ANALISA POLA KEHADIRAN MAHASISWA DALAM PERKULIAHAN DENGAN TEKNOLOGI RFID (Radio Frequency Identification) STUDI KASUS : JURUSAN TEKNIK INFORMATIKA UMRAH Yukiko Firaldi Mahasiswa Informatika, FT UMRAH,
[email protected] Sulfikar Sallu Dosen Informatika, FT UMRAH Hendra Kurniawan Dosen Informatika, FT UMRAH
ABSTRAK Kemudahan dalam menggunakan sistem absensi menggunakan kartu RFID menyebabkan banyaknya kasus kecurangan yang terjadi, salah satunya kecurangan absensi (titip absen). Untuk mendeteksi pelaku kecurangan RFID akan digunakan teknologi Indoor positioning system yang merupakan salah satu teknologi yang digunakan untuk melacak keberadaan sebuah objek. Posisi objek dapat dihitung dengan menggunakan RSSI (Received Signal Strength Indication) dengan menggunakan algoritma Trilateration. Dalam pembuatan aplikasi analisa pola kehadiran mahasiswa ini, didapat proses analisa pola kehadiran mahasiswa dengan menghitung jarak antara RFID reader dengan tag mahasiswa atau transmitter yang kemudian akan diproses dengan menggunakan rumus persamaan lingkaran sehingga menghasilkan posisi (x,y). Apabila diketahui ada beberapa tag mahasiswa atau transmitter yang berada dalam posisi yang berdekatan, maka dapat dianalisa mahasiswa mana yang diduga melakukan kecurangan absensi mengunakan logika fuzzy metode fuzzy Tsukamoto. Logika fuzzy metode fuzzy Tsukamoto memberikan hasil berupa saran estimasi mahasiswa yang melakukan kecurangan absensi. Hasil dari uji coba dan analisa menunjukkan bahwa sistem dapat mengenali pola kehadiran mahasiswa dalam perkuliahan didalam ruang kelas dengan memanfaatkan teknologi RFID Positioning System dan logika fuzzy metode fuzzy Tsukamoto. Kata kunci : Radio Frequency Identification (RFID), Indoor Positioning System (IPS), Algoritma Trilateration, Logika Fuzzy Metode Fuzzy Tsukamoto Fuzzy
ABSTRACT The ease in using of RFID card in absent system cause many dishonesty cases happen, the one of dishonesty absence (absence entrusting). To detect the actor of RFID dishonesty will be use technology indoor positioning system is the one of technology that used to track the position of the object. The position of the object can counted by using of RSSI (Received Signal Strength Indication) algorithm Trilateration. In making application of pattern analysis of the university student presence by count the distance between RFID reader and university student tag or transmitter, on the next will be processed by using the formula of equation circle so that make the result of the position of (x,y). If there are some university student tags or transmitter at the close position, so can be analyzed which one the university student who estimated doing the dishonesty absence use fuzzy logic fuzzy method Tsukamoto. Fuzzy logic fuzzy method Tsukamoto give the result is the suggestion of student estimation who act the dishonesty absence. The result of trying test and analyze show that the system can recognize the pattern of student presence in classroom lecturing with the benefit of RFID technology Positioning System and fuzzy logic fuzzy method Tsukamoto. Keywords : Radio Frequency Identification (RFID), Indoor Positioning System (IPS), Trilateration Algorithm, Tsukamoto Fuzzy Method
1
I. PENDAHULUAN
dianggap
1.1. Latar Belakang
semakin mudah dilakukan dengan adanya
Sistem
mahasiswa
sistem absensi yang menggunakan RFID ini.
masih
Indoor positioning system adalah
dilakukan dengan cara manual. Seiring
perangkat jaringan yang digunakan untuk
dengan semakin besarnya minat masyarakat
mengetahui
lokasi
terhadap
seseorang
didalam
Informatika
Jurusan
UMRAH, Teknik
pada
dikalangan
Jurusan
Teknik
absensi
biasa
UMRAH
Teknik
Informatika
jumlah mahasiswa di Jurusan Informatika
UMRAH
suatu
objek
atau
sebuah
gedung
teknologi
indoor
(Mahiddin et al. 2013).
terus
Penggabungan
mengalami peningkatan setiap tahunnya.
positioning system dan teknologi RFID
Sehingga, diperlukan sebuah sistem yang
dapat
dapat mengolah data kehadiran dari seluruh
estimasi lokasi atau pelacakan posisi kartu
mahasiswa di Jurusan Teknik Informatika
RFID mahasiswa. Dengan menghitung nilai
UMRAH dengan cepat dan tepat.
RSSI (Received Signal Strength Indication)
Salah satu teknologi sistem absensi
dari
dimanfaatkan
RFID
untuk
mengetahui
menggunakan
Algoritma
maka
ditentukan
yang sedang banyak dikembangkan di
Trilateration,
Indonesia adalah teknologi RFID. RFID
estimasi dari posisi kartu RFID mahasiswa.
adalah sebuah teknologi yang menempatkan
Hasil estimasi dari posisi kartu RFID
tag RFID pada seseorang atau pada sebuah
mahasiswa akan diolah lagi menggunakan
objek, sehingga dapat diidentifikasi, dilacak
sistem pendukung keputusan dengan metode
dan dikelola secara otomatis. (Ting et al.
Fuzzy
2011)
estimasi RFID reader dapat membaca RFID
mahasiswa
memasuki
akan
membaca
tag
mahasiswa
dan
RFID
tag Berdasarkan latar belakang diatas,
data
dapat diuraikan masalah yang akan penulis
RSSI
angkat untuk dijadikan bahan penelitian, yaitu bagaimana membuat sebuah sistem
pada database. Kemudahan
dalam
analisa pola kehadiran mahasiswa yang
proses
mampu menentukan posisi kartu RFID
pencatatan absensi yang tidak membutuhkan kontak langsung antara mahasiswa dan dosen memberikan peluang besar untuk
sudah
menjadi
hal
mahasiswa
dan
mahasiswa
yang
memberikan diduga
estimasi melakukan
kecurangan absensi dalam perkuliahan di
mahasiswa melakukan kecurangan. Titip yang
melakukan
1.2. Rumusan Masalah
mahasiswa yang kemudian akan disimpan
absen
yang
ruangan
mahasiswa. RFID reader akan menyimpan data
mahasiswa
menghasilkan
Jurusan Teknik Informatika UMRAH.
perkuliahan, maka RFID reader secara otomatis
untuk
kecurangan absensi dalam perkuliahan di
tag yang berada dalam jangkauannya. Ketika
Tsukamoto
dapat
Jurusan
yang
2
Teknik
Informatika
UMRAH
dengan memanfaatkan teknologi Indoor
II. TINJAUAN PUSTAKA
Positioning System
2.1 Kajan Terdahulu
berbasis RFID dan
sistem pendukung keputusan inference fuzzy
Januari
system dengan metode Tsukamoto?
2014,
Aarti
Vaidya,
A.Meshram dan A.Sakhare dari G.H.Raisoni Academy of Engineering and Technology,
1.3. Tujuan
India, dalam penelitiannya yang berjudul
Adapun
tujuan
yang
hendak
“Position Locating Methodology Based on
dicapai dari penelitian ini adalah membuat
RSSI
sebuah
kehadiran
algoritma positioning berdasarkan RSSI dan
mahasiswa yang mampu menentukan posisi
membandingkan beberapa teknologi Indoor
kartu RFID mahasiswa dan memberikan
Positioning
saran berupa estimasi mahasiswa yang
dipergunakan. Dengan berbagai kelebihan
diduga
melakukan
dalam
perkuliahan
sistem
Informatika
analisa
pola
Using
RFID”
membandingkan
System
yang
sering
kecurangan
absensi
dan kekurangan yang dimiliki oleh setiap
di
Teknik
teknologi
dengan
didapatkan
Jurusan
UMRAH
Indoor bahwa
Positioning RFID
System,
merupakan
memanfaatkan teknologi Indoor Positioning
teknologi yang lebih cocok untuk kasus
System
indoor
berbasis
RFID
dan
sistem
positioning.
Sedangkan
untuk
pendukung keputusan inference fuzzy system
algoritma positioning, diperoleh kesimpulan
dengan metode Tsukamoto.
bahwa teknologi RFID bersama dengan RSSI dan Kalman Filtering merupakan kombinasi paling baik dalam mendeteksi
1.4. Manfaat
posisi untuk kasus indoor.
Adapun manfaat dari penelitian ini
Nor Aida Mahiddin, Elissa Nadia
adalah :
Madi, Siti Dhalila, Engku Fadzli Hasan,
a.
Dapat digunakan untuk menentukan
Suhailan Safie dan Noaizan Safie dari
posisi kartu RFID mahasiswa yang
University Sultan Zainal Abidin, Malaysia
kemudian dapat memberikan saran
pada penelitiannya tahun 2013 dengan judul
berupa estimasi mahasiswa yang diduga
“User Position Detection In An Indoor
melakukan
absen
Environment”, membuat sebuah Indoor
dalam perkuliahan di Jurusan Teknik
Positioning System dengan menggunakan
Informatika UMRAH.
kekuatan
b.
Dapat
kecurangan
digunakan
titip
sebagai
bahan
lain
yang
Wi-Fi
dan
teknik
Trilateration untuk menentukan posisi user.
pembelajaran dan bahan penelitian bagi peneliti
sinyal
Sebelumnya
pada
tahun
2011,
ingin
S.L.Ting, S.K.Kwok, Albert H.C.Tsang dan
mengembangkan lebih lanjut mengenai
George T.S.Ho dari Hongkong Polytechnic
RFID Positioning System.
University dalam jurnal yang berjudul “The Study on Using Passive RFID Tags for
3
Indoor
Positioning”
yang
melakukan
2.2 Landasan Teori
penelitian menggunakan tag Pasif RFID
2.2.1.
RFID
(Radio
untuk membuat Indoor Positioning System
Identification)
yang real time, hemat biaya dan akurat.
RFID
Frequency
(Radio
Frequency
Solusi positioning dengan tag pasif ini
Identification) adalah suatu teknologi yang
dilakukan berdasarkan pengukuran RSSI
mampu mengidentifikasi beberapa orang
dan jarak Euclidean.
atau objek sekaligus secara otomatis dengan dan
memanfaatkan gelombang radio. Sistem
Shodik Nuryadin dari Universitas Serang
RFID terdiri atas beberapa komponen
Raya dalam penelitiannya yang berjudul
penting yang terdiri atas 4 bagian, yaitu :
“Sistem
Dalam
a.
RFID Tag
Dosen
b.
Antena Tag
Dengan Metode Fuzzy Database Model
c.
RFID Reader
Mamdani”
membuat
sebuah
sistem
d.
Software Pendukung
pendukung
keputusan
penilaian
kinerja
Prinsip RFID yang menggunakan
dosen. Variabel yang digunakan dalam SPK
frekuensi radio untuk saling berkomunikasi
ini
Materi,
mengharuskan RFID tag dan RFID reader
dan
berada pada frekuensi yang sama agar dapat
September
2013,
Pendukung
Menentukan
Kinerja
NR_Penguasaan
NR_Menjelaskan Memaparkan, Pertanyaan,
Keputusan
Penilaian
adalah
Sumiati
Menguraikan
NR_Variabel NR_Variabel
saling berkomunikasi.
Menjawab Kedisiplinan,
2.2.2.
NR_Performance dan NR_Interaksi Dengan
Teknologi
Indoor
Positioning
System
Mahasiswa.
Indoor positioning adalah istilah
Pada tahun 2010, Ahmad Jazuli dalam
untuk perangkat jaringan yang digunakan
penelitian yang berjudul “Model Penentuan
secara wireless untuk mencari suatu objek
Mahasiswa Berprestasi Dengan Pendekatan
atau
Logika Fuzzy”, yang membuat sebuah
(Mahiddin et al. 2013).
dari
Universitas
Muria
Kudus
berprestasi
pada
didalam
sebuah
gedung.
Teknologi positioning untuk kasus
sistem pendukung keputusan penentuan mahasiswa
orang
indoor berbasis RFID menjadi topik hangat
STMIK
Cikarang. Variabel-variabel fuzzy dalam
karena
menentukan mahasiswa berprestasi yaitu,
positioning yang ekonomis dan memiliki
variabel
akurasi yang tinggi.
sikap,
variabel
kedisiplinan,
dianggap
sebagai
teknologi
variabel kerapihan, variabel narkoba dan
Teknologi indoor positioning dapat
obat terlarang, variabel rata-rata nilai IPK,
menentukan dan melacak keberadaan dari
variabel nilai praktek kerja lapangan dan
sebuah objek dalam sebuah ruangan pada
variabel organisasi.
range
yang
telah
ditentukan
dengan
menggunakan teknik estimasi jarak dan
4
algoritma estimasi positioning RFID sebagai
yang digunakan oleh receiver GPS untuk
alat bantunya.
menghitung posisi dari sebuah objek pada ruang dua dimensi atau ruang tiga dimensi
2.2.3.
(Mahiddin et al. 2013).
Teknik Positioning RFID
2.2.3.1.
Algoritma trilateration menghitung
Teknik Estimasi Jarak Teknik positioning RFID menerima
estimasi
posisi
RFID
tag
dengan
informasi dari tag, yang diperoleh dari
mengevaluasi jaraknya dari tiga buah titik
antena
acuan
RFID
diterima
reader.
ini
Informasi
selanjutnya
yang diolah
(Ozkaya,
Bora.
2011),
dalam
penelitian ini titik acuan yang digunakan
menggunakan teknik estimasi jarak untuk
adalah RFID reader.
mendapatkan estimasi jarak antara RFID tag dan RFID reader. RSSI (Received Signal Strength Indicator) adalah pengukuran kekuatan daya sinyal radio yang diterima oleh receiver yang dikirim oleh transmitter (Sutarti et al. 2012). Persamaan berikut ini menunjukkan fungsi yang digunakan untuk mengubah nilai RSSI menjadi nilai jarak (Mahiddin et al. 2013) : Distance, d = p ( 1 - mi )
Gambar 2.1. Tag Positioning Dengan Algoritma Trilateration (Zhang et al. 2009)
(1)
dimana,
Untuk tiga buah lingkaran, dengan
m = persentase RSSI
titik pusat
p = jangkauan maksimum dari RSSI
yang
mempunyai jari-jari
i = 1, 2, 3
yang berbeda
dan berpotongan disebuah titik potong , dapat diturunkan persamaan seperti
2.2.3.2.
Algoritma Estimasi Positioning
berikut :
RFID Setelah nilai RSSI diubah menjadi
(2)
nilai jarak, maka tahap selanjutnya adalah menetukan
estimasi
menggunakan
positioning
algoritma
RFID
berbasis jarak. Dengan
Algoritma berbasis jarak yang penulis gunakan algoritma
pada
penelitian
Trilateration.
menyelesaikan
ketiga
adalah
persamaan lingkaran ini dengan sistem
Algoritma
persamaan linear, maka akan didapatkan
ini
nilai estimasi posisi titik p
Trilateration merupakan proses matematika
5
.
2.2.4
Sistem Pendukung Keputusan
2.2.4.1.
Logika
(SPK) Sistem
Logika Fuzzy
pendukung
fuzzy
pertama
kali
keputusan
diperkenalkan oleh Prof. Lotfi A. Zadeh
merupakan suatu sistem interaktif berbasis
pada tahun 1965. Fuzzy secara bahasa
komputer yang ditujukan untuk membantu
diartikan sebagai kabur atau samar-samar.
dalam
dengan
Fuzzy merupakan suatu nilai yang dapat
memanfaatkan data dan model tertentu
bernilai benar atau salah secara bersamaan.
untuk
Nilai
pengambilan
memecahkan
keputusan
berbagai
persoalan
(Lumbangaol, Rosario Agustina. 2013). Sistem secara
pendukung
khusus
dan
kesalahannya
tergantung pada derajat keanggotaan yang
keputusan
dimilikinya. Derajat keanggotaan dalam
untuk
fuzzy memiliki rentang nilai 0 (nol) hinggan
permasalahan
1 (satu). Hal ini berbeda dengan himpunan
manajemen yang tidak terstruktur dan untuk
tegas yang memiliki nilai 1 atau 0 (ya atau
meningkatkan
tidak). (Wulandari, Yogawati. 2011).
mendukung
dikembangkan
kebenaran
solusi
dari
kualitas
pengambilan
keputusan. Sistem pendukung keputusan didefinisikan sebagai sekumpulan prosedur
2.2.4.2.
berbasis model untuk data pemrosesan dan
Konsep Himpunan Fuzzy Teori himpunan fuzzy merupakan
penilaian guna membantu para manajer
kerangka
dalam
merepresentasikan
pengambilan
pendukung
keputusan
keputusan.
untuk ketidakpastian,
sederhana,
ketidakjelasan, ketidaktepatan, kekurangan
cepat, mudah dikontrol, adaptif, lengkap
informasi, dan kebenaran parsial. Dengan
dengan
fuzzy, proses penentuan nilai suatu kriteria
isu-isu
harus
Sistem
matematis
penting
dan
mudah
berkomunikasi (Yuniardi, Romi. 2013).
yang subjektif akan memberikan hasil yang
Menurut Peter G.W.Keen yang
sangat baik. Penentuan nilai diperoleh
bekerja sama dengan Scott Morton, ada tiga
dengan
tujuan yang harus dicapai oleh sistem
terlebih dahulu (Yuniardi, Romi. 2013).
pendukung keputusan, yaitu : a.
b.
membuat
fungsi
Variabel fuzzy
memecahkan masalah semi terstruktur.
b.
Himpunan fuzzy
Sistem
c.
Semesta pembicaraan
manajer,
keputusan
dalam memahami sistem fuzzy, yaitu : a.
harus
dapat bukan
guna
mendukung
d. Domain
mencoba
menggantikannya.
Menurut Kusumadewi (2004 : 8) ,
c. Sistem harus dapat meningkatkan efektivitas
pengambilan
keanggotaan
Beberapa hal yang perlu diketahui
Sistem harus dapat membantu manajer dalam
membuat
fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data
keputusan
ke
manajer.
dalam
nilai
keanggotaannya
memiliki interval antara 0 sampai 1.
6
yang
Beberapa
fungsi
yang
dapat
Kurva segitiga pada dasarnya merupakan
digunakan diantaranya, yaitu :
gabungan antara dua garis (linear) seperti
a.
terlihat pada Gambar 2.4 berikut :
Representasi Linear.
Ada dua keadaan himpunan fuzzy linear, yaitu
linear
naik
dan
linear
turun.
Representasi himpunan fuzzy linear naik seperti yang ditunjukkan pada Gambar 2.2.
Gambar 2.4. Representasi Kurva Segitiga
Fungsi keanggotaan :
(5)
Gambar 2.2. Representasi Linear Naik Fungsi Keanggotaan : c.
(3)
Representasi Kurva Trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga karena merupakan gabungan antara dua garis (linear), hanya saja ada
Representasi himpunan fuzzy linear turun
beberapa
seperti yang ditunjukkan pada Gambar 2.3.
titik
keanggotaan
yang 1.
memiliki
Representasi
nilai kurva
trapesium ditunjukkan pada Gambar 2.5.
Gambar 2.3. Representasi Linear Naik Gambar 2.5. Representasi Kurva Trapesium Fungsi Keanggotaan : (4) (6) b.
Representasi Kurva Segitiga
7
2.2.4.3.
suatu fuzzy rule (aturan fuzzy) dituliskan
Fungsi Implikasi Bentuk umum dari aturan yang
sebagai berikut :
digunakan dalam fungsi implikasi adalah :
IF antecendent THEN consequent
IF x is A THEN y is B dengan x dan y adalah skalar, dan A dan B
3.
Defuzzifikasi
adalah himpunan fuzzy. Proposisi yang mengikuti IF
Defuzzifikasi
adalah
mengubah
disebut sebagai anteseden,
fuzzy output menjadi nilai tegas berdasarkan
sedangkan proporsi yang mengikuti THEN
fungsi keanggotan yang telah ditentukan.
disebut sebagai konsekuen.
Defuzzifikasi
merupakan
metode
yang
penting dalam pemodelan sistem fuzzy. 2.2.4.4.
Sistem Berbasis Aturan Fuzzy Pendekatan
diimplementasikan
logika dalam
fuzzy
tiga
2.2.4.5.
Fuzzy Inference System (FIS)
tahapan,
Metode Tsukamoto
yakni : fuzzyfikasi, evaluasi rule (inferensi)
Fuzzy inference system atau yang
dan defuzzifikasi.
juga disebut fuzzy inference engine adalah sistem yang dapat melakukan penalaran
Input
dengan prinsip serupa seperti manusia Fuzzifikasi
melakukan penalaran dengan nalurinya. Fuzzy Tsukamoto merupakan salah
Inferensi
satu metode yang sangat fleksibel dan memiliki toleransi pada data yang ada.
Defuzzyfikasi
Fuzzy Tsukamoto memiliki kelebihan yaitu Output
lebih intuitif, diterima oleh banyak pihak,
Gambar 2.6. Tahapan sistem berbasis aturan fuzzy
lebih cocok untuk masukan yang diterima
1.
Fanoeel. 2012)
dari manusia
Fuzzyfikasi Fuzzyfikasi
pertama
dari
merupakan
perhitungan
fuzzy,
bukan
mesin.
(Thamrin,
fase III. METODE PENELITIAN
yaitu
Model
mengubah masukan-masukan yang nilai
sistem
yang
digunakan
kebenarannya bersifat pasti kedalam bentuk
untuk membangun sistem analisa pola
fuzzy
kehadiran mahasiswa ini
input
yang
berupa
tingkat
menggunakan
keanggotaan/tingkat kebenaran.
analisis terstruktur yang berorientasi pada
2.
proses yang menekankan pada aliran data
Inferensi Inferensi
adalah
dan aliran proses. Adapun alat bantu yang
melakukan
penalaran menggunakan fuzzy input dan
digunakan berupa :
fuzzy rules yang telah ditentukan sehingga
a.
3 buah RF9315R RFID Reader 315 Mhz
menghasilkan fuzzy output. Secara sintaks,
8
b.
2 buah RF8315T RFID Transmitter/Tag
hasil dari nilai jarak ≤ 2 (20 cm), maka
315 Mhz
akan
dilakukan
perhitungan
menentukan Pengumpulan
data
dilakukan
Tsukamoto.
situs-situs internet dan jurnal online yang dengan
masalah
pelaku
kecurangan absensi menggunakan fuzzy
dengan mencari bahan-bahan penelitian dari
berhubungan
estimasi
untuk
g.
yang
Berdasarkan nilai dari variabel output yang
diangkat.
digunakan,
jika
hasil
dari
perhitungan fuzzy Tsukamoto memiliki nilai ≤ 75, maka mahasiswa tersebut terindikasi
IV. PEMBAHASAN
absensi,
Pada tugas akhir ini, akan dibangun sebuah
sistem
analisa
pola
kehadiran
RFID
reader
jika
nilai
kecurangan
≥
80,
maka
mahasiswa tersebut tidak terindikasi
mahasiswa menggunakan RFID tag yang dikomunikasikan
melakukan
melakukan kecurangan absensi.
dan
h.
terhubung dengan komputer server.
Jika hasil dari perhitungan bernilai antara
75-80,
maka
akan
masuk
Adapun alur kerja dari sistem
kedalam perhitungan fuzzy output. Jika
analisa pola kehadiran ini adalah sebagai
nilai fuzzy CURANG < nilai fuzzy
berikut :
TIDAK CURANG maka mahasiswa
a.
Reader mengambil data ID dan RSSI
tidak terindikasi melakukan kecurangan
tag mahasiswa.
absensi. Jika nilai fuzzy CURANG >
Nilai dari RSSI tersebut diubah menjadi
nilai fuzzy TIDAK CURANG maka
nilai jarak.
mahasiswa
b.
c.
Nilai
jarak
digunakan
untuk
terindikasi
melakukan
kecurangan absensi.
menghitung posisi RFID menggunakan Algoritma Trilateration. d.
Perhitungan
dari
Pada Algoritma
diletakkan 3 buah RFID receiver / RFID
Posisi (x,y) antar mahasiswa dihitung
reader. 1 buah reader diletakkan dibagian
menggunakan rumus jarak.
depan kelas, dimeja dosen sedangkan 2 buah
Hasil dari nilai jarak diperoleh. Dengan
reader
asumsi ruangan simulasi berukuran 5
kelas,
meter x 5 meter dan perhitungan
tidak
di
skala 1 : 10.
maka jika hasil dari nilai jarak > 2 (20 mahasiswa
diletakkan
dibagian
masing-masing
belakangan sudut
kelas.
Ilustrasi gambar dibawah menggunakan
simulasi menggunakan skala 1 : 10,
cm),
diasumsikan
meter x 5 meter. Didalam ruangan kelas
dari tag mahasiswa.
f.
ini,
ruangan kelas yang digunakan berukuran 5
Trilateration menghasilkan posisi (x,y)
e.
sistem
terindikasi
melakukan kecurangan absensi. Jika
9
skala 1 :10, asumsi dari posisi
reader 1
(9,7), reader 2 (2,50) dan reader 3 (50,50) seperti gambar berikut :
Gambar 4.1. Ilustrasi wilayah simulasi
Diasumsikan
setiap
Gambar 4.2. Asumsi Posisi Reader Saat Simulasi
mahasiswa
memiliki satu buah RFID tag. Sedangkan
Nilai jarak dan posisi dari setiap
untuk melakukan simulasi sistem analisa
reader ini selanjutnya akan dimasukkan ke
pola kehadiran mahasiswa ini, RFID tag
dalam
yang digunakan berjumlah 2.
menjadi :
persamaan
lingkaran
sehingga
(8)
Untuk proses dan penyimpanan data yang diterima oleh RFID reader, penulis menggunakan sebuah sistem aplikasi berbasis
website
menggunakan
bahasa
pemrograman PHP. Selanjutnya
RSSI
dari
persamaan
lingkaran ini diselesaikan hingga didapatkan
4.1. Algoritma Trilateration Nilai
ketiga
RFID
nilai posisi (x,y).
tag
mahasiswa dari setiap reader disimpan 4.2. Jarak Euclidian
kedalam database. Setiap RFID tag memiliki
Setelah posisi (x,y) dari setiap tag
3 nilai RSSI berbeda yang diterima dari ketiga reader. Ketiga nilai RSSI ini diubah menjadi nilai jarak dengan rumus : Distance, d = p ( 1 - mi ) Setelah
(7)
mahasiswa
yang
terdeteksi
selanjutnya
akan
dihitung
mahasiswa
menggunakan
diperoleh, jarak
antar
rumus
jarak
Euclidian :
nilai jarak didapatkan,
(9)
langkah selanjutnya adalah mendefinisikan Jika
posisi (x,y) dari setiap reader. Dengan
hasil
perhitungan
jarak
perkuliahan
Euclidian antara mahasiswa 1 dengan
berukuran 5 meter x 5 meter dan dengan
mahasiswa 2 ≥ 2, maka tidak ada indikasi
mengasumsikan
ruangan
10
kecurangan absensi pada kedua mahasiswa tersebut. Sebaliknya, jika hasil perhitungan jarak Euclidian antara mahasiswa 1 dengan ≤
mahasiswa 2
2, maka ada indikasi
kecurangan absensi pada kedua mahasiswa ini. Data dari kedua mahasiswa ini akan
Gambar 4.3. Grafik Himpunan Fuzzy Variabel Sikap dan Kedisiplinan
dimasukkan kedalam tahap estimasi pelaku kecurangan absensi menggunakan sistem pendukung
keputusan
metode
Persamaannya adalah :
Fuzzy
(10)
Tsukamoto.
4.3. Sistem
Pendukung
Keputusan
Metode Fuzzy Tsukamoto Mahasiswa
yang
terindikasi
melakukan kecurangan absensi selanjutnya akan dianalisa siapa yang diduga melakukan kecurangan absensi. Sistem
pendukung
keputusan
2.
metode Fuzzy Tsukamoto menggunakan 4
Variabel Nilai Rata-Rata Matakuliah Mahasiswa
kriteria yang akan dianalisis dan dijadikan
Pada variabel ini, seluruh nilai
sebagai variabel yaitu :
mahasiswa dengan dosen yang bersangkutan
1.
dikumpulkan dan dihitung rata-rata nilainya.
Variabel Sikap dan Kedisiplinan Sikap dan kedisiplinan mahasiswa
didapat
berdasarkan
penilaian
diberikan
oleh
dosen
Akademik
(Dosen
PA).
Nilai matakuliah mahasiswa diperoleh dari
yang
nilai
Pembimbing Nilai
akademik
mahasiswa
yang
telah
tersimpan pada database UMRAH. Nilai
domain
domain himpunan variabel nilai rata-rata
himpunan variabel sikap dan kedisiplinan
matakuliah
diperoleh dari seseorang yang dianggap
peraturan akademik yang digunakan pada
pakar untuk menentukan nilai domain ini.
Jurusan Teknik Informatika UMRAH.
Dalam hal ini, pakar adalah Wakil Dekan I
mahasiswa
Menurut
diperoleh
Panduan
dari
Akademik
Bidang Akademik dan Kemahasiswaan
Fakutas Teknik UMRAH(2010, 15), Sistem
Fakultas Teknik UMRAH.
Penilaian Nilai Akhir Matakuliah yang dipergunakan
adalah
norma
absolut
(penilaian acuan patokan disingkat PAP). Pelaksanaan penilaian acuan normative
11
(PAN)
diperoleh
dari
klasifikasi
nilai
3.
mentah (raw score) pada tabel berikut :
Variabel Nilai Absensi Mahasiswa
Pada variabel ini, absensi mahasiswa pada matakuliah dengan dosen yang bersangkutan
Tabel 4.1. Klasifikasi Nilai Mentah (Raw Score) Nilai Nilai Huruf Sebutan 80-100 A Sangat Baik 70-79 B Baik 60-69 C Cukup 50-59 D Kurang < 50 E Gagal
dikumpulkan dan dihitung rata-rata nilainya. Nilai absensi mahasiswa diperoleh dari nilai akademik mahasiswa yang telah tersimpan pada database UMRAH. Nilai domain himpunan variabel nilai absensi mahasiswa diperoleh dari peraturan akademik yang digunakan pada Jurusan Teknik Informatika UMRAH dengan merujuk kepada Panduan
Berdasarkan tabel tersebut maka akan
diperoleh
nilai
domain
Akademik
untuk
Fakultas
Teknik
UMRAH
himpunan fuzzy variabel nilai rata-rata
dengan absensi perkuliahan minimal 75%
matakuliah
dari 14 kali pertemuan tatap muka yang
mahasiswa
seperti
yang
diadakan (2010, 16).
ditunjukkan pada gambar berikut :
Gambar 4.5. Grafik Himpunan Fuzzy Variabel Nilai Absensi Mahasiswa
Gambar 4.4. Grafik Himpunan Fuzzy Variabel Nilai Rata-Rata Matakuliah Mahasiswa
Persamaannya adalah : (12)
Persamaannya adalah : (11)
12
4.
Variabel
Nilai
Absensi
Mahasiswa
5.
Keseluruhan Pada mahasiswa
Variabel Nilai Indikasi Kecurangan Absensi
variabel pada
ini,
semua
absensi
Variabel
fuzzy
ini
merupakan
matakuliah
himpunan fuzzy untuk nilai output yang
dikumpulkan dan dihitung rata-rata nilainya.
diperoleh setelah proses perhitungan fuzzy.
Nilai absensi mahasiswa diperoleh dari nilai
Nilai domain himpunan fuzzy nilai indikasi
akademik mahasiswa yang telah tersimpan
kecurangan absensi diperoleh dari seseorang
pada database UMRAH. Nilai domain
yang dianggap pakar untuk menentukan
himpunan variabel nilai absensi mahasiswa
nilai domain ini. Dalam hal ini, pakar adalah
keseluruhan
Wakil Dekan I Bidang Akademik dan
diperoleh
dari
peraturan
akademik yang digunakan pada Jurusan Teknik merujuk
Informatika kepada
UMRAH Panduan
Kemahasiswaan Fakultas Teknik UMRAH.
dengan
Akademik
Fakultas Teknik UMRAH dengan absensi perkuliahan minimal 75% dari 14 kali pertemuan tatap muka yang diadakan (2010, 16).
Gambar 4.7. Grafik Himpunan Fuzzy Variabel Nilai Indikasi Kecurangan Absensi
Setelah
pembentukan
himpunan
fuzzy, maka dilakukan pembentukan aturan fuzzy. Gambar 4.6. Grafik Himpunan Fuzzy Variabel Nilai Absensi Mahasiswa Keseluruhan
Aturan-aturan
dibentuk
untuk
menyatakan relasi antara input dan output. Tiap aturan merupakan suatu implikasi. Operator
yang
digunakan
untuk
menghubungkan antara dua input adalah
Persamaannya adalah :
operator AND, dan yang memetakan antara
(13)
input-output adalah IF-THEN. Setelah
aturan dibentuk,
maka
dilakukan aplikasi fungsi implikasi. Fungsi implikasi yang digunakan adalah fungsi MIN.
Fungsi
MIN
digunakan
untuk
mendapatkan nilai α predikat dari setiap rule.
13
Masing-masing nilai α predikat
yang terdeteksi diinput menggunakan
digunakan untuk menghitung hasil inferensi
notepad dan nilai RSSI bersifat statis.
secara tegas (crisp) masing-masing rule (z1,
Diharapkan
z2, z3, …, zn).
dikembangkan agar nilai RSSI dapat
kedepannya
dapat
Proses deffuzyfikasi pada metode
diinput secara otomatis dari reader
Tsukamoto menggunakan metode rata-rata
kedalam sistem secara langsung dan
(average) dengan rumus berikut :
nilai RSSI bersifat dinamis. 2.
(14)
Diharapkan kehadiran
sistem
analisa
mahasiswa
ini
pola dapat
fuzzy
diterapkan pada Fakultas teknik dengan
dilakukan maka akan didapatkan nilai
bekerja sama dengan jurusan Teknik
potensi
Elektro
Setelah
perhitungan
kecurangan
ditentukan
yang
mahasiswa
akan yang
dapat
untuk
mengembangkan
perangkat RFID yang akan digunakan
diduga
pada sistem ini untuk menghemat biaya
melakukan kecurangan absensi.
pengadaan perangkat RFID. V. KESIMPULAN DAN SARAN Sebagai diambil
penutup,
kesimpulan
difokuskan
pada
maka
bahwa
sistem
analisa
VI. DAFTAR PUSTAKA
dapat
______, 2012. Fakultas Teknik. Diperoleh pada 23 November 2013 dari http://umrah.ac.id
ini
kehadiran
mahasiswa pada saat perkuliahan dengan ______, 2013. Mengenal RFID. Diperoleh pada 16 Maret 2014 dari http://www.geyosoft.com/2013/me ngenal-rfid
output berupa posisi(x,y) dari mahasiswa dan
estimasi
mahasiswa
yang
diduga
melakukan kecurangan absensi. Berdasarkan hasil uji coba dan analisa, didapatkan bahwa
______, 2010. RFID Frequency Ranges. Diperoleh pada 13 Mei 2014 dari http://www.centrenationalrfid.com/rfid-frequency-rangesarticle-16-gb-ruid-202.html
sistem dapat mengenali pola kehadiran mahasiswa
dalam
perkuliahan
didalam
ruang kelas dengan memanfaatkan teknologi
Fauziya, Raihana, “Estimasi Posisi Relatif Sensor Pada Jaringan Sensor Nirkabel Menggunakan Metode Geometrik”, (2010).
RFID Positioning System. Hasil akhir estimasi mahasiswa yang diduga melakukan kecurangan absensi bersifat sebagai saran, bukan sebagai hasil akhir yang bersifat
Kusumadewi, Sri. “Aplikasi Logika Fuzzy untuk Pendukung Keputusan”. Yogyakarta: Graha Ilmu, (2011).
mutlak. Beberapa
saran
yang
perlu
disampaikan untuk penelitian selanjutnya,
Mahiddin. Noor Aida, Madi. Elissa Nadia, Dhalila. Siti, Hasan. Engku Fadzli, Safie. Suhailan dan Safie. Noaizan, “User Position Detection In An Indoor Environment”, Internatioanl Journal of Multimedia and
yaitu : 1.
Pada sistem analisa pola kehadiran mahasiswa ini, nilai RSSI dari RFID tag
14
Ubiquitous Engineering, No.5, (2013), pp. 303-312.
Yuniardi. Romi, “Perancangan Sistem Pendukung Keputusan Untuk Menentukan Kelayakan Pemberian Pembiayaan Nasabah Baitul Maalwat-Tamwil (BMT) Mujahidin Pontianak Dengan Menggunakan Fuzzy Inference System Metode Tsukamoto”, (2013).
Vol.8,
Ozkaya. Bora, “Application, Compariosn and Improvement of Known Received Signal Strength Indication (RSSI) Based Indoor Localization and Tracking Methods Using Active RFID Devices”. (2011)
Zhang. Yimin, Li. Xin, Amin. Moeness. “Principles and Techniques of RFID Positioning”, (2009).
Sutarti, Widyawan, Sumaryono. Sujoko, “Estimasi Lokasi Objek dalam Gedung Berbasis IEEE 802.11 Menggunakan Metode Naïve Bayes”, (2012). Syafrizal. Melwin, “Sistem Pendukung Keputusan (Decision Support System)”, (2009). Thamrin. Fanoeel, “Studi Inferensi Fuzzy Tsukamoto Untuk Penentuan Faktor Pembebanan Trafo PLN”, (2012). Ting. S L, Kwok. S K, Tsang. Albert H C, dan Ho. George T S, “The Study on Using Passive RFID Tags for Indoor Positioning”, International Journal of Engineering Business Management, Vol.3, No.1 (2011), pp. 9-15. Vaidya. Aarti, Meshram. A dan Sakhare. A, “Position Location Methodology Based on RSSI Using RFID”, International Journal of Application or Innovation in Engineering & Management (IJAIEM), Vol.3, Issue 1, (2014), pp. 370-375. Wiharta. Dewa Made, Ardana. Putu dan Maia. Frederik Nixon Da Rosa, “Kunci Pintu Otomatis Menggunakan Aplikasi RFID Card”, (2008). Wulandari. Yogawati, “Aplikasi Metode Mamdani dalam Penentuan Status Gizi dengan Indeks Massa Tubuh (IMT) Menggunakan Logika Fuzzy”, (2011).
15
