Oleh, SRI AYU SUBEKTI NIM : TUGAS AKHIR

Ukuran: px
Mulai penontonan dengan halaman:

Download "Oleh, SRI AYU SUBEKTI NIM : TUGAS AKHIR"

Transkripsi

1 PENGGUNAAN METODE FUZZY MAMDANI DAN SUGENO UNTUK PENGAMBILAN KEPUTUSAN DALAM ANALISIS KREDIT Studi Kasus : Pengambilan Keputusan Kredit PT. Kandimadu Arta Cabang Salatiga Oleh, SRI AYU SUBEKTI NIM : TUGAS AKHIR Diajukan kepada Program Studi Matematika, Fakultas Sains dan Matematika guna memenuhi sebagian dari persyaratan untuk mencapai gelar Sarjana Sains (Matematika) Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Salatiga 2014 i

2

3

4 ii

5 PERNYATAAN KEASLIAN KARYA TULIS TUGAS AKHIR Yang bertanda tangan dibawah ini, Nama : Sri Ayu Subekti NIM : Program Studi : Matematika Fakultas : Fakultas Sains dan Matematika, Universitas Kristen Satya Wacana Menyatakan dengan sesungguhnya bahwa tugas akhir, judul: PENGGUNAAN METODE FUZZY MAMDANI dan SUGENO UNTUK MEMBUAT KEPUTUSAN DALAM ANALISIS KREDIT Yang dibimbing oleh: 1. Dra. Lilik Linawati, M.Kom 2. Dr. Adi Setiawan, M.Sc. adalah benar-benar hasil karya saya. Di dalam laporan tugas akhir ini tidak terdapat keseluruhan atau sebagian tulisan atau gagasan orang lain yang saya ambil dengan cara menyalin atau meniru dalam bentuk rangkaian kalimat atau gambar serta simbol yang saya aku seolah-olah sebagai karya saya sendiri tanpa memberikan pengakuan kepada penulis atau sumber aslinya. Salatiga, Januari 2014 Yang memberikan pernyataan Sri Ayu Subekti iii

6 iv

7 MOTTO Nilai diri kita bukan ditentukan oleh apa yang kita miliki melainkan oleh apa yang kita lakukan dengan apa yang kita miliki (Gatot Widhiyanto) Ingatan merupakan peralatan yang memelihara kesinambungan dari pengalaman kita dan dengan demikian membentuk seluruh kepribadian kita (Erwin Dunlop) Jangan belajar untuk menjadi sukses, tapi belajar untuk membesarkan jiwa (Ranchodascancad) Berhasil meraih satu tujuan merupakan titik awal tujuan baru (John Dewey) Banyak kegagalan dalam hidup ini dikarenakan orang tidak menyadari betapa dekatnya mereka dengan keberhasilan (Thomas Alfa Edison) v

8 KATA PENGANTAR Puji dan syukur kepada Tuhan Yang Maha Esa atas segala rahmat, bimbingan dan penyertaan-nya yang telah diberikan sehingga penulis dapat menyelesaikan penulisan tugas akhir (Skripsi) sebagai prasyaratan menyelesaikan Studi S1 pada Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana. Dalam Skripsi ini terdiri dari 2 makalah utama. Makalah yang pertama berjudul PENGGUNAAN METODE FUZZY MAMDANI UNTUK MEMBUAT KEPUTUSAN DALAM ANALISIS KREDIT telah dipublikasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika UNY 2013 dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik yang diselenggarakan oleh FMIPA UNY pada tanggal 9 November Kemudian dilakukan penyusunan makalah yang kedua yang merupakan pengembangan dari makalah pertama dengan judul PENGGUNAAN METODE FUZZY SUGENO UNTUK PENGAMBILAN KEPUTUSAN DALAM ANALISIS KREDIT yang telah dipresentasikan dalam ujian skripsi pada tanggal 29 Januari Skripsi ini diharapkan bermanfaat bagi pembaca, dapat dijadikan sebagai bacaan untuk menambah wawasan, ilmu pengetahuan dan menjadi bahan pertimbangan bagi pihakpihak yang mengadakan penelitian menyangkut analisis kredit di suatu perusahaan/instansi tertentu. Kepada semua pihak yang telah terlibat dalam proses penyusunan skripsi ini, baik dalam bentuk kontribusi data, penyajian penulisan laporan, maupun dalam bentuk kontribusi yang lain, penulis ucapkan terima kasih. Penulis menyadari bahwa masih banyak kekurangan dalam penyusunan skripsi ini. Oleh karena itu, penulis menerima kritik, saran dan pendapat yang bersifat membangun untuk penyempurnaan laporan tugas akhir (skripsi). Salatiga, Januari 2014 Penulis vi

9 DAFTAR ISI Halaman HALAMAN JUDUL... i LEMBAR PENGESAHAN... ii LEMBAR PERNYATAAN KEASLIAN iii LEMBAR PERNYATAAN BEBAS ROYALTY DAN PUBLIKASI iv MOTTO DAN PERSEMBAHAN... v KATA PENGANTAR vi DAFTAR ISI vii DAFTAR LAMPIRAN viii PENDAHULUAN... 1 ISI... 3 MAKALAH I... 4 PENGGUNAAN METODE FUZZY MAMDANI UNTUK MEMBUAT KEPUTUSAN DALAM ANALISIS KREDIT MAKALAH II... 6 PENGGUNAAN METODE FUZZY SUGENO UNTUK PENGAMBILAN KEPUTUSAN DALAM ANALISIS KREDIT PENUTUP... 7 UCAPAN TERIMA KASIH... 8 LAMPIRAN 10 vii

10 PENDAHULUAN Bank adalah sebuah lembaga keuangan dan badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan selanjutnya menyalurkan kepada masyarakat dalam bentuk kredit. Kredit merupakan salah satu fasilitas keuangan yang memungkinkan seseorang atau badan usaha meminjam uang untuk membeli suatu barang dan membayarnya kembali dalam jangka waktu yang ditentukan. Permasalahan yang dihadapi dalam perkreditan yaitu menentukan keputusan pemberian kredit kepada seorang calon debitur, sedangkan permasalahan yang lain adalah tidak semua pengembalian kredit oleh debitur dapat berjalan lancar atau sering kali disebut kredit macet. Faktor penyebab kredit macet antara lain adalah kesalahan penilaian dalam membuat keputusan kredit atau data yang diberikan calon debitur bukan data sebenarnya. Untuk menyetujui suatu pengajuan kredit ada beberapa faktor yang harus diperhatikan oleh seorang analisis kredit sebagai dasar untuk jaminan bahwa seorang debitur akan melunasi hutangnya dengan baik, yaitu 5C : Collaterall (agunan), Capacity (kemampuan membayar kewajiban), Capital (modal), Character (karakter), dan Condition (kondisi ekonomi). Hasil penilaian terhadap kelima syarat tersebut dinyatakan sebagai data kualitatif (Kamsir, 2000:34). Penelitian terhadap data kualitatif ini menyebabkan adanya faktor subyektivitas dalam menentukan keputusan. Untuk menghindari hal tersebut, dalam penelitian ini dikaji cara menganalisis kredit menggunakan metode fuzzy Mamdani dan Sugeno untuk menentukan keputusan kredit yang didasarkan pada data kualitatif.

11 Rumusan Masalah Dari latar belakang di atas, dapat disusun rumusan masalah sebagai berikut : Bagaimana cara pengambilan keputusan kredit dalam permasalahan pemberian kredit yang berdasarkan data kualitatif? Tujuan Menentukan keputusan pemberian kredit untuk pembelian suatu barang pada calon debitur di suatu lembaga keuangan perkreditan menggunakan metode fuzzy Mamdani dan Sugeno. Batasan Masalah Untuk membatasi luasnya penjabaran dan pembahasan dalam penulisan skripsi ini maka penulis menggunakan data pengajuan kredit mobil PT. BPR Kandimadu Arta cabang Salatiga yaitu dari 15 calon debitur yang diambil pada tahun

12 Untuk menyelesaikan yang sudah dirumuskan di depan disusun makalah berikut : Makalah I. Judul Publikasi : Penggunaan Metode Fuzzy Mamdani untuk Membuat Keputusan dalam Analisis Kredit : Seminar Nasional Matematika dan Pendidikan Matematika 2013 yang diselenggarakan oleh FMIPA UNY tanggal 9 November 2013 Makalah II. Judul : Penggunaan Metode Fuzzy Sugeno untuk Pengambilan Keputusan dalam Analisis Kredit Publikasi : Ujian Skripsi di UKSW tanggal 29 Januari

13 MAKALAH I 4

14 PROSIDING ISBN : PENGGUNAAN METODE FUZZY MAMDANI UNTUK MEMBUAT KEPUTUSAN DALAM ANALISIS KREDIT 1 Sri Ayu Subekti, 2 Lilik Linawati, 3 Adi Setiawan 1 Mahasiswa Program Studi Matematika UKSW, Salatiga, ,3 Dosen Program Studi Matematika UKSW, Salatiga, Sriayu_subekti61@yahoo.com, 2 lina.utomo@yahoo.com, 3 adi_setia_03@yahoo.com Abstrak Paper ini berisi tentang mengetahui keputusan kredit dalam analisa kredit dengan metode Fuzzy- Mamdani dalam menentukan diterima atau ditolak suatu pengajuan kredit mobil yang berguna sebagai salah satu alternatif perusahaan dalam menganalis suatu pengajuan kredit. Data yang diambil adalah data sekunder dari PT.BPR Kandimadu Arta berupa data calon debitur dengan sampel 15. Model analis yang digunakan adalah Fuzzy-Mamdani. Berdasarkan hasil penelitian diperoleh bahwa Pendekatan Metode Fuzzy-Mamdani dapat menganalisa diterima atau ditolak suatu pengajuan kredit mobil. dan dari hasil penelitian ini terdapat beberapa perbedaan keputusan antara keputusan yang dibuat bank dan keputusan dengan menggunakan metode Fuzzy. Sehingga bank dapat menghindari kredit yang riskan akan terlunasi seperti calon debitur I yang dianggap layak oleh perusahaan tetapi tidak layak apabila menggunakan Fuzzy-Mamdani sehingga dapat mengurangi resiko kerugian. dan berdasarkan Fuzzy-Mamdani, pengajuan kredit atas nama F yang ditolak oleh perusahaan adalah layak untuk diterima, sehingga dapat menambah pemasukan perusahaan dan menambah keuntungan Kata kunci: Ketidak pastian, Penentuan Kredit mobil, Logika fuzzy A. Pendahuluan Bank adalah sebuah lembaga keuangan dan badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan selanjutnya menyalurkan kepada masyarakat dalam bentuk kredit. Kredit merupakan suatu fasilitas keuangan yang memungkinkan seseorang atau badan usaha meminjam uang untuk membeli suatu barang dan membayarnya kembali dalam jangka waktu yang ditentukan. Ada beberapa jenis kredit antara lain dilihat dari segi tujuannya, terdapat kredit konsumtif dan kredit produktif. (Wikipedia, 2013). Permasalahan yang dihadapi Bank dalam perkreditan yaitu dalam menentukan keputusan pemberian kredit pada seorang calon debitur, selain itu bahwa tidak semua pemberian kredit yang diberikan dapat berjalan dengan lancar atau sering laki disebut kredit macet. Salah satu faktor penyebab kredit macet adanya kesalahan penilaian dalam membuat keputusan kredit atau data yang diberikan calon debitur bukan data sebenarnya. Keberhasilan kredit suatu Bank salah satunya dapat diukur dari kelancaran pengembalian kredit. Kelancaran ini dipengaruhi oleh ketepatan dalam penyeleksian kelayakan nasabah untuk memperoleh kredit sesuai dengan jumlah dan waktu yang telah disepakati. Namun untuk menyetujui suatu pengajuan kredit ada beberapa faktor yang harus diperhatikan oleh seorang analisis kredit sebagai dasar untuk jaminan bahwa seorang debitur akan Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

15 PROSIDING ISBN : melunasi hutangnya dengan baik, yaitu 5C : Collaterall (angunan), Capacity (kemampuan membayar kewajiban), Capital (modal), Character (karakter), dan Condition (kondisi ekonomi) yang merupakan data kualitatif. (Kamsir, 2000:34) Data kualitatif ini menyebabkan adanya faktor subyektivitas dalam menentukan keputusan. Untuk menghindari hal tersebut, akan dilakukan penelitian untuk menentukan keputusan yang dapat membantu suatu Bank dalam keputusan pemberian kredit dengan menggunakan metode fuzzy Mamdani, digunakannya metode ini karena data yang ada merupakan data kualitatif yang jika difuzzykan akan menjadi data kuantitatif dan setiap aturan berbentuk sebab-akibat. Untuk membatasi luasnya penjabaran dan pembahasan dalam penelitian ini maka kajiaan yang dilakukan didasarkan data pengajuan kredit mobil pada PT.BPR Kandimadu Arta cabang Salatiga sejak tahun Tujuan dari penelitian ini adalah menentukan keputusan pemberian kredit untuk pembelian suatu barang pada lembaga keuangan kepada calon debitur dengan menggunakan metode fuzzy mamdani. DASAR TEORI Kredit Dana F. Kelleman dalam Mulyono (1987:9) menyatakan bahwa kredit mempunyai dimensi yang beraneka ragam. Dimulai dari kata kredit yang berasal dari bahasa Yunani credere yang berarti kepercayaan atau bahasa latin creditumi yang berarti kepercayaan dalam kebenaran. Maksud pengertian ini adalah apabila seseorang memperoleh kredit, bererti dia mendapat kepercayaan dari pihak yang memberikan kredit (meminjamkan uang). Sedangkan bagi pihak yang memberikan kredit, artinya memberikan kepercayaan kepada seseorang dengan asumsi uang yang dipinjamkan akan kembali. Kredit adalah kemampuan untuk melaksanakan suatu pembelian atau pengadakan suatu pinjaman dengan suatu janji pembayarannya akan dilakukan atau ditangguhkan pada suatu jangka waktu yang disepakati (Erik L. Kohler dalam Mulyono, 1987:9). Dari pengertian kredit tersebut dapat disimpulakan bahwa kredit adalah suatu pemberian pinjaman dalam bentuk uang / yang dipersamakan dengan itu dengan pihak lain dengan pembayaran pengembalian secara mengangsur dengan jangka waktu tertentu. Logika Fuzzy Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

16 PROSIDING ISBN : Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada diluar model matematis dan bersifat inexact. Konsop ketidak pastian inilah yang menjadi konsep dasar munculnya konsep logika fuzzy. Pencetus gagasan logika fuzzy adalah Prof. L.A. Zadeh (1965) dari California University. Pada prinsipnya himpunan fuzzy adalah perluasan himpunan, yaitu himpunan yang membagi sekelompok individu kedalam dua kategori, yaitu anggota dan bukan anggota. Pada himpunan tegas (crips), nilai keanggoan suatu item x dalam suatu himpunan A, yang sering ditulis denga - [ ] memiliki 2 kemungkinan, yaitu (Kusumadewi, 2003: 156) : Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan. - Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Pada himpunan crisp, nilai keanggotan ada 2 kemungkinan, yaitu 0 atau sedangkan Pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Semesta pembicaraan adalah keseluruhan nilai yang diperoleh untuk dioperasikan dalam suatu variable fuzzy. Semesta pembicaraan merupakan suatu himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semestapembicaraan dapat berubah bilangan positif maupun negative (Kusumadewi, 2003: 159). Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy (Kusumadewi, 2003:12) Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukan pemetaan titik-titik input data kedalam nilai keanggotaan yang menginterval antara 0 sampai 1 salah satu cra yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang dapat digunakan, diantaranya : 1. Representasi linear 2. Representasi segitiga 3. Representasi trapezium Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

17 PROSIDING ISBN : Representasi kurva bentuk baku 5. Representasi kurva S 6. Representasi bentuk lonceng Tahap-tahap yang dilakukan dalam penelitian ini adalah identifikasi masalah, studi literatur dan pengumpulan data, penentuan variabel dan analisa keluaran program. Pada tahap identifikasi masalah, permasalahan yang dibahas dalam usulan penelitian ini adalah menentukan seorang calon debitur layak atau tidak mendapatkan kredit menggunakan metode Fuzzy Mamdani berdasarkan data yang ada. Pada tahap studi literatur dan pengumpulan data digunakan data sekunder dari BPR dan studi literatur. Studi ini berkaitan dengan hal-hal yang berkaitan dengan Fuzzy Mamdani. Pembelajaran ini didapat baik dari buku-buku literatur, jurnal, paper, maupun beberapa artikel diinternet. Pada tahap selanjutnya merupakan proses penentuan calon debitur apakah diterima atau tidak dalam pengajuan kreditnya yang akan diselesaikan menggunakan software MATLAB. Langkah-langkahnya dalam memberi keputusan menggunakan Fuzzy Mamdani, yaitu Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.Untuk mendapatkan output, diperlukan 4 tahapan: a. Pembentukan himpunan fuzzy. Pada proses fuzzifikasi langkah yang pertama adalah menentukan variable fuzzy dan himpunan fuzzinya. Kemudian tentukan derajat kesepadanan (degree of match) antara data masukan fuzzy dengan himpunan fuzzy yang telah didefenisikan untuk setiap variabel masukan sistem dari setiap aturan fuzzy. Pada metode mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. b. Aplikasi fungsi implikasi pada metode mamdani. Fungsi implikasi yang digunakan adalah min. Lakukan implikasi fuzzy berdasar pada kuat penyulutan dan himpunan fuzzy terdefinisi untuk setiap variabel keluaran di dalam bagian konsekuensi dari setiap aturan. Hasil implikasi fuzzy dari setiap aturan ini kemudian digabungkan untuk menghasilkan keluaran infrensi fuzzy. (Kusumadewi,2003). Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

18 PROSIDING ISBN : c. Komposisi Aturan. Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa aturan, maka infrensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilistik OR. Secara umum Metode max (maximum) dapat dituliskan : µsf[xi] = max ( µsf [Xi], µsf [Xi] ) (1) dengan : µsf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke i µkf [Xi]) = nilai keanggotaan konsekuan fuzzy aturan ke i. d. Penegasan (defuzzy). Input dari proses defuzzyfikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat di ambil suatu nilai crisp tertentu sebagai output. Defuzzyfikasi pada metode mamdani untuk semesta diskrit menggunakan persamaan z = z j µ(z j )/ µ(z j ) (2) B. Metode Penelitian Data yang diteliti dalam pembuatan tugas akhir ini adalah data kredit mobil di BPR.Kandi Madu Arta cabang Salatiga, data tahun Tabel 1. Data calon debitur No Calon Tempat Penghasilan Penghasilan Jumlah Keadaan UM Perputaran Kas Reputasi Debitur Tinggal Pokok Tambahan Tanggungan Global Keputusan 1 A 20 Sederhana Kecil Baik Stabil Diterima 2 B 10 Menengah Besar Baik Stabil Diterima 3 C 15 Sederhana Kecil Baik Stabil Diterima 4 D 10 Sederhana Sedang Baik Stabil Ditolak 5 E 10 Menengah Sedang Buruk Stabil Diterima 6 F 15 Kontrak Kecil Baik Stabil Diterima 7 G 18.5 Menengah Sangat Besar Baik Stabil Diterima 8 H 25 Mewah Kecil Baik Stabil Diterima 9 I 10 Sederhana Sedang Baik Stabil Diterima 10 J 15 Menengah Besar Baik Stabil Diterima 11 K 10 Sederhana Besar Baik Stabil Diterima 12 L 19 Sederhana Sangat Besar Baik Stabil Diterima 13 M 13 Menengah Besar Baik Stabil Diterima 14 N 18 Sederhana Sedang Baik Stabil Diterima 15 O 10 Kontrak Sedang Buruk Stabil Ditolak Penentuan Keputusan Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

19 PROSIDING ISBN : Penentuan keputusan mempunyai input berupa perkiraan keputusan yang diterima calon debitur yang akan diselesaikan menggunakan software MATLAB. Pembentukan himpunan fuzzy merupakan langkah pertama yang dilakukan saat menggunakan metode Mamdani. Himpunan fuzzy dapat dilihat pada tabel 2 dan tabel 3, aplikasi himpunan fuzzy dan fungsi keanggotaan pada software MATLAB dapat dilihat pada Gambar 1, Gambar 2, Gambar 3, Gambar 4, Gambar 5, Gambar 6, Gambar 7, Gambar 8. Tahap 1. Untuk membuat suatu Fuzzy Inference system yang didasarkan pada tabel 1 di atas, langkah pertama kita harus membuat himpunan pada setiap masing-masing variabel yang digunakan. Berdasarkan hal tersebut kita harus menentukan nilai masing-masing variabel yang berbentuk linguistik seperti tempat tinggal, reputasi, kondisi global, perputaran kas dan keputusan kedalam bentuk numeric atau angka dalam tabel 2 berikut Tabel 2. Penentuan nilai variabel. Input Output Variabel Kelompok Himpunan Nilai Tempat Tinggal Reputasi Kondisi Global Perputaran Kas Keputusan Kontrak/menumpang 1 Sederhana 2 Menengah 3 Mewah 4 Buruk 0 Baik 1 Tidak stabil 0 Stabil 1 Kecil 1 Sedang 2 Besar 3 Sangat Besar 4 Ditolak 0 Diterima 1 Tahap 2. Membuat fungsi keanggotaan untuk tiap variable, yaitu jumlah uang muka yang dibayarkan oleh calon debitur, kondisi tempat tinggal calon debitur, penghasilan perbulan seorang calon debitur, penghasilan tambahan seorang calon debitur, jumlah tanggungan yang ditanggung Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

20 PROSIDING ISBN : oleh calon debitur, perputaran kas seorang calon debitur, karakter calon debitur, dan keadaan global kondisi ekonomi calon debitur. Tabel 3. Himpunan Fuzzy Fungsi Variabel Domain Keterangan Input UM (x 1 ) [10,25] Jurnal UM dalam bentuk Persentase Tempat Tinggal (x 2 ) [1,4] kondisi tempat tinggal saat melakukan survey Penghasil (x 3 ) [1.5,30] penghasilan per bulan dalam jutaan rupiah Penghasilan Tambahan (x 4 ) [0,9] Penghasilan tambahan keluarga dalam jutaan rupiah Tanggunan (x 5 ) [1,4] Tanggungan calon debitur, anak kandung dll. Perputaran Kas (x 6 ) [1,4] Dilihat dari buku tabungan 3 bulan terakir Reputasi (x 7 ) [0,1] Reputasi seorang calon debitur Kondisi Global (x 8 ) [0,1] Output Keputusan [0,1] mempengaruhi kemampuan debitur untuk melunasi hutang Hasil keputusan tim analis diterima atau ditolak suatu pengajuan kredit Tahap 3. Diolah menggunakan metode fuzzy-mamdani dengan menggunakan Matlab. Gambar 1. Grafik fungsi keanggotaan UM Dengan himpunan fuzzy rendah, sedang dan tinggi Gambar 2. Grafik fungsi keanggotaan Tempat Tinggal dengan himpunan fuzzy kontrak, sederhana, menengah, dan mewah Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

21 PROSIDING ISBN : Gambar 3. Grafik fungsi keanggotaan Gambar 4.Grafik fungsi keanggotaan Penghasilan Pokok Dengan himpunan Penghasilan Tambahan Dengan fuzzy rendah, sedang dan tinggi himpunan fuzzy rendah, sedang dan tinggi Gambar 5. Grafik fungsi keanggotan Jumlah Tangguan dengan himpunan Fuzzy banyak, sedang dan sedikit Gambar 6. Grafik fungsi keanggotaan Perputaran Kas dengan himpunan fuzzy kecil, sedang, besar, dan sangat besar Gmbar 7. Grafik fungsi keanggotaan Reputasi dengan himpunan fuzzy Buruk dan baik Gambar 8. Grafik fungsi keanggotaan Kondisi Global dengan himpunan fuzzy tidak stabil dan stabil Gambar 9. Grafik fungsi keanggotaan Kesimpulan dengan himpunan fuzzy diterima dan ditolak Langkah selanjutnya adalah pembentukan aturan dan fungsi implikasi. Pembentukan aturan dalam penelitian ini berdasarkan data calon debitur sehingga dapat diperoleh fungsi implikasi dan aturan sebagai berikut (beberapa contoh): Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

22 PROSIDING ISBN : Jika ( UM adalah Sedang ) dan ( Tempat _Tinggal adalah Sederhana ) dan ( Penghasilan_Pokok adalah Rendah ) dan ( Penghasilan_Tambahan adalah Sedang ) dan ( Jumlah_Tanggung adalah Banyak ) dan ( Perputaran_Kas adalah Kecil ) dan ( Reputasi adalah Baik ) dan ( Kondisi_Global adalah Stabil ) maka ( Keputusan adalah diterima ) 2. Jika ( UM adalah Rendah) dan ( Tempat _Tinggal adalah Sederhana ) dan ( Penghasilan_Pokok adalah Rendah ) dan ( Penghasilan_Tambahan adalah Sedang ) dan ( Jumlah_Tanggung adalah Banyak ) dan ( Perputaran_Kas adalah Sedang) dan ( Reputasi adalah Baik ) dan ( Kondisi_Global adalah Stabil ) maka ( Keputusan adalah Diterima ) Gambar 10. Aturan (Rule) dan Fungsi Implikas Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

23 PROSIDING ISBN : Gambar 11. Penegasan (Deffuzyfikasi) Dengan MATLAB Tahap 4. Menganalisa hasil keluaran program. Tahap 5. Membuat kesimpulan berdasarkan hasil keluaran program. C. Hasil dan Pembahasan (Kajian konseptual menyesuaikan) Calon Tabel 4. Hasil perbandingan penarikan keputusan Bank dan Metode Fuzzy Mamdani Debitur X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 Output Keputusan bank Keputusan penelitian A ,81 Diterima Diterima B ,77 Diterima Diterima C ,86 Diterima Diterima D ,44 Ditolak Ditolak E ,77 Diterima Diterima F ,86 Ditolak Diterima G 18, Diterima Diterima H ,96 Diterima Diterima I ,44 Diterima Ditolak Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

24 PROSIDING ISBN : J ,92 Diterima Diterima K ,52 Diterima Diterima L ,82 Diterima Diterima M ,92 Diterima Diterima N ,81 Diterima Diterima O ,42 Ditolak Ditolak D. Penutup Kesimpulan Pendekatan metode Fuzzy Mamdani dapat menganalisa secara tepat diterima atau ditolaknya suatu pengajuan kredit mobil. Dan dari hasil penelitian ini apabila perusahaan menerima kredit yang riskan akan terlunasi seperti calon debitur I Perusahaan akan mengalami kerugian, dan apabila perusahaan menolak pembelian mobil secara kredit yang dengan metode Fuzzy Mamdani layak untuk diterima seperti calon debitur F maka perusahaan akan kehilangan pendapatan. Berdasarkan analisis tersebut dapat dikemukakan saran sebagai berikut: Perusahan dapat menjadikan Metode Fuzzy Mamdani sebagai satu alat analisis alternatif yang digunakan perusahaan untuk menentukan diterima atau ditolaknya suatu pengajuan kredit agar mengurangi kemungkinan kredit macet yang mengakibatkan kerugian dan agar perusahaan tidak kehilangan pemasukan yang dapat menambah keuntungan perusahaan. DAFTAR PUSTAKA Kusumadewi, Sri Analisa & Desain Sistem Fuzzy ( Menggunakan TOOLBOX MATLAB ). Jogjakarta : Graha Ilmu. Kusumadewi dan Hari purnomo Aplikasi Logika Fuzzy untuk pendukung keputusan. Jogjakarta : Graha Ilmu. Christian, Andika Adi -Pelaksanaan Analisis Pemberian Kredit di PT.BPR Ambarawa kab.semarang. Skripsi. Manajemen. Universitas Kristen Satya Wacana, Salatiga. Hidayati, Ery - Sistem Pendukung Keputusan Logika Analisa Kelayakan Kredit. Skripsi. Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

25 PROSIDING ISBN : Akutansi. Universitas.Mercubuana, Jakarta. Susilo, Frans -Penghantar Himpunan & Logika Kabur Serta Aplikasinya. Skripsi. Universitas Sanata Dharma. Jogjakarta Hidayati, Nuril Aplikasi Teori Permainan Fuzzy dalam Strategi Pemasaran (Studi kasus : Produk Kosmetik bedak Sariayu di ITS Surabaya). Tugas akhir program sarjana, Institut Teknologi Sepuluh Nopember Surabaya. Ruan, Da Fuzzy Set Theory and Advanced Mathematical Applications. Boston: Kluwer Academic Publisher. Sasongko, P.S Logika Fuzzy. <URL : (diakses tanggal 13 September 2013). Zadeh, L.A Fuzzy Logic Toolbox for Use with MATLAB. Berkeley, CA : The Math Works,Inc. Mulyono, Sri Gitardo Pengantar Ilmu Ekonomi Makro. Jogjakarta : Liberty Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

26 MAKALAH II

27 PENGGUNAAN METODE FUZZY SUGENO UNTUK MEMBUAT KEPUTUSAN DALAM ANALISIS KREDIT 1 Sri Ayu Subekti, 2 Lilik Linawati, 3 Adi Setiawan 1 Mahasiswa Program Studi Matematika UKSW, Salatiga, ,3 Dosen Program Studi Matematika UKSW, Salatiga, Sriayu_subekti61@yahoo.com, 2 lina.utomo@yahoo.com, 3 adi_setia_03@yahoo.com Abstrak Makalah ini mengkaji bagaimana keputusan kredit ditentukan dalam suatu analisis kredit menggunakan metode Fuzzy Sugeno. Data yang dianalisis berdasarkan data sekunder dari PT. BPR Kandimadu Arta Salatiga berupa data sampel calon debitur kredit mobil sebanyak 15 orang. Berdasarkan hasil penelitian ini diperoleh bahwa pendekatan metode Fuzzy Sugeno dapat digunakan untuk menentukan diterima atau ditolaknya suatu pengajuan kredit mobil berdasarkan kriteria yang ditentukan perusahaan. Terdapat beberapa perbedaan antara keputusan yang dibuat oleh bank dan keputusan yang menggunakan metode Fuzzy Sugeno. Dalam hal ini bank dapat menghindari kredit yang beresiko tidak terlunasi seperti calon dibitur ke-i yang dianggap layak oleh perusahaan, tetapi tidak layak berdasarkan hasil metode Fuzzy Sugeno. Kata kunci: Keputusan, Analisis Kredit, Fuzzy Sugeno A. Pendahuluan Kredit merupakan suatu fasilitas keuangan yang memungkinkan seseorang atau badan usaha untuk meminjam uang digunakan membeli produk dan membayarnya dengan cara berkala dalam jangka waktu yang ditentukan. UU No. 10 tahun 1998 menyebutkan bahwa kredit adalah penyediaan uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi utangnya setelah jangka watu tertentu dengan pemberian bunga. Permasalahan yang dihadapi dalam perkreditan yaitu dalam menentukan keputusan pemberian kredit kepada seorang calon debitur, permasalahan yang lain adalah tidak semua pemberian kredit yang diberikan dapat berjalan lancar atau sering kali disebut kredit macet. Faktor penyebab kredit macet adalah kesalahan penilaian dalam membuat keputusan kredit atau data yang diberikan calon debitur bukan data sebenarnya. Untuk menyetujui suatu pengajuan kredit ada beberapa faktor yang harus diperhatikan oleh seorang analisis kredit sebagai dasar untuk jaminan bahwa seorang debitur akan melunasi hutangnya dengan baik, yaitu 5C : Collaterall (angunan), Capacity

28 (kemampuan membayar kewajiban), Capital (modal), Character (karakter), dan Condition (kondisi ekonomi). Hasil penilaian terhadap kelima syarat tersebut dinyatakan sebagai data kualitatif (Kamsir, 2000:34). Penelitian terhadap data kualitatif ini menyebabkan adanya faktor subyektivitas dalam menentukan keputusan. Untuk menghindari hal tersebut, dalam penelitian ini dikaji cara menganalisis kredit menggunakan metode fuzzy sugeno untuk menentukan keputusan kredit yang didasarkan data kualitatif. Analisis kredit serupa pernah dilakukan dengan menggunakan metode fuzzy Mamdani pada data yang sama diperoleh terdapat 2 perbedaan keputusan dengan keputuan Bank (Subekti dkk, 2013). Tujuan dari penelitian ini adalah menerapkan metode fuzzy Sugeno dalam analisis penentuan keputusan pemberian kredit kepada calon debitur. DASAR TEORI KREDIT Kelleman menyatakan bahwa kredit mempunyai dimensi yang beraneka ragam. Dimulai dari kata kredit yang berasal dari bahasa Yunani credere yang berarti kepercayaan atau bahasa latin creditumi yang berarti kepercayaan dalam kebenaran. Maksud pengertian ini adalah apabila seseorang memperoleh kredit, bererti dia mendapat kepercayaan dari pihak yang memberikan kredit (meminjamkan uang). Sedangkan bagi pihak yang memberikan kredit, artinya memberikan kepercayaan kepada seseorang dengan asumsi uang yang dipinjamkan akan kembali. Menurut Kolher kredit adalah kemampuan untuk melaksanakan suatu pembelian atau pengadakan suatu pinjaman dengan suatu janji pembayarannya akan dilakukan atau ditangguhkan pada suatu jangka waktu yang disepakati (Mulyono, 1987:9). Dari pengertian kredit tersebut dapat disimpulkan bahwa kredit adalah suatu pemberian pinjaman dalam bentuk uang / yang dipersamakan dengan itu kepada pihak lain yang pembayaran pengembaliannya dilakukan secara mengangsur dalam jangka waktu tertentu. Himpunan Fuzzy Himpunan didefinisikan sebagai kumpulan obyek-obyek yang terdefinisi secara tegas apakah suatu obyek adalah anggota himpunan itu atau tidak. Dengan perkataan lain terdapat batas yang tegas antara unsur-unsur yang tidak merupakan anggota dari suatu himpunan. Tetapi dalam kenyataannya tidak semua himpunan yang kita jumpai dalam kehidupan sehari-hari terdefinisi secara demikian. Untuk mengatasi permasalahan 2

29 himpunan dengan batas yang tidak tegas itu, Zadeh mengaitkan himpunan semacam itu dengan suatu fungsi yang menyatakan derajat kesesuaian unsur-unsur dalam domainnya dengan konsep yang merupakan syarat keanggotaan himpunan tersebut. Dengan demikian setiap unsur dalam semesta wacananya mempunyai derajat keanggotaan tertentu dalam himpunan tersebut. Derajat keanggotaannya dinyatakan dengan suatu bilangan real dalam selang tertutup [0,1]. Dengan perkataan lain, fungsi kenggotaan dari suatu himpuna Fuzzy A dalam semesta X adalah memetakan X dari A ke selang [0,1]. Nilai fungsi A( ) menyatakan derajat keanggotaan unsur Dalam himpunan kabur A. Nilai fungsi sama dengan 1 menyatakan keanggotaan penuh, dan nilai fungsi sama dengan 0 menyatakan sama sekali bukan anggota himpun kabur tersebut. Maka himpunan tegas juga dapat dipandang sebagai kejadian khusus dari himpunan fuzzy, yaitu himpunan fuzzy yang fungsi keanggotaannya hanya bernilai 0 atau 1 saja. Jadi fungsi keanggotaan dari himpunan tegas A dalam semesta adalah pemetaan dari kehimpunan {0,1}. Ada beberapa hal yang perlu diketahui dalam memahami sistem Fuzzy, yaitu: a.variabel Fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem Fuzzy. Contoh: umur, temperatur, permintaan,dsb. b.himpunan Fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel Fuzzy. Misalkan dimiliki himpunan A yang dikaitkan dengan himpunan fuzzy maka secara matematis himpunan fuzzy dalam semesta X dapat dinyatakan sebagai himpunan pasangan terurut yang didefinisikan oleh : {( ( )) } dengan ( ) adalah fungsi keanggotaan yang memetakan x anggota himpunan semesta X ke selang tertutup [0,1]. Nilai ( ) adalah nilai fungsi keanggotaan dari x, yang disebut juga sebagai derajat keanggotaan (Susilo, 2003). Terdapat beberapa fungsi keanggotaan dalam himpunan fuzzy, di antaranya adalah: fungsi keanggotaan linear seperti direpresentasikan pada Gambar 1. dan fungsi keanggotaan segitiga seperti direpresentasikan pada Gambar 2. (Kusumadewi, 2004). Gambar 1.(a) merepresentasikan fungsi keanggotaan fuzzy linear naik dan Gambar 1.(b) menyatakan fungsi keanggotaan linear turun. 3

30 (a) (b) Gambar 1. Representasi Fungsi Keanggotaan Fuzzy Linear. Rumus fungsi keanggotaan linear naik dinyatakan seperti pada persamaan (1), sedangkan fungsi keanggotaan linear turun dinyatakan seperti pada persamaan (2). ( ) { (1) ( ) { (2) Fungsi segitiga direpresentasikan seperti pada Gambar 2 dengan rumus fungsinya dinyatakan sebagai persamaan (3). Fungsi keanggotaan fuzzy ini merupakan gabungan dari fungsi keanggotaan linear naik dan fungsi keanggotaan linear turun. Gambar 2. Representasi Fungsi Keanggotaan Fuzzy Segitiga. 0 ; x < a atau x >c µ(x) = ; a x b (3) ; b x c Operasi Himpunan Fuzzy Terdapat tiga operasi dasar untuk mengkombinasikan dan memodifikasi beberapa himpunan fuzzy yang dikemukakan oleh Zadeh. Operasi tersebut adalah komplemen pada 4

31 suatu himpunan fuzzy serta gabungan dan irisan pada himpunan-himpunan fuzzy (Wang,1997). Operasi komplemen pada suatu himpunan fuzzy, hasilnya dinyatakan sebagai himpunan fuzzy dengan fungsi keanggotaan seperti persamaan (4) ( ) ( ) (4) Operasi gabungan antara dua himpunan fuzzy dan himpunan fuzzy yang ditulis dengan fungsi keanggotaan seperti persamaan (5) ( ) [ ( ) ( )] (5) Operasi irisan antara dua himpunan fuzzy dan himpunan fuzzy yang ditulis dengan fungsi keanggotaan seperti persamaan (6) ( ) [ ( ) ( )] (6) Sistem Inferensi Fuzzy Sugeno Sistem Inferensi Fuzzy dapat dilakukan dengan tiga metode yaitu metode Tsukomoto, metode Mamdani dan metode Sugeno. Dalam penelitian ini metode yang digunakan adalah metode Sugeno. Untuk mendapatkan output menggunakan metode Sugeno ini diperlukan 4 tahapan, yaitu a. Pembentukan himpunan fuzzy Pada metode Sugeno, berdasarkan variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy yang bersesuaian. b. Pembentukan fungsi implikasi Pada metode Sugeno, Fungsi implikasi yang digunakan adalah min (Kusumadewi,2003). c. Komposisi aturan fuzzy untuk inferensi Aturan inferensi pada metode Sugeno adalah metode Max, yaitu solusi himpunan fuzzy diperoleh dengan mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator union. Jika semua proposisi telah dievaluasi maka output akan berisi suatu himpunan fuzzy. Secara umum : µ sf [x i ] max (µ sf [x i ], µ sk [x i ]) (7) dengan : µ sf [x i ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i, 5

32 µ sk [x i ] = nilai keanggotaan konsekuen fuzzy pada aturan ke-i. d. Defuzzifikasi Input dari defuzzifikasi adalah suatu himpunan Fuzzy yang diperoleh dari langkah sebelumnya, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crip tertentu sebagai output. Di sini nilai yang diambil ada 2 yaitu 1 atau 0, dengan 1 untuk keputusan diterima dan 0 untuk keputusan ditolak. B. Metode Penelitian Data yang diteliti dalam pembuatan tugas akhir ini adalah data sekunder kredit mobil di BPR.Kandi Madu Arta cabang Salatiga tahun 2012, dengan sampel sebanyak 15 calon debitur. Data disajikan pada Tabel 1. Tabel 1. Data calon debitur No Calon Tempat Penghasilan Penghasilan Jumlah Keadaan UM Perputaran Kas Reputasi Debitur Tinggal Pokok Tambahan Tanggungan Global Keputusan 1 A 20 Sederhana Kecil Baik Stabil Diterima 2 B 10 Menengah Besar Baik Stabil Diterima 3 C 15 Sederhana Kecil Baik Stabil Diterima 4 D 10 Sederhana Sedang Baik Stabil Ditolak 5 E 10 Menengah Sedang Buruk Stabil Diterima 6 F 15 Kontrak Kecil Baik Stabil Ditolak 7 G 18.5 Menengah Sangat Besar Baik Stabil Diterima 8 H 25 Mewah Kecil Baik Stabil Diterima 9 I 10 Sederhana Sedang Baik Stabil Diterima 10 J 15 Menengah Besar Baik Stabil Diterima 11 K 10 Sederhana Besar Baik Stabil Diterima 12 L 19 Sederhana Sangat Besar Baik Stabil Diterima 13 M 13 Menengah Besar Baik Stabil Diterima 14 N 18 Sederhana Sedang Baik Stabil Diterima 15 O 10 Kontrak Sedang Buruk Stabil Ditolak Dari data tersebut maka data yang akan dijadikan sebagai input atau kriteria adalah calon debitur, uang muka, penghasilan pokok, penghasilan tambahan, jumlah tanggungan, perputaran kas, reputasi, dan kondisi global. Sedangkan untuk output-nya adalah keputusan kredit. Pembentukan himpunan fuzzy dan proses pembentukan keputusan dilakukan dengan menggunakan alat bantu Toolbox Matlab R2009a. 6

33 Langkah 1. Membuat fungsi keanggotaan untuk tiap variabel, yaitu jumlah uang muka yang dibayarkan oleh calon debitur, kondisi tempat tinggal calon debitur, penghasilan perbulan seorang calon debitur, penghasilan tambahan seorang calon debitur, jumlah tanggungan yang ditanggung oleh calon debitur, perputaran kas seorang calon debitur, karakter calon debitur, dan keadaan global kondisi ekonomi calon debitur. Tabel 2. Variabel Fuzzy Fungsi Variabel Domain Keterangan Input UM [10,25] Jurnal UM dalam bentuk Persentase Tempat Tinggal [1,4] kondisi tempat tinggal saat melakukan survey Penghasil [1.5,30] penghasilan per bulan dalam jutaan rupiah Penghasilan Tambahan [0,9] Penghasilan tambahan keluarga dalam jutaan rupiah Tanggunan [1,4] Tanggungan calon debitur, anak kandung dll. Perputaran Kas [1,4] Dilihat dari buku tabungan 3 bulan terakir Reputasi [0,1] Reputasi seorang calon debitur Kondisi Global [0,1] Output Keputusan [0,1] mempengaruhi kemampuan debitur untuk melunasi hutang Hasil keputusan tim analis diterima atau ditolak suatu pengajuan kredit Tabel 3. Variabel dan Himpunan fuzzy yang dibentuk Variabel Variabel Nama Himpunan fuzzy Domain UM (x 1 ) Rendah [5,17.5] Sedang [10,20] Tinggi [17.5,25] Tempat Tinggal (x 2 ) Kontrak [-1,2] Sederhana [1,3] Menengah [2,4] Mewah [3,5] Penghasil (x 3 ) Rendah [0,12.5] Sedang [5,27.5] Tinggi [17.5,32.5] Penghasilan Tambahan (x 4 ) Rendah [0,5] Sedang [3,8] 7

34 Tinggi [6,9] Tanggunan (x 5 ) Sedikit [0,2] Sedang [1,3] Banyak [2,4] Perputaran Kas (x 6 ) Kecil [0,2] Sedang [1,3] Besar [2,4] Sangat besar [3,5] Reputasi (x 7 ) Buruk [0,0.5] Baik [0.5,1] Kondisi Global (x 8 ) Tidak stabil [0,0.5] Stabil [0.5,1] Keputusan (x 9 ) Ditolak 0 Diterima 1 Langkah 2. Diolah menggunakan metode fuzzy-sugeno dengan menggunakan Matlab. Gambar 1. Grafik fungsi keanggotaan UM Gambar 2. Grafik fungsi keanggotaan Dengan himpunan fuzzy rendah, sedang Tempat Tinggal dengan himpunan dan tinggi fuzzy kontrak, sederhana, menengah, dan mewah Langkah selanjutnya adalah pembentukan aturan dan fungsi implikasi. Pembentukan aturan dalam penelitian ini berdasarkan data calon debitur sehingga dapat diperoleh fungsi implikasi dan aturan sebagai berikut (beberapa contoh): 3. Jika ( UM adalah Sedang ) dan ( Tempat _Tinggal adalah Sederhana ) dan ( Penghasilan_Pokok adalah Rendah ) dan ( Penghasilan_Tambahan adalah Sedang ) dan ( Jumlah_Tanggung adalah Banyak ) dan ( Perputaran_Kas adalah Kecil ) dan ( Reputasi adalah Baik ) dan ( Kondisi_Global adalah Stabil ) maka ( Keputusan adalah diterima ) 4. Jika ( UM adalah Rendah) dan ( Tempat _Tinggal adalah Sederhana ) dan ( Penghasilan_Pokok adalah Rendah ) dan ( Penghasilan_Tambahan adalah Sedang ) 8

35 dan ( Jumlah_Tanggung adalah Banyak ) dan ( Perputaran_Kas adalah Sedang) dan ( Reputasi adalah Baik ) dan ( Kondisi_Global adalah Stabil ) maka ( Keputusan adalah Diterima ) Gambar 3. Penegasan (Defuzzyfikasi) Dengan MATLAB Langkah 3. Menganalisis hasil keluaran program. Tabel 4. Hasil keluaran metode Sugeno Calon Output Output Keputusan Keputusan X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 Debitur Mamdani Sugeno bank Sugeno A ,81 1 Diterima Diterima B ,77 1 Diterima Diterima C ,86 1 Diterima Diterima D ,44 0 Ditolak Ditolak E ,77 1 Diterima Diterima F ,86 0 Ditolak Ditolak G 18, Diterima Diterima H ,96 1 Diterima Diterima I ,44 0 Diterima Ditolak J ,92 1 Diterima Diterima K ,52 1 Diterima Diterima L ,82 1 Diterima Diterima M ,92 1 Diterima Diterima N ,81 1 Diterima Diterima O ,42 0 Ditolak Ditolak 9

36 Berdasarkan keluaran program, hasil keputusan yang berbeda ditunjukkan pada calon debitur ke-i. Hal ini dapat dijadikan pertimbangan oleh pihak bank dalam mengambil keputusan kredit bagi calon debitur agar bank tidak mengalami kerugian karena adanya calon debitur yang rawan kredit macet. C. Hasil dan Pembahasan (Kajian konseptual menyesuaikan) Tabel 3. Perbandingan Keputusan Bank, dengan Metode Mamdani dan Metode Sugeno Calon Keputusan Keputusan Keputusan Debitur Bank Mamdani Sugeno A Diterima Diterima Diterima B Diterima Diterima Diterima C Diterima Diterima Diterima D Ditolak Ditolak Ditolak E Diterima Diterima Diterima F Ditolak Diterima Ditolak G Diterima Diterima Diterima H Diterima Diterima Diterima I Diterima Ditolak Ditolak J Diterima Diterima Diterima K Diterima Diterima Diterima L Diterima Diterima Diterima M Diterima Diterima Diterima N Diterima Diterima Diterima O Ditolak Ditolak Ditolak Dari hasil di atas dapat disimpulkan untuk metode yang lebih cocok digunakan dalam analisis kredit adalah metode Mamdani karena metode ini memberikan keluaran yang tepat, yaitu mendapat nilai keanggotaan berapakah dari seorang calon debitur. D. Penutup Kesimpulan Pendekatan metode Fuzzy Sugeno dapat menganalisis secara tegas diterima atau ditolaknya suatu pengajuan kredit mobil. Dari hasil penelitian ini apabila Bank memberikan kredit yang beresiko macet seperti calon debitur ke-i, Bank ada peluang mengalami kerugian Rp ,00 dengan asumsi harga 1 unit mobil Rp ,00 10

37 Berdasarkan analisis tersebut dapat dikemukakan saran sebagai berikut: Bank dapat menjadikan Metode Fuzzy Sugeno sebagai satu alat analisis alternatif yang digunakan Bank untuk menentukan diterima atau ditolaknya suatu pengajuan kredit agar mengurangi kemungkinan kredit macet yang mengakibatkan kerugian dan agar Bank tidak kehilangan pemasukan yang dapat menambah keuntungan perusahaan. DAFTAR PUSTAKA Christian, Andika Adi Pelaksanaan Analisis Pemberian Kredit di PT.BPR Ambarawa kab.semarang. Skripsi. Manajemen. Universitas Kristen Satya Wacana, Salatiga. Hidayati, Ery Sistem Pendukung Keputusan Logika Analisa Kelayakan Kredit. Skripsi. Akutansi. Universitas.Mercubuana, Jakarta. Kusumadewi, Sri Analisa & Desain Sistem Fuzzy ( Menggunakan TOOLBOX MATLAB ). Jogjakarta : Graha Ilmu. Kusumadewi dan Hari purnomo Aplikasi Logika Fuzzy untuk pendukung keputusan. Jogjakarta : Graha Ilmu. Mulyono, Sri Gitardo Pengantar Ilmu Ekonomi Makro. Jogjakarta : Liberty Ruan, Da Fuzzy Set Theory and Advanced Mathematical Applications. Boston: Kluwer Academic Publisher. Subekti, Sri Ayu. Linawati, Lilik. & Setiawan Penggunaan Metode Fuzzy Mamdani untuk Membuat Keputusan dalam Analisis Kredit. Seminar Nasional Matematika dan Pendidikan Matematika. Yogyakarta : Universitas Negeri Yogyakarta. Susilo, Frans Penghantar Himpunan & Logika Kabur Serta Aplikasinya. Universitas Sanata Dharma. Yogyakarta. Wulandari, Yogawati Aplikasi Metode Mamdani dalam Penentuan Status Gizi Dengan Indeks Massa Tubuh (IMT) Menggunakan Logika Fuzzy. Skripsi. Universitas Negeri Yogyakarta. Zadeh, L.A Fuzzy Logic Toolbox for Use with MATLAB. Berkeley, CA : The Math Works,Inc. 11

38 PENUTUP Kesimpulan Berdasarkan kedua makalah dapat disimpulkan : Untuk metode yang lebih cocok digunakan dalam analisis kredit adalah metode Mamdani. Saran Berdasarkan kedua makalah yang telah dikaji, saran yang dapat diberikan adalah : 1. Untuk pengkajian lebih lanjut dapat dilakukan dengan metode inferensi lainnya yaitu Tsukomoto. 2. Saran untuk bank, menggunakan metode Mamdani sebagai metode alternatif untuk analisis kredit. 8

39 UCAPAN TERIMA KASIH Penulis menyadari bahwa banyak pihak yang telah mendukung dan membantu, sehingga penyusunan skripsi ini dapat berjalan dengan lancar. Oleh karena itu, pada kesempatan ini penulis mengucapkan terima kasih atas segala doa, nasihat, bimbingan dan dorongan baik materi maupun spiritual kepada : 1. Dr. Bambang Susanto selaku Ketua Program Studi Matematika. 2. Dra. Lilik Linawati, M.Kom selaku pembimbing utama yang dengan sabar membimbing, mengarahkan dan memberikan motivasi kepada penulis selama proses penulisan skripsi ini sehingga laporan skripsi ini dapat diselesaikan dengan baik. 3. Dr. Adi Setiawan, selaku pembimbing pendamping yang memberikan saran, membimbing, dan mengarahkan penulis sehingga laporan skripsi ini dapat diselesaikan dengan baik. 4. Dosen pengajar, Dr. Bambang Susanto, Dra. Lilik Linawati, M.Kom, Dr. Adi Setiawan, M.Sc, Tundjung Mahatma,S.Pd, M.Kom, Dr. Hanna Arini Parhusip, M.Sc yang telah memberikan ilmu pengetahuan kepada penulis selama studi di FSM UKSW. 5. Staf TU FSM, Pak Edy, Mbak Eny, dan Mas Basuki yang telah banyak memberikan bantuan kepada penulis. 6. Bapak dan Ibuku tercinta terima kasih atas semua doa-doanya,terima kasih telah memberi dorongan, memberi semangat, selalu memotivasi saya sampai Skripsi ini boleh selesai dengan sempurna. 7. Cahyo, Ia serta seluruh keluarga besar yang telah memberikan doa dan dorongan kepada penulis sehingga dapat menyelesaikan penulisan skripsi ini dengan baik. 8. Yang terkasih Natanael Noviyanto yang selalu mendukung untuk pembuatan Skripsi ini. 9. Sahabat-sahabat terkasih Dewi Rimba, Ruth K, Bungkus F, Yang selalu memberikan semangat, motivasi, doa kepada penulis. 10. Teman-teman Progdi Matematika Angkatan 2010, Nova, Leny, Ane, Vero, Vina, Mince, Deny, terima kasih atas bantuan dan kebersamaan kalian selama ini.

40 11. Semua pihak yang tidak dapat penulis sebutkan satu persatu yang juga mendukung penulis selama penulisan skripsi ini. Penulis menyadari sepenuhnya bahwa dalam penulisan skripsi ini masih terdapat banyak kekurangan dan jauh dari kesempurnaan. Oleh karena itu, penulis sangat mengharapkan segala saran dan nasihat dari pembaca. Harapan penulis, semoga skripsi ini bermanfaat bagi semua pihak. Salatiga, 29 Januari 2014 Penulis

41

Rumusan Masalah Tujuan Batasan Masalah

Rumusan Masalah Tujuan Batasan Masalah PENDAHULUAN Bank adalah sebuah lembaga keuangan dan badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan selanjutnya menyalurkan kepada masyarakat dalam bentuk kredit. Kredit merupakan

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon

Lebih terperinci

PENDAHULUAN A. LATAR BELAKANG MASALAH

PENDAHULUAN A. LATAR BELAKANG MASALAH PENDAHULUAN A. LATAR BELAKANG MASALAH Dalam pelaksanaan pembelajaran selalu ditemui evaluasi-evaluasi untuk menguji tingkat pemahaman terhadap suatu bahan yang dipelajari. Evaluasi-evaluasi ini tidak boleh

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini

Lebih terperinci

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY 1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan

Lebih terperinci

Karena tidak semua masyarakat mampu membeli kendaraan khususnya roda empat secara tunai, maka mereka membelinya secara kredit. PT Astra Credit Compani

Karena tidak semua masyarakat mampu membeli kendaraan khususnya roda empat secara tunai, maka mereka membelinya secara kredit. PT Astra Credit Compani ANALISIS PEMBERIAN KREDIT MOBIL DENGAN PENDEKATAN METODE FUZZY-MAMDANI (STUDI KASUS : PT ASTRA CREDIT COMPANIES CABANG DAIHATSU CIBUBUR) Andrian Yamin Jurusan Akuntansi Universitas Gunadarma Depok Jl.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.

Lebih terperinci

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental

Lebih terperinci

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( ) TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri

Lebih terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara

Lebih terperinci

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

NURAIDA, IRYANTO, DJAKARIA SEBAYANG Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji

Lebih terperinci

Rumusan Masalah Tujuan Batasan Masalah

Rumusan Masalah Tujuan Batasan Masalah BAB I PENDAHULUAN Dalam kegiatan jual-beli suatu barang atau jasa, merepresentasi kebutuhan pelanggan merupakan salah satu faktor penting, dimana pembeli memiliki kriteria akan barang atau jasa yang diinginkannya.

Lebih terperinci

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang

Lebih terperinci

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video

Lebih terperinci

Analisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB

Analisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Analisa Tingkat di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Popy Meilina Jurusan Teknik Informatika Universitas Muhammadiyah Jakarta E-mail: Opi3_five@yahoo.com.sg Abstrak -- Fuzzy Logic

Lebih terperinci

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern

Lebih terperinci

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian

Lebih terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak

Lebih terperinci

LOGIKA FUZZY (Lanjutan)

LOGIKA FUZZY (Lanjutan) Metode Mamdani Metode mamdani sering dikenal sebagai metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Menurut metode ini, ada empat tahap yang harus dilalui untuk mendapatkan

Lebih terperinci

Oleh, ASTUTI IRMA SURYANI NIM : TUGAS AKHIR

Oleh, ASTUTI IRMA SURYANI NIM : TUGAS AKHIR ANALISIS PENILAIAN KINERJA KARYAWAN MENGGUNAKAN FUZZY LINEAR PROGRAMMING (FLP) Studi Kasus: Data Penilaian Kinerja Karyawan Non Akademik Oleh Biro HRD Univeristas Kristen Satya Wacana Salatiga Oleh, ASTUTI

Lebih terperinci

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera

Lebih terperinci

DENIA FADILA RUSMAN

DENIA FADILA RUSMAN Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA

Lebih terperinci

Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum

Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI 3.1. Sistem Pendukung Keputusan DSS adalah suatu sistem informasi yang datanya diproses dalam bentuk pembuatan keputusan bagi pemakai akhir. Karena berorientasi pada pemakai akhir,

Lebih terperinci

Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman

Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi

Lebih terperinci

BAB III METODE FUZZY MAMDANI

BAB III METODE FUZZY MAMDANI 29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan

Lebih terperinci

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com

Lebih terperinci

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri

Lebih terperinci

PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar

PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika

Lebih terperinci

ANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB

ANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi

Lebih terperinci

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN: PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi

Lebih terperinci

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya

Lebih terperinci

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK

Lebih terperinci

BAB II: TINJAUAN PUSTAKA

BAB II: TINJAUAN PUSTAKA BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali

Lebih terperinci

Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani

Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari

Lebih terperinci

FUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA. Oleh

FUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA. Oleh FUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA Oleh I Made Budi Suwadnyana 1, A.A. Gede Bagus Ariana 2 Program Studi Teknik Informatika STMIK STIKOM INDONESIA Email: balibudi55@yahoo.com

Lebih terperinci

Penerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang

Penerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Penerapan Fuy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Thomson Mary Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat Kampus II, Gunung Pangilun, Padang Email:

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan

Lebih terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau

Lebih terperinci

PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )

PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) Edy Victor Haryanto1), Fina Nasari) Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No.

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY Denny Cristiono T.S., Yugowati P.,Sri Yulianto J.P. Fakultas Teknologi Informasi Universitas Kristen

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 1 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Penelitian yang dilakukan oleh Apriliani Wulandari, (2007), Penelitian ini memfokuskan pada penggunaan kriteria Bayes dalam proses pemberian

Lebih terperinci

Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani

Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Anitaria Simanullang 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED anitaria.simanullang@gmail.com

Lebih terperinci

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas

Lebih terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

FUZZY MULTI-CRITERIA DECISION MAKING Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas

Lebih terperinci

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian dalam tugas akhir ini adalah BPR BKK Kendal yang beralamatkan di jalan Soekarno Hatta No 335 Kendal. Penelitian ini berlangsung dari bulan

Lebih terperinci

PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)

PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ) PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ) Edy Victor Haryanto 1, Fina Nasari 2 1,2 UniversitasPotensiUtama Jl. K.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah suatu kumpulan atau koleksi objek-objek yang mempunyai kesamaan sifat tertentu. Objek ini disebut elemen-elemen atau anggota-anggota dari himpunan (Frans

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et

Lebih terperinci

PENGOPTIMALAN KADAR PROKSIMAT PADA MOCORIN DENGAN MENGGUNAKAN ALGORITMA GENETIK (AG)

PENGOPTIMALAN KADAR PROKSIMAT PADA MOCORIN DENGAN MENGGUNAKAN ALGORITMA GENETIK (AG) PENGOPTIMALAN KADAR PROKSIMAT PADA MOCORIN DENGAN MENGGUNAKAN ALGORITMA GENETIK (AG) Oleh, RUTH KRISTIANINGSIH NIM : 662010008 TUGAS AKHIR Diajukan kepada Program Studi Matematika, Fakultas Sains dan Matematika

Lebih terperinci

PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)

PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program

Lebih terperinci

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University

Lebih terperinci

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*

Lebih terperinci

Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen

Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik

Lebih terperinci

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com

Lebih terperinci

BAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.

BAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri. BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,

Lebih terperinci

BAB II MAKALAH Makalah 1 :

BAB II MAKALAH Makalah 1 : BAB II MAKALAH Makalah 1 : Analisis penilaian kinerja karyawan menggunakan Fuzzy Linear Programming (FLP). Dipresentasikan dalam Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA 2013 yang diselenggarakan

Lebih terperinci

PENERAPAN METODE ANALYTIC HIERARCHY PROCESS (AHP) DALAM EVALUASI KINERJA KARYAWAN

PENERAPAN METODE ANALYTIC HIERARCHY PROCESS (AHP) DALAM EVALUASI KINERJA KARYAWAN PENERAPAN METODE ANALYTIC HIERARCHY PROCESS (AHP) DALAM EVALUASI KINERJA KARYAWAN Oleh, SINTA ARIFIN NIM : 662009013 TUGAS AKHIR Diajukan kepada Program Studi Matematika, Fakultas Sains dan Matematika

Lebih terperinci

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika

Lebih terperinci

FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN

FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN Astuti Irma Suryani ), Lilik Linawati 2) dan Hanna A. Parhusip 2) ) Mahasiswa Program Studi Matematika FSM UKSW

Lebih terperinci

PROGRAM APLIKASI FUZZY DATABASE MODEL TAHANI UNTUK PEMILIHAN KENDARAAN BERMOTOR RODA DUA BERDASARKAN KRITERIA LINGUISTIK

PROGRAM APLIKASI FUZZY DATABASE MODEL TAHANI UNTUK PEMILIHAN KENDARAAN BERMOTOR RODA DUA BERDASARKAN KRITERIA LINGUISTIK PROGRAM APLIKASI FUZZY DATABASE MODEL TAHANI UNTUK PEMILIHAN KENDARAAN BERMOTOR RODA DUA BERDASARKAN KRITERIA LINGUISTIK Oleh, YOSEP BUNGKUS FIJAR MALIANA NIM : 662010004 TUGAS AKHIR Diajukan kepada Program

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas

BAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,

Lebih terperinci

BAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)

BAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004) BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu

Lebih terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien Tjipta Wijaya, ST.,M.Kom Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965 yang merupakan guru besar di University of California Berkeley pada papernya yang berjudul

Lebih terperinci

Saintia Matematika ISSN: Vol. 2, No. 2 (2014), pp

Saintia Matematika ISSN: Vol. 2, No. 2 (2014), pp Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie

Lebih terperinci

( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik

Lebih terperinci

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Inteligent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk algoritma yang

Lebih terperinci

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com

Lebih terperinci

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang

Lebih terperinci

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK 1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,

Lebih terperinci

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta

Lebih terperinci

BAB I PENDAHULUAN. Indonesia. Menurut Undang-Undang No.25 Tahun 1992 koperasi Indonesia adalah

BAB I PENDAHULUAN. Indonesia. Menurut Undang-Undang No.25 Tahun 1992 koperasi Indonesia adalah BAB I PENDAHULUAN A. Latar Belakang Koperasi merupakan salah satu badan usaha yang sudah lama dikenal di Indonesia. Menurut Undang-Undang No.25 Tahun 1992 koperasi Indonesia adalah badan usaha yang beranggotakan

Lebih terperinci

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang STKIP Tapanuli Selatan merupakan perguruan tinggi yang legal dibawah Yayasan Al-Iman Padangsidimpuan berdiri berdasarkan akta notaris pada tanggal 31 Agustus 1981.

Lebih terperinci

PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI

PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus

Lebih terperinci

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com

Lebih terperinci

SIDANG TESIS. Oleh : Enny Rohmawati Malik. Dosen Pembimbing : Dr. Imam Mukhlash,S.Si,M.T

SIDANG TESIS. Oleh : Enny Rohmawati Malik. Dosen Pembimbing : Dr. Imam Mukhlash,S.Si,M.T SIDANG TESIS APLIKASI SISTEM INFERENSI FUZZY DAN METODE REGRESI UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI KINERJA KEUANGAN PERBANKAN (Studi Kasus Bank di Indonesia Periode 2005-2009) Dosen Pembimbing

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI ABSTRAK

SISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI ABSTRAK SISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS PROGRAM STUDI TEKNIK INFORMATIKA-S1 UDINUS) Wisnu Joyo Anggita Teknik Informatika Universitas Dian Nuswantoro Semarang

Lebih terperinci

Elin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM

Elin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM ANALISA KENDALI LOGIKA FUZZY DENGAN METODE DEFUZZIFIKASI COA (CENTER OF AREA), BISEKTOR, MOM (MEAN OF MAXIMUM), LOM (LARGEST OF MAXIMUM), DAN SOM (SMALLEST OF MAXIMUM) Elin Haerani Jurusan Teknik Informatika,

Lebih terperinci

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma. 6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau

Lebih terperinci