SISTEM PENUNJANG KEPUTUSAN PENILAIAN SISWA DENGAN LOGIKA FUZZY INFERENCE SYSTEM MAMDANI

PARADIGMA VOL. XVII. September 2015

SISTEM PENUNJANG KEPUTUSAN PENILAIAN SISWA DENGAN LOGIKA FUZZY INFERENCE SYSTEM MAMDANI Fera yuniarsih AMIK BSI Tangerang Bumi Serpong Damai Sektor XIV Blok C1/1, Jl. Letnan Sutopo BSD Serpong, Tangerang Selatan

ABSTRAK Dalam kehidupan manusia selalu dihadapkan pada beberapa pilihan. Pengambilan keputusan yang tepat akan sangat berpengaruh pada kehidupan kedepannya. Keputusan adalah aktivitas yang diambil sebagai dasar suatu permasalahan, pembuatan keputusan yaitu proses pemilihan di antara beberapa tindakan alternative yang ada untuk mencapai suatu tujuan yang telah ditetapkan. SMAN 50 Jakarta merupakan sekolah negeri yang selalu melakukan penilaian siswa untuk mengetahui tingkat keteladanan siswa. Penilaian tersebut digunakan sebagai keputusan sekolah untuk memberikan penghargaan kepada siswa. Manfaat dari program penilaian siswa di SMAN 50 Jakarta adalah mendorong siswa untuk selalu berkembang dan menuju arah yang lebih baik. Untuk mengantisipasi agar tidak terjadi kesalahan dalam proses penilaian siswa maka dibutuhkan model pendukung keputusan sebagai wujud pemanfaatan teknologi informasi didalam dunia pendidikan. Pencapaian komptensi mahasiswa didapatkan dari hasil perhitungan nilai variabel-variabel pada formula kompetensi.Penelitian ini menggunakan sample data siswa SMAN 50 Jakarta baik nilai absen, sikap, minat belajar dan keterampilan belajar. Proses penilaian siswa menggunakan Logika Fuzzy Inference System Model Mamdani untuk mengolah data sehingga dapat menghasilkan keputusan yang lebih tepat, cepat dan efisien. Kata Kunci : pengambilan keputusan, Logika fuzzy Inference.

I.

PENDAHULUAN

Dalam kehidupan manusia selalu dihadapkan pada beberapa pilihan. Pengambilan keputusan yang tepat akan sangat berpengaruh pada kehidupan kedepannya. Keputusan adalah aktivitas yang diambil sebagai dasar suatu permasalahan, pembuatan keputusan yaitu proses pemilihan di antara beberapa tindakan alternative yang ada untuk mencapai suatu tujuan yang telah ditetapkan. Untuk menentukan siswa prestasi, diperkirakan tidak subyektif dari pengambil keputusan dan stakeholder lainnya beberapa model dapat digunakan untuk membantu para pengambil keputusan untuk menentukan siswa yang berprestasi sesuai dengan kriteria yang ditetapkan dari pengambil keputusan (Sonatha dan merry, 2010:128). Pendidikan bertujuan untuk mengembangkan kualitas manusia. Pemerintah Indonesia telah memberikan peraturan dalam Undang – Undang Dasar 1945 pasal 31 ayat 1 bahwa tiap – tiap

22

warga negara berhak mendapatkan pengajaran. Berdasarkan pasal tersebut, maka pemerintah pusat dan pemerintah daerah wajib memberikan layanan, kemudahan serta menjamin terselenggaranya pendidikan yang bermutu bagi setiap warga Negara Indonesia khususnya melalui sekolah. Sekolah merupakan salah satu tempat efektif untuk mentransformasikan ilmu dan sebagai sarana pendidikan bagi siswa. Untuk memenuhi harapan tersebut maka sekolah harus dapat memerankan peranan selayaknya seorang pengajar yaitu, melakukan penilaian bagi siswa. SMAN 50 Jakarta merupakan sekolah negeri yang selalu melakukan penilaian siswa untuk mengetahui tingkat keteladanan siswa. Penilaian tersebut digunakan sebagai keputusan sekolah untuk memberikan penghargaan kepada siswa. Manfaat dari program penilaian siswa di SMAN 50 Jakarta adalah mendorong siswa untuk selalu berkembang dan menuju arah yang lebih baik.


Perumusan Masalah Rumusan masalah dalam penelitian ini sebagai berikut : 1. Bagaimana proses penilaian siswa untuk mendapatkan hasil yang objektif. 2. Bagaimana perbedaan hasil penilaian siswa menggunakan Metode Logika Fuzzy Inference System Model Mamdani dengan penilaian sebelumnya 3. Bagaimana membangun sistem pedukung keputusan untuk penilaian siswa di SMAN 50 Jakarta berdasarkan Metode Logika Fuzzy Inference System Model Mamdani kemudian diaplikasikan menggunakan Toolbox Matlab R2011b. 4. Bagaimana metode Logika Fuzzy Inference System Model Mamdani dapat memberikan solusi dalam permasalahan pemilihan siswa berprestasi

II. TINJAUAN PUSTAKA A.

Sistem Penunjang Keputusan

Sistem pendukung keputusan (SPK) dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan, dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif (Asfi & Ratna, 2010:132). Menurut Basyaib (2006:14) Sistem pendukung keputusan merupakan ”cara para pembuat keputusan dalam dunia nyata pada saat mengambil keputusan dengan mempertimbangkan moril dan meteriil”.

2. Proses pengolahan system pendukung keputusan yaitu mengkombinasikan penggunaan model–model analisis dengan teknik pemasukan data konvensional serta fungsi–fungsi pencari atau pemeriksa informasi. 3. Dapat digunakan atau dioperasikan dengan mudah oleh orang–orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tingi. 4. Dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pengguna. SPK, menurut tinjaun konotatif, merupakan sistem yang ditujukan kepada tingkatan manajemen yang lebih tinggi, dengan penekanan karakteristik (Magdalena, 2012:50) sebagai berikut: 1. Berfokus pada keputusan., ditujukan pada manajer puncak dan pengambil keputusan. 2. Menekankan pasa fleksibilitas, adaptabilitas, dan respon yang cepat. 3. Mampu mendukung berbagai gaya pengambilan keputusan dan masing-masing pribadi manajer. Keterbatasan Sistem Pendukung Keputusan (Magdalena, 2012:51) sebagai berikut:

Berdasarkan pendapat dari para ahli peneliti dapat menyimpulkan bahwa “sistem pendukung keputusan atau SPK sebagai alat bantu bagi pengambil keputusan yang berbasis komputer untuk mengatasi masalah dimulai dari identifikasi masalah, data yang relevan dengan pendekatan dalam proses pengambilan keputusan dengan mempertimbangkan moril dan materil”.

1. Adanya gambaran bahwa SPK seakanakan hanya dibutuhkan pada tingkat manajemen puncak. Pada kenyataannya, dukungan bagi pengambilan keputusan dibutuhkan pada semua tingkatan manajemen dalam suatu organisasi.

Beberapa kerakteristik yang membedakan sistem pendukung keputusan dengan sistem informasi lainnya menurut Ayuningtiyas (2007:2), yaitu:

2. Pengambilan keputusan yang terjadi pada beberapa level harus dikoordinasikan. Jadi, dimensi dan pendukung keputusan adalah komunikasi dan koordinasi diantara pengambil keputusan antar level organisasi yang berbeda maupun pada level organisasi yang sama.

1. Dirancang untuk membantu pengambilan keputusan dalam memcahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi.

Menurut Turban dalam Sugiyanto (2009:768) merupakan sebuah sistem yang memiliki kriteria sebagai berikut:

23


1. Penggunaan model. 2. Berbasis komputer. 3. Fleksibel. 4. Interaktif dan mudah digunakan.

5. Logika fuzzy dapat membangun dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 7. Logika fuzzy didasarkan pada bahasa alami.

5. Efektif. Konsep Dasar Logika Fuzzy(Algoritma Fuzzy) Menurut Kusumadewi (2002:2) Logika Fuzzy adalah “suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output, mempunyai nilai kontinyu dan logika fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran“. Logika Fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern dan metodis baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Menurut Tattamanzi dalam Kusumadewi (2006:1) Teori himpunan fuzzy merupakan “kerangka matematis yang digunakan untuk mempresentasikan ketidakpastian, ketidakjelasan, ketidaktepatan, kekurangan informasi, dan kebenaran parsial“. Berdasarkan para ahli, peneliti menyimpulkan bahwa “logika fuzzy merupakan suatu logika dengan menyatakan suatu derajat keanggotaan dengan kebenaran untuk mempresentasikan ketidakpastian dan ketidakjelasan”. Ada beberapa alasan mengapa orang menggunakan logika fuzzy menurut Widodo dan Handayanto (2012:4) antara lain :

Beberapa istilah yang digunakan dalam fuzzy menurut Ayuningtiyas (2007:2), antara lain : 1. Variabel Fuzzy Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy, contoh:gaji, umur, temperatur, permintaan dsb. 2. Himpunan Fuzzy Himpunan fuzzy merupakan suatu group yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Himpunan fuzzy memiliki dua atribut, yaitu: 1. Himpuanan Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: DEKAT, SEDANG, JAUH. 2. Himpunan Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50 dan sebagainya. 3. Crisp Input Nilai masukkan yang diberikan untuk mencari Degree of membership atau Derajat Keanggotaan

4. Universe of Discourse 1. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan Batas input yang telah diberikan dalam mudah dimengerti. merancang suatu system fuzzy 2. Logika fuzzy sangat fleksibel. 3. Logika fuzzy memiliki toleransi terhadap 5. Semesta Pembicaraan data-data yang tidak tepat. 4. Logika fuzzy mampu memodelkan Semesta pembicaraan adalah keseluruhan nilai fungsi-fungsi nonlinear yang sangat terkecil hingga nilai terbesar yang diperbolehkan kompleks. untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan

24


bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. Contoh : - Semesta pembicaraan untuk variabel umur : [0 + ~] - Semesta pembicaraan untuk variabel temperature: [0 – 40] 6.

Domain / Scope

Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicarran dan boleh dioperasikan dalam suatu himpunan fuzzy. Domain merupakan himpuanan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif . Contoh domain himpunan fuzzy untuk variabel umur : - Muda

= [0, 45]

- Parobaya

= [35, 55]

- Tua

= [45, +~]

7.

Label

Kata – kata untuk memberikan suatu keterangan suatu keterangan di dalam domain 8. Derajat membership

Keanggotaan

atau

Degree

of

Fungsi dari derajat keanggotaan adalah untuk memberikan bobot pada suatu input yang telah diberikan, sehingga input tadi dapat dinyatakan dengan nilai. 9.

Fungsi Keanggotaan

Fungsi keanggotaan atau sebagai membership function adalah suatu kurva yang menunjukkan pemetaan titik–titik input data ke dalam nilai keanggotaannya yang memiliki interval antar 0–1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan dengan melalui pendekatan fungsi..

1. Pengertian Penilaian Siswa Menurut Rasyid dan Mansur (2007:1) penilaian adalah “proses pengumpulan informasi atau data yang digunakan untuk membuat keputusan tentang pembelajaran yaitu pembelajaran siswa, kurikulum, program, dan kebijakan”. Proses penilaian meliputi pengumpulan bukti-bukti tentang pencapaian belajar peserta didik. Bukti ini tidak selalu diperoleh melaui tes saja, tetapi juga bisa dikumpulkan melalui pengamatan atau laporan diri. Menurut Nursalam dan Effendi (2007:278) mendefinisikan bahwa “Evaluasi hasil pendidikan adalah proses sistematis untuk mencapai tujuan pendidikan dengan cara mengukur (kegiatan mengamati penampilan peserta didik berdasarkan indikator yang telah ditetapkan dengan menggunakan alat dan metode pengukuran tertentu dan menilai)membandingkan hasil pengukuran penampilan peserta didik dengan kriteria keberhasilan yang ditetapkan”. Berdasarkan pengertian para ahli, peneliti dapat menyimpulkan bahwa “penilaian siswa dengan mengumpulkan, mengukur dan menilai informasi atau data yang digunakan siswa dalam pembelajaran siswa sebagai penunjang keputusan penilaian siswa”. Berikut ini fungsi penilaian siswa dan tujuan penilaian siswa: Fungsi penilaian siswa yaitu : Alat untuk mengetahui tercapai-tidaknya tujuan pembelajaran.Umpan balik bagi perbaikan proses belajar-mengajar. Dasar dalam menyususn laporan kemajuan belajar siswa kepada para orang tuanya. 2. Toolbox Matlab R2011b Menurut Ramza dan Yohanes (2010:1) Matlab merupakan ’’sebuah bahasa pemrograman dengan sistem interaktif dimana banyak masalah perhitungan dapat diselesaikan pada waktu yang singkat serta perhitungan tersebut dapat ditulis ke dalam Bahasa Fortran atau bahasa C.’’ MATLAB adalah singkatan dari MATrix LABoratory. Pertama kali dibuat pada tahun 1970 untuk mempermudah penggunaan dua koleksi subrutin pada pustaka FORTRAN yaitu: LINPACK dan EISPACK, dalam menangani komputasi matriks. Sejak itu, MATLAB berkembang menjadi sebuah sistem yang interaktif sekaligus sebagai bahasa pemrograman untuk keperluankeperluan ilmiah, komputasi teknis, dan visualisasi. Elemen data dasar MATLAB adalah matriks. Perintah-perintah

25


diekspresikan dalam bentuk yang sangat mirip dengan bentuk yang digunakan dalam matematika dan bidang teknik. Fuzzy logic dalam toolbox Matlab memberikan fasilitas Grapical User Interface (GUI) untuk mempermudah dalam membangun suatu sistem fuzzy. Ada 5 GUI tools yang dapat digunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran fuzzy, Widodo dan Handayanto (2012,p.10) yaitu: Fuzzy Inference system ( FIS ) Editor 1. Membership Function editor 2. Rule Editor 3. Rule Viewer 4. Surface Viewer 5. Pada (1-3) kita dapat membaca dan memodifikasi FIS data, sedangkan pada (4-5) 6. kita hanya bisa membaca saja tanpa dapat memodifikasinya.

Sumber: Pudjo Widodo dan Trias Handayanto (2012:11) Gambar 1. Fuzzy Inferance System III. METODE PENELITIAN 1.

Tahapan Penelitian Tahap-tahap yang dilakukan dalam penelitian adalah Identifikasi data, Pembentukan himpunan Fuzzy, Aplikasi fungsi impilikasi dan Penegasan (defuzzy). Identifikasi data dilakukan dengan penentuan variabel yang diperlukan dalam melakukan penilaian siswa. Pihak sekolah dalam melakukan proses penilaian siswa berprestasi dinilai berdasarkan nilai abesen, nilai sikap, nilai minat belajar dan nilai kepribadian umum. Pembentukan himpunan Fuzzy yaitu dengan metode mamdani baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan Fuzzy. Aplikasi fungsi impilikasi dengan metode mamdani yang digunakan untuk tiap-tiap

26

aturan adalah fungsi min. Penegasan (defuzzy) yaitu dengan menggunakan bantuan software matlab dengan menggunakan fasilitas yang disediakan pada toolbox fuzzy. 2.

Instrumen Penelitian Penelitian ini menggunakan instrumen kuesioner yang dibuat dengan menggunakan tehnik wawancara kepada kepala sekolah dengan memberikan kuisioner tentang sistem penilaian siswa SMAN 50 Jakarta, dan selanjutnya wawancara dengan staff yang berkaitan dengan proses penilaian dan data dari kuesioner tersebut dapat dengan cepat dianalisis. Data hasil uji coba dianalisis secara deskriptif. Aspek yang digali dari ahli pembelajaran, ahli evaluasi, dan pengajar yang berpengalaman, dan pembelajaran serta para ahli materi. Evaluasi diarahkan mengenai penilaian siswa tersebut. Data tersebut meliputi skor penilaian siswa berdasarkan aspek nilai absen, nilai sikap, nilai minat belajar dan nilai ketrampilan belajar. 3. Metode Pengumpulan Data, Populasi dan Sample Penelitian Metode pengumpulan data yang digunakan adalah : a. Data Primer Data primer adalah data yang dikumpulkan langsung oleh peneliti dari responden, dan bukan berasal dari pengumpulan data yang pernah dilakukan sebelumnya. Data primer adalah data yang diperoleh dari sumber-sumber asli. Sumber asli disini diartikan sebagai sumber pertama darimana data tersebut diperoleh. Dalam pengumpulan data primer dalam penelitian ini menggunakan metode observasi dan interview. 1). Observasi Peneliti mengumpulkan data dan informasi melalui pengamatan secara langsung pada SMAN 50 Jakarta dan pencatatan secara sistematis serta langsung terhadap objek penelitian yang berkaitan dengan proses penilaian siswa untuk siswa berprestasi. 2). Wawancara Peneliti mengumpulkan data dan informasi melalui wawancara dan diskusi secara langsung dan secara terstruktur dengan pihak–pihak yang dinilai dapat memberikan keterangan yaitu Kepala Sekolah, guru dan staff lainnya yang terkait dengan menanyakan bagaimana


sistem penilaian siswa berprestasi dan apakah sudah sesuai dengan kriteria. b. Data Sekunder Sedangkan dalam pengumpulan data sekunder menggunakan buku, jurnal, publikasi dan lain-lain. Peneliti mengumpulkan data dan informasi melalui studi pustaka yang bersifat sekunder yaitu data–data yang diperoleh melalui buku– buku referensi, dokumentasi, literatur, buku, jurnal, dan informasi lainnya yang ada hubungannya dengan masalah yang diteliti. Peneliti melakukan pengumpulan data pada SMAN 50 Jakarta dengan cara pengambilan sampel (sampling), yaitu pemilihan sejumlah item tertentu dari seluruh item yang ada dengan tujuan mempelajari sebagian item tersebut sehingga dapat mewakili seluruh item yang ada. Sebagian item yang dipilih disebut sampelsampel (samples), sedang seluruh item yang ada disebut populasi (population). Semua item-item di populasi mempunyai kesempatan (probabilitas) yang sama untuk terpilih menjadi item sampel.

A. HASIL PENELITIAN 1.

Pembentukan Himpunan Fuzzy (Fuzzifikasi) Tahap analisa data menggunakan Logika Fuzzy Inference Systam Model Mamdani Proses fuzzifikasi berfungsi untuk mengubah masukan-masukan yang nilai kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input. Proses penilaian siswa berdasarkan 4 kriteria, diantaranya nilai absen, nilai sikap, minat belajar dan keterampilan belajar. Keempat kriteria tersebut yang digunakan sebagai variabel input fuzzy, sedangkan hasil siswa digunakan sebagai variabel output dari fuzzy. Perincian data dapat dilihat sebagai berikut:.

Tabel 1. Variabel Input dan Output Fuzzy Fungsi Nama Variabel Nilai Absen Variabel

input

fuzzy

Nilai Sikap Minat Belajar Ketrampilan Belajar

Variabel output Hasil siswa fuzzy

Proses pembentukan himpunan-himpunan fuzzy yang digunakan pada tiap-tiap variabel dapat dilihat pada tabel bab 2 Dari himpunan fuzzy diatas 2. Komposisi Aturan Komposisi aturan fungsi implikasi menggunakan fungsi MAX yaitu dengan cara mengambil nilai maksimum dari output aturan. Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi. Perhitungan komposisi implikasi berdasarkan himpunan fuzzy yaitu hasil_siswa dan 6 rules yang ditampilkan, perhitungan komposisi aturan adalah jika hasil dari fungsi aplikasi tidak sama dengan 0. Ada 4 rules yang harus dihitung (R13,R14,R15,R16), secara detail dapat dilihat sebagi berikut: ((350 - x ))/((150 - 125))R13 => Lihat himpunan hasil siswa Baik x13=> ((x - 250))/((275 - 250)) = 0,5 x13 => x-250=0,5 * 25 ATAU x13 => x= 250+12,5 x13 => x=262,5 R14 => Lihat himpunan hasil siswa Baik ((350 - x ))/((150 - 125))x14=> ((x - 250))/((275 - 250)) = 0,3 x14 => x-250=0,3 * 25 ATAU x14 => x=250 + 7,5 x14 => x= 257,5 R15 => Lihat himpunan hasil siswa Baik ((350 - x ))/((150 - 125))x15=> ((x - 250))/((275 - 250)) = 0,5 x15=> x – 250 = 0,5 * 25 ATAU x15=> x = 250+12,5 x15=> x = 262,5 R16 => Lihat himpunan hasil siswa Sangat Baik x16=> ((x - 325))/((350 - 325)) = 0,3

27


x16=> x – 325 = 0,3 * 25 x16=> x = 325+7,5 x16=> x = 332,5 3. Proses Defuzzifikasi Proses defuzzifikasi adalah mengubah fuzzy output menjadi nilai tegas berdasarkan fungsi keanggotaan yang telah ditentukan. Proses defuzzifikasi menggunakan Metode Centroid. Defuzzifikasi: = (((αPred13*x13)+(αPred13*x13)+(αPred14* x14)+(αPred14*x14)+(αPred15*x15)+(αPre d15*x15)+(αPred16*x16)))/((αPred13+αPre d13+αPred14+αPred14+αPred15+αPred15+ αPred16)) = (((0,5*262,5)+(0,5*337,5)+(0,3*x257,5)+(0, 3*342,5)+(0,5*262,5)+(0,5*337,5)+(0,3*33 2,5)))/((0,5+0,5+0,3+0,3+0,5+0,5+0,3))

didapatkan keluaran berupa hasil siswa, dengan himpunan fuzzy: siswa sangat kurang baik, kurang baik, rata-rata, baik atau sangat baik. Implementasi dapat digambarkan sebagai sistem pendukung keputusan menggunakan Toolbox Matlab R2011b. Toolbox Matlab R2011b memberikan fasilitas Grapical User Interface (GUI) untuk mempermudah dalam membangun suatu sistem fuzzy, yaitu: 5. Fuzzy Inference system (FIS) Editor;. Fuzzy Inference System Editor digunakan untuk memasukkan variabelvariabel fuzzy, baik variabel input maupun output. Yang menjadi variabel input dalam menentukan penilaian siswa adalah nilai absen ,nilai sikap, minat belajar, dan keterampilan belajar, sedangkan variabel outputnya adalah hasil siswa. Untuk memulai dan memanggil FIS (Fuzzy Inference System) editor dilakukan dengan cara mengetikan pada command window: >> fuzzy.Desain variabel input ataupun output yang digunakan dengan jumlah variabel yang diinginkan sudah terbentuk.

= 879,75/2,9=303,3621 Jadi, jika tidak menggunakan desimal nilai siswa dibulatkan menjadi 246. Contoh data yang mempunyai Nilai Absen = 80, Nilai Sikap = 85 dan Nilai Minat Belajar = 75 dan Nilai Ketrampilan Belajar = 73. dapat diuji coba kan dengan menggunakan Matlab R2011b. Gambar 7. Fuzzy Inference System (FIS) Editor 6. Membership Function editor Membership Function editor fungsi keanggotaan berfungsi untuk mengedit fungsi keanggotaan himpunan fuzzy untuk tiap-tiap variabel input dan output. Desain fungsi keanggotaan fuzzy dari variabel yang ada, maka akan terbentuk seperti gambar berikut: Gambar 6. Hasil Rule Viewer Dengan Toolbox Matlab 4. Analisis dan Desain Sistem Proses perancangan sistem pendukung keputusan dengan menggunakan metode Logika Fuzzy Inference System Model Mamdani untuk penilaian siswa di SMAN 50 Jakarta dengan menggunakan beberapa variabel diantaranya nilai absen, nilai sikap, minat belajar, dan ketrampilan belajar. Berdasarkan beberapa variabel tersebut akan

28

Gambar 8. Membership Function editor Variable Input Sedangkan untuk desain fungsi keanggotaan dari variabel output yaitu Hasil_Siswa, untuk lebih detailnya sebagai berikut


Dari diagram 4.13 sesuai perhitungan konvensional dapat diketahui bahwa siswa kurang baik sebesar 18% atau sebanyak 5 siswa, sedangkan untuk siswa baik sebesar 82% atau berjumlah 82 siswa. 2. Logika Fuzzy Gambar 9. Membership Function editor Variable Output 7. Hasil Penelitian Range nilai hasil siswa dari sistem konvensional dimulai dari angka 0 - 100. Sedangkan range nilai hasil siswa untuk logika fuzzy adalah angka 0 untuk nilai terendah dan angka 400 sebagai nilai yang tertinggi. Dalam melakukan penyusunan penilaian siswa ini, peneliti merubah range dan keputusan penilaian kemudian diolah menggunakan Logika Fuzzy Inference Systam Model Mamdani untuk mendapatkan hasil yang tepat Tabel 4. Range Nilai Hasil Siswa Penyusunan Model Logika FIS Konvensional Mamdani Keputusan Range Keputusan Range Nilai Penilaian Penilaian Nilai 0 – 75 Kurang Baik

0 – 69

Baik

>70 100

-

50 – 150 125 – 275 250 – 350 325 400

Sangat Kurang Baik Kurang Baik Rata-Rata Baik Sangat Baik

Sistem Konvensional Hasil penilaian siswa dengan menggunakan sistem konvensional pada data keseluruhan yaitu 100 data digambarkan dengan diagram berikut ini:

Hasil penilaian siswa dengan menggunakan Logika Fuzzy Inference Systam Model Mamdani yang peneliti lakukan dapat digambarkan dengan diagram berikut ini:

Gambar 11. Diagram hasil penilaian siswa dengan Logika Fuzzy Inference Systam Model Mamdani Dari Gambar 4.14. penilaian siswa dengan Logika Fuzzy Inference Systam Model Mamdani menghasilkan 5 hasil keputusan. Masing–masing hasil dengan rincian sebagai berikut: 1.Hasil siswa Sangat Kurang Baik sebesar 0 % dengan jumlah 0 siswa 2.Hasil siswa Kurang Baik sebesar 0 % dengan jumlah 0 siswa 3.Hasil siswa Rata-Rata sebesar 4 % dengan jumlah 4 siswa 4.Hasil siswa Baik sebesar 14 % dengan jumlah 14 siswa 5.Hasil siswa Sangat Baik sebesar 82 % dengan jumlah 82 siswa 8. Implementasi Penelitian Penerapan sistem pendukung keputusan penilaian siswa diaplikasikan menggunakan Toolbox Matlab R2011b. Melalui form penilaian siswa dapat diketahui hasilnya sehingga dapat dijadikan acuan dalam pendukung keputusan yang lebih tepat, cepat dan efisien. Tampilan form penilaian siswa dapat dinilai sebagai berikut:

Gambar .10. Diagram hasil penilaian siswa dengan sistem konvensional

29


Untuk meningkatkan kinerja serta untuk mengembangkan aplikasi ini maka sebaiknya diadakan pengembangan aplikasi mulai dari tampilan halaman web sampai dengan maintenance-nya.

Gambar 12. Form Sistem Keputusan Penilaian Siswa

Pendukung

IV.

KESIMPULAN dan SARAN Kesimpulan Dari hasil penelitian yang dilakukan dari tahap pertama sampai dengan pengujian penerapan Logika Fuzzy Inference System Model Mamdani untuk penilaian siswa pada SMAN 50 Jakarta, maka dapat diambil kesimpulan sebagai berikut: 1. Melalui penelitian ini dapat diketahui perbedaan hasil penilaian siswa menggunakan Metode Logika Fuzzy Inference System Model Mamdani dengan penilaian sebelumnya 2. Dengan Metode Logika Fuzzy Inference System Model Mamdani hasil penilaian siswa menjadi lebih objektif, tepat dan akurat 3. Metode Logika Fuzzy Inference System Model Mamdani dapat dijadikan sebagai alat bantu sistem pendukung keputusan penilaian siswa pada SMAN 50 Jakarta.

A.

B. Saran 1. Penerapan sistem pendukung keputusan menggunakan Toolbox Matlab R2011b yang berbasis Guide User Interface (GUI) diharapkan dapat menggantikan sistem yang berlaku disekolahan atau diperusahaan. Berbagai metode yang lain perlu diterapkan untuk menambahkan kehandalan sistem diwaktu yang akan datang.3. Sebelum menetapkan teknologi berbasis web pada suatu bidang sebaiknya pengelola akan lebih mudah menjalankan aplikasi serta mengerti akan proses dalam menyelesaikan masalah yang ada di dalam bidang tersebut. 2. Untuk menjaga kepercayaan konsumen sebaiknya digunakan data yang akurat sesuai data yang sebenarnya dan selalu terupdate untuk menghindari perbedaan harga.

30

V. DAFTAR PUSTAKA Algifari. 2007. Analisis Regresi Teori, kasus dan solusi. Yogyakarta:BPFE. Ali, Mohammad. 2004. Penelitian Kependidikan Prosedur Dan Strategi. Bandung: Angkasa. Anni, Chatarina Tri. 2006. Psikologi Belajar. Semarang: UPT UNNES Press. Arikunto, Suharsimi. 2007. Prosedur Penelitian. Jakarta: Rieneka cipta. Arikunto, Suharsimi. 2004. Prosedur Penelitian Suatu Pendekatan Praktik. Jakrta: Rineka Cipta. Dalyono, M dan TIM MKDK IKIP Semarang. 2004. Psikologi Pendidikan. Semarang. IKIP Semarang Press. Darsono, Max. 2005. Belajar dan pembelajaran. Semarang: IKIP Semarang Press. Dimyati dan Mudjiono. 2004. Balajar dan Pembelajaran. Jakarta: Depdikbud. Djamarah, syaiful Basri. Drs. 2006. Psikologi Belajar. Jakarta: PT. Rieneka Cipta. Eveline Siregar dan Hartini Nara. 2014. Teori Belajar dan Pembelajaran. Bogor: Ghalia Indonesia. Hadi,

Sutrisno. 2005. Metodologi Research.Yogyakarta: Yayasan Penerbitan Fakultas Psikologi UGM.

Hamalik, Oemar. 2006. Prosedur Belajar Mengajar. Jakarta Bumi Aksara. Nashar, Drs. 2004. Peranan Motivasi dan Kemampuan awal dalam kegiatan Pembelajaran. Jakarta: Delia Press. Natawijaya, Rohman. 2005. Psikologi Pendidikan. Jakarta: Prindo Jaya. Sardiman, A.M. 2007. Interaksi dan Motivasi Belajar Mengajar. Jakarta: Grafindo Persada. Slameto, Drs. 2013, Belajar dan Faktorfaktor yang Mempengaruhinya. Jakarta: Rineka Cipta.


Soemanto, Wasty. 2006. Psikologi Pendidikan. Malang: Rineka Cipta. Sugiyono. 2013. Cara Mudah Menyusun Skripsi, Tesis, dan Disertasi. Bandung: Alfabeta. Sugiyono. 2004. Statistika Untuk Penelitian. Bandung: Alfabeta. Sudjana. 2007. Metode Statistik. Bandung: TARSITO.

31

SISTEM PENUNJANG KEPUTUSAN PENILAIAN SISWA DENGAN LOGIKA FUZZY INFERENCE SYSTEM MAMDANI

Recommend Documents