Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Penerapan Fuzzy Inference System Metode Mamdani Untuk Penentuan Besaran Persentase Beasiswa Mahasiswa Baru Universitas Tanri Abeng Wina Apriliani1.
Andi Abi Dzar Makkasau2.
Rosita3.
Nur Afny C.
Andryani4 Program Studi Teknik Informatika.
Universitas Tanri Abeng Jalan Swadarma Raya No.
Pesanggrahan - Jakarta Selatan 12250 apriliani@student.
id, abizar.
makkasau@student.
id, rosita@student.
Diterima: 29 Agustus 2017 Disetujui: 22 Desember 2017 Abstract Ai Scholarship awards consideration involve various parameters.
It is set up to make sure the appropriate scholarship assignment.
To provide automatic system which is able to assign the scholarship based on given requirements, fuzzy based application is The Mamdani Fuzzy Inference System is applied to do logic inference to support decision making on scholarship award.
To develop the intended application, there are four stages on the research methodology that have been done.
They are fuzzification process, rules development, inference rules implementation, and defuzzification process.
Meanwhile.
Observation.
Interview and documentation with The Tanri Abeng University related officers had been done to collect the required data.
The proposed application is able to assist the scholarship awards decision maker by providing more efficient and objective measurement.
Key wordsAi Scholarship.
Students.
Fuzzy Inference System.
Tanri Abeng University beasiswa adalah keinginan untuk mencerdaskan generasi penerus yang ingin mengenyam pendidikan tinggi dengan biaya yang dapat dijangkau oleh peserta didik.
PENDAHULUAN
Pendidikan merupakan suatu hal yang sangat penting untuk dapat bersaing di dunia Untuk menyelenggarakan pendidikan yang bermutu diperlukan biaya pendidikan yang cukup besar.
Akan tetapi tidak semua orang dapat mengeyam pendidikan tinggi karena kurangnya biaya.
Dalam beasiswa ini masih mengalami permasalahan.
Permasalahan yang terjadi yaitu masih sulitnya menentukan besaran persentase beasiswa.
Hal ini terjadi dikarenakan beberapa faktor, yaitu tidak adanya pendekatan terukur untuk penentuan besaran persentase beasiswa serta belum ada standar .
penentuan besaran persentase Dengan mendapatkan ide untuk mengangkat judul penelitian untuk kelompok projek Ujian Tengah Semester pada mata kuliah Artificial Intelligence yaitu AuPenerapan Fuzzy Inference System Metode Mamdani untuk Penentuan Besaran Persentase Beasiswa Mahasiswa baru Universitas Tanri AbengAy.
Dari berbagai macam pendekatan yang ada, kami menggunakan Fuzzy Inference System (FIS) metode Mamdani sebagai objek penelitian Dengan adanya penelitian ini kami Alternatif untuk mengatasi masalah tersebut adalah dengan mencari program beasiswa yang sering diberikan oleh lembaga pemerintah, instansi swasta ataupun yayasan yang bergerak dibidang pendidikan.
Program beasiswa untuk mahasiswa baru ini merupakan suatu bantuan yang diberikan kepada mahasiswa yang mengalami kesulitan ekonomi atau mahasiswa dengan prestasi yang baik.
Besarnya beasiswa yang akan diterima oleh seorang calon mahasiswa baru bervariasi, tergantung hasil akhir tes yang telah diikuti.
Adapun faktor yang mendorong mengapa Universitas Tanri Abeng menerapakan program Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 berharap pengukuran persentase atau kelayakan beasiswa dari tersalurkan secara tepat dan II.
suatu himpunan fuzzy C dengan nilai keanggotaan a.
Fuzzifikasi diharapkan dapat membantu menyederhanakan komputasi yang harus dilakukan oleh sistem tersebut dalam proses inferensinya.
LOGIKA FUZZY DAN SISTEM INFERENSI
FUZZY
Penalaran Logika Fuzzy Penalaran logika fuzzy adalah suatu cara seperangkat implikasi fuzzy dan suatu fakta yang diketahui.
Salah satu aturan penalaran yang paling sering dipergunakan adalah modus ponen, yang didasarkan pada Logika Fuzzy Fuzzy Logic atau Logika Fuzzy dikenalkan pada tahun 1965 oleh Prof.
Lutfi A.
Zadeh (Universitas California.
Berkele.
Menurut Prof.
Zadeh, logika benar salah tidak dapat mewakili setiap pemikiran manusia, kemudian dikembangkanlah logika fuzzy yang dapat mempresentasikan setiap keadaan atau mewakili pemikiran manusia.
Berbeda dengan logika tegas yang hanya mengenal dua nilai, yaitu salah atau benar, 0 atau 1, hitam atau putih, ya atau tidak, logika fuzzy mengenal nilai antara benar dan salah .
Kebenaran dalam logika fuzzy dapat dinyatakan dalam derajat kebenaran yang nilainya antara 0 sampai 1 .
Ada beberapa komponen yang harus dipahami dalam logika fuzzy seperti himpunan fuzzy, fungsi keanggotaan, operator pada himpunan fuzzy, inferensi fuzzy, dan Logika fuzzy menjadi alternatif dari berbagai sistem yang ada dalam pengambilan keputusan karena beberapa kelebihan yang dapat didapatkan antara lain memliki konsep yang mudah untuk dimengerti, bersifat fleksibel terhadap data yang memiliki nilai ketidakpastian, serta dapat mengolah data yang belum tentu tepat .
^ ( p => .
) => q Komposisi aturan Ada tiga metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu:
Max, aditive, dan probabilistik OR .
A Metode Max (Maximu.
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR .
A Metode Aditive (Su.
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy.
A Metode Probabilistik OR (Probo.
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah Sistem Inferensi Fuzzy Sistem inferensi fuzzy digunakan untuk memetakan nilai input menjadi nilai output menggunakan logika fuzzy.
Sistem inferensi fuzzy dewasa ini banyak digunakan untuk berbagai macam keperluan, seperti sistem pendukung keputusan, penentuan produksi Untuk mendapatkan output diperlukan 4 tahapan, di antaranya .
Penegasan .
Defuzzifikasi digunakan menerjemahkan himpunan nilai keluaran kedalam nilai yang Ada beberapa metode defuzzifikasi dalam pemodelan system fuzzy, yaitu:
A Metode Centroid Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat .
* daerah fuzzy.
Fuzzifikasi Fuzzifikasi adalah proses perubahan Fungsi fuzzifikasi digunakan untuk mengubah nilai tegas, misal aOOB, ke Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 memberikan besaran prosentasi beasiswa bagi para calon mahasiswa Universitas Tanri Abeng.
Oleh karena itu, pemodelan parameter sistem yang digunakan benar-benar disesuaikan dengan kebijakan Universitas Tanri Abeng.
Berikut disampaikan pemodelan parameter input dan output yang menjadi penentuan presentase beasiswa berdasarkan sistem inferensi fuzzy metode Mamdani.
A Metode Bisektor Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan separuh dari jumlah total nilai keanggotaan pada daerah fuzzy.
A Metode Mean of Maximum (MOM) Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata keanggotaan maksimum.
Tabel 1.
Tabel Pendapatan Orang Tua Calon Penerima Beasiswa Penghasilan Orang Tua .
Nilai (R.
X1 <= 500,000 500,000 < x1 < 1jt 1jt <= x1 <= 1.
5 jt 5jt < x1 < 2jt 2jt < x1 < 2.
5jt <= x1 < 3jt 3jt <= x1 <= 3.
A Metode Largest of Maximum (LOM) Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar keanggotaan maksimum.
A Metode Smallest of Maximum (SOM) Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil i.
Setiap hasil pendapatan orang tua calon mahasiswa penerima beasiswa dikonversikan menjadi pembobotan nilai.
Semakin kecil penghasilan orang tua yang dimiliki semakin besar point atau nilainya.
Nilai tersebut akan digunakan dalam proses fuzzyfikasi.
PEMODELAN
Analisa Kebutuhan Untuk megelola dan mengembangkan sistem pendukung keputusan kelayakan beasiswa ini, dibutuhkan data untuk mengindentifikasi permasalahan yang ada.
Data yang dibutukahkan antara lain:
Tabel 2.
Tabel Kriteria Nama Himpunan Fuzzy dan Domain
Nama Variabel
Himpunan Domain
Input
Fuzzy Rendah
20 - 60
Pendapatan Sedang 40 - 80 Orang Tua Tinggi 60 - 100 Rendah 0 Ae 52.
Nilai Tes Sedang 75 Ae 62.
Masuk Tinggi 5 Ae 100 Rendah 0 Ae 52.
Nilai Sedang 75 Ae 62.
Wawancara Tinggi 5 Ae 100 Rendah 0 Ae 72.
Nilai Rata-rata Sedang 75 Ae 82.
Rapor Tinggi Rendah 0 Ae 68.
Agak Sedang 63 Ae 74.
Persentase 75 Ae Sedang Beasiswa Agak Banyak 5 Ae 86 Banyak 25 - 100 Parameter penentu persentase beasiswa mahasiswa baru Pendapatan Orang Tua yang didapat per bulannya Nilai tes masuk yang didapatkan setelah mengerjakan Tes Masuk Nilai tes wawancara yang didapatkan setelah melakukan Tes Wawancara Nilai rata-rata rapor, nilai rapor yang telah dikalkulasikan Data Mahasiswa Calon Pemohon beasiswa di Universitas Tanri Abeng Pemodelan Parameter Sistem Aplikasi ini nantinya akan digunakan oleh tim akademik maupun tim pemasaran dalam Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Perancangan Sistem Dalam penelitian ini akan dilakukan beberapa tahapan, dimana tahapan ini dapat dilihat pada gambar 1 berikut.
Gambar 1.
Gambar Tahapan Perancangan Penelitian Gambar 2.
Gambar Kurva Himpunan Fuzzy Input Untuk Nilai Test Tertulis dan Nilai Wawancara Proses sistem pendukung keputusan ini diawali dengan menentukan kriteria input dan output dari data calon mahasiswa baru, kemudian dibentuk fuzzyfikasi, setelah melakukan inferensi dengan cara membuat aturan .
dan langkah terakhir dihitung defuzzifikasi dari setiap variabel input, dan .
enentukan outputcrip.
Fungsi Keanggotaan Himpunan untuk Input Pendapatan Orang Tua Fuzzy Himpunan fuzzy pendapatan orang tua mempunyai himpunan yang sama dengan fungsi keanggotaan himpunan fuzzy nilai tes tertulis dan wawancara, tetapi dengan bobot yang berbeda.
Nilai pendapatan orang tua ini telah dikonversi sebelumnya menjadi nilai yang dapat disesuaikan dengan nilai input lainnya.
Berikut adalah penjelasan mengenai penerapan pendekatan fungsi dan Fungsi Keanggotaan Himpunan Fuzzy untuk Input Nilai Test Tertulis dan Nilai Wawancara Nilai test tertulis dan nilai wawancara mempunyai himpunan fuzzy yang sama yaitu Rendah.
Sedang, dan Tinggi.
Dengan menggunakan 3 fungsi yang digunakan yaitu Representasi Kurva Bentuk Bahu.
Representasi Linear Turun, dan Representasi Linear Naik.
Berikut adalah penjelasan mengenai penerapan pendekatan fungsi dan .
Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Fungsi Keanggotaan Himpunan Fuzzy untuk Output untuk Persentase Beasiswa Pada himpunan fuzzy nilai beasiswa terdapat lima himpunan fuzzy yaitu Tidak Ada.
Rendah.
Sedang.
Agak Banyak dan Banyak.
Dengan menggunakan 3 fungsi yang digunakan yaitu Representasi Kurva Bentuk Bahu.
Representasi Linear Turun, dan Representasi Linear Naik.
Derajat Keanggotaan Beasiswa terdiri dari:
Gambar 3.
Gambar Kurva Himpunan Fuzzy Input Untuk Pendapatan Orang Tua Fungsi Keanggotaan Himpunan Fuzzy untuk Input Nilai Rapor Himpunan Fuzzy nilai rapor mempunyai nilai himpunan yang sama dengan himpunan sebelumya.
Berikut adalah penjelasan mengenai penerapan pendekatan fungsi dan kurva:
Gambar 4.
Gambar Kurva Himpunan Fuzzy Input untuk Nilai Rapor Gambar 5.
Gambar Kurva Himpunan Fuzzy Input untuk Persentase Beasiswa Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Dalam penelitian ini, kami membuat 42 buah inferensi aturan dan penggunaan fungsi implikasi pada penentuan beasiswa.
Berikut adalah 14 buah contohnya:
Rules 1 : 1.
If .
aji is tingg.
ilaites is tingg.
ilaiwawancara is tingg.
ilairapor is tingg.
easiswa is sangatbanya.
Rules 10 : 10.
If .
aji is sedan.
ilaites is tingg.
ilaiwawancara is tingg.
ilairapor is tingg.
easiswa is agaktingg.
A Rules 2 : 2.
If .
aji is sedan.
ilaites is sedan.
ilaiwawancara is tingg.
ilairapor is sedan.
easiswa is agaktingg.
Rules 11 : 11.
If .
aji is renda.
ilaites is tingg.
ilaiwawancara is tingg.
ilairapor is tingg.
easiswa is agaktingg.
A Rules 3 : 3.
If .
aji is tingg.
ilaites is tingg.
ilaiwawancara is sedan.
ilairapor is tingg.
easiswa is sedan.
Rules 12 : 12.
If .
aji is renda.
ilaites is sedan.
ilaiwawancara is tingg.
ilairapor is tingg.
easiswa is sedan.
A Rules 4 : 4.
If .
aji is sedan.
ilaites is tingg.
ilaiwawancara is renda.
ilairapor is tingg.
easiswa is agaksedan.
Rules 13 : 13.
If .
aji is renda.
ilaites is renda.
ilaiwawancara is tingg.
ilairapor is tingg.
easiswa is agaksedan.
A Rules 14 : 14.
If .
aji is renda.
ilaites is renda.
ilaiwawancara is renda.
ilairapor is renda.
easiswa is renda.
A A A A A Rules 5 : 5.
If .
aji is renda.
ilaites is renda.
ilaiwawancara is renda.
ilairapor is sedan.
easiswa is renda.
A Rules 6 : 6.
If .
aji is renda.
ilaites is renda.
ilaiwawancara is tingg.
ilairapor is renda.
easiswa is renda.
A Rules 7 : 7.
If .
aji is tingg.
ilaites is sedan.
ilaiwawancara is tingg.
ilairapor is tingg.
easiswa is sangatbanya.
A Rules 8 : 8.
If .
aji is tingg.
ilaites is renda.
ilaiwawancara is sedan.
ilairapor is renda.
easiswa is agaksedan.
A .
ilairapor is renda.
easiswa is agaksedan.
IV.
HASIL SIMULASI DAN DISKUSI
Data yang digunakan untuk pengujian dikumpulkan dengan menggunakan teknik pengumpulan data, data tersebut dipilih secara Data yang ada dibagi menjadi 4 .
variabel, yaitu pendapatan orang tua, nilai tes masuk, nilai tes wawancara, dan nila rata-rata Kemudian data diolah memalui tahapantahapan dalam Fuzzy Inference System agar menghasilkan suatu informasi yang baru.
Di sini kami menggunakan variabel Beasiswa sebagai Setelah melalui tahapan yang ada, kami mengambil nilai defuzzifikasi yaitu variabel Beasiswa, lalu mengonversikannya sebagai rekomendasi nilai persentase beasiswa.
Hasil tersebut dapat dilihat pada tabel 3 di bawah ini:
Rules 9 : 9.
If .
aji is tingg.
ilaites is sedan.
ilaiwawancara is tingg.
and Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Tabel 3.
Tabel Data dan Hasil Deffuzifikasi yaitu berupa Nilai Beasiswa Nama Nomor Daftar Pendapatan Orang Tua Nilai Tes Masuk Nilai Tes Wawancara Nilai Rerata Rapor Beasiswa Persentase Beasiswa Fentiani Rp 3.
000,00
Tio Erlangga
000,00
Serli Kusdianti Rp 2.
000,00
Hafizhan Rp 1.
000,00
Febriansyah Rp 2.
000,00
Lulu Laftah Rp 3.
000,00
Dewa Walata Rp 1.
000,00
Shinta Loca Rp 2.
000,00
Arya Kusumma Rp 2.
000,00
Nandar Aji
000,00
Untuk menguji sistem inferensi fuzzy yang telah dibuat berfungsi dengan yang diharapkan atau tidak, proses inferensi yang dibangun dengan toolbox matlab dibangun Bahasa pemograman Visual Basic.
Dari tabel di atas dapat disimpulkan bahwa perhitungan dari aplikasi Matlab dengan Visual Basic memiliki kemiripan sebesar 80 %, artinya Matlab kelayakan penerima beasiswa.
Adapun sisa 20 % yang ada dikarenakan kurangnya sampel data untuk pengujian dan kemungkinan masih terdapat kekurangan pada rules yang telah Meskipun penelitian yang kami susun terkesan sederhana, tetapi kami berharap hal ini mengembangkan Matlab lebih baik lagi.
Dari penelitian ini dapat ditarik kesimpulan sebagai berikut:
Gambar 6.
Tampilan Aplikasi Penghitung Persentase Beasiswa dengan Visual Basic Telah berhasil dibangun suatu sistem pendukung keputusan untuk memudahkan menentukan parameter persentase beasiswa bagi mahasiswa baru Universitas Tanri Abeng.
Tabel 4.
Tabel Perbandingan Hasil Output
antara Matlab dan Visual Basic
Hasil
Matlab
Persentase Beasiswa
Hasil
Visual
Basic
73,25
89,75
55,75
SIMPULAN
Persentase Saat ini perhitungan persentase beasiswa masih unggul dengan menggunakan bahasa pemograman Visual Basic, hal ini bisa jadi dikarenakan kurangnya sampel data atau rules yang ditetapkan.
Maka untuk kedepannya sangat diperlukan perbaikan dalam sistem pendukung keputusan ini agar hasilnya lebih maksimal.
Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018
UCAPAN TERIMA KASIH
Kami mengucapkan syukur kepada Allah SWT karena atas ridho dan karunia-Nya lah kami dapat menyelesaikan penelitian ini.
Kami juga mengucapkan terima kasih pihak pemasaran Universitas Tari Abeng, serta teman-teman yang terlibat dalam penelitian ini.
DAFTAR PUSTAKA