i

PROPOSAL SKRIPSI

SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN KARYAWAN TELADAN DENGAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS : PT F.I.F (FEDERAL INTERNATIONAL FINANCE))

OLEH : AAN HIDAYAT 3101 0601 0885

PROGRAM STUDI SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER BANJARBARU (STMIK BANJARBARU) BANJARMASIN 2011
i

PROGRAM STUDI SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER BANJARBARU(STMIK BANJARBARU) PERSETUJUAN PROPOSAL SKRIPSI Nama NIM Program Studi Judul Skripsi : AAN HIDAYAT : 310106010885 : SISTEM INFORMASI : SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN KARYAWAN TELADAN DENGAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS : PT. FIF (FEDERAL INTERNATIONAL FINANCE)) Telah disetujui untuk diseminarkan pada Sidang Proposal Skripsi Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika & Komputer Banjarbaru (STMIK BANJARBARU). Banjarmasin, September 2011 Pembimbing Utama,

Ir. Rintana Arnie, M.Kom. Mengetahui : Ketua Jurusan Sistem Informasi,

Bahar A. Rahman, M.Kom.

ii

iii

DAFTAR ISI
Hal.
PERSETUJUAN PROPOSAL SKRIPSI .............................................................................ii DAFTAR ISI....................................................................................................................... iii DAFTAR TABEL................................................................................................................v DAFTAR GAMBAR .......................................................................................................... vi BAB I PENDAHULUAN ................................................................................................... 1 1.1. 1.2. Latar Belakang .................................................................................................... 1 Permasalahan Penelitian ..................................................................................... 3 Identifikasi Masalah .................................................................................... 3 Ruang Lingkup Masalah ............................................................................. 3 Rumusan Masalah ....................................................................................... 3

1.2.1. 1.2.2. 1.2.3. 1.3.

Tujuan dan Manfaat Penelitian ........................................................................... 4 Tujuan Penelitian ........................................................................................ 4

1.3.1.

1.3.2. Manfaat Penelitian ............................................................................................ 4 BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN ..................................... 5 2.1. 2.2. Tinjauan Pustaka ................................................................................................. 5 Landasan Teori.................................................................................................... 6 Pengertian Sistem Pendukung Keputusan ................................................... 6 Karakteristik dan Manfaat Sistem Pendukung Keputusan .......................... 7 Beberapa Keterbatasan SPK ....................................................................... 8 Logika Fuzzy .............................................................................................. 8 Studi Kasus ............................................................................................... 13

2.2.1. 2.2.2. 2.2.3. 2.2.4. 2.2.5. 2.3.

Kerangka Pemikiran.......................................................................................... 19

BAB III METODE PENELITIAN ................................................................................... 20 iii

iv

3.1.

Analisa Kebutuhan ............................................................................................ 20 Metode Pengumpulan Data ....................................................................... 20

3.1.1. 3.2.

Perancangan Penelitian ..................................................................................... 21 Sumber Data dan Variabel Penelitian ....................................................... 21 Diagram Konteks ...................................................................................... 22 Use Case Diagram..................................................................................... 22 Sequence Diagram .................................................................................... 23 Activity Diagram....................................................................................... 24

3.2.1. 3.2.2. 3.2.3. 3.2.4. 3.2.5. 3.3. 3.4.

Teknik Analisis Data......................................................................................... 25 Jadwal Penelitian .............................................................................................. 27

DAFTAR PUSTAKA ....................................................................................................... 28 DAFTAR RIWAYAT HIDUP.......................................................................................... 29

iv

DAFTAR TABEL
Hal.
Tabel 3. 1. Estimasi Jadwal Penelitian .............................................................................. 27

vi

DAFTAR GAMBAR
Hal.
Gambar 2. 1. Himpunan Fuzzy pada variabel temperatur ................................................. 11 Gambar 2. 2. Representasi Kurva Bentuk Bahu ............................................................... 12 Gambar 2. 3. Fungsi Keanggotaan Variabel Permintaan .................................................. 14 Gambar 2. 4. Fungsi Keanggotaan Variabel Persediaan ................................................... 15 Gambar 2. 5. Fungsi Keanggotaan Variabel Produksi Barang ......................................... 16 Gambar 2. 6. Kerangka Pemikiran .................................................................................... 19 Gambar 2. 7. Kerangka Pemikiran .................................................................................... 19 Gambar 3. 1. Diagram Konteks ........................................................................................ 22 Gambar 3. 2. Use Case Diagram ....................................................................................... 23 Gambar 3. 3. Sequence Diagram ...................................................................................... 24 Gambar 3. 4. Activity Diagram......................................................................................... 25

vi

BAB I PENDAHULUAN
1.1. Latar Belakang Kualitas karyawan pada sebagian besar perusahaan merupakan suatu permasalah yang sangat penting. Dengan adanya karyawan-karyawan yang berkualitas membuat suatu perusahaan dapat berdiri dengan kokoh, bertumbuh dan berkembang dengan pesat dan menjadi besar. Oleh karena itu diperlukan kerjasama yang baik antara semua karyawan dan pemimpin perusahaan. PT F.I.F (Federal International Finance) cabang Batu Licin merupakan perusahaan yang bergerak dibidang jasa pembiayaan sepeda motor secara ritel. Bagi pimpinan maupun pemilik dari PT F.I.F menganggap karyawan-karyawan yang bekerja di perusahannya merupakan roda penggerak yang sangat penting bagi kelangsungan perusahaan. Pemilihan karyawan teladan dilakukan secara periodik dengan tujuan agar karyawan selalu memacu semangat dalam dirinya untuk terus meningkatkan atau bahkan tetap mempertahankan dedikasi dan kinerjanya di perusahaan dari tahun ke tahun. Proses pemilihan karyawan teladan tersebut bukan merupakan hal yang mudah. Selama ini pada PT. FIF cabang Batu Licin dalam pemilihan karyawan teladan nya dilakukan dengan cara memilih salah satu karyawan yang di rekomendasikan oleh karyawan-karyawan pada PT. FIF itu sendiri, cara pemilihan tersebut tentu memiliki banyak kekurangan terutama dari segi objektifitas serta belum ada nya kriteria yang terukur yang digunakan untuk menentukan siapa yang jadi karyawan teladan. Banyak kriteria-kriteria sebagai penilaian yang digunakan
1

dalam proses pemilihan, dimana kriteria-kriteria tersebut didasarkan pada persepsi seseorang. Kendala yang lain yang timbul dalam pemutusan pemilihan karyawan teladan adalah sering kali pimpinan sebagai pengambil keputusan masih mengandalkan intuisi (subjektif). Hal ini tentu saja menjadi sebuah kekurangan untuk menentukan tepat atau tidaknya seseorang terpilih sebagai karyawan teladan. Logika fuzzy dengan penalaran tsukamoto adalah salah satu metode yang dapat diterapkan untuk membangun suatu sistem sebagai penyelesaian masalah tersebut. Metode ini telah banyak diterapkan untuk berbagai keperluan dalam mengatasi masalah yang sedang dihadapi. Beberapa penelitian diantaranya yang menerapkan metode ini adalah Ganjar Ramadhan dengan judulnya Menentukan Harga Mobil Bekas Toyota Avanza Menggunakan Metode Tsukamoto meneliti tentang penerapan fuzzy tsukamoto ke dalam suatu sistem yang bertujuan untuk membantu calon pembeli mobil Avanza bekas dalam menentukan harga yang pantas dibayar untuk membeli mobil tersebut. Penelitian tersebut melakukan proses terhadap variabel harga beli mobil baru, kondisi mobil sekarang, tipe/jenis mobil, dan tahun pembelian mobil. Hasil yang didapat berupa prediksi harga mobl bekas. Oleh karena itu perlu dirancang dan dibangun sebuah sistem yang dapat mengatasi permasalahan diatas, yaitu dengan menerapkan logika fuzzy menggunakan penalaran tsukamoto pada sistem yang dapat memberikan solusi yang tepat dalam menentukan pemilihan karyawan teladan.

1.2.

Permasalahan Penelitian

1.2.1. Identifikasi Masalah Berdasarkan pada uraian latar belakang diatas, maka identifikasi permasalahan dalam penelitian ini yaitu cara pemilihan karyawan teladan yang dilakukan dengan memilih salah satu karyawan yang di rekomendasikan oleh karyawan-karyawan pada PT. FIF itu sendiri, serta belum ada nya kriteria yang terukur yang digunakan untuk menentukan siapa yang jadi karyawan teladan. Banyak kriteria-kriteria sebagai penilaian yang digunakan dalam proses pemilihan, dimana kriteria-kriteria tersebut didasarkan pada persepsi seseorang. 1.2.2. Ruang Lingkup Masalah Ruang lingkup masalah untuk penelitian ini meliputi : 1. Kriteria-kriteria yang akan dipergunakan dalam sistem pendukung keputusan ini adalah disiplin, loyalitas, komunikasi, absensi, dan problem solving. 2. Sistem pendukung keputusan ini disesuaikan dengan aturan yang berlaku di PT. FIF cabang Batulicin. 3. Sistem pendukung keputusan ini hanya diperuntukkan untuk karyawan yang berkedudukan sebagai staf di PT.FIF cabang Batulicin. 1.2.3. Rumusan Masalah Rumusan masalah dalam penelitian ini adalah bagaimana menerapkan metode fuzzy tsukamoto dalam kasus pemilihan karyawan teladan pada PT. FIF cabang Batulicin?

1.3.

Tujuan dan Manfaat Penelitian

1.3.1. Tujuan Penelitian Sesuai dengan latar belakang di atas, maka penelitian yang dilakukan ini memiliki tujuan menerapkan dan menguji tingkat akurasi logika fuzzy tsukamoto dalam kasus pemilihan karyawan teladan PT. FIF cabang Batulicin. 1.3.2. Manfaat Penelitian 1. Bagi Penulis, penelitian ini berguna untuk menambah wawasan mengenai metode fuzzy tsukamoto beserta penerapannya. 2. Bagi PT. FIF cabang Batulicin, penelitian merupakan salah satu alternatif dalam menentukan calon karyawan teladan sesuai dengan kriteria yang ada di perusahaan tersebut. 3. Hasil penelitian ini juga dapat dimanfaatkan sebagai referensi untuk penelitian selanjutnya.

BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN

2.1. Tinjauan Pustaka Penelitian mengenai sistem pendukung keputusan pemilihan karyawn teladan bukanlah baru pertama kali ini dilakukan , sudah ada penelitian terdahulu tentang penerapan metode fuzzy tsukamoto tersebut. Penelitian terdahulu yang relevan dengan penelitian ini adalah sebagai berikut. Ni Made Dwi Partawi dengan judul Rancang Bangun Sistem Pendukung Keputusan Pemilihan Karyawan Teladan Menggunakan Metode Fuzzy AHP. Sistem tersebut memberikan saran urutan prioritas solusi pemilihan karyawan teladan berdasarkan kriteria intelegensia, kepribadian, sikap, fisik, teknis, dan kriteria manajerial serta masing-masing subkriteria dan sebagai pertimbangan oleh PT. BTCD dalam memilih karyawan. Ganjar Ramadhan dengan judulnya Menentukan Harga Mobil Bekas Toyota Avanza Menggunakan Metode Tsukamoto meneliti tentang suatu sistem untuk membantu calon pembeli mobil Avanza bekas untuk menentukan harga yang pantas yang harus ia bayar untuk membeli mobil tersebut dengan metode Tsukamoto. Hasil penelitian sebelumnya dapat menjadi informasi dan acuan bagi peneliti saat ini yang menerapkan metode yang sama. Penelitian-penelitian diatas berbeda dengan penelitian kali ini, dimana penelitian ini menerapkan metode Tsukamoto untuk membuat Sistem Penunjang Keputusan dalam pemilihan karyawan teladan menggunakan metode fuzzy tsukamoto.
5

2.2.

Landasan Teori

2.2.1. Pengertian Sistem Pendukung Keputusan Sistem Pendukung Keputusan (Decision Support Sistem) merupakan suatu istilah yang mengacu pada suatu sistem yang memamfaatkan dukungan computer dalam proses pengambilan keputusan.Untuk memberikan pengertian tersebut, disini akan diuraikan definisi mengenai Sistem Pendukung Keputusan.Yaitu, SPK merupakan suatu sistem yang interaktif,yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur. SPK atau Decission Support Sistem (DSS) adalah merupakan suatu kumpulan sistem yang dapat mendukung proses pengambilan keputusan,yang selanjutnya dapat menunjang pengambilan keputusan dalam memperoleh data dan menguji beberapa alternatif-alternatif solusi yang mengandung konsekuensikonsekuensi selama proses pemecahan masalah berlangsung.Atau boleh disebut merupakan aplikasi dari sebuah sistem informasi yang membantu proses pengambilan keputusan. SPK tidak ditekankan untuk membuat keputusan, tetapi untuk melengkapi mereka yang terlibat dalam pengambilan keputusan dengan sekumpulan kemampuan untuk mengolah informasi yang diperlukan dalam proses

pengambilan keputusan dan sistem ini bukan dimaksudkan untuk mengganti pengambilan keputusan dalam membuat suatu keputusan,melainkan mendukung pengambil keputusan.

2.2.2. Karakteristik dan Manfaat Sistem Pendukung Keputusan Karakteristik sistem pendukung keputusan adalah sebagai berikut: 1. Sistem Pendukung Keputusan dirancang untuk membantu pengambilan keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun yang tidak terstruktur dengan menambah kebijaksanaan manusia dan informasi komputerisasi. 2. Dalam proses pengolahannya, SPK mengkombinasikan penggunaan model model analisis dengan teknik pemasukan data konvensional serta fungsi fungsi pencari/interogasi informasi. 3. SPK dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah. 4. SPK dirancang dengan menekankan pada aspek fleksibel serta kemampuan adaptasi yang tinggi.

Manfaat yang dapat diambil dari sistem pendukung keputusan ini : 1. SPK memperluas kemampuan pengambilan keputusan dalam memproses data/informasi bagi pemakainya. 2. SPK membantu pengambilan keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak teratur. 3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan. Walaupun mungkin saja SPK,tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan,namun ia dapat menjadi stimulant bagi

pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan berbagai alternatif pemecahan. 2.2.3. Beberapa Keterbatasan SPK 1. Ada beberapa kemapuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya. 2. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan yang dimilikinya ( pengetahuan dasar serta model dasar ). 3. Proses - proses yang dapat dilakukan SPK biasanya juga tergantung pada perangkat lunak yang digunakan. 4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki

manusia.Sistem ini dirancang hanyalah untuk membantu pengambilan keputusan dalam melaksanakan tugas. 2.2.4. Logika Fuzzy 2.2.4.1 Pengertian Logika Fuzzy Dalam logika konvensional, nilai kebenaran mempunyai kondisi yang pasti yaitu benar atau salah (true or false), dengan tidak ada kondisi antara. Prinsip ini telah mendominasi pemikiran logika di dunia sampai sekarang. Tentu saja, pemikiran mengenai logika konvensional dengan nilai kebenaran yang pasti yaitu benar atau salah dalam kehidupan yang nyata sangatlah tidak mungkin. logika fuzzy menawarkan suatu logika yang dapat merepresentasikan keadaan dunia nyata. Teori himpunan logika fuzzy di kembangkan oleh Professor Lofti A. Zadeh pada tahun 1965. Ia ber-pendapat bahwa logika benar dan salah dari logika

booleanlkonvensional tidak dapat mengatasi masalah gradasi yang berada pada dunia nyata.Untuk mengatasi masalah gradasi yang tidak terhingga tersebut, Zadeh mengembangkan sebuah himpunan fuzzy. Tidak seperti logika boolean, logika fuzzy mempunyai nilai yang kontinu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama. Berdasarkan hal tersebut diatas Logika fuzzy dapat digunakan untuk memodelkan suatu permasalahan yang matematis, dimana konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. Logikafuzzy merupakan generalisasi dari logika klasik (Crisp Set) yang hanya memiliki dua nilai keanggotaan yaitu 0 dan 1. Dalam logika fuzzy nilai kebenaran suatu pernyataan berkisar dari sepenuhnya benar sampai dengan sepenuhnya salah. Fuzzy Logic berhubungan dengan ketidakpastian yang telah menjadi sifat alamiah manusia, mensimulasikan proses pertimbangan normal manusia dengan jalan memungkinkan komputer untuk berperilaku sedikit lebih seksama dan logis daripada yang dibutuhkan metode computer konvensional. Pemikiran di balik pendekatan ini adalah pengambilan keputusan tidak sekadar persoalan hitam dan putih atau benar dan salah, namun kerapkali melibatkan area abu-abu, dan hal itu dimungkinkan. 2.2.4.2 Himpunan Fuzzy Himpunan fuzzy merupakan suatu group yang mewakili suatu kondisi atau keadaa tertentu dalam suatu variabel fuzzy. Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan

10

flA[x], memiliki dua kemungkinan, yaitu : Satu (I), yang berarti bahwa suatu item menjadi anngota dalam suatu himpunan atau Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy flA[ x] = 0 berarti x tidak menjadi anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzy flA[ x] = 1 berarti x menjadi anggota penuh pada himpunanA. Kemiripan antara keanggotaan fuzzy dengan probabilitas terkadang menimbulkan kerancuan, karena memiliki nilai pada interval [0,1], namun interpretasi nilainya sangat berbeda. Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang. Himpunan fuzzy memiliki 2 atribut, yaitu : a. Linguistik, yaitu penamaan suatu group yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : Muda, Parobaya, Tua. b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti : 25,40,60.
Ada beberapa hal yang perlu diketahui dalam memahami suatu sistem fuzzy, yaitu :

a. Variabel fuzzy Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu system fuzzy. Contoh : umur, temperatur, permintaan, dsb. b. Himpunan fuzzy

11

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh :
1. Variabel umur, terbagi menjadi 3 himpunan fuzzy, yaitu :

MUDA, PAROBAYA, TUA. 2. Variabel temperatur, terbagi menjadi 5 himpunan fuzzy, yaitu : DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS.
SEJUK NORMAL HANGAT

DINGIN

PANAS

[x]

15

20

25

30

35

40

Gambar 2. 1. Himpunan Fuzzy pada variabel temperatur

c. Semesta Pembicaraan Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan umtuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan 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 : 1. Semesta pembicaraan untuk variabel umur : [0 +] 2. Semesta pembicaraan untuk variabel temperatur : [0 40] d. Domain Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam

12

semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif. Contoh domain himpunan fuzzy : 1. MUDA 2. PAROBAYA 3. TUA : [0 45] : [33 45] : [45 +]

2.2.4.3 Fungsi Keanggotaan Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titiktitik input data ke dalam nilai keanggotaan yang memiliki nilai interval antara 0 dan I. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Salah satu representasi fungsi keanggotaan dalam fuzzy yang akan dipakai adalah representasi kurva bentuk bahu. Kurva yang bentuknya seperti bahu di
sisi paling kanan dan paling kirinya. Himpunan fuzzy bahu, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu Kiri 1 [x] Bahu Kanan

0 a b c d e f

Gambar 2. 2. Representasi Kurva Bentuk Bahu

Ada dua keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0]

13

bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi. Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. 2.2.4.4 Metode Tsukamoto Dalam membangun sebuah sistem fuzzy dikenal beberapa metode penalaran, antara lain : metode Tsukamoto, metode Mamdani dan metode Sugeno. Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IFTHEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiaptiap aturan diberikan dengan tegas (crisp) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Misal ada 2 variabel input, var-1(x) dan var-2(y) serta 1 variabel output var-3(z), dimana var-1 terbagi atas 2 himpunan yaitu A1 dan A2 dan var-2 terbagi atas himpunan B1 dan B2. Sedangkan var-3 juga terbagi atas 2 himpunan yaitu C1 dan C2. (Kusumadewi, 2003). Ada dua aturan yang digunakan yaitu: [R1] IF (x is A1) and (y is B2) THEN (z is C1) [R2] IF (x is A2) and (y is B1) THEN (z is C2) 2.2.5. Studi Kasus Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir, permintaan terbesar mencapai 5000

14

kemasan/hari, dan permintaan terkecil mencapai 1000 kemasan/hari. Persediaan barang di gudang terbanyak mencapai 600 kemasan/hari, dan terkecil pernah mencapai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini perusahaan baru memproduksi barang maksimum 7000 kemasan/hari, untuk efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan. Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000 kemasan dan persediaan di gudang masih 300 kemasan, apabila proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy sebagai berikut : [R1] IF Permintaan TURUN And Persediaan BANYAK THENProduksi Barang BERKURANG; [R2] IF Permintaan TURUN And Persediaan SEDIKIT THENProduksi Barang BERKURANG; [R3] IF Permintaan NAIK And Persediaan BANYAK THENProduksi Barang BERTAMBAH; [R4] IF Permintaan NAIK And Persediaan SEDIKIT THENProduksi Barang BERTAMBAH; Solusi : Ada 3 variabel yang akan dimodelkan, yaitu : 1. Permintaan, terdiri atas 2 himpunan fuzzy : NAIK dan TURUN. [x] TURUN
0,75 0,25 0 1000 4000 5000
Gambar 2. 3. Fungsi Keanggotaan Variabel Permintaan

NAIK

15

Mencari nilai keanggotaan : PmtTURUN(4000) = (5000-4000)/4000 = 0,25 PmtNAIK(4000) = (4000-1000)/4000 = 0,75

2. Persediaan, terdiri atas 2 himpunan fuzzy :SEDIKIT dan BANYAK.

[y] 1 0,6 0,4 0
100 300 600 SEDIKIT BANYAK

Gambar 2. 4. Fungsi Keanggotaan Variabel Persediaan

Mencari nilai keanggotaan : PsdSEDIKIT(300) = (600-300)/500 = 0,6 PsdBANYAK(300) = (300-100)/500 = 0,4

16

3. Produksi, terdiri atas 2 himpunan fuzzy : BERKURANG dan BERTAMBAH.

[z] 1
BERKURANG BERTAMBAH

0
2000 7000

Gambar 2. 5. Fungsi Keanggotaan Variabel Produksi Barang

Cari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi fungsi implikasinya : [R1] IF Permintaan TURUN And Persediaan BANYAK THENProduksi Barang BERKURANG; -predikat1 = PmnTURUN PsdBANYAK = min(PmnTURUN(4000), PsdBANYAK(300)) = min(0,25;0,4) = 0,25 Lihat himpunan Produksi barang BERKURANG, (7000-z)/5000 = 0,25 [R2] z1 = 5750

IF Permintaan TURUN And Persediaan SEDIKIT THENProduksi Barang BERKURANG; -predikat2 = PmtTURUN PsdSEDIKIT

17

= min(PmtTURUN(4000), PsdSEDIKIT(300)) = min(0,25;0,6) = 0,25 Lihat himpunan Produksi barang BERKURANG, (7000-z)/5000 = 0,25 [R3] z2 = 5750

IF Permintaan NAIK And Persediaan BANYAK THENProduksi Barang BERTAMBAH; -predikat3 = PmtNAIK PsdBANYAK = min(PmtNAIK(4000), PsdBANYAK(300)) = min(0,75;0,4) = 0,4

Lihat himpunan Produksi barang BERTAMBAH, (z-2000)/5000 = 0,4 [R4] z3 = 4000

IF Permintaan NAIK And Persediaan SEDIKIT THENProduksi Barang BERTAMBAH; -predikat4 = PmtNAIK PsdSEDIKIT = min(PmTNAIK(4000), PsdSEDIKIT(300)) = min(0,75;0,6) = 0,6

Lihat himpunan Produksi barang BERTAMBAH, (z-2000)/5000 = 0,6 z4 = 4000

Nilai z dapat dicari dengan cara sebagai berikut :

18

Jadi jumlah makanan kaleng jenis ABC yang harus diproduksi sebanyak 4983 kemasan.

19

2.3.

Kerangka Pemikiran

Gambar 2. 6. Kerangka Pemikiran

BAB III METODE PENELITIAN

3.1. Analisa Kebutuhan Analisis kebutuhan perangkat lunak dilakukan untuk mengetahui semua permasalahan serta kebutuhan yang diperlukan dalam pengembangan aplikasi sistem pendukung keputusan pemilihan karyawan teladan. Analisis dilakukan dengan mencari dan menentukan permasalahan yang dihadapi, serta semua kebutuhan seperti analisis masalah, analisis sistem, masukan dan keluaran sistem, antarmuka sistem, serta fungsi-fungsi yang dibutuhkan. Metode analisis merupakan langkah penting dalam perancangan perangkat lunak. Langkah ini sangat mempengaruhi perancangan yang dibuat beserta implementasinya. Kesalahan dan kekurangsempurnaan pada tahap ini dapat mengakibatkan kesalahan pada perancangan perangkat lunak, sehingga program tidak dapat diimplementasikan seperti yang diinginkan. Variabel-variabel yang dipelukan dalam pembuatan sistem penunjang keputusan untuk pemilihan karyawan teladan dengan logika fuzzy tsukamoto pada PT. FIF cabang batulicin yaitu kedispilinan, loyalitas terhadap perusahaan, kemampuan komunikasi, tingkat kehadiran, dan kemampuan dalam memecahkan masalah sebagai variabel input dan variabel hasil sebagai variabel output. 3.1.1. Metode Pengumpulan Data 1. Metode Kepustakaan

20

21

Metode ini digunakan untuk mengumpulkan data-data dan rumusrumus yang diperlukan dalam kaitannya untuk menerapkan algoritma fuzzy tsukamoto. Hal ini dapat diperoleh dari buku-buku dan literatur lainnya. 2. Wawancara Metode ini dilakukan dengan mangadakan tanya jawab (wawancara) secara langsung dengan pihak-pihak yang berkaitan dengan informasi. 3. Metode observasi Metode ini dilaksanakan dengan melakukan peninjauan langsung pada objek penelitian serta melakukan pencatatan mengenai hal-hal dan semua kejadian yang berhubungan dengan masalah yang diteliti. Observasi dilakukan di PT. FIF cabang Batulicin. 3.2. Perancangan Penelitian

3.2.1. Sumber Data dan Variabel Penelitian Data penelitian yang digunakan adalah data sekunder yang diambil dari PT. FIF cabang Batulicin. Variabel penelitian yang digunakan berjumlah 5 variabel input dan 1 variabel output. variabel tersebut adalah sebagai berikut : X1= disiplin X2 = loyalitas X3 = komunikasi X4 = absensi X5 = problem solving (kemampuan memecahkan masalah) X6 = hasil inferensi

22

3.2.2. Diagram Konteks Diagram konteks merupakan gambaran umum mengenai interaksi yang terjadi antara sistem dengan admin. Diagram konteks dari sistem ini ditunjukkan pada gambar. Pada diagram konteks digambarkan proses umum yang terjadi di dalam sistem. Terdapat komponen proses cluster dan external entity admin sebagai yang memasukkan input dan menerima output. Admin memasukkan jumlah cluster yang diminta untuk selanjutnya di proses. Setelah melakukan proses, sistem akan menghasilkan output berupa.
Input Data Karyawan Input Variabel Disiplin Input Variabel loyalitas Input Variabel Komunikasi Input Variabel Absensi Input Variabel problem solving

Admin

Sistem Pendukung Keputusan Pemilihan Karyawan Teladan

Daftar calon karyawan teladan

Gambar 3. 1. Diagram Konteks

3.2.3. Use Case Diagram Use case adalah konstruksi untuk mendeskripsikan bagaimana sistem terlihat dimata pengguna. Sasaran permodelan use case diantaranya adalah mendefinisikan kebutuhan fungsional dan operasional sistem dengan

mendefinisikan skenario penggunaan yang disepakati antara pemakai dan pengembang (developer). Dari identifikasi aktor yang terlibat diatas maka use case diagram untuk sistem penunjang keputusan dalam pemilihan armada dapat dilihat pada

23

uc SPK pemilihan karyaw an teladan

Input Batas Atas dan Batas Baw ah Variabel

Input Variabel Disiplin

Input Variabel Loyalitas

Input Variabel

Input Variabel Komunikasi

User Algoritma Fuzzy Tsukamoto Input Variabel Absensi

Input Variabel Problem Solv ing

v iew hasil

Gambar 3. 2. Use Case Diagram

3.2.4. Sequence Diagram Sequence diagram menggambarkan interaksi antar objek didalam dan disekitar sistem (termasuk pengguna, display dan sebagainya) berupa message yang digambarkan terhadap waktu. Sequence diagram teridiri antar dimensi vertikal (waktu) dan dimensi horizontal (objek-objek yang terkait). Sequnce diagram biasa digunakan untuk menggambarkan skenario atau rangkaian langkahlangkah yang dilakukan sebagai respon dari sebuah event untuk menghasilkan

24

output tertentu. Diawali dari apa yang men-trigger aktivitas tersebut, proses dan perubahan apa saja yang terjadi secara internal dan output apa yang dihasilkan. Masing-masing objek, termasuk aktor memiliki lifeline vertikal. Message digambarkan sebagai garis berpanah dari suatu objek ke objek lainnya. Pada fase desain berikutnya, message akan dipetakan menjadi operasi / metode dari class. Activation bar menunjukkan lamanya eksekusi sebuah proses, biasanya diawali dengan diterimanya sebuah message.
sd SPK pemilihan karyaw an teladan Database Karyawan User Layar Algoritma Fuzzy Tsukamoto Hasil

Tampilan menu()

Input variabel()

Proses()

Hasil Inferensi() Menampilkan hasil inferensi tsukamoto()

Hasil Inferensi()

Gambar 3. 3. Sequence Diagram

3.2.5. Activity Diagram Activity diagram adalah bagian dari UML yang digunakan untuk menggambarkan tahapan dari setiap proses bisnis yang ada agar lebih mudah memahami proses bisnis yang terjadi. Dalam activity diagram tiap aktivitas direpresentasikan dengan rounded rectangle yang dihubungkan dengan anak panah untuk menggambarkan transisi

25

dari satu aktivitas ke aktivitas lain. Activity diagram mulai dari initial state dan diakhiri dengan final state.
act SPK pemilihan... Mulai

Input Variabel

Algoritma Fuzzy Tsukamoto

Hasil

Selesai

Gambar 3. 4. Activity Diagram

3.3.

Teknik Analisis Data Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-

THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiaptiap aturan diberikan dengan tegas (crisp) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Tahapan dalam perancangan sistem fuzzy ialah sebagai berikut : 1. Mendefinisikan model masukan dan keluaran system, dalam kasus ini
terdapat 5 model masukan/variabel input : disiplin, loyalitas, komunikasi,

absensi, probel solving.

26

2. Dekomposisi variabel model menjadi himpunan fuzzy, ke-5 variabel input

dan 1 variabel output terbagi atas 3 himpunan yaitu baik, cukup, kurang.

3. Pembuatan Aturan F uzzy, Ada 3 aturan yang dipakai, yaitu : [R1] IF (X1 is baik) AND (X2 is baik) AND (X3 is baik) AND (X4 is baik) AND (X5 is baik) THEN (X6 is baik). [R2] IF (X1 is cukup) AND (X2 is cukup) AND (X3 is cukup) AND (X4 is cukup) AND (X5 is cukup) THEN (X6 is cukup). [R3] IF (X1 is kurang) AND (X2 is kurang) AND (X3 is kurang) AND (X4 is kurang) AND (X5 is kurang) THEN (X6 is kurang). Dengan : X1= disiplin X2 = loyalitas X3 = komunikasi X4 = absensi X5 = problem solving (kemampuan memecahkan masalah) X6 = hasil inferensi 4. Proses Logika Fuzzy :
a. Fuzzifikasi, merupakan proses untuk mendapatkan derajat keanggotaan dari sebuah nilai numerik masukan (crisp). Misal untuk mendapatkan derajat keanggotaan untuk himpunan baik, cukup, dan kurang pada variabel disiplin adalah dengan menggunakan representasi kurva bentuk bahu.

b. Aplikasi fungsi implikasi, dimana penggunaan Fungsi MIN sebagai

Metode Implikasinya dalam menentukan -predikat minimum dari tiap-

27

tiap aturan yang ditetapkan, maksudnya dari beberapa pernyataan IF tersebut diambil -predikat atau nilai derajat keanggotaan terkecil.

c. Defuzzifikasi, proses untuk merubah hasil penalaran yang berupa derajat

keanggotaan keluaran (-predikat) menjadi variabel numerik kembali (crisp).

3.4.

Jadwal Penelitian Penelitian ini akan dilaksanakan dengan mengikuti estimasi jadwal yang

telah disusun seperti pada Tabel 3.1 berikut :

Tabel 3. 1. Estimasi Jadwal Penelitian

No 1. 2. 3. 4. 5.

Kegiatan Pengumpulan Data Analisa Permasalahan Penerapan Algoritma Uji Algoritma dan Implementasi Pembuatan Laporan

Bulan 1 Bulan 2 Bulan 3 Bulan 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

Keterangan : : Pelaksanaan Kegiatan

28

DAFTAR PUSTAKA

Adiyasa, Y. (2008). Sistem Pendukung Keputusan Estimasi Jumlah Produksi Gula Dengan Logika Fuzzy (Studi Kasus PT. Madu Baru Yogyakarta). Sekolah Tinggi Teknologi Adisutjipto. Yogyakarta. Chandraleka, H. (2007). Panduan Praktis Pemrograman Delphi 8. Yogyakarta: Penerbit Andi Yogyakarta. Kani, Firmansyah, & Sufandi, U. U. (2010). Pemrograman Database Menggunakan Delphi. Jakarta: Graha Ilmu. Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. Partawi, N. M. (2010). Rancang Bangun Sistem Pendukung Keputusan Pemilihan Karyawan Teladan Menggunakan Metode Fuzzy AHP. Sekolah Tinggi Ilmu Komputer Surabaya. Surabaya. Ramadhan, G. (2008). Menentukan Harga Mobil Bekas Toyota Avanza Menggunakan Metode Tsukamoto. Universitas Islam Negeri Syarif Hidayatullah. Jakarta.

29

DAFTAR RIWAYAT HIDUP

a.

Data Personal NIM Nama Tempat / Tgl. Lahir Jenis Kelamin Agama Status Perkawinan Jenjang Program Studi Alamat Rumah Telp. Email ID Messenger

: : : : : : : : : : : :

Islam Lajang Strata Satu (S1) Sistem Informasi

b. Pendidikan Formal Jenjang Nama Lembaga SD/MI SMP/MTs. SMA/MK/MA

Jurusan

Tahun Lulus

Demikianlah daftar riwayat hidup ini dibuat dengan sebenarnya. Banjarmasin, September 2011 Mahasiswa Ybs.,