Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Aplikasi Pengukur Kinerja Dosen Berbasis Sistem Inferensi Fuzzy Studi Kasus: Universitas Tanri Abeng Annisa Dayumi.
Arman.
Yuti C.
Johny Hizkia Siringo Ringo Teknik Informatika.
Universitas Tanri Abeng Jalan Swadarma Raya no 58.
Ulujami.
Jakarta Selatan.
Indonesia dayumi@student.
id, arman@student.
id, johny.
hizkia@tau.
Diterima: 29 Agustus 2017 Disetujui: 22 Desember 2017 AbstractAi Intend to elevate and to maintain the education quality.
Tanri Abeng University puts the lecturer performance as one of the important indicator.
University has obligation to make sure that the academic process run well.
Thus, every stake holder on its circle need to be evaluated and developed periodically.
LecturerAos evaluation is one of them.
Currently the evaluation has been done on paper based and manually post processed.
This research proposed a fuzzy inference based system to replace the paper based evaluation and manual post processing.
The proposed system enable the students to do computerized lecturerAos Besides, the fuzzy system inference process will help the management to get more consistence conclusion of the evaluation compared to the manual post processing that potentially lead to the subjectivity.
Index TermsAiFuzzy Logic.
Fuzzy Inference System.
LecturerAos evaluation Untuk keputusan bedasarkan kriteria dan parameter tersebut dibutuhkan sebuah sistem informasi indeks prestasi dosen untuk mengolah data parameter dosen yang akan digunakan untuk menentukan kualitas mengajar dosen di Universitas Tanri Abeng sehingga menghasilkan hasil yang akurat, cepat, sistematik dan Dari sinilah penulis mendapatkan ide untuk mengangkat judul untuk kelompok project mid Artificial Inteligence yaitu AuAplikasi Kinerja Dosen Berbasis Inference System Fuzzy Logic Dalam Mengukur Tingkat Kinerja Mengajar Dosen Pada Universitas Tanri AbengAy.
Diharapkan dengan aplikasi ini dapat membantu para staff akademik ataupun otoritas kampus dalam menentukan kualitas dan kelayakan dosen mengajar di Universitas Tanri Abeng sesuai dengan standarisasi Universitas Tanri Abeng.
PENDAHULUAN
Beberapa tahun terkhir ini dunia teknologi sangatlah berkembang dengan pesat.
Dengan demikian manusia semakin dimanjakan dan dimudahkan dalam kehidupanya, seperti lebih cepat dan mudah dalam mendapatkan Dalam kehidupan sehari-hari manusia mengambil sebuah keputusan.
Untuk membuat keputusan pilihan mana yang terbaik di perlukan data dan informasi.
Namun sering ditemukan informasi dan data yang diperlukan untuk menetukan informasi kepastiannya sulit diukur Hal ini juga terjadi pada para otoritas kampus dalam pengambilan keputusan di Universitas Tanri Abeng yang sering dihadapkan pada data-data mentah dan banyak yang harus diolah menjadi suatu informasi penting dalam menentukan kualitas dan kelayakan dosen mengajar di Universitas Tanri Abeng.
Maka dari mendapatkan kualitas dan kelayakan dosen mengajar di Universitas Tanri Abeng didasari oleh kriteria-kriteria yang telah di tentukan melalui tahapan tertentu dengan penilaian yang sesuai dengan objek.
Dengan proses tersebut diharapkan bisa mendapatkan suatu hasil keputusan yang terbaik.
II.
TINJAUAN PUSTAKA
logika Fuzzy logika Fuzzy adalah Teknik atau metode yang dipakai untuk mengatasi hal yang tidak pasti pada masalahAemasalah yang mempunyai banyak jawaban .
Pada dasarnya logika fuzzy merupakan logika bernilai banyak atau Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 multivalued logic yang mampu mendefinisikan nilai diantara keadaan yang konvensional seperti benar atau salah, ya atau tidak, putih atau hitam dan lain-lain .
Penalaran Logika Fuzzy memnyediakan cara untuk memahami kinerja system dengan cara menilai input dan output system dari hasil pengamatan.
Logika Fuzzy menyediakan cara untuk menggambarkan kesimpulan pasti dari informasi yang samarsamar, ambigu dan tidak tepat, logika fuzzy mudah dimengerti, logika fuzzy sangat fleksibel, logika fuzzy memiliki toleransi terhadap datadata yang tidak tepat, logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat Derajat keanggotaan Menentukan berdasarkan input dan himpunan fuzzy Aplikasi Operator fuzzy Pada tahap ini menentukan -predikat aturan dengan fungsi implikasi MIN dan selanjutnya menentukan nilai dari Z masing-masing aturan.
Penegasan .
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut.
Defuzzifikasi yang digunakan adalah Metode Centroid (Composite Momen.
, solusi crisp diperoleh dengan cara mengambil titik pusat .
*) daerah fuzzy sperti yang diformulakan sebagai berikut []:
Sistem Inferensi Fuzzy Sistem Inferensi Fuzzy (Fuzzy Inference System/FIS) disebut juga fuzzy engine adalah sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya .
Terdapat beberapa jenis FIS yang dikenal yaitu Mamdani.
Sugeno dan Tsukamoto.
FIS yang paling mudah dimengerti, karena paling sesuai dengan naluri manusia adalah FIS Mamdani.
FIS
tersebut bekerja berdasarkan kaidah-kaidah linguistik dan memiliki algoritma fuzzy yang dimasuki analisa matematik.
METODOLOGI PENELITIAN
Dalam bab ini dibahas mengenai pemodelan aplikasi penilaian kinerja dosen berbasis sistem inferensi fuzzy yang menyangkut pemodelan parameter penilaian sebagai input sistem, konversi kedalam model himpunan fuzzy, penentuan fungsi keanggotaan fuzzy, serta aturan logika fuzzy yang digunakan untuk proses Prosedur Penarikan Kesimpulan Dalam sistem inferensi Fuzzy terdapat beberapa metode yang sudah mapan yang digunakan sebagai prosedur penrikan kesimpulan .
, .
Diantara metode tersebut adalah Metode Mamdani .
, .
Metode Mamdani digunakan dalam aplikasi-aplikasi karena menggunakan operasi MIN-MAX atau MAXPRODUCT.
Untuk kesimpulan sebagai hasil akhir dari proses inferensi dilakukan beberapa langkah sebagai berikut:
Parameter Pengukur Kinerja Dosen Aplikasi ini dibangun untuk mngotomasi penilaian kinerja dosen yang sebelumnya dilakukan secara manual.
Oleh karenanya kami mengambil data primer terkait parameter yang digunakan oleh pihak penjaminan mutu universitas dalam rangka menilai kinerja dosen seperti yang dijelaskan dalam Tabel 1.
Parameter parameter tersebut kemudian dikonversikan kedalam format himpunan fuzzy seperti yang tertera dalam Table 2.
Pembentukan variabel Input, himpunan fuzy, dan output fuzzy Variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Fungsi Output Fungsi Input Semesta Pembicaraan Metodologi pengajaran 0Ae7 Dosen menjelaskan silabus mata pada pertemuan pertama perkuliahan dengan jelas.
Dosen mengajar mata kuliah dengan siabus yang dirancang Dosen menggunakan buku pelajaran yang telah ditentukan dan materi presentasi selama sesi mengajar Dosen menjelaskan mata eprkuliahan dengan jelas Dosen menggunakan metode pengajaran yag berbeda-beda untuk membantu siswa memahami perkuliahan, misalnya simulasi kelas, presentasi video, dan lain-lain Dosen mendorong dan memfasilitasi pertanyaan dan sesi Tanya jawab Dosen mengembalikan kuis, tugas dan lembar ujian ke siswa tepat waktu Dosen membahas tugas dengan umpan balik yang konstruktif Dosen terbuka untuk beragam pandangan dan demokratis Profesionalisme Pribadi 0Ae5 0Ae5 0Ae5 0Ae5 0Ae5 Dosen datang tepat waktu pada sesi perkuliahan Doesn mengakhiri perkuliahan sesuai jadwal perkuliahan Dosen berbicara dengan jelas Dosen menggunakan pakaian bisnis Dosen bertelepon untuk kepentingan pribadi saat sesi perkuliahan .
ering bertelepon, nilainya renda.
Dosen berprilaku sebagaimana mestinya selama sesi perkuliahan Kolom komentar 0Ae7 Kelayakan dosen mengajar di TAU 50 Ae 100 Input Tabel 1.
Paramter Pengukur Kinerja Dosen Keterangan 0Ae7 0Ae7 0Ae7 0Ae7 0Ae7 0Ae7 0Ae7 0Ae7 0Ae5 Tabel 2.
Konversi Parameter input Dalam himpunan Fuzzy Himpunan Semesta Domain No Keterangan Metodologi pengajaran Dosen menjelaskan silabus dengan jelas.
Dosen mengajar mata kuliah dengan siabus yang Dosen menggunakan buku ditentukan dan materi presentasi selama sesi Dosen menjelaskan mata eprkuliahan dengan jelas Fuzzy Baik Cukup Buruk Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Pembicaraan [ 30-63 ] [ 0 Ae .
[ 0 Ae .
[ 0 Ae .
[ 0 Ae .
[ 40-63 ] [ 30-50 ] [ 0-40 ] [ 0 Ae 1,4 ] [ 1,5 Ae 2,9 ] [ 3,0 Ae 4,5 ] [ 4,4 Ae 5,6 ] [ 5,7 Ae 7 ] [ 0 Ae 1,4 ] [ 1,5 Ae 2,9 ] [ 3,0 Ae 4,5 ] [ 4,4 Ae 5,6 ] [ 5,7 Ae 7 ] [ 0 Ae 1,4 ] [ 1,5 Ae 2,9 ] [ 3,0 Ae 4,5 ] [ 4,4 Ae 5,6 ] [ 5,7 Ae 7 ] [ 0 Ae 1,4 ] [ 1,5 Ae 2,9 ] [ 3,0 Ae 4,5 ] [ 4,4 Ae 5,6 ] [ 5,7 Ae 7 ] Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Buruk Dosen metode pengajaran yag berbeda-beda misalnya simulasi kelas, presentasi video, dan lainlain Dosen mendorong dan memfasilitasi pertanyaan dan sesi Tanya jawab Dosen kuis, tugas dan lembar ujian ke siswa tepat waktu Dosen membahas tugas dengan umpan balik yang Dosen beragam pandangan dan Profesionalisme Pribadi Dosen dating tepat waktu pada sesi perkuliahan Dosen perkuliahan sesuai jadwal Dosen Dosen pakaian bisnis Dosen bertelepon untuk kepentingan pribadi saat sesi perkuliahan .
ering Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Baik Cukup Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik Buruk Tidak Puas Puas Baik Sangat Baik [ 0 Ae 1,4 ] [ 0 Ae .
[ 0 Ae .
[ 0 Ae .
[ 0 Ae .
[ 0 Ae .
[ 0-30 ] .
Ae.
Ae.
Ae.
Ae.
Ae.
[ 1,5 Ae 2,9 ] [ 3,0 Ae 4,5 ] [ 4,4 Ae 5,6 ] [ 5,7 Ae 7 ] [ 0 Ae 1,4 ] [ 1,5 Ae 2,9 ] [ 3,0 Ae 4,5 ] [ 4,4 Ae 5,6 ] [ 5,7 Ae 7 ] [ 0 Ae 1,4 ] [ 1,5 Ae 2,9 ] [ 3,0 Ae 4,5 ] [ 4,4 Ae 5,6 ] [ 5,7 Ae 7 ] [ 0 Ae 1,4 ] [ 1,5 Ae 2,9 ] [ 3,0 Ae 4,5 ] [ 4,4 Ae 5,6 ] [ 5,7 Ae 7 ] [ 0 Ae 1,4 ] [ 1,5 Ae 2,9 ] [ 3,0 Ae 4,5 ] [ 4,4 Ae 5,6 ] [ 5,7 Ae 7 ] [ 20 - 30 ] [ 15 - 24 ] [ 0 -19 ] .
Ae.
[ 1,1 Ae 2 ] [ 2,1 Ae 3 ] [ 3,1 Ae 4 ] [ 4,1 Ae 5 ] .
Ae.
[ 1,1 Ae 2 ] [ 2,1 Ae 3 ] [ 3,1 Ae 4 ] [ 4,1 Ae 5 ] .
Ae.
[ 1,1 Ae 2 ] [ 2,1 Ae 3 ] [ 3,1 Ae 4 ] [ 4,1 Ae 5 ] .
Ae.
[ 1,1 Ae 2 ] [ 2,1 Ae 3 ] [ 3,1 Ae 4 ] [ 4,1 Ae 5 ] .
Ae.
[ 1,1 Ae 2 ] [ 2,1 Ae 3 ] [ 3,1 Ae 4 ] [ 4,1 Ae 5 ] Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Dosen selama sesi perkuliahan Kolom komentar Output Kelayakan mengajar di TAU Buruk Tidak Puas Puas Baik Sangat Baik Buruk Sedang Baik Tidak Layak Cukup Layak Layak Sangat Layak .
Ae.
Ae.
[ 0 Ae 100 ] .
Ae.
[ 1,1 Ae 2 ] [ 2,1 Ae 3 ] [ 3,1 Ae 4 ] [ 4,1 Ae 5 ] .
Ae 1,.
,1Ae 3,.
,1Ae .
[ 0 Ae 55 ] [ 50 Ae 65 ] [ 61 Ae 85 ] [ 82 Ae 100 ] .
Menentukan Fungsi Keanggotaan Langkah selanjutnya diformulasikan fungsi keanggotaan yang memetakan nilai numerik ke himpunan fuzzy melalui fungsi keanggotaan yang didefiniskan untuk tiap parameter baik yang berperan sebagai input mauapun output yang diantaranya dicontohkan oleh fungsi keanggotaan pada dua parameter berikut.
Fungsi Keanggotaan Metodologi Pengajaran Merepresentasikan Metedoogi Pengajaran digunakan fungsi keanggotaan representasi Bahu kiri untuk himpunan fuzzy BURUK.
Segitiga untuk himpunan fuzzy diantara BURUK dan BAIK, bahu kanan untuk himpunan fuzzy BAIK.
Fungsi ini untuk mengakhiri suatu daerah dan ada beberapa titik yang memiliki nilai keanggotaan Fungsi keanggotaan tersebut didedifinisakan pada persamaan 1-3 sebagai berikut Fungsi Keangotaan Profesionalisme Mengajar Berikut adalah fungsi keanggotaan parameter Profesionalisme Mangajar dibangun Rule atau kaidah yang akan menjadi landasan penarikan kesimpulan.
Kaidah tersebut diataranya seperti yang tergambar dalam Gambar 1 berikut:
Menetukan Rule Setelah menentukan fungsi keanggotaan dari masing masing parameter input maupun output Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 Gambar 1.
Kaidah Sistem Inferensi Fuzzy IV.
SIMPULAN
Berdasarkan Penerapan Metode Fuzzy Mamdani dalam Menentukan kelayakan/kualitas dosen dalam mengajar di TAU bedasarkan Data Metedologi Pengajaran.
Profesionalsime Pribadi, dan Kolom Komentar, maka dapat disimpulkan :
Logika Fuzzy dengan metode Mamdani dapat di terapkan dalam menentukan kelayakan/kualitas dosen mengajar di Universitas Tanri Abeng.
Logika fuzzy dengan metode Mamdani efektif diterapkan dalam aplikasi untuk menentukan kelayakan/kualitas dosen mengajar di Universitas Tanri Abeng Metedologi Pembelajaran.
Profesionalisme Pribadi, dan Kolom Komentar ditinjau dari hasil pengujian aplikasi.
Terdapat 4 tingkatan Kinerja Kelayakan Dosen Mengajar di Universitas Tanri Abeng yaitu : Tidak Layak.
Cukup Layak.
Layak dan Sangat Layak.
Menentukan kelayakan/kualitas dengan sistem pendukung keputusan dengan pendekatan logika fuzzy lebih efektif dan efisien.
Bagian simpulan bukan merupakan Meskipun suatu simpulan dapat memberikan gambaran mengenai Anda, menduplikasi abstrak sebagai simpulan Anda.
Sebuah menekankan pada pentingnya penelitian yang Anda lakukan atau saran pengembangan penelitian selanjutnya yang dapat dikerjakan.
ANALISA HASIL
Berikut disampaikan hasil implementasi model yang telah dibangun berdasarkan yang telah di jelaskan pada bab 3 diatas.
Gambar 2.
Tampilan Fungsi Keanggotaan Variabel Input Metedologi Pengajaran Gambar 4.
Tampilan Fungsi Keanggotaan Variabel Output Kelayakan Dosen Mengajar di Universitas Tanri Abeng Gambar 5.
Contoh Kaidah Fuzzy untuk Metedologi buruk and profesionalisme buruk Jurnal Sistem Komputer dan Kecerdasan Buatan Vol I No 2 Tahun 2018 .
DAFTAR PUSTAKA