Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN TENAGA PENGAJAR DENGAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI Made Sumitre1, Rio Kurniawan2 1
Sekolah Tinggi Agama Hindu Lampung Jurusan Teknik Informatika, Fakultas Ilmu Komputer Informatics and Business Institute Darmajaya Lampung Jalan Z.A. Pagar Alam, No.93, Labuhan Ratu Bandar Lampung 35141, Indonesia. Email :
[email protected],
[email protected] 2
ABSTRACT The process of acceptance of lectures in STAH Lampung has an obstacle which is the duration of the data management process and subjectivity of decision taking especially because some of candidates which do not have different ability. This obstacle impacts in the duration of decision making process for lectures acceptance. Fuzzy logic is used as a way to map the problem from input to output, the process of decision taking of lectures acceptance is using Mamdani Fuzzy method which is known as max-min method. The input variables that are used are IPK, experience, interview, and the interest variables while the output is final score. The selection process troughs several steps which are fuzzy group creating, implication function application, the rules composition, and defuzzy. This decision supporting system of lectures acceptance selection by using Mamdani FIS is able to give the specific and right score which is suitable with institution standard z ≥ 50 score. Key Words : STAH, Lecture, Decision Supporting System
ABSTRAK Proses penerimaan tenaga pengajar di STAH Lampung selama ini memiliki kendala yaitu lamanya proses pengolahan data dan subjektivitas pengambilan keputusan terutama adanya beberapa calon yang memiliki kemampuan tidak jauh berbeda. Kendala ini berdampak pada lamanya proses pengambilan keputusan untuk penerimaan tenaga pengajar. Logika fuzzy digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju ke output, dalam proses pengambilan keputusan penerimaan tenaga pengajar digunakan metode fuzzy mamdani yang sering dikenal sebagai metode max-min. Variabel input yang digunakan adalah variabel IPK, pengalaman, wawancara dan ketertarikan sedangkan variabel outputnya adalah nilai akhir. Proses seleksi melalui beberapa tahapan yaitu : pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan dan penegasan (defuzzy). Sistem pendukung keputusan seleksi penerimaan tenaga pengajar dengan menggunakan FIS mamdani ini mampu memberikan hasil secara spesifik dan tepat sesuai dengan standar nilai yang diinginkan oleh institusi yaitu nilai z ≥ 50. Kata kunci : Fuzzy.
STAH,Tenaga pengajar, Sistem Pendukung Keputusan, Variabel
Informatics & Business Institute Darmajaya
61
Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
PENDAHULUAN
kualitas SDM tenaga pengajar (dosen).
Suatu institusi dapat berjalan dengan baik
Dengan melakukan tahapan seleksi tenaga
untuk dapat mencapai tujuan yang telah
pengajar yang lebih ketat dan peningkatan
ditetapkan dan ditentukan oleh banyak
kulitas
faktor salah satu faktor yang sangat
menerus
menentukan adalah sumber daya manusia
kompetensi, dan profesionalisme tenaga
karena
yang
pengajar pada masa-masa yang akan
menjalankan organisasi dalam mencapai
datang. Melihat kondisi diatas maka
tujuan yang telah ditetapkan.
pimpinan
I.
sumber
daya
itulah
Sekolah Tinggi Agama Hindu (STAH) Lampung
merupakan
lembaga
Institusi
pendidikan
tinggi
atau formal
dibawah naungan Kementerian Agama Republik
Indonesia
berkembang,
yang
STAH
memerlukan
tenaga
sedang Lampung
pengajar
untuk
menunjang proses belajar mengajar di lingkungan STAH Lampung. Dosen atau Tenaga Pengajar memiliki tiga tugas pokok, yaitu pendidikan dan pengajaran, penelitian,
serta
masyarakat,
pengabdian
seorang
dosen
kepada harus
melaksanakan kegiatan penunjang tugas pokok tersebut. Tenaga pengajar pada suatu perguruan tinggi juga dituntut untuk memberikan kontribusi yang besar agar perguruan tinggi tersebut dapat lebih
pengajar
dilakukan
akan
guna
sangatlah
terus
memenuhi
membutuhkan
dukungan dalam mengambil keputusan penerimaan
tenaga
memperlancar organisasi,
jalannya
karena
penerimaan
pengajar
pengelolaan
kekeliruan
dalam
pengajar
akan
proses institusi
untuk
tenaga
mempengaruhi
guna
mencapai visi, misi dan tujuan. Proses penerimaan tenaga pengajar di STAH Lampung selama ini memiliki kendala yaitu lamanya proses pengolahan data untuk mendapatkan alternatife yang tepat, kendala ini berujung juga pada lamanya proses pengambilan keputusan untuk penerimaan tenaga pengajar. Berdasarkan permasalahan
tersebut,
dibutuhkan
sistem
memberikan
alternatife
sangatlah
yang
dapat
penyelesaian
masalah bagi ketua seleksi atau pimpinan dalam penerimaan tenaga pengajar pada
maju.
STAH Lampung.
Dalam
menghasilkan
lulusan
yang
berkualitas dan memiliki daya saing yang tinggi
tenaga
maka
Logika fuzzy merupakan salah satu
pengembangan
komponen pembentuk soft Computing.
Informatics & Business Institute Darmajaya
62
melakukan
Lampung
METODE PENELITIAN
terus
menerus
STAH
II.
Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
Logika Fuzzy pertama kali diperkenalkan
Pada metode mamdani, fungsi
oleh Prof.Lotfi A. Zadeh pada tahun 1965.
implikasi yang digunakan adalah
Dasar
min.
Logika
fuzzy
adalah
teori
himpunan fuzzy. Pada teori himpunan fuzzy, sebagai
peranan
derajat
penentu
keanggotaan
keberadaan
elemen
3. Komposisi Aturan Tidak seperti penalaran monoton, apabila
sistem
terdiri
dari
dalam suatu himpunan sangatlah penting.
beberapa aturan, maka inferensi
Nilai
diperoleh
keanggotaan
atau
derajat
dari
kumpulan
dan
keanggotaan atau membership function
korelasi antar aturan. Ada 3
menjadi ciri utama dari penalaran dengan
metode yang digunakan dalam
logika fuzzy.
melakukan inferesi sistem fuzzy,
Dalam
Banyak
hal,
logika
fuzzy
yaitu
:
max,
additive
dan
digunakan sebagai suatu cara untuk
probabilistik OR (probor).
memetakan
a. Metode Max (Maximum)
permasalahan
dari
input
menuju ke output yang diharapkan.
Pada
Logika fuzzy dapat dianggap sebagai
himpunan
kotak hitam yang menghubungkan antara
dengan cara mengambil nilai
ruang input menuju ruang output, Gelley
maksimum aturan, kemudian
(2000) dalam Sri Kusumadewi dan Hari
menggunakannya
Purnomo (2010,p.2).
memodifikasi daerah fuzzy, dan
2.1 METODE MAMDANI
metode
ini,
fuzzy
solusi
diperoleh
untuk
mengaplikasikanya
output dengan menggunakan
Metode mamdani sering dikenal sebagai
operator OR (union).
metode
semua
max-min.
Metode
ke
ini
proposisi
Jika telah
diperkenalkan oleh Ebrahim Mamdani
dievaluasi, maka output akan
pada tahun 1975. Untuk mendapatkan
berisi suatu himpunan fuzzy
Output diperlukan 4 tahapan :
yang
1. Pembentukan Himpunan Fuzzy Pada
metode
Mamdani,
baik
variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
konstribusi
merefleksikan dari
tiap-tiap
proposisi. Secara umum dapat dituliskan : µsf(xi) = max(µsf(xi), µkf(xi)) dengan :
2. Aplikasi fungsi Implikasi Informatics & Business Institute Darmajaya
63
Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
µsf(xi) = nilai keanggotaan
µsf(xi) = nilai keanggotaan
solusi fuzzy sampai aturan ke
solusi fuzzy sampai aturan ke-
–i;
i;
µkf(xi) = nilai keanggotaan
µsf(xi) = nilai keanggotaan
lonsekuen fuzzy aturan ke-i;
konsekuen fuzzy aturan ke-i;
b. Metode additive (Sum) Pada
metode
solusi
Input dari proses defuzzifikasi
diperoleh
adalah suatu himpunan fuzzy yang
melakukan
diperoleh dari komposisi aturan-
bounded-sum terhadap semua
aturan fuzzy, sedangkan output
output daerah fuzzy.
yang dihasilkan merupakan suatu
Secara umum dituliskan :
bilangan pada domain himpunan
µsf(xi) = min (1, µsf(xi) +
fuzzy
µkf(xi))
diberikan suatu himpunan fuzzy
dengan :
dalam range tertentu, maka harus
µsf(xi) = nilai keanggotaan
dapat diambil suatu nilai crisp
solusi fuzzy sampai aturan ke-
tertentu
i;
beberapa
µsf(xi) = nilai keanggotaan
pada komposisi aturan Mamdani,
konsekuen fuzzy aturan ke-i;
antara lain :
himpunan dengan
fuzzy cara
c. Metode
ini,
4. Penegasan (deffuzy)
Probalistik
OR
(probor) Pada
dengan
Sehingga
sebagai
output.
metode
jika
Ada
defuzzifikasi
a. Metode Centroid (Composite Moment)
metode
himpunan
tersebut.
fuzzy cara
ini,
solusi
diperoleh
Pada metode ini, solusi crisp diperoleh
denga
cara
melakukan
mengambil titik pusat (z*)
product terhadap semua output
daerah fuzzy. Secara umum
daerah fuzzy. Secara umum
dirumuskan :
dituliskan :
∫zµ(z)dz
µsf(xi) = (µsf(xi) + µkf(xi)) – (µsf(xi)* µkf(xi)) dengan :
Informatics & Business Institute Darmajaya
64
Made Sumitre, Rio Kurniawan
Z
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
d. Metode Largest Of Maximum
Untuk Variabel Kontinu
Z*=
(LOM)
∫µ(z)dz
Pada metode ini, solusi crisp
z
diperoleh
dengan
cara
mengambil nilai terbesar dari n
∑z jµ(zj)
domain yang memiliki nilai keanggotaan maksimum.
j=1
Untuk Variabel Diskret
Z*=
e. Metode
Smallest
of
Maximum (SOM)
∫µ(zj)
Pada metode ini, solusi crisp
J=1
diperoleh
dengan
cara
mengambil nilai terkecil dari
b. Metode Bisektor Pada metode ini, solusi crisp
domain yang memiliki nilai
diperoleh
keanggotaan maksimum.
dengan
cara
mengambil nilai pada domain fuzzy yang memiliki nilai kenggotaan
setengah
dari
jumlah total nilai keanggotaan pada daerah fuzzy. Secara umum dituliskan: zp
sedemikian
2.2 Metode Pengembangan Perangkat Lunak Metode
yang
pengembangan
digunakan
dalam
perangkat
lunak
menerapkan metode System Development Life Cycle (SDLC). SDLC berarti sebuah
hingga
siklus hidup pengembangan perangkat lunak yang terdiri dari beberapa tahapantahapan
c. Metode Mean of Maximum
yang sangat penting dalam
keberadaan perangkat lunak yang dilihat
(MOM)
dari
Pada metode ini, solusi crisp
pengembangannya
diperoleh
dengan
cara
menggunakan model Waterfall. (Alan
mengambil
nilai
rata-rata
Dennis, Barbara H Wixom : 2003).
domain yang memiliki nilai
Tahapan-tahapan metode pengembangan
keanggotaan maksimum.
perangkat lunak waterfall dapat dilihat
segi
pengembangannya. metode
Dalam
SDLC ini
pada gambar 2.2.
Informatics & Business Institute Darmajaya
65
Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
3. Design Tahap perancangan dilakukan untuk Pla nni ng
menetapkan bagaimana sistem akan Anal ysis
dioperasikan, hal ini berkaitan dengan
Des ign
menentukan
Imple mentati on
program
yang
akan
dibuat.
Syst em
Gambar 2.2 Metode Pengembangan Model Waterfall
4. Implementation Merupakan
tahapan
yang
Dari gambar diatas dapat dijelaskan
menerjemahkan data atau pemecahan
tentang siklus pengembangan perangkat
masalah yang telah dirancang kedalam
lunak model waterfall:
bahasa pemrograman komputer yang
1. Planning
telah ditentukan.
Tahap perencanaan merupakan proses
5. System
penting untuk mengetahui mengapa
Tahapan ini, merupakan hasil sistem
sistem informasi harus dibuat dan
yang
menentukan
cara
perangkat lunak yang telah dipasang
membangun sistem tersebut, Langkah
dan digunakan, termasuk didalamnya
pertama dari proses tersebut adalah
proses pemeliharaan dan perbaikan
dengan
kesalahan. Perangkat lunak yang telah
bagaimana
mengidentifikasi
apakah
dapat
kemungkinan
peluang
memberikan
biaya
rendah
tetapi
dibuat
dibuat
dalam
dapat
bentuk
mengalami
perubahan-perubahan
atau
penambahan sesuai dengan permintaan
menghasilkan keuntungan.
user atau perubahan sistem.
2. Analysis Analysis
selesai
telah
sistem
memberikan
dilakukan
jawaban
untuk
pertanyaaan
III. HASIL DAN PEMBAHASAN
siapa yang akan menggunakan sistem.
3.1 Penerapan Metode Fuzzy
Pada tahapan ini si pembuat sistem
Variabel input yang digunakan adalah
melakukan observasi dan pengamatan
IPK, Pengalaman bekerja, Wawancara
kemudian
dan
mengidentifikasi
dan
ketertarikan
sedangkan
variabel
mengembangkan konsep untuk sebuah
outputnya adalah nilai akhir (keputusan).
sistem baru.
Analisis proses input dan output dapat dilihat pada tabel 3.1.
Informatics & Business Institute Darmajaya
66
Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
Tabel 3.1. Analisis kebutuhan input dan output Variabel
Dengan memiliki variabel seperti tabel 4.2 :
Himpunan
Semesta
Fuzzy
pembicaraan
Variabel
Kurang
[x :0,0,3.2,3.6]
IPK
Cukup
[x :3.2,3.6,4.0]
Baik
[x :3.6,4.0,4.0]
Variabel
Kurang
[x : 0,0, 40,65]
Pengalaman
Cukup
[x : 40,65,90]
Nilai variabel diatas diperoleh dari nilai
Baik
[x :
IPK pelamar, pengalaman peserta, nilai
65,90,100,100]
hasil tes wawancara, nilai hasil tes
Tabel.4.2 Nilai Variabel Calon tenaga
Variabel
Kurang
[x : 0,0, 50, 65]
Wawancara
Cukup
[x : 50, 65, 80]
Baik
[x : 65,80,100,100]
Variabel
Kurang
[x : 0,0,50,70]
ketertarikan
Cukup
[x : 50,70, 90]
Baik
[x : 70, 90,100,100]
pengajar IPK Pengalaman 3.6
Wawancara
Ketertarikan
75
75
75
ketertarikan. Penyelesaian kasus diatas menggunakan Metode
Fuzzy
Inference
System
mamadani. Diperlukan 4 tahapan dalam menyelesaikan kasus diatas.
1. Pembentukan Himpunan fuzzy . a. Variabel
IPK
memiliki
Variabel
Buruk
[x : 0,0,40,60]
Nilai akhir
Baik
[x :
himpunan
40,60,100,100]
Baik. Lihat gambar 4.1. KURANG
Kurang,
Cukup,
CUKUP
BAIK
3.1.1 Pembahasan penyelesain Calon Tenaga Pengajar 1 Contoh Penyelesaian Kasus Pengambilan Keputusan penerimaan tenaga pengajar di 0
3.2
3.6
4.0
Sekolah Tinggi Agama Hindu Lampung. Nama
:
Ida Bagus Putu Mambal
TTl
:
Ketapang, 07 Mei 1980
Alamat
:
Jl.Untung Suropati no 20, Labuan Dalam.
Pendidikan Terakhir
:
S1 Pendidikan Hindu
Agama
Informatics & Business Institute Darmajaya
Gambar.4.1 Grafik himpunan fuzzy variabel ipk
µIPKcukup =
=
µIPKbaik =
=
=1
=0 67
Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
b. Variabel Pengalaman
d. Variabel Ketertarikan
Memiliki 3 himpunan fuzzy
Variabel
yaitu : Kurang, Cukup, Baik.
himpunan buruk, cukup, baik.
Perhatikan gambar 4.2.
Lihat gambar 4.4. KURANG
KURANG
40
memiliki
BAIK
CUKUP
BAIK
CUKUP
0
0
ketertarikan
65
70
100
90
Gambar.4.4 Grafik himpunan fuzzy variabel ketertarikan
100
90
50
Gambar.4.2 Grafik himpunan fuzzy
=
µKetertarikan-cukup =
variabel pengalaman µPengalamancukup =
=
=
= 0.75
0.6 µPengalamanbaik =
=
= 0.4
=
µKetertarikan-baik =
= 0.25
c. Variabel Wawancara Variabel wawancara memiliki himpunan buru, cukup, baik.
Z
= =
Perhatikan gambar 4.1. KURANG
CUKUP
=
=
52.57141742
BAIK
Alternatif Keputusan variabel nilai akhir dapat dilihat pada tabel 4.11. Nilai Buruk
Nilai Baik
1
0
50
65
100
80
Gambar.4.3 Grafik himpunan fuzzy variabel wawancara µWawancaracukup =
=
=
0.33 µWawancarabaik =
=
= 0.67
Informatics & Business Institute Darmajaya
0
40
60
Gambar.4.11 Grafik fungsi variabel nilai akhir
68
Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
µNilaiAkhirBuruk =
=
= 0.371429129
µNilaiAkhirBaik
=
=
= 0.628570871
Gambar 4.35 Menu Utama
Berdasarkan hasil perhitungan diatas, maka dapat disimpulkan nilai alternative keputusan terdiri dari nilai akhir buruk dan nilai akhir baik. Untuk menentukan nilai
alternative
keputusanya
menggunakan nilai Max.
Pada menu utama terdapat menu-menu program aplikasi seperti : aplikasi,Input data, Proses spk, password , laporan dan keluar. 4.2.2
Form Login
Jadi alternative keputusan dari Nilai x = 52.2222222, dapat dilihat pada tabel 4.3:
No
1
Menu login ini berfungsi untuk menjaga
Tabel.4.3 Nilai akhir dan Alternatif
keamanan data, untuk masuk ke menu
Keputusan
utama, anda harus memasukkan username
Nilai x
52.2222222
Buruk
Baik
0.371429
0.628570871
Alternatif
dan password yang benar, jika salah maka
Keputusan
tidak akan masuk ke menu utama.
Diterima
Tampilan menu login ini dapat dilihat
129
pada gambar 4.36.
3.2. Tampilan Program 3.2.1 Menu Utama Menu ini digunakan untuk mengakses menu – menu program aplikasi yang telah dirancang
untuk
menjalankan
sistem
pendukung keputusan penerimaan tenaga pepngajar di sekolah tinggi Agama Hindu (STAH Lampung). Berikut ini tampilan menu utama pada gambar 4.35.
Gambar 4.36 Form login 4.2.4. Form input Data Seleksi Form input data seleksi calon tenaga pengajar ini digunakan untuk memasukan data dan menampilkan seluruh data calon
Informatics & Business Institute Darmajaya
69
Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
tenaga pengajar, variabel dan rule. Proses
Lampung.
seleksi terdiri dari : Kode Pelamar, Nama
menampilkan nilai hasil output yang
pelamar, Tempat lahir, Tanggal Lahir,
dihasilkan dari perhitungan nilai dari
Jenis
variabel ipk, pengalaman, wawancara
Kelamin,
Terakhir,
Alamat,
Email,
Pendidikan
No.Handphone,nilai
Sistem
mampu
dan ketertarikan.
IPK, nilai Pengalaman, nilai wawancara, nilai ketertarikan dan rule. Untuk lebih
2.
Sistem yang dikembangkan memiliki kekurangan
jelasnya dapat dilihat pada gambar 4.40.
yaitu
belum
dapat
menampilkan kurva dalam bentuk dinamis. 3.
Kelebihan sistem ini adalah sangat mudah untuk dioperasikan, telah dilengkapi dengan laporan printout
Gambar 4.40. Form input data seleksi
pada form pelamar dan form seleksi.
IV. SIMPULAN
4.2. Saran
4.1.
Berdasarkan simpulan yang ada maka
Simpulan
Sistem pendukung keputusan metode
memiliki beberapa saran yang mungkin
fuzzy
dapat dijadikan sebagai bahan acuan atau
inference
sistem
mamdani
merupakan suatu model logika fuzzy yang
masukkan sebagai berikut:
dapat membantu decision maker (pembuat
1. Sistem Dapat dikembangkan lebih
keputusan) dalam menentukan keputusan
kompleks
dalam seleksi. Hasil penelitian seleksi
ketatnya persaingan dalam proses
penerimaan
pengajar,
seleksi penerimaan tenaga pengajar di
menghasilkan kesimpulan sebagai berikut
STAH Lampung dimasa yang akan
:
datang.
1.
tenaga
Sistem yang dibangun mengunakan metode
Fuzzy
Inference
Sistem
Mamdani dapat membantu dalam memberikan alternatif
keputusan
untuk seleksi tenaga pengajar pada sekolah tinggi agama hindu (STAH) Informatics & Business Institute Darmajaya
lagi,
seiring
dengan
2. Sistem yang dikembangkan saat ini hanya menggunakan 4 variabel yaitu variabel ipk, pengalaman, wawancara dan ketertarikan. Sehingga kedepanya dapat
dikembangkan
lagi
dengan
menggunakan variabel yang lain. 70
Made Sumitre, Rio Kurniawan
Jurnal Informatika, Volume 14 Nomor 1, Juni 2014
DAFTAR PUSTAKA Kusumadewi, Sri & Purnomo, Hari. 2010. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Penerbit Graha Ilmu, Yogjakarta.
Kusumadewi, S. 2006. Fuzzy MultiAtribute
Decision
Making.
Penerbit Graha Ilmu, Yogjakarta
Dennis A. & Barbara H. 2003. System Analisys Design 2nd
Edition.
Jhon Wiley and Son, Inc United States of America.
Informatics & Business Institute Darmajaya
71