BAB II MAKALAH Makalah 1 :
|
|
- Sri Darmali
- 6 tahun lalu
- Tontonan:
Transkripsi
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 oleh Fakultas Matematika dan Ilmu Pengetahuan Alam UNY pada tanggal 18 Mei Termuat dalam prosiding ISBN
2
3
4
5 Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 18 Mei 2013 ANALISIS PENILAIAN KINERJA KARYAWAN MENGGUNAKAN FUZZY LINEAR PROGRAMMING (FLP) M - Astuti Irma Suryani 1), Lilik Linawati 2) dan Hanna A. Parhusip 2) 1) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen Pembimbing Program Studi Matematika airma.suryaniabbas@ymaill.com 1) lina.utomo@yahoo.com 2) hannaariniparhusip@yahoo.co.id 2) Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga Abstrak Penilaian kinerja karyawan merupakan satu hal yang dilakukan secara periodik dalam suatu perusahaan atau institusi. Penilaian kinerja karyawan diukur dengan memperhatikan beberapa aspek seperti disiplin kerja, perilaku kerja, kepribadian, kepemimpinan atau kemampuan lainnya yang masingmasing dinyatakan sebagai baik, cukup, kurang atau buruk terhadap kinerja seorang karyawan. Nilai-nilai tersebut belum memberikan pengukuran dan gambaran yang jelas tentang kinerja/kemampuan karyawan secara utuh. Penilaian kinerja bertujuan untuk mengevaluasi pelaksanaan kerja individu dan memberikan basis bagi keputusan-keputusan yang dapat mempengaruhi gaji, promosi, pemberhentian, pelatihan, mutasi (pemindahan), dan kondisikondisi kepegawaian lainnya. Dalam makalah ini akan dikaji hasil penilaian kinerja karyawan untuk menentukan posisi yang sesuai dengan kinerja/kemampuan yang dituntut pada bagian/divisi tertentu. Hasil penilaian dianalisis menggunakan metode FLP untuk mencari solusi pengukuran kinerja karyawan berdasarkan suatu benchmark. Benchmark disusun berdasarkan kumpulan aspek kompetensi yang disyaratkan oleh bagian/divisi tertentu, dalam hal ini bagian front office atau back office. Untuk masingmasing bagian ditetapkan tiga benchmark yang memuat sepuluh aspek kompetensi yang dinilai, setiap aspek terdiri dari lima level penilaian. Solusi model FLP memberikan suatu nilai optimum level-level pada tiap aspek, sehingga dapat dihitung nilai untuk setiap benchmarknya. Mengacu pada benchmark ini maka seorang karyawan dapat ditentukan lebih sesuai pada posisi/bagian yang mana. Kata Kunci : Kinerja, Benchmark, Fuzzy Linear Programming. PENDAHULUAN Penilaian kinerja merupakan cara untuk melakukan pembinaan dan pengembangan karyawan baik dalam hal kemampuan, karakter atau perilaku. Penilaian dilakukan untuk mendapatkan bahan-bahan pertimbangan yang didasarkan pada data atau pengamatan yang cermat dan obyektif. Hasil penilaian yang diharapkan ini dapat diperoleh melalui proses penilaian kinerja berdasarkan pada standar-standar yang ditentukan oleh lembaga dimana mereka bekerja. Pada umumnya hasil penilaian M-15
6 Astuti, Lilik, dan Hanna / Analisis Penilaian Kinerja ISBN dinyatakan sebagai baik, cukup, kurang atau buruk terhadap aspek-aspek yang dinilai pada seorang karyawan. Nilai tersebut belum memberikan pengukuran dan gambaran yang jelas tentang kinerja/kemampuan karyawan secara utuh. Oleh karena itu, perlu suatu cara atau metode analisis untuk menyatakan penilaian secara tegas atau kuantitatif dan memberikan gambaran secara utuh tentang kinerja seseorang. Kemampuan dan keterampilan seseorang dapat berkembang jika dia bekerja pada lingkungan/bagian tertentu. Penilaian terhadap aspek-aspek yang ditentukan, diharapkan dapat digunakan untuk menentukan bahwa seorang karyawan sesuai pada bagian/divisi tertentu. Dalam penelitian ini, FLP digunakan untuk menganalisis penilaian terhadap aspek-aspek kinerja agar dapat digunakan untuk menentukan posisi yang sesuai bagi seorang karyawan, yaitu dibagian front office (FO) atau back office (BO). Karyawan yang bertugas dan berinteraksi langsung dengan pelanggan adalah bagian FO, sementara karyawan yang pekerjaannya tidak berinteraksi langsung dengan pelanggan atau bertugas dibagian administrasi adalah bagian BO. Sehingga, kemampuan kinerja karyawan yang diperlukan untuk dua jenis karyawan ini bervariasi secara signifikan. Penelitian mengenai penilaian kinerja karyawan menggunakan FLP sudah pernah dilakukan oleh Aminoto yaitu sistem penilaian kinerja karyawan untuk kenaikan jabatan yang kemudian diimplementasikan menggunakan pemrograman Pascal [5]. Penelitian senada juga dilakukan oleh Widodo yaitu penyempurnaan sistem penilaian prestasi kerja PNS berdasarkan analisis SWOT [6]. FUZZY LINEAR PROGRAMMING (FLP) FLP adalah program linear yang diterapkan dalam lingkungan fuzzy, dimana akan dicari nilai dari fungsi objektif yang akan dioptimalkan sedemikian sehingga tunduk pada kendala-kendala yang dimodelkan menggunakan himpunan fuzzy. Dalam model FLP ini fungsi objektif dan pertidaksamaan kendala memiliki parameter fuzzy. Program linear adalah suatu metode yang digunakan untuk mencari hasil optimal (maks/min) fungsi objektif yang memenuhi beberapa kendala dalam bentuk persamaan atau pertidaksamaan linier,yang direpresentasikan dengan model berikut [2] : Kasus minimisasi, menentukan sedemikian sehingga : Min : Kendala : Kasus maksimisasi, menentukan sedemikian sehingga : (1) Maks : Kendala : keterangan: vektor variabel keputusan vektor koefisien fungsi tujuan matriks koefisien fungsi kendala vektor nilai sebelah kanan pada kendala Model program linear (1) dalam FLP, menjadi sebagai berikut : Kasus minimisasi, menentukan sedemikian sehingga : Min : Kendala : Kasus maksimisasi, menentukan sedemikian sehingga : (2) Maks : Kendala : M-16
7 Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 18 Mei 2013 Tanda merupakan bentuk fuzzy dari yang diinterpretasikan sebagai pada dasarnya kurang dari atau sama dengan dan tanda merupakan bentuk fuzzy dari yang diinterpretasikan sebagai pada dasarnya lebih dari atau sama dengan [2]. Persamaan (2) adalah bentuk umum dari FLP dengan nilai ruas kanan yang bernilai fuzzy. Tiap-tiap kendala akan direpresentasikan dengan sebuah himpunan fuzzy, dengan fungsi keanggotaan pada himpunan ke- adalah. Fungsi keanggotaan untuk model keputusan himpunan fuzzy dapat dinyatakan sebagai: = min{ } (3) Tentu saja diharapkan akan didapat solusi terbaik, yaitu solusi dengan nilai keanggotaan yang paling besar. Dengan demikian solusi sebenarnya adalah : max = max min{ } (4) Dari sini terlihat bahwa jika kendala ke- benar-benar dilanggar. Sebaliknya, jika kendala ke- benar-benar dipatuhi. Nilai akan turun secara monoton pada selang [0,1], yaitu: (5) 1 0 Gambar 1 Fungsi Keanggotaan (6) dengan adalah toleransi interval yang diperbolehkan untuk melakukan pelanggaran baik pada fungi obyektif maupun kendala. Dengan mensubstitusikan (6) ke (4) akan diperoleh: max = max min{ } (7) Dari Gambar 1, terlihat bahwa semakin besar nilai domain, akan memiliki nilai keanggotaan yang cenderung semakin kecil. Sehingga untuk mencari nilai dapat dihitung sebagai, dengan = ruas kanan kendala ke-. Selanjutnya diperoleh bentuk FLP baru sebagai berikut [1] : M-17
8 Astuti, Lilik, dan Hanna / Analisis Penilaian Kinerja ISBN Maksimumkan: λ (8) Dengan kendala: λ + FUZZY LINEAR PROGRAMMING PADA PENILAIAN KINERJA Penilaian kinerja adalah proses mengevaluasi pelaksanaan kerja individu. Salah satu dampak penilaian kinerja adalah mutasi (pemindahan). Pemindahan pada umumnya dimaksudkan menempatkan pada posisi yang paling tepat, dengan maksud agar karyawan yang bersangkutan memberikan kontribusi kemampuan yang optimal dan dapat menunjukkan prestasi yang lebih tinggi lagi [3]. Aspek-aspek penilaian yang disyaratkan umumnya berbeda antara FO dan BO, misalnya aspek kompetensi yang dibutuhkan oleh FO yaitu kedisiplinan, kejujuran, kecakapan/keterampilan, sedangkan aspek kompetensi yang dibutuhkan karyawan yang bekerja di BO dituntut memiliki kompetensi antara lain kedisiplinan, kecakapan/keterampilan, kemandirian, kreativitas, kerja sama dll [4]. Penilaian kinerja seorang karyawan dilakukan terhadap beberapa aspek kompetensi yang disyaratkan pada bagian/divisi tertentu. Kumpulan aspek kompetensi ini digunakan sebagai basis untuk penilaian yang dikenal dengan nama benchmark. Benchmark ini terdiri dari aspek-aspek kompensasi yang menjadi pertimbangan dalam penilaian, aspek kompensasi ini bervariasi pada FO maupun BO. Masing-masing aspek terdiri dari tingkat (level) penilaian yaitu nilai level terendah sampai nilai level tertinggi, dengan menetapkan batas bawah untuk jumlah level terendah dan batas atas untuk jumlah level tertinggi. Selanjutnya, perlu ditetapkan batas bawah selisih antar level dalam setiap aspek yang dinilai [2]. Dengan memperhatikan beberapa hal tersebut, maka dapat dirumuskan kendala-kendala sebagai berikut : Tentukan : Kendala : (9) Dengan : : Aspek ke dengan nilai level ke : Kendala benchmark ke- : Level terendah dalam aspek ke- : Level tertinggi dalam suatu aspek : Kendala jumlah nilai level terendah : Kendala jumlah nilai level tertinggi : Kendala selisih nilai antara satu level dengan level sebelumnya. Fungsi kendala dan fungsi objektif yang diwakili oleh fungsi keanggotaan pada (5) yang menunjukkan batas bawah dan batas atas. Disamping itu, dengan mempertimbangkan pertidaksamaan fuzzy serta menggunakan operator pada rumus (8) maka kendala benchmark dapat ditulis sebagai : (10) M-18
9 Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 18 Mei 2013 Dengan memperhatikan rumus (9) dan (10), maka mengacu pada rumus (8), disusun model FLP untuk penilaian kinerja berikut ini [2] : Max dengan kendala : (11) Nilai yang diperoleh dari model (11) merupakan nilai benchmark maksimum yang dapat digunakan untuk menentukan nilai setiap aspek pada setiap level, yang kemudian menentukan nilai benchmark. Selanjutnya, dihitung nilai standar untuk masingmasing bagian/divisi yaitu pada FO atau BO. METODE PENELITIAN Tahap1 : Data yang digunakan adalah data penilaian kinerja karyawan oleh Biro HRD suatu institusi pendidikan di Salatiga. Tahap 2 : Membuat benchmark penilaian berdasarkan Tabel 1 dan Tabel 2. Tahap 3 : Menyusun model FLP menggunakan model (11) Tahap 4 : Menyelesaikan model FLP menggunakan Solver Tahap 5 : Hasil pada tahap 4 dinterpretasikan pada penilaian kinerja karyawan. PENERAPAN FUZZY LINEAR PROGRAMMING PADA PENILAIAN KINERJA Dalam penelitian ini, FLP diterapkan untuk menganalisis penilaian kinerja karyawan untuk penentuan posisi yang tepat bagi seorang karyawan suatu institusi pendidikan di Salatiga. Biro HRD institusi ini ingin menentukan/menilai karyawan mana yang sesuai menempati posisi FO atau BO. Penilaian didasarkan pada 10 aspek kompetensi seperti tersaji pada Tabel 1. Nilai setiap aspek dinyatakan sebagai salah satu dari 5 level penilaian pada Tabel 2. Tabel 1 Aspek Kompetensi yang Dinilai No. Aspek No. Aspek 1 Disiplin terhadap jam kerja 6 Peduli terhadap kesulitan orang lain 2 Menyelesaikan pekerjaan secara mandiri 7 Terbuka terhadap pendapat dan saran 3 Ucapan dan tindakan dapat dipercaya 8 Bersedia bekerja ekstra (lembur) 4 Ramah dan sopan dalam pelayanan 9 Mampu bekerjasama dengan rekan kerja 5 Menunjukkan keterampilan dan pengetahuan 10 Memberikan ide dan solusi untuk perbaikan Tabel 2 Level Penilaian Pada Aspek Kompetensi Level Ke- Tingkat Pencapaian Keterangan 1 Tidak Setuju Kinerja sangat buruk, tidak dapat diperbaiki 2 Kurang Setuju Kinerja buruk, namun masih dapat diperbaiki 3 Cukup Kinerja cukup, memenuhi persyaratan dasar 4 Setuju Kinerja bagus, lebih dari yang diharapkan 5 Sangat Setuju Kinerja sangat bagus, selalu lebih dari yang diharapkan M-19
10 Astuti, Lilik, dan Hanna / Analisis Penilaian Kinerja ISBN Untuk memodelkan FLP dimisalkan adalah aspek ke dengan nilai level ke dengan dan. Ditetapkan benchmark penilaian ( ) dalam 3 peringkat yaitu : dimana adalah benchmark penilaian peringkat tertinggi. Toleransi yang ditetapkan untuk setiap benchmark dapat dilihat pada Tabel 3. Tabel 3 Toleransi yang Ditetapkan pada 3 Benchmark Benchmark ke- Nilai Tegas ( ) Toleransi atas bawah atas Batas bawah Jumlah nilai level terendah memiliki batasan lebih besar atau sama dengan 100 =100) dan jumlah nilai level tertinggi ditetapkan memiliki batasan lebih kecil atau sama dengan 300 ( =300). Nilai selisih minimum antar satu level dengan level sebelumnya adalah 2. Permasalahan ini dapat dimodelkan sebagai berikut : Akan dicari yang memaksimumkan dengan kendala : Model diatas diselesaikan menggunakan aplikasi Solver pada Ms.Excel 2007 dan didapat nilai, nilai-nilai setiap level pada setiap aspek seperti pada Tabel 4. M-20
11 Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 18 Mei 2013 Tabel 4 Nilai Level pada Setiap Aspek Aspek Level Nilai, berarti hasil penilaian yang diperoleh FLP sempurna terhadap nilai benchmark yang ditetapkan, sehingga standar nilai yang baru setiap benchmark dapat dilihat pada Tabel 5. Tabel 5 Standar Nilai Benchmark yang Baru Benchmark ke- Skor Seorang karyawan yang sesuai untuk ditempatkan pada bagian FO, disyaratkan mempunyai aspek dan level penilaian sebagai berikut : Disiplin terhadap jam kerja ( Menyelesaikan pekerjaan secara mandiri ( ) Ucapan dan tindakan dapat dipercaya ( ) Ramah dan sopan dalam pelayanan pelayanan ( Menunjukkan keterampilan dan pengetahuan ( ) Peduli terhadap kesulitan orang lain ( ) Terbuka terhadap pendapat dan saran ( ) Bersedia bekerja ekstra (lembur) ( ) Mampu bekerja sama dengan rekan kerja ( ) Memberikan ide dan solusi untuk perbaikan ( ). Sehingga, nilai yang harus dimiliki oleh karyawan front office untuk semua aspek adalah = = = 164. Jika nilai benchmark dinyatakan sebagai skor 100, maka nilai minimum untuk karyawan FO dengan benchmark ke-1 adalah =. Jadi, seorang karyawan pada FO harus memiliki nilai kinerja diatas. Selanjutnya, seorang karyawan yang sesuai untuk ditempatkan pada bagian BO, disyaratkan mempunyai aspek dan level penilaian sebagai berikut :Disiplin terhadap jam kerja Menyelesaikan pekerjaan secara mandiri ( ) Ucapan dan tindakan dapat dipercaya ( ) Ramah dan sopan dalam pelayanan pelayanan ( Menunjukkan keterampilan dan pengetahuan ( ) Peduli terhadap kesulitan orang lain ( ) Terbuka terhadap pendapat dan saran ( ) Bersedia bekerja ekstra (lembur) ( ) Mampu bekerja sama dengan rekan kerja ( ) Memberikan ide dan solusi untuk perbaikan ( ). Sehingga, nilai yang harus dimiliki oleh karyawan BO untuk semua aspek adalah = = = 168. Jika nilai benchmark dinyatakan sebagai skor 100, maka nilai minimum karyawan BO dengan benchmark ke-1 adalah =. Jadi, seorang karyawan pada BO harus memiliki nilai kinerja diatas. Pada Tabel 6 disajikan skor minimum sebagai syarat penilaian dibagian FO dan BO untuk masing-masing benchmark. M-21
12 Astuti, Lilik, dan Hanna / Analisis Penilaian Kinerja ISBN Tabel 6 Syarat FO dan BO Setiap Benchmark Benchmark ke- Front Office Back Office Nilai Skor Nilai Skor , , , ,83 Sebagai contoh penerapan, diambil penilaian kinerja karyawan Y yaitu 5,4,3,3,4,3,3,3,4,4, dan akan digunakan benchmark-1. Hasil penilaian kinerja karyawan tersebut untuk semua aspek adalah 152. Skor penilaian untuk persyaratan FO adalah dan skor penilaian untuk persyaratan BO adalah. Karena nilai skor yang diperoleh lebih besar dari syarat minimum bagi FO dan lebih kecil dari syarat minimum BO, maka disimpulkan bahwa karyawan Y lebih tepat menduduki posisi di FO. KESIMPULAN Berdasarkan kajian diatas maka FLP dapat digunakan sebagai alat analisis untuk menentukan nilai minimum berdasarkan benchmark yang ditetapkan dalam penilaian kinerja karyawan, untuk kemudian dapat ditentukan posisi kerja yang sesuai bagi seorang karyawan. DAFTAR PUSTAKA [1]. Klir George J, dan Yuan Bo Fuzzy Sets and Fuzzy Logic Theory and Applications. USA: Prentice-Hall International,Inc [2]. Kusumadewi, Sri, dan Purnomo, Hari Aplikasi Logika Fuzzy untuk pendukungkeputusan. Yogyakarta: Penerbit Graha Ilmu. [3]. Martoyo Susilo S.E., Kolonel Kal.(Purn.), Manajemen Sumber Daya Manusia Edisi 4. Yogyakarta: BPFE-Yogyakarta. [4]. Wirawan Evaluasi Kinerja Sumber Daya Manusia Teori, Aplikasi, dan Penelitian. Jakarta: Salemba Empat. [5]. Web 1 : Jurnal Evaluasi Kinerja Karyawan Menggunakan Metode Fuzzy Linear Programming oleh Toto Aminoto Diakses tanggal 20 Oktober 2012 [6]. Web 2 : Jurnal Evaluasi Terhadap Sistem Penilaian Prestasi Kerja Menurut Sistem DP3 oleh Tri Widodo W Utomo Diakses tanggal 24 Januari 2013 M-22
13 Makalah 2 : Fuzzy Linear Programming (FLP) dengan fungsi keanggotaan kurva-s untuk penilaian kinerja karyawan. Dipresentasikan dalam Seminar Nasional Sains dan Pendidikan Sains VIII 2013 yang diselenggarakan oleh Fakultas Sains dan Matematika UKSW 15 Juni Termuat dalam prosiding ISSN Vol.4 No.1 Tahun 2013.
14
15
16
17 PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN Astuti Irma Suryani 1), Lilik Linawati 2) dan Hanna A. Parhusip 2) 1) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen Pembimbing Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga ) 2) 2) ABSTRAK Analisis penilaian kinerja karyawan terhadap aspek-aspek kompetensi untuk menentukan posisi yang sesuai dengan kemampuan seorang karyawan pada bagian/divisi tertentu, menggunakan fuzzy linear programming (FLP) telah dibahas berdasarkan fungsi keanggotaan fuzzy berbentuk bahu/linear. Hasil yang diperoleh dari model FLP yaitu yang menjelaskan bahwa hasil penilaian yang diperoleh FLP sempurna terhadap nilai benchmark yang ditetapkan [4]. Dalam makalah ini, data yang sama akan dianalisis menggunakan fungsi keanggotaan nonlinear yaitu fungsi kurva-s, dengan parameter yang berbeda untuk mengetahui fungsi keanggotaan mana yang paling cocok dalam model FLP. Dalam hal ini, solusi model yang diperoleh menggunakan fungsi keanggotaan kurva-s yaitu nilai. Dengan demikian, dapat disimpulkan bahwa model FLP untuk penilaian kinerja karyawan menggunakan fungsi keanggotaan bentuk bahu/ linear lebih baik dibandingkan jika menggunakan fungsi keanggotaan kurva-s. Kata Kunci : Penilaian Kinerja, Kurva-S, Fuzzy Linear Programming (FLP). PENDAHULUAN Fuzzy Linear Programming (FLP) telah banyak diterapkan untuk menyelesaikan berbagai jenis masalah salah satunya untuk penilaian kinerja karyawan, seperti analisis penilaian kinerja karyawan untuk penentuan posisi yang sesuai bagi seorang karyawan berdasarkan benchmark yang ditentukan, dengan menggunakan fungsi keanggotaan bentuk bahu/linear [4]. Benchmark ini terdiri dari beberapa aspek kompetensi yang disyaratkan pada bagian/divisi tertentu, dalam hal ini bagian front office dan back office. Untuk masing-masing bagian ditetapkan tiga benchmark yang memuat sepuluh aspek kompetensi yang dinilai, setiap aspek terdiri dari lima level penilaian. Solusi model FLP memberikan suatu nilai optimum level-level pada tiap aspek, sehingga dapat dihitung nilai untuk setiap benchmarknya [4]. Ada beberapa model fungsi keanggotaan fuzzy yang dikenal, baik bentuk linear maupun non-linear. Model fuzzy linear programming dalam makalah ini menggunakan fungsi keanggotaan non- linear bentuk kurva- S. Tujuan dari penelitian ini adalah mengetahui fungsi keanggotaan fuzzy yang terbaik diantara fungsi keanggotaan bentuk bahu/linear dan bentuk kurva-s dalam memodelkan FLP untuk penilaian kinerja karyawan. Penggunaan fungsi keanggotaan bentuk kurva-s pada FLP sudah pernah dilakukan oleh Vasant utuk perencanaan produksi beberapa jenis produk [5]. Penelitian senada juga dilakukan oleh Marie yaitu perencanaan produksi pada suatu industri pangan untuk menghasilkan output produksi yang sesuai dengan permintaan pasar [6]. 431
18 FUZZY LINEAR PROGRAMMING (FLP) FLP adalah program linear yang diterapkan dalam lingkungan fuzzy, dimana akan dicari nilai dari fungsi objektif yang akan dioptimalkan sedemikian sehingga tunduk pada kendala-kendala yang dimodelkan menggunakan himpunan fuzzy. Dalam model FLP ini fungsi objektif dan pertidaksamaan kendala memiliki parameter fuzzy. Model FLP dapat direpresentasikan dengan rumusan sebagai berikut : Min/Maks : Kendala : (1) Tanda merupakan bentuk fuzzy dari yang diinterpretasikan sebagai pada dasarnya kurang dari atau sama dengan dan tanda merupakan bentuk fuzzy dari yang diinterpretasikan sebagai pada dasarnya lebih dari atau sama dengan [2]. Persamaan (1) adalah bentuk umum dari FLP dengan nilai ruas kanan yang bernilai fuzzy. Tiap-tiap kendala akan direpresentasikan sebagai sebuah himpunan fuzzy dengan fungsi keanggotaan pada himpunan ke- adalah. Nilai akan turun secara monoton pada selang [0,1], dan fungsi keanggotaan seperti rumus (2) : dengan adalah toleransi interval yang diperbolehkan untuk melakukan pelanggaran baik pada fungi obyektif maupun kendala. Pada Gambar 1, terlihat bahwa semakin besar nilai domain, akan memiliki nilai keanggotaan yang cenderung semakin kecil secara linear. Sehingga untuk mencari nilai λ-cut dapat dihitung sebagai λ =, dengan ruas kanan kendala ke-. Selanjutnya model (1) dapat dirumuskan bentuk FLP baru sebagai berikut [1]: Maksimumkan: λ (3) Dengan kendala: λ + FUNGSI KEANGGOTAAN KURVA- S TERMODIFIKASI Representasi kurva-s atau sigmoid berhubungan dengan kenaikan atau penurunan permukaan secara tak linear [3]. Menurut Vasant, ada dua keadaan himpunan fuzzy tak linear, yaitu: a. Kurva-S untuk Pertumbuhan kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol (0) bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi (1), seperti pada Gambar 2: (2) (4) Gambar 1. Fungsi Keanggotaan Bentuk Bahu/Linear Turun Monoton Gambar 2. Himpunan fuzzy kurva Pertumbuhan. 432
19 PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW b. Kurva-S untuk Penyusutan dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak turun ke kanan nilai domain semakin besar seperti pada Gambar 3: Maksimumkan: λ (8) Dengan kendala: (5) Gambar 3 Himpunan fuzzy kurva-s Penyusutan Untuk variabel berlaku : interval Berikutnya persamaan diatas dapat diselesaikan hingga diperoleh nilai sebagai berikut : (6) (7) Agar nilai dapat dihitung, maka parameter B dan C harus diketahui. Ditetapkan nilai B = 1 dan C = 0,001, sedangkan α bernilai 13, [5]. Dengan memperhatikan rumus (6) dan (7), maka mengacu pada rumus (3), disusun model FLP untuk penilaian kinerja sebagai berikut : Dengan : : Aspek ke dengan nilai level ke : Kendala benchmark ke- : Level terendah dalam aspek ke- : Level tertinggi dalam suatu aspek : Kendala jumlah nilai level terendah : Kendala jumlah nilai level tertinggi : Kendala selisih nilai antara satu level dengan level sebelumnya. METODE PENELITIAN Tahap 1: Data yang digunakan adalah data penilaian kinerja karyawan oleh Biro HRD suatu institusi pendidikan di Salatiga. Tahap 2: Membuat benchmark penilaian berdasarkan Tabel 1 dan Tabel 2. Tahap 3: Menyusun model FLP menggunakan fungsi keanggotaan kurva-s termodifikasi. Tahap 4: Menyelesaikan model FLP menggunakan Solver. Tahap 5: Hasil pada tahap 4 dinterpretasikan pada penilaian kinerja karyawan. ANALISIS DAN PEMBAHASAN Dalam penelitian ini, penilaian kinerja karyawan berdasarkan beberapa aspek kompetensi yang disyaratkan pada bagian/ divisi tertentu dianalisis menggunakan kurva-s termodifikasi. Penilaian didasarkan pada 10 aspek kompetensi seperti tersaji pada Tabel 1. Nilai setiap aspek dinyatakan sebagai salah satu dari 5 level penilaian pada Tabel
20 Tabel 1 Aspek Kompetensi yang Dinilai No. Aspek No. Aspek 1 Disiplin terhadap Peduli terhadap 6 jam kerja kesulitan orang lain 2 Menyelesaikan Terbuka terhadap pekerjaan secara 7 pendapat dan saran mandiri Ucapan dan tindakan dapat dipercaya Ramah dan sopan dalam pelayanan Menunjukkan keterampilan dan pengetahuan Bersedia bekerja ekstra (lembur) Mampu bekerjasama dengan rekan kerja Memberikan ide dan solusi untuk perbaikan Tabel 2 Level Penilaian Pada Aspek Kompetensi Level Ke- Tingkat Pencapaian 1 Tidak Setuju 2 Kurang Setuju 3 Cukup 4 Setuju 5 Sangat Setuju Keterangan Kinerja sangat buruk, tidak dapat diperbaiki Kinerja buruk, namun masih dapat diperbaiki Kinerja cukup, memenuhi persyaratan dasar Kinerja bagus, lebih dari yang diharapkan Kinerja sangat bagus, selalu lebih dari yang diharapkan Berdasarkan Tabel 1 dan Tabel 2 maka ditetapkan Benchmark penilaian ( ) dalam 3 peringkat dan toleransi untuk setiap benchmark yaitu sebagai berikut [4] : 2. Permasalahan ini dapat dimodelkan dengan menggunakan fungsi keanggotaan kurva-s termodifikasi, maka akan dicari nilai : Memaksimumkan dengan kendala : Tabel 3 Toleransi yang Ditetapkan pada 3 Benchmark Benchmark ke-( ) Nilai Tegas ( ) Toleransi atas bawah atas Batas bawah ( Jumlah nilai level terendah ditetapkan memiliki batasan lebih besar atau sama dengan 100 dan jumlah nilai level tertinggi ditetapkan memiliki batasan lebih kecil atau sama dengan 300. Nilai selisih minimum antar satu level dengan level sebelumnya adalah Model diatas diselesaikan menggunakan Solver, sehingga dengan penyelesaian untuk setiap level pada setiap aspek tersaji pada Tabel
21 PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW Tabel 4 Nilai Level pada Setiap Aspek Aspek Level ,68 9,68 11,68 120,50 122, ,18 19,18 21,18 23,18 25, ,03 13,03 15,03 17,03 19, ,03 13,03 15,03 17,03 19, ,03 13,03 15,03 17,03 19, ,03 13,03 15,03 17,03 19, ,03 13,03 15,03 17,03 19, ,03 13,03 15,03 17,03 19, ,03 13,03 15,03 17,03 19, ,03 13,03 15,03 17,03 19,03 Nilai yaitu derajat keanggotaan dari fungsi tujuan yang mengandung arti bahwa model diatas kurang baik karena derajat keanggotaan harus berada pada interval [0,1] sedangkan nilai yang diperoleh sangat besar. Sehingga standar nilai yang baru setiap benchmark dapat dilihat pada Tabel 5. Tabel 5 Standar Nilai Benchmark yang Baru Benchmark ke- Skor Seorang karyawan yang sesuai untuk ditempatkan pada bagian FO, disyaratkan mempunyai aspek dan level penilaian sebagai berikut : Disiplin terhadap jam kerja ( Menyelesaikan pekerjaan secara mandiri ( ) Ucapan dan tindakan dapat dipercaya ( ) Ramah dan sopan dalam pelayanan pelayanan ( Menunjukkan keterampilan dan pengetahuan ( ) Peduli terhadap kesulitan orang lain ( ) Terbuka terhadap pendapat dan saran ( ) Bersedia bekerja ekstra (lembur) ( ) Mampu bekerja sama dengan rekan kerja ( ) Memberikan ide dan solusi untuk perbaikan ( ). Sehingga, nilai yang harus dimiliki oleh karyawan front office untuk semua aspek adalah = = 122, , , , , , ,03+ 15, , ,03 = 283,92. Jika nilai benchmark dinyatakan sebagai skor 100, maka nilai minimum untuk karyawan FO dengan benchmark ke-1 adalah =. Jadi, seorang karyawan pada FO harus memiliki nilai kinerja diatas. Selanjutnya, seorang karyawan yang sesuai untuk ditempatkan pada bagian BO, disyaratkan mempunyai aspek dan level penilaian sebagai berikut :Disiplin terhadap jam kerja Menyelesaikan pekerjaan secara mandiri ( ) Ucapan dan tindakan dapat dipercaya ( ) Ramah dan sopan dalam pelayanan pelayanan ( Menunjukkan keterampilan dan pengetahuan ( ) Peduli terhadap kesulitan orang lain ( ) Terbuka terhadap pendapat dan saran ( ) Bersedia bekerja ekstra (lembur) ( ) Mampu bekerja sama dengan rekan kerja ( ) Memberikan ide dan solusi untuk perbaikan ( ). Sehingga, nilai yang harus dimiliki oleh karyawan BO untuk semua aspek adalah = = 122, , , , , ,03+ 15, , , ,03 = 287,92. Jika nilai benchmark dinyatakan sebagai skor 100, maka nilai minimum karyawan BO dengan benchmark ke-1 adalah =. Jadi, seorang karyawan pada BO harus memiliki nilai kinerja diatas. Pada Tabel 6 disajikan skor minimum sebagai syarat penilaian dibagian FO dan BO untuk masing-masing benchmark. Tabel 6 Syarat FO dan BO Setiap Benchmark Benchmark Front Office Back Office ke- Nilai Skor Nilai Skor 1 283,92 94,66 287,92 95, ,92 97,16 275,92 97, ,92 96,21 255,92 96,96 Sebagai contoh penerapan, diambil penilaian kinerja karyawan Y yaitu 5,4,3,3,4,3,3,3,4,4, dan akan digunakan benchmark-1. Hasil penilaian kinerja karyawan tersebut untuk semua aspek adalah 271,92. Skor penilaian untuk persyaratan FO adalah 435
22 dan skor penilaian untuk persyaratan BO adalah. Karena nilai skor yang diperoleh lebih besar dari syarat minimum bagi FO dan lebih kecil dari syarat minimum BO, maka disimpulkan bahwa karyawan Y lebih tepat menduduki posisi di FO. Perbandingan hasil yang diperoleh FLP dengan fungsi keanggotaan linear [4] dan fungsi keanggotaan kurva-s termodifikasi disajikan pada Tabel 7. Tabel 7 Perbandingan Hasil FLP dengan Fungsi Keanggotaan Linear dan Fungsi Keanggotaan Kurva-S Benchmark ke- FLP Fungsi Keanggotaan Linear Skor FLP Fungsi Keanggotaan Kurva-S Skor FO BO FO BO 1 91,11 93,33 94,66 95, ,06 96,29 97,16 97, ,05 95,83 96,21 96,96 KESIMPULAN Berdasarkan kajian diatas hasil nilai yang diperoleh model FLP menggunakan fungsi keanggotaan kurva-s termodifikasi lebih besar dari 1, sedangkan hasil nilai yang diperoleh model FLP menggunakan fungsi keanggotaan bentuk bahu/linear yaitu atau kurang dari 1. Maka dapat disimpulkan bahwa model FLP menggunakan fungsi keanggotaan linear lebih baik untuk analisis penilaian kinerja karyawan dalam penentuan posisi yang sesuai bagi seorang karyawan jika dibandingkan dengan menggunakan fungsi keanggotaan kurva-s. DAFTAR PUSTAKA [1]. Klir George J, dan Yuan Bo Fuzzy Sets and Fuzzy Logic Theory and Applications. USA: Prentice- Hall International,Inc [2]. Kusumadewi, S, dan Purnomo, H Aplikasi Logika Fuzzy untuk pendukung keputusan. Yogyakarta: Penerbit Graha Ilmu. [3]. Kusumadewi, S Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta: Penerbit Graha Ilmu. [4]. Suryani, I, A., Linawati, L., Parhusip, A, H Analisis Penilaian Kinerja Karyawan Menggunakan Fuzzy Linear Programming (FLP). Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA UNY tanggal 18 Mei ISBN [5]. Web 1 : Jurnal Application of Multiobjective Fuzzy Linear Programming in Supply Production Planning Problem oleh Pandiant Vasant, org/content/2004/data/pandianvasa nt.pdf Diakses tanggal 8 Mei [6]. Web 2 : Jurnal Penentuan Jumlah Produksi Menggunakan Model Fuzzy Multiobjective Linear Programming Pada Industri Pangan oleh Iveline Anne Marie, trisakti.ac.id/jurnalti/files/2012/06/ pdf Diakses tanggal 13 November [7]. Web 3 : Jurnal Optimization in Product Mix Problem Using Fuzzy Linear Programming oleh Pandiant Vasant, /2004/data/productmix.pdf Diakses tanggal 8 Mei
23
24 PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW 431
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 terperinciOleh, 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 terperinciPENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR
PENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR T-11 RIVELSON PURBA 1 1 FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS MUSAMUS MERAUKE etong_extreme@yahoo.com ABSTRAK Purba, Rivelson. 01. Penerapan Logika
Lebih terperinciPENENTUAN 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 terperinciPENDAHULUAN 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 terperinciDAFTAR PENILAIAN PELAKSANAAN PEKERJAAN PEGAWAI NON AKADEMIK UKSW
Lampiran 1 : Daftar Penilaian Pelaksanaan Pekerjaan Pegawai Non Akademik - UKSW DAFTAR PENILAIAN PELAKSANAAN PEKERJAAN PEGAWAI NON AKADEMIK UKSW Waktu Penilaian : YANG DINILAI a. Nama b. NIP c. Pangkat,
Lebih terperinciPENENTUAN 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 terperinciProses 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 terperinciElis Ratna Wulan a, Diana Ratnasari b
ISBN 978-979-3541-50-1 IRWNS 2015 Pencarian Solusi Optimal Fuzzy Untuk Masalah Program Linier Fuzzy Menggunakan Metode Level-Sum Elis Ratna Wulan a, Diana Ratnasari b b a Jurusan Matematika,Fakultas Sains
Lebih terperinciBAB II MAKALAH. Analytic Hierarchy Process (AHP) Dipresentasikan : Seminar Nasional Matematika yang diselenggarakan oleh.
BAB II MAKALAH Makalah I. Judul : Pengambilan Keputusan untuk Penilaian Kinerja Menggunakan Analytic Hierarchy Process (AHP) Dipresentasikan : Seminar Nasional Matematika yang diselenggarakan oleh Fakultas
Lebih terperinciBAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program linear, metode simpleks, dan program linear fuzzy untuk membahas penyelesaian masalah menggunakan metode fuzzy
Lebih terperinciFUZZY LINIER PROGRAMMING UNTUK PEMILIHAN JENIS KENDARAAN DALAM MENGANTISIPASI KEMACETAN LALU LINTAS DI KOTA MEDAN
FUZZY LINIER PROGRAMMING UNTUK PEMILIHAN JENIS KENDARAAN DALAM MENGANTISIPASI KEMACETAN LALU LINTAS DI KOTA MEDAN Zulfikar Sembiring 1* 1 Fakultas Teknik, Universitas Medan Area * Email : zoelsembiring@gmail.com
Lebih terperinciPencarian Solusi Optimal Fuzzy Untuk Masalah Program Linier Fuzzy Menggunakan Metode Level-Sum
ISBN 978-979-3541-50-1 IRWNS 2015 Pencarian Solusi Optimal Fuzzy Untuk Masalah Program Linier Fuzzy Menggunakan Metode Level-Sum Elis Ratna Wulan a, Diana Ratnasari b a Jurusan Matematika,Fakultas Sains
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Teori himpunan fuzzy banyak diterapkan dalam berbagai disiplin ilmu seperti teori kontrol dan manajemen sains, pemodelan matematika dan berbagai aplikasi dalam bidang
Lebih terperinciPENERAPAN MODEL LINEAR GOAL PROGRAMMING UNTUK OPTIMASI PERENCANAAN PRODUKSI
PENERAPAN MODEL LINEAR GOAL PROGRAMMING UNTUK OPTIMASI PERENCANAAN PRODUKSI Natalia Esther Dwi Astuti 1), Lilik Linawati 2), Tundjung Mahatma 2) 1) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen
Lebih terperinciSTUDI TENTANG PERSAMAAN FUZZY
STUDI TENTANG PERSAMAAN FUZZY Elva Ravita Sari Evawati Alisah Jurusan Matematika Fakultas Sains Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang e-mail: mbemvie@gmail.com ABSTRAK Bilangan
Lebih terperinciProgram Linear Fuzzy dengan Koefisien dan Konstanta Kendala Bilangan Fuzzy
Prosiding Matematika ISSN: 2460-6464 Program Linear Fuzzy dengan Koefisien dan Konstanta Kendala Bilangan Fuzzy 1 Diah Fauziah, 2 Didi Suhaedi, 3 Gani Gunawan 1,2,3 Prodi Matematika, Fakultas Matematika
Lebih terperinciBAB II KAJIAN TEORI. Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan digunakan pada pembahasan berdasarkan literatur yang relevan. A. Program Linear Model Program Linear (MPL) merupakan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Konsep program linier (linear programming) ditemukan dan diperkenalkan seorang ahli matematika bangsa Amerika, Dr.George Dantzig yaitu dengan dikembangkannya metode
Lebih terperinciKata 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 terperinciPROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
PROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR Shintia Devi Wahyudy 1, Bambang Irawanto 2, 1,2 Jurusan Matematika FSM Universitas Diponegoro Jl Prof H Soedarto, SH Tembalang Semarang 1 Shintiadevi15@gmailcom,
Lebih terperinciBAB II KAJIAN TEORI. masalah fuzzy linear programming untuk optimasi hasil produksi pada bab
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai program linear, konsep himpunan fuzzy, program linear fuzzy dan metode Mehar untuk membahas penyelesaian masalah fuzzy linear programming untuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Program linier (Linier Programming) Pemrograman linier merupakan metode matematik dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Optimasi Menurut Nash dan Sofer (1996), optimasi adalah sarana untuk mengekspresikan model matematika yang bertujuan memecahkan masalah dengan cara terbaik. Untuk tujuan bisnis,
Lebih terperinciPenerapan Algoritma Fuzzy C-Means Guna Penentuan Penjurusan Program Peserta Didik Tingkat SMA
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Penerapan Algoritma Fuzzy C-Means Guna Penentuan Penjurusan Program Peserta Did Tingkat SMA Maria Anistya Sasongko 1, Lil Linawati 2, Hanna
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Program linier merupakan metode matematika dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan, seperti memaksimumkan keuntungan dan meminimumkan
Lebih terperinciAplikasi Fuzzy Goal Programming (Studi Kasus: UD. Sinar Sakti Manado) Application Of Fuzzy Goal Programming (Case Study: UD. Sinar Sakti Manado)
Aplikasi Fuzzy Goal Programming (Studi Kasus: UD. Sinar Sakti Manado) Felliks F. Tampinongkol 1, Altien J. Rindengan 2, Luther A. Latumakulita 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, fftampinongkol09@gmail.com
Lebih terperinciUNNES Journal of Mathematics
UJM 1 (1) (2012) UNNES Journal of Mathematics http://journalunnesacid/sju/indexphp/ujm APLIKASI FUZZY LINEAR PROGRAMMING DALAM OPTIMALISASI PRODUKSI Agus Wayan Yulianto, Hardi Suyitno, dan Mashuri Jurusan
Lebih terperinciRumusan 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 terperinciPENENTUAN 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 terperinciOPTIMASI PRODUKSI HIJAB DENGAN FUZZY LINEAR PROGRAMMING
JURNAL ILMU PENGETAHUAN VOL. 3. NO. 1 AGUSTUS 217 OPTIMASI PRODUKSI HIJAB DENGAN FUZZY LINEAR PROGRAMMING Martini Manajemen Informatika, AMIK BSI Jakarta http://www.bsi.ac.id martini.mtn@bsi.ac.id Abstract
Lebih terperinciMETODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 01 No. 1 (2012) hal 23 30. METODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY Anastasia Tri Afriani
Lebih terperinciAPLIKASI 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 terperinciSPK 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 terperinciBAB II. KAJIAN PUSTAKA. A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto
BAB II. KAJIAN PUSTAKA A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto Masalah kinerja pegawai di Universitas Muhammadiyah Purwokerto sangat mendapat perhatian. Hal ini dibuktikan dengan diadakannya
Lebih terperinciBAB 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 terperinciDISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN
DISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN Hanna Arini Parhusip 1 dan Ramos Somnya 2 Pusat Studi Simitro, Fakultas Teknologi Informasi Universitas Kristen Satya Wacana ABSTRAK.
Lebih terperinciPERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES Endah Puspitasari 1, Lilik Linawati 2, Hanna Arini Parhusip 3 1,2,3 Progam Studi Matematika Fakultas Sains
Lebih terperinciPenentuan 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 terperincibi = vektor berkaitan dengan tingkat aspirasi goal pada objektif yang ke i fi(x) = fungsi kendala dan goal
PERENCANAAN PRODUKSI AGREGAT DENGAN MODEL FUZZY GOAL PROGRAMMING PADA INDUSTRI ALAT MUSIK Suriadi AS Program Studi Teknik dan Manajemen Industri, STMI Jakarta suriadiasalam@yahoo.co.id ABSTRAK Perencanaan
Lebih terperinciSISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI
SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI 1209100023 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING Mohamad Ervan S 1, Bambang Irawanto 2, Sunarsih 1,2,3 Jurusan Matematika FSM Universitas Diponegoro Jl. Prof. H. Soedarto,
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Sukarelawan adalah seseorang atau sekelompok orang yang secara ikhlas karena panggilan nuraninya memberikan apa yang dimilikinya tanpa mengharapkan imbalan. Sukarelawan
Lebih terperinciAnalisis 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 terperinciPROGRAM 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Konsep program linier ditemukan dan diperkenalkan pertamakali oleh George Dantzig yang berupa metode mencari solusi masalah program linier dengan banyak variabel keputusan.
Lebih terperinciBAB 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 terperinciFUZZY 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 terperinciSTUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT
STUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT Studi Kasus: Beberapa Kurs Mata Uang Asing Terhadap Rupiah Rangga
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab II ini dibahas teori-teori pendukung yang digunakan untuk pembahasan selanjutnya yaitu tentang Persamaan Nonlinier, Metode Newton, Aturan Trapesium, Rata-rata Aritmatik dan
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,
BAB II KAJIAN PUSTAKA Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, pemrograman linear, metode simpleks, teorema dualitas, pemrograman nonlinear, persyaratan karush kuhn
Lebih terperinciNURAIDA, 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 terperinciBAB II. PEMROGRAMAN LINEAR
BAB II. PEMROGRAMAN LINEAR KARAKTERISTIK PEMROGRAMAN LINEAR Sifat linearitas suatu kasus dapat ditentukan menggunakan beberapa cara. Secara statistik, kita dapat memeriksa kelinearan menggunakan grafik
Lebih terperinciProsiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika PENCARIAN PROPORSI PENAMBAHAN BEKATUL PADA MO- CORIN YANG BAIK DIKONSUMSI OLEH PENDERITA KOLES- TEROL DENGAN MENGGUNAKAN ALGORITMA GENETIK
Lebih terperinciANALISIS & 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 terperinciSIMULASI 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 terperinciOPTIMASI PROGRAM LINIER PECAHAN DENGAN FUNGSI TUJUAN BERKOEFISIEN INTERVAL
Saintia Matematika Vol. XX, No. XX (XXXX), pp. 17 24. OPTIMASI PROGRAM LINIER PECAHAN DENGAN FUNGSI TUJUAN BERKOEFISIEN INTERVAL M Khahfi Zuhanda, Syawaluddin, Esther S M Nababan Abstrak. Beberapa tahun
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Kamar darurat (Emergency Room/ER) adalah tempat yang sangat penting peranannya pada rumah sakit. Aktivitas yang cukup padat mengharuskan kamar darurat selalu dijaga oleh
Lebih terperinciAplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A - 8 Aplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone Muhammad Najib Mubarrok, Agus
Lebih terperinciRumusan 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 terperincikita menggunakan variabel semu untuk memulai pemecahan, dan meninggalkannya setelah misi terpenuhi
Lecture 4: (B) Supaya terdapat penyelesaian basis awal yang fisibel, pada kendala berbentuk = dan perlu ditambahkan variabel semu (artificial variable) pada ruas kiri bentuk standarnya, untuk siap ke tabel
Lebih terperinciINFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER SIMPANGAN BAKU S - POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Jl Diponegoro
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 HIMPUNAN CRIPS Himpunan adalah suatu kumpulan objek-objek yang mempunyai kesamaan sifat tertentu. Suatu himpunan harus terdefinisi secara tegas, artinya untuk setiap objek selalu
Lebih terperinciBAB II LANDASAN TEORI. Dalam bab ini dibahas beberapa definisi dan konsep-konsep yang
BAB II LANDASAN TEORI Dalam bab ini dibahas beberapa definisi dan konsep-konsep yang digunakan untuk membahas aplikasi PLFTG untuk investasi portofolio saham. A. Pemrograman Linear Pemrograman matematis
Lebih terperinciStudi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik
Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Empirik S 6 Jantini Trianasari Natangku 1), Adi Setiawan ), Lilik Linawati ) 1) Mahasiswa Program Studi Matematika FSM-UKSW Email : n4n4_00190@yahoo.co.id
Lebih terperinciPERBANDINGAN 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 terperinciJurnal 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 terperinciKOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK. Iqbal Kharisudin. Jurusan Matematika FMIPA Universitas Negeri Semarang
KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK S-33 Iqbal Kharisudin Jurusan Matematika FMIPA Universitas Negeri Semarang Email: iqbal_kh@staff.unnes.ac.id Abstrak: Dalam analisis
Lebih terperinciOPTIMASI BIAYA PENGANGKUTAN MENGGUNAKAN PROGRAM LINEAR MULTIOBJEKTIF FUZZY (Studi Kasus pada PT. Sentosa Mulia Bahagia)
OPTIMASI BIAYA PENGANGKUTAN MENGGUNAKAN PROGRAM LINEAR MULTIOBJEKTIF FUZZY (Studi Kasus pada PT. Sentosa Mulia Bahagia) OPTIMIZING THE TRANSPORTATION COST USING FUZZY MULTIOBJECTIVE LINEAR PROGRAMMING
Lebih terperinciBAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit
BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit
Lebih terperinciBAB II KAJIAN TEORI. Berikut ini merupakan pembahasan kajian-kajian tersebut.
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai kajian teori yang digunakan sebagai dasar penulisan tugas akhir ini berdasarkan literatur yang relevan. Berikut ini merupakan pembahasan kajian-kajian
Lebih terperinciPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI MODEL PENETAPAN GAJI KARYAWAN BERDASARKAN EVALUASI KINERJA MENGGUNAKAN FUZZY LINEAR PROGRAMMING
MODEL PENETAPAN GAJI KARYAWAN BERDASARKAN EVALUASI KINERJA MENGGUNAKAN FUZZY LINEAR PROGRAMMING SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik
Lebih terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Program linear merupakan model umum yang dapat digunakan dalam pemecahan masalah pengalokasian sumber yang terbatas secara optimal yaitu memaksimumkan keuntungan
Lebih terperinciBAB III PEMBAHASAN. linear yang dinyatakan dengan fungsi tujuan dan fungsi kendala yang memiliki
BAB III PEMBAHASAN Masalah Fuzzy Linear Programming (FLP) merupakan masalah program linear yang dinyatakan dengan fungsi tujuan dan fungsi kendala yang memiliki parameter fuzzy dan ketidaksamaan fuzzy
Lebih terperinciBAB 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 terperinciMengukur 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 terperinciOleh, SRI AYU SUBEKTI NIM : TUGAS AKHIR
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 : 662010002
Lebih terperinciAplikasi Fuzzy Linear Programming untuk Produksi Bola Lampu di PT XYZ
Aplikasi Fuzzy Linear Programming untuk Bola Lampu di PT XYZ Hendra Suantio 1, A. Jabbar M. Rambe 2, Ikhsan Siregar 3 Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara Jl. Almamater
Lebih terperinciDENIA 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 terperinciPenerapan Pemrograman Kuadratik Metode Wolfe untuk Optimasi Rata-Rata Produksi Padi dan Ketela Pohon di Kota Magelang
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 T - 13 Penerapan Pemrograman Kuadratik Metode Wolfe untuk Optimasi Rata-Rata Produksi Padi dan Ketela Pohon di Kota Magelang Sativa Nurin
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 1 Mahasiswa Program Studi Matematika FSM
Lebih terperinciBAB 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 terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Efektivitas Efektivitas berasal dari kata efektif, yang merupakan kata serapan dari bahasa Inggris yaitu effective yang artinya berhasil. Menurut kamus ilmiah popular, efektivitas
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 3 1 Mahasiswa Program Studi Matematika
Lebih terperinciANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN
ANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN SUPRIYONO Sekolah Tinggi Teknologi Nuklir BATAN Jl. Babarsari Kotak Pos 6101/YKBB Yogyakarta. Email : masprie_sttn@yahoo.com
Lebih terperinciBAB 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 terperinciPerekrutan 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 terperinciBAB 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 terperinciBAB 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 terperinciMETODE SIMPLEKS DALAM PROGRAM LINIER
METODE SIMPLEKS DALAM PROGRAM LINIER Dian Wirdasari Abstrak Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan
Lebih terperinciadalahkelompok 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 terperinciPEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING
PEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING Oleh : Heny Nurhidayanti 1206 100 059 Dosen Pembimbing : Drs. Sulistiyo, MT Jurusan Matematika Fakultas Matematika dan
Lebih terperinciMenentukan 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 terperinciBAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2. 1. Fuzzy Logic Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia
Lebih terperinciSistem Pendukung Keputusan Pemilihan Tenaga Kontrak Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto (Studi Kasus PT.
Sistem Pendukung Keputusan Pemilihan Tenaga Kontrak Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto (Studi Kasus PT. Solo Murni) Fadil Indra Sanjaya 1), Dadang Heksaputra 2) Magister
Lebih terperincimatematika PEMINATAN Kelas X PERSAMAAN DAN PERTIDAKSAMAAN EKSPONEN K13 A. PERSAMAAN EKSPONEN BERBASIS KONSTANTA
K1 Kelas X matematika PEMINATAN PERSAMAAN DAN PERTIDAKSAMAAN EKSPONEN TUJUAN PEMBELAJARAN Setelah mempelajari materi ini, kamu diharapkan memiliki kemampuan berikut. 1. Memahami bentuk-bentuk persamaan
Lebih terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinci