You are on page 1of 25

LOGIKA FUZZY INFERENCE SYSTEM MAMDANI UNTUK SISTEM PENDUKUNG KEPUTUSAN KASUS PENILAIAN SISWA DI YAYASAN GEMA NURANI

BEKASI

TESIS INDAH ARIYATI 14000540

PROGRAM PASCASARJANA MAGISTER ILMU KOMPUTER SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER NUSA MANDIRI JAKARTA 2013

Sekolah merupakan salah satu tempat efektif untuk mentransformasikan ilmu sekaligus sebagai sarana pendidikan bagi siswa. Manfaat dari program penilaian siswa adalah mendorong siswa untuk selalu berkembang dan menuju arah yang lebih baik. Proses penilaian siswa menggunakan Logika Fuzzy Inference System Model Mamdani untuk mengolah data sehingga dapat menghasilkan keputusan yang lebih tepat, cepat dan efisien

Identifikasi Masalah : 1. Kriteria penilaian 2. Proses perhitungan penilaian 3. Keputusan siswa


Rumusan Masalah 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 diaplikasikan menggunakan Toolbox Matlab R2011b.

Manfaat : sebagai pengembangaan ilmu pengetahuan khususnya dibidang logika fuzzy

Tujuan : menerapkan Metode Logika Fuzzy Inference System Model Mamdani sebagai sistem pendukung keputusan penilaian siswa

1. Yayasan Gema Nurani Bekasi 2. Kriteria penilaian siswa sebagai varibel input 3. Pengolahan data menggunakan Logika Fuzzy Inference System Model Mamdani sedangkan penerapan sistem pendukung keputusan menggunakan Toolbox Matlab R2011b

Menurut Hapsari dan Karimah (2012,p.35) Sistem pendukung keputusan merupakan sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur maupun tidak terstruktur. Menurut Budiharto (2008,p.164) Logika fuzzy merupakan logika samar yang berhadapan langsung dengan konsep kebenaran sebagian, bahwa logika klasik dalam segala hal dapat diekspresikan dengan binary 0 atau 1 sementara logika fuzzy dimungkinkan adanya nilai antara 0 sampai dengan 1.
Menurut Kusumadewi (2002,p.94). Logika Fuzzy Inference System adalah proses merumuskan pemetaan dari ruang input ke ruang ouput dengan menggunakan logika fuzzy

Ada beberapa alasan mengapa orang menggunakan Logika fuzzy menurut Pudjo Widodo dan Trias Handayanto (2012,p.4) antara lain :
Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. Logika fuzzy sangat fleksibel. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. Logika fuzzy didasarkan pada bahasa alami.
7

Kurikulum 2013 Indikator Penilaian Siswa: 1. Kepribadian Siswa 2. Minat Belajar 3. Ketrampilan Belajar 4. Nilai Pelajaran-Pengetahuan Umum

Kondisi Saat ini 1. Proses penilaian siswa yang kurang objektif 2. Perhitungan nilai hanya mengandalkan ratarata dari total keseluruhan 3. Keputusan penilaian mempunyai dua keputusan dengan perbedaan yang nyata

Sistem Pendukung Keputusan dengan Logika Fuzzy Inference System Model Mamdani
Data Model

Kondisi Yang Diharapkan Sistem Pendukung Keputusan Penilaian Siswa secara cepat, tepat dan akurat

Data Baru

Data Training

Data Testing

Training pemodelan dengan FIS Mamdani : - Pembentukan himpunan fuzzy - Aplikasi fungsi implikasi - Komposisi aturan - Deffuzifikasi

Menghasilkan Analisa keputusan

Proses validasi menggunakan data testing

Model FIS Mamdani tervalidasi

Uji Coba Sistem

Model GUI di Matlab

Evaluasi dengan Penyebaran Kuesioner

SPK Penilaian Siswa

1. Waktu dan tempat penelitian 2. Jenis penelitian 3. Metode Pengumpulan data (Studi pustaka, observasi, wawancara 4. Tahap analisa data
Tahapan mendapatkan output dengan metode Logika FIS Mamdani, menurut Kusumadewi (2002,p.89) - Fuzzifikasi , - Aplikasi Fungsi Implikasi - Komposisi Aturan - Defuzzifikasi

5. Implementasi Sistem

1. Fuzzifikasi
Semesta pembicaraan setiap variabel fuzzy
Fungsi Nama Variabel Kepribadian Umum Minat Belajar Input Ketrampilan Belajar [0, 100] [0, 100] [0,100] Angka Penilaian Angka Penilaian Hasil Penilaian Semesta Pembicaraan [0, 100] [0, 100] Keterangan Angka Penilaian Angka Penilaian

Nilai Pelajaran dan Pengetahuan Umum


Output Hasil siswa

10

Nota
si

Variabel

Himpunan
Fuzzy Rendah

Fungsi Domain [0, 75] [60, 90] Keanggotaan Bahu Kiri Segitiga Parameter (0;60;75) (60;75;90)

Kepribadian Umum

Sedang

Tinggi
Rendah

[75, 100]
[0, 70] [60, 80] [70, 100] [0, 70] [60, 80] [70, 100] [0, 70] [60, 80] [70, 100] [0, 75]

Bahu Kanan
Bahu Kiri Segitiga Bahu Kanan Bahu Kiri Segitiga Bahu Kanan Bahu Kiri Segitiga Bahu Kanan Bahu Kiri

(75;90;100)
(0;60;70) (60;70;80) (70;80;100) (0;60;70) (60;70;80) (70;80;100) (0;60;70) (60;70;80) (70;80;100) (0;50;75)

Himpunan Fuzzy Penilaian Siswa

Minat Belajar

Sedang Tinggi Rendah

Ketrampilan
Belajar

Sedang Tinggi

Nilai Pelajaran Rendah


d -Pengetahuan Sedang Umum Tinggi
Sangat Krg Baik

Kurang Baik
x Hasil siswa Rata-Rata Baik

[50, 150]
[125, 275] [250,350]

Trapesium
Trapesium Trapesium

(50;75;125;150)
(125;150;250;275) (250;275;325;350)

Sangat Baik

[325,400]

Bahu Kanan

(325;350;400) 11

2. Aplikasi fungsi implikasi


Rule = IF (x1 is A1) AND (x2 is A2) . . . . . . . . . . AND (xn is An) THEN y is B
Fungsi implikasi yang digunakan adalah MIN

3. Komposisi Aturan
Komposisi aturan fungsi implikasi menggunakan fungsi MAX

4. Proses Defuzifikasi , menggunakan metode Centroid

Atau

12

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.
Logika FIS Mamdani Konvensional Keputusan Penilaian Kurang Baik Range Nilai Keputusan Penilaian Sangat Kurang Baik Kurang Baik Rata-Rata Baik Sangat Baik

Range Nilai 0 75
0 70 50 150 125 275 250 350 325 - 400

Baik

>70 - 100

13

Perhitungan konvensional : Siswa kurang baik = 9,3% atau 5 siswa, Siswa baik 90,7% atau 49 siswa

Logika Fuzzy Inference Systam Model Mamdani : Sangat Kurang Baik 1,9 % atau 1 siswa Kurang Baik sebesar 7,4 % atau 4 siswa Rata-Rata 29,6 % atau16 siswa Baik 55,6 % atau 30 siswa Sangat Baik 5,6 % atau 3 siswa

14

Proses Penilaian siswa Toolbox Matlab R2011b


Mengisi variabel inputoutput fuzzy Merepresentasikan himpunan ke MFs tiap-tiap variabel input-output

15

Rule Viewer Pembuatan Rules / aturan Fuzzy

16

Surface Viewer

17

Pengujian FIS Mamdani

18

19

Penentuan skoring : Range (R) = Jumlah skor tertinggi Jumlah skor terendah = 100% - 25% = 75 % Kategori (K) = 3 (Rendah, Sedang, Tinggi) Interval (I) = Range (R) / Kategori (K) = 75 / 3 = 25 % Jadi Rangenya dapat dibagi menjadi : Rendah 0 kurang dari 25 % Sedang 25 % - 75 % Tinggi lebih besar dari 75%
Tabel Hasil Pengisian kuesioner
Ket STS KS S S P1 0 1 4 2 P2 0 1 4 2 P3 0 1 5 1 P4 1 2 4 0 P5 0 0 2 5 P6 0 0 3 4 Total 1 5 22 14 Nilai 1 2 3 4 Hasil (total*nilai) 1 10 66 56

Jumlah

133

-Interpretasi Skor perhitungan = jumlah skor tertinggi * jumlah responden 24 * 7 = 168 -Hasil = (133 / 168 )* 100 % = 79, 167 % bisa dikategorikan sebagai Tinggi 20

Pengujian Hipotesis
Uji-T untuk data berpasangan berarti setiap subjek diukur dua kali. Dalam contoh ini akan membandingkan data testing dengan data baru dalam GUI. Dalam Pengujian ini menggunakan Software SPSS Statistics 17.0

21

Pengujian Hipotesis
Uji-T Berpasangan (Paired-Samples T Test) digunakan untuk membandingkan selisih dua rata-rata (mean) dan dua sample yang berpasangan dengan asumsi data terdistribusi normal
Jika angka signifikan hasil riset < 0.05, maka Ho ditolak Jika angka signifikan hasil riset >= 0.05, maka Hi diterima

22

1. Melalui penelitian ini dapat diketahui perbedaan hasil penilaian siswa menggunakan Metode Logika Fuzzy Inference System Model Mamdani dengan metode 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 di Yayasan Gema Nurani Bekasi.
23

24

Himpunan fuzzy variabel kepribadian umum (keprib)

25