. (2010). “Aplikasi Logika Fuzzy Pendukung Keputusan “
Untuk
Fatoni. (2011). “Aplikasi Perhitungan Kalori Harian Penderita Diabetes Melitus Menggunakan Logika Fuzzy”, Palembang, Universitas Bina Darma.
DAFTAR PUSTAKA [Kusumadewi, S. (2002).” Analisis & Design Sistem Fuzzy Menggunakan Tool Box Matlab” Kusumadewi, S. (2004). “Aplikasi Logika Fuzzy Untuk Pendukung Keputusan”, Yogyakarta : Graha Ilmu Klir, George J, Yuan, Bo. (1995). “Fuzzy Sets and Fuzzy Logic, Theory and Application” Prentice Hall International, Inc Mangkoesapoetra, Arief. (2004). “Statistika : Analisa Multivariat. Seri metode Kuantitatif”. Jakarta: STMIK Nusa Mandiri Maman. (2006). “Sistem Pendukung Keputusan : Model Penentuan Siswa Teladan pada SMK YP-KARYA 1 Tangerangdengan Pendekatan Logika Fuzzy”. Jakarta : Universitas Budi Luhur Marimin, Nurul. (2010). “Aplikasi Teknik Pengambila Keputusan dalam Rantai Pasok”, Bogor : Cetakan 1 IPB Press.
9
