EVALUASI PERPUSTAKAAN DIGITAL MENGGUNAKAN FUZZY EVALUATION MEMBERSHIP DEGREE TRANSFORMATION NEW ALGORITHM M(1,2,3)

Transkripsi

1 EVALUASI PERPUSTAKAAN DIGITAL MENGGUNAKAN FUZZY EVALUATION MEMBERSHIP DEGREE TRANSFORMATION NEW ALGORITHM M(,2,3) Riah Ukur Ginting, Rocky Y Dillak 2 Jurusan Mateatika FMIPA USU Jl. Bioteknologi I Kaus USU Pd Bulan Medan 2055 Eail: riahukur@gail.co 2 Jurusan Teknik Inforatika, AMIKOM Jl. Ring Road Utara Condong Catur, Slean- yogyakarta E-ail: rocky_dillak@yahoo.co ABSTRAK Banyak asek yang erlu diertibangkan saat elakukan roses evaluasi terhada erustakaan digital. Masalah yang sering uncul ada evaluasi enggunakan fuzzy ulti atribut adalah teradinya dulikasi data dan abiguitas, sehingga erlu diterakan sebuah etode evaluasi fuzzy secara korehensif berbasis ebershi degree transforation. Naun endekatan ini eiliki keleahan yaitu turut dihitungnya dulikasi data ada index ebershi degree, adahal dulikasi data tersebut tidak berguna untuk hasil erhitungan. New algorith M(,2,3) adalah: (i) enggunaan teknologi data ining berdasarkan entroi untuk enggali inforasi (knowledge) setia atribut yang tersebunyi dala setia index, (ii) enghilangkan dulikasi data yang terdaat dala keanggotaan index dengan cara eberi bobot ebeda. Perhitungan New algorith M(,2,3) eliuti: distinguishable weight, effective value dan coarable value. Pada tulisan ini, enulis engileentasikan fuzzy evaluation new algorith M(,2,3) untuk engevaluasi erustakaan digital. Kata Kunci: ebershi degree transforation, new algorith M(,2,3), dulikasi data, fuzzy evaluation. PENDAHULUAN Evaluasi ada erustakaan digital enadi erhatian bagi ahasiswa/i dala negeri auun dari luar negeri. Saracevic,dkk (2000) ebahas tentang tantangan yang dihadai dala engevaluasi erustakaan digital yang dilihat dari siste, konse kerangka kera. Choudhury,dkk (2002) enggabarkan tentang enilaian terhada elayanan erustakaan digital. Xie,dkk (2002) ebahas tentang roses evaluasi erustakaan digital dengan enggunakan fuzzy corehensive. Untuk eeroleh hasil evaluasi yang baik, aka dierlukan suatu etode yang teat dala eroses data evaluasi sehingga hasil evaluasi daat lebih enggabarkan keadaan atau kebutuhan sebenarnya. Perasalahan yang sering uncul dala erosesan data evaluasi enggunakan ulti atribut adalah enyeleksi atribut yang hanya berengaruh untuk hasil evaluasi serta enghilangkan (ereduksi) atribut yang tidak berengaruh terhada hasil evaluasi. Atribut yang tidak berengaruh terhada hasil evaluasi adalah atribut yang engalai dulikasi sehingga daat dihilangkan karena tidak efektif dala enentukan hasil akhir erhitungan evaluasi. Beberaa eneliti yang telah elakukan enelitian diantaranya: Pada enelitian Xu, dkk (2009) enunukkan bukti suatu siste erangkat lunak untuk hasil evaluasi tingkat keuasan terhada kinera dari staf engaar dala sebuah institusi endidikan dengan eberikan variabel linguistik ada asing-asing subkriteria. Dala enelitian ini enggunakan sael data sebanyak 50 data sebagai acuan untuk encari tingkat keuasan yang ada dengan enghilangkan dulikasi data. Pada enelitian Liu,dkk (2009) ebahas tentang etode transforasi deraat keanggotaan didala fuzzy decision aking. Pada enelitian Hua,dkk (2009) ebahas tentang enggunaan ebershi degree transforation new algorith M(,2,3) untuk enyelesaikan evaluasi fuzzy ada keaanan aringan. Pada enelitian Kusuadewi (2008) ebahas enggunaan algorita genetika untuk encarian bobot atribut ada ultile attribute decision aking (MADM) dengan endekatan obyektif. Untuk eeroleh hasil evaluasi yang baik, aka dierlukan suatu etode yang teat dala eroses data evaluasi sehingga hasil evaluasi daat lebih enggabarkan keadaan atau kebutuhan sebenarnya. Perasalahan yang sering uncul dala erosesan data evaluasi enggunakan ulti atribut adalah enyeleksi atribut yang hanya berengaruh untuk hasil evaluasi serta enghilangkan (ereduksi) atribut yang tidak berengaruh terhada hasil evaluasi. Atribut yang tidak berengaruh terhada hasil evaluasi adalah atribut yang engalai dulikasi sehingga daat dihilangkan karena tidak efektif dala enentukan hasil akhir erhitungan evaluasi. Berdasarkan erasalahan di atas, aka dala tulisan ini dilakukan evaluasi ada erustakaan digital dengan fuzzy corehensive yang enggunakan etode ebershi degree transforation new algorith M(,2,3).

2 2. METODE PENELITIAN 2. Metode yang Digunakan Metode transforasi deraat keanggotaan fuzzy terdaat eat etode transforasi di dala evaluasi fuzzy corehensive yaitu : M(,V), M(,V), M(,), dan M(,+). Naun etode yang aling banyak digunakan oleh sebagian besar eneliti adalah etode M(,+) sebagai transforasi deraat keanggotaan yang dilakukan dengan cara enulahan bobot (Liu,dkk,2009). k. k () New algorith adalah suatu algorita transforasi deraat keanggotaan yang enggunakan cara data ining berdasarkan entroy. Algorita ini digunakan untuk endaatkan inforasi bobot ebeda ada keanggotaan setia atribut dala (Liu,dkk,2009). New algorith ada transforasi tingkat keanggotaan eunyai tiga langkah erhitungan yaitu: (i) bobot ebeda, (ii) nilai efektif dan (iii) nilai erbandingan yang dinotasikan sebagai M(,2,3) dala enelitian Liu,dkk (2009).. Bobot ebeda Bobot ebeda (α) adalah bobot yang enunukkan tingkat engaruh suatu atribut (subkriteria/kriteria) terhada hasil erhitungan M(,2,3). Dari Definisi yang diberikan dala (Liu,dkk,2009), aka Q adalah atriks ada kriteria atau subkriteria, adalah ulah variabel linguistik (alternatif), µ k (Q) adalah atribut ke- alternatif ke-k ada atriks Q, dan H adalah ruus untuk endaatkan entroy yang diberikan sebagai berikut: H.log k k k (2) Maka daat didefiniskan bobot ebeda atau α (Q) sebagai berikut : Definisi 2. Misalkan µ k (Q) (k=.., =..) adalah deraat keanggotaan atribut ada altenatif ke-k dala atriks Q yang eenuhi ersaaan: 0 k, k (3) k bobot ebeda ada atribut ke- ada atriks Q yang eenuhi ersaaan: 0, (4) Diberikan oleh ruus: H log H log ; (=..) (5) Faktor-faktor yang elandasi ebentukan bobot ebeda adalah sebagai berikut dala (Liu,dkk,2009):. Aabila suatu atribut eiliki deraat keanggotaan yang saa (µ (Q) = µ 2 (Q) = = µ (Q)) ada setia alternatif (variabel linguistik), aka atribut tersebut dikatakan dulikasi dan tidak eengaruhi hasil klasifikasi, aka bobot ebeda untuk atribut tersebut adalah nol (α (Q)=0). 2. Aabila suatu atribut ke- ada variabel linguistik ke-k eiliki deraat keanggotaan = dan ada variabel linguistik yang lain eiliki deraat keanggotaan = 0, aka atribut ke- sangat eengaruhi klasifikasi sehingga bobot ebeda ada atribut tersebut bernilai aksiu (α (Q) = aksiu). 3. Aabila deraat keanggotaan suatu atribut ke- lebih banyak terkosentrasi ada suatu variabel linguistik, aka atribut tersebut sangat berengaruh terhada klasifikasi, sehingga nilai bobot ebeda (α) adalah besar. 2. Nilai efektif Nilai efektif eenuhi Definisi 2.2 dala (Liu,dkk,2009). Definisi 2.2 Misalkan µ k (Q) (k=.., =..) adalah atribut ke- alternatif ke-k ada atriks Q,yang eenuhi ersaaan 2 dan adalah bobot ebeda atribut ke- ada atriks Q, aka. k (k=..) (6) adalah nilai efektif dari atribut ke- alternatif ke-k. 3. Nilai erbandingan Setelah didaatkan hasil nilai efektif seerti ada Definisi 2.2 dieroleh suattu atriks Q dala (Liu,dkk,2009). Untuk eeeroleh nilai erbandingan aka erlu dicari β yang eruakan bobot atribut ke- ada atriks Q yang dieroleh enggunakan algorita genetika. Definisi 2.3 Misalkan α (Q).µ k (Q) eruakan nilai efektif dari alternatif ke-k ada atribut ke- dan β eruakan bobot dari atribut ke- (kriteria dan subkriteria) dala atriks Q. Nilai erbandingan (coarable value), N ( Q ) adalah nilai erbandingan atribut ke- dala atriks Q dieroleh dengan ruus:

3 N.. (k=..) (7) k Setelah enghitung nilai erbandingan aka dilakukan erhitungan ulah nilai erbandingan (M) berdasarkan Definisi 2.4 dala (Liu,dkk,2009). Definisi 2.4 Misalkan N (Q) eruakan nilai erbandingan dari alternatif ada atribut ke- dari atriks Q. Julah nilai erbandingan setia alternatif ada atribut ke- dari atriks Q yaitu M k (Q) dieroleh dengan ruus: Mk N (k=..) (8) Seakin besar M k (Q), aka seakin banyak keungkinan seua obek Q enadi bagian dari alternatif ke-k. Definisi 2.5 Misalkan M k (Q) eruakan ulah dari nilai erbandingan ada setia alternatif ke-k. Deraat keuasan dari alternatif ke-k ada atriks Q adalah µ k yang dieroleh dengan ruus: k Mk t Mk (k=..) (9) diana: Deraat keanggotaan µ k (Q) eenuhi ersyaratan 0 k, k k (0) 2.2 Metode Algorita Genetika Peberian bobot ada seua atribut (kriteria dan subkriteria) dala enelitian ini akan dilakukan enggunakan algorita genetika yang akan digunakan dala roses erhitungan M(,2,3). Dala eberian bobot enggunakan algorita genetika dala (Ma,dkk,999) terdaat tiga endekatan yakni endekatan obyektif, subyektif dan integrasi antara subyektif dan obyektif. Penelitian ini akan enggunakan algorita genetika dengan endekatan obyektif. Pada endekatan obyektif, bobot-bobot w i (i=,2,...n) daat diselesaikan dengan ruus (Ma, dkk. 999) sebagai berikut: Miniukan : n * 2 2 ( i ) () i i i z b b w Dengan batasan : ; diana wi 0 (2) wi i 3. HASIL DAN PEMBAHASAN 3. Matriks Evaluasi Fuzzy Corehensive ada erustakaan digital Diasusikan dala atriks evaluasi yang digunakan ada evaluasi erustakaan digital terdiri atas eat kelas enilaian yaitu: C (sangat baik), C2 (baik), C3 (uu) dan C4 (buruk). 3.2 Fuzzy evaluation dengan ebershi degree transforation new algorith M(,2,3) Data diabil dari data dari access dan query dengan keanggotaan dala obek, yaitu:. B yang terdaat tiga index dari B -B 3 dengan evaluasi atriks: U A ( ) Terdaat dala baris =~ 3 dari atriks U(A ), bobot ebeda dari B yang dieroleh dari obek bobot ebeda: ( A ) ( ) 2. Hasil bobot yang digunakan dala index erustakaan digital seerti ada Tabel. 3. Menghitung nilai erbandingan dari B (=,2,..) dan atriks nilai erbandingan dari N(A ): N( A ) Setelah di hitung N(A ) aka diulahkan nilai erbandingan dari M(A ): M( A) Menghitung keanggotaan obek µ(a ): ( A ) Matriks evaluasi dari erustakaan digital dengan evaluasi fuzzy:

4 ( A ) ( A2 ) ( S) ( A3 ) ( A4 ) ( A5 ) Keudian di hitung hasil akhir dari keanggotaan obek: 4 ( S) ( ( S ),... ( S )) KESIMPULAN Berdasarkan ada hasil dan ebahasan, aka daat diabil kesiulan sebagai berikut:. Index yang engalai dulikasi data ada keanggotaan obek daat dieliinasi karena index tidak terlalu berengaruh terhada hasil erhitungan evaluasi. 2. Metode M(,2,3) daat digunakan untuk elakukan evaluasi terhada keuasan enggunaan erustakaan digital sebagai berikut: a. C = 24% b. C2 = 64,4% c. C3 = 9,5% d. C4 = 2,% Saracevie dan Tefko (2000). Digital library evaluation: Towards an evaluation concets, Xie, H., Wolfra., Dietar (2002). State digital library usability: Contributing organizational factors, Journal of Aerican society for Inforation Science and Technology, No.5 July 2009 Vol 4, China, Xu, L. dan Zhao, Y. (2009). Fuzzy Evaluation on College Teacher s Job Satisfaction Based on Iroved Algorith Second Asia-Pasific Conference on Coutational Intelligence and Industrial Alications, China, SARAN Pada tulisan ini enggunakan M(,2,3), disarankan ada tulisan selanutnya daat enggunakan erhitungan bobot atribut (β) dengan integrasi endekatan obyektif dan subyektif. DAFTAR PUSTAKA Choudhury dan Sayeed (2002). A Fraework for evaluating digital library service, 7-8. Hua, J. dan Ruan, J. (2009). Fuzzy Evaluation on Network Security Based on the New Algorith of Mebershii Degree Transforation M(,2,3), Journal of Networks, No.5 July 2009 Vol 4, China, Kusuadewi, S. (2005). Pencarian bobot atribut ada Multile Decision Making (MADM) dengan endekatan obyektif enggunakan algorita genetika (Studi Kasus : Rekruiten Dosen Jurusan T.Inforatika UII), Geatika Jurnal Manaeen Inforatika, No. July 2005, Vol 7, Liu, K., Wang, J., Pang, Y., dan Hao,J. (2009). The Method Research of Mebershi Degree Transforation in Mutli-indexes Fuzzy Decision-Making, Cutting-Edge Research Toics on Multile Criteria Decision Making, China. Ma, J., Fan, Z.P., dan Huang, L.H. (999). A Subective and Obective Integrated Aroach to Deterine Attribute Weights. Euroean Journal Of Oerational Research, Hongkong.

5 Tabel. Hasil bobot dala index erustakaan digital