LOGIKA FUZZY INFERENCE SYSTEM MAMDANI UNTUK PENDUKUNG KEPUTUSAN PENILAIAN KEPALA SEKOLAH SMA BERPRESTASI DI JAKARTA UTARA

Transkripsi

1 LOGIKA FUZZY INFERENCE SYSTEM MAMDANI UNTUK PENDUKUNG KEPUTUSAN PENILAIAN KEPALA SEKOLAH SMA BERPRESTASI DI JAKARTA UTARA Samudi 1) Mochamad Wahyudi 2) 1) Sekolah Tinggi Manajemen Informatika Komputer Nusa Mandiri (STMIK Nusa Mandiri) Jl. Salemba Raya No. 5 Jakarta Pusat samudi.net@gmail.com 2) Ilmu Komputer, STMIK Nusa Mandiri Ja karta Jl. Damai No. 8 Warung Jati Barat, Jakarta Selatan wahyudi@nusamandiri.ac.id ABSTRACT Education is a means to get an education, science and to improve the quality of human resources with the learning process in schools. The success of an education that takes place in schools can not be separated from the Principal. With the principals who have an important role in the national education system then it is supposed to principals who are real achievement in leading the school awarded viable. In the assessment of High School principal achievement in leading school that happen in high school in North Jakarta is still done manually. Based on these issues, it would require a decision support ratings High School Principal Achievement with logic Mami Fuzzy Inference System. Keywords: Matlab, Principal, Mami Fuzzy Logic PENDAHULUAN Pendidikan merupakan sarana mendapatkan pendidikan, ilmu meningkatkan kualitas sumber daya manusia dengan proses pembelajaran di sekolah. Berdasarkan Ung Ung Republik Indonesia Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional dalam Pasal 40 ayat 2 menyebutkan Pendidikan tenaga kependidikan berkewajiban memberi tela menjaga nama baik lembaga, profesi, kedudukan sesuai dengan kepercayaan yang diberikan kepanya, mempunyai komitmen secara professional meningkatkan mutu pendidikan serta mampu menciptakan suasana pendidikan yang bermakna, menyenangkan, kreatif, dinamis, dialogis." Keberhasilan suatu pendidikan yang berlangsung di Sekolah tidak terlepas dari seorang Kepala Sekolah. Dengan aya kepala sekolah yang memiliki peranan penting dalam sistem pendidikan nasional maka sudah seharusnya bagi kepala sekolah yang secara nyata berprestasi dalam memimpin sekolahnya diberikan penghargaan yang layak. Dalam Pedoman Pemilihan Kepala Sekolah Berprestasi Tahun 2011 yang dikeluarkan Kementerian Pendidikan Kebudayaan Republik Indonesia, kepala sekolah berprestasi adalah kepala sekolah yang memiliki kemampuan kepribadian terpuji, manajerial, kewirausahaan, supervisi, berjiwa sosial serta memiliki pemahaman wawasan pendidikan yang utuh meningkatkan mutu pendidikan serta mampu memberikan manfaat bagi lingkungan masyarakat luas. Berdasarkan peranan penting Kepala Sekolah maka diperlukan Penilaian Kepala Sekolah SMA Berprestasi Di Jakarta Utara, sehingga dapat menghasilkan Sistem Pendukung Keputusan yang baik dengan logika Fuzzy Inference System Mami. Sistem pendukung keputusan atau Decision Support System (DSS) adalah sistem berbasis komputer yang membantu para pengambil keputusan mengatasi berbagai masalah melalui interaksi langsung dengan sejumlah database perangkat lunak analitik (Wibisono, 2002, p.129). Sistem pendukung keputusan atau Decision Support System (DSS) merupakan sebuah program komputer yang memudahkan manajer pemasaran mendapatkan menggunakan informasi disaat mereka seg membuat keputusan (Cannon, Joseph P., Perreault, Jr, William D,. McCarthy, E Jerome, 2009, p.412). Sistem pendukung keputusan atau Decision Support System (DSS) yang dirumuskan oleh Kusrini (2007) adalah : 1. Sistem pendukung keputusan atau decision support system (DSS) ditujukan membantu keputusan-keputusan yang kurang terstruktur. 2. Sistem pendukung keputusan atau decision support system (DSS) merupakan gabungan antara kumpulan model kualitatif kumpulan data. 3. Sistem pendukung keputusan atau decision support system (DSS) bersifat luwes dapat menyesuaikan dengan perubahan-perubahan yang terjadi. ISBN

2 Logika fuzzy adalah suatu cara yang tepat memetakan suatu ruang input ke dalam suatu ruang output (Widodo Handayanto, 2009, p.2). Hampir semua kasus kita dapat menghasilkan suatu solusi tanpa menggunakan logika fuzzy, namun menggunakan fuzzyakan lebih cepat lebih murah. Menurut Kusumadewi (2002) Logika Fuzzy adalah suatu cara yang tepat memetakan suatu ruang input ke dalam suatu ruang output, mempunyai nilai kontinyu logika fuzzy dinyatakan dalam derajat dari suatu keanggotaan derajat dari kebenaran (p.2). Logika Fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern metodis baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Logika fuzzy adalah teknologi berbasis aturan yang dapat merpresentasikan ketidakpresisian seperti yang telah disebutkan, dengan menciptakan aturan yang menggunakan nilai subjektif atau nilai yang mendekati (Laudon, K. C. J. P. Loudon, 2008, p.125). Logika fuzzy dapat menjelaskan fenomena atau proses tertentu secara linguistik, kemudian merepresentasikannya dalam sejumlah kecil aturan yang fleksibel. Organisasi dapat menggunakan logika fuzzy menciptakan sistem peranti lunak yang menangkap pengetahuan tersirat yang mengandung ambiguitas linguistik. Menurut Kusrini (2008) bahwa konsep logika fuzzy diperkenalkan pertama kali oleh Prof. Lotfi Zadeh seorang profesor University of California di Berkeley sekitar tahun 1965, Prof. Lotfi Zadeh berpendapat bahwa logika fuzzy memungkinkan nilai keanggotaan antara 0 1, tingkat keabuan juga hitam putih, dalam bentuk linguistik, konsep tidak pastiseperti sedikit, lumayan sangat (p.27). Menurut Budiharto (2008) Logika fuzzy merupakan logika samar yang berhadapan langsung dengan konsep kebenaran sebagian, bahwa logika klasik dalam segala hal dapat diekspresikan dengan binary 0 atau 1 sementara logika fuzzy dimungkinkan aya nilai antara 0 sampai dengan 1 (p.164). Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain (Widodo Handayanto, 2012, p.4) : 1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzz ysangat sederhana mudah dimengerti. 2. Logika fuzzy sangat fleksibel. 3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 4. Logika fuzzy mampu memodelkan fungsi-fungsi non linear yang sangat kompleks. 5. Logika fuzzy dapat membangun mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 6. Logika fuzzy dapat bekerjasama dengan teknikteknik kendala secara konvesional. 7. Logika fuzzy didasarkan pada bahasa alami. HASIL PENELITIAN DAN PEMBAHASAN Instrumen penelitian menggunakan kuisioner. Variabel indikator yang digunakan dalam penelitian ini terdiri dari 7 variabel 21 indikator. Tabel 1. Semesta Pembicaraan Variabel Fuzzy No Variabel Indikator 1 Integritas Kepribadian 3 2 Pengembangan Diri 2 3 Sikap Terbuka 4 4 Pengendalian diri 3 5 Bakat minat sebagai 3 pemimpin 6 Managerial 3 7 Sosial 3 Tabel 2. Semesta Pembicaraan Variabel Output Fungsi Variabel Semesta Pembicaraan (Nilai/Range) melaksanakan tugas Konsisten dalam ucapan tindakan Mentaati peratutan sekolah Output Integritas Kepribadian belajar memperbaiki diri menerapkan hal-hal baru meningkatkan keberhasilan proses belajar mengajar Output Pengembangan Diri menerima kritik saran menerima menjembatani perbedaan Memberikan kesempatan pada guru berprestasi berkembang. bekerjasama. Output Sikap Terbuka mengendalian emosi Bijaksana dalam tindakan mengahadapi ISBN

3 stress atau tekanan kerja Output Pengendalian diri Mempunyai gagasan yang kreatif inovatif menggalang guru tendik melaksanakan program sekolah menyelesdaikan keputusan yang baik Output Bakat minat sebagai pemimpin mengembangkan kurikulum Medorong guru berprestasi merancang kegiatan sekolahan Output Managerial berkomunikasi dengan siswa bekerjasama dengan guru tenaga pendidik lainnya mengikuti kegiatan sosial masyarakat Output Sosial Variabel melaksanakan tugas Konsisten dalam ucapan tindakan Mentaati peratutan sekolah Tabel 3. Tabel Himpunan Fuzzy Himpunan Domain Fungsi Keanggotaan Fuzzy Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan belajar memperbaiki diri menerapkan hal-hal baru meningkatkan keberhasilan proses belajar mengajar menerima kritik saran menerima menjembatani perbedaan Memberikan kesempatan pada guru berprestasi berkembang. bekerjasama. mengendalian emosi Bijaksana dalam tindakan mengahadapi stress atau tekanan kerja Mempunyai gagasan yang Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Kurang [0,4] Bahu Kiri ISBN

4 kreatif inovatif menggalang guru tendik melaksanakan program sekolah menyelesdaika n keputusan yang baik mengembangk an kurikulum Medorong guru berprestasi merancang kegiatan sekolahan berkomunikasi dengan siswa bekerjasama dengan guru tenaga pendidik lainnya mengikuti kegiatan sosial masyarakat Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Baik [7,10] Bahu Kanan Kriteria indikator yang peneliti tulis akan dianalisis dijadikan variabel dalam melakukan proses penilaian kepala sekolah SMA berprestasi sebagai berikut : Gambar 1. Grafik fungsi keanggotaan kesediaan melaksanakn tugas Untuk indkator selanjutnya sampai indikator 22 penilaiannya sama seperti di atas. Setelah pembentukan himpunan fuzzy, maka dilakukan pembentukan aturan-aturan fuzzy. Tiap aturan merupakan suatu implikasi. Pada penelitian ini terdapat beberapa rule. Untuk mementukan rule sbb: Rule = Banyak Keanggotaan banyak varibel / indikator a. Rule Integritas Kepribadian (IK) b. Rule Pengembangan Diri (PD) Rule = 4 2 = 16 rule c. Rule Sikap Terbuka (ST) Rule = 4 4 = 256 rule d. Rule Pengendalian Diri (PDD) e. Rule Bakat Minat Sebagai Pemimpin (BP) f. Rule Managerial (M) g. Rule Sosial (S) ISBN

5 h. Rule Penilaian Kepala Sekolah SMA Berprestasi Rule = 4 7 = rule Semua rule yang terbentuk diatas telah terlampir dalam lampiran. Khusus rule penentuan kepala sekolah berprestasi yang memiliki rule, peneliti ambil beberapa kriteria penilaian yaitu tidak semua kepala sekolah memiliki prestasi kurang sekali, kurang. Sebagai berikut : 1. Integritas kepribadian (IK) memiliki kriteria baik baik sekali. 2. Pengembangan diri (PD) memiliki kriteria kurang, baik, baik sekali. 3. Sikap terbuka (ST) memiliki kriteria kurang, baik, baik sekali. 4. Pengendalian diri (PDD) memiliki kriteria kurang, baik, baik sekali. 5. Bakat minat sebagai pemimpin (BP) memiliki kriteria kurang, baik, baik sekali. 6. Managerial (M) memiliki kriteria baik baik sekali. 7. Sosial (S) memiliki kriteria baik baik sekali. Dengan melihat table 3 di atas dapat diuraikan aturan fuzzy dalam penilaian kepala sekolah SMA berprestasi sebagai berikut : Rules 1: Kurang and BP Kurang and M Baik and S Baik then out Kurang Rules 2: Kurang and BP Kurang and M Baik and S Baik then out Kurang Rules 3: Kurang and BP Kurang and M Baik and S Baik then out Kurang Rules 4: Kurang and BP Kurang and M Baik and S Baik then out Kurang Rules 5: Kurang and BP Baik and M Baik and S Baik then out Baik Gambar 2. FIS Editor Penentuan Kepala Sekolah Gambar 3. Rule Penentuan Kepala Sekolah Gambar 4. Surface Viewer Penentuan Kepala Sekolah Untuk aturan fuzzy penilaian kepala sekolah SMA berprestasi ke 6 sampai dengan aturan ke 648 bisa mengikuti seperti tabel 3 di atas. ISBN

6 Berikut perbedaan hasil penilaian kepala sekolah SMA berprestasi melalui logika fuzzy system model fuzzy mami dengan perhitungan konvensial,sebagai berikut : Tabel 4. Tabel Akurasi Perhitugan Konvensial dengan Fuzzy Mami Berdasarkan sampel yang ada di atas berjumlah 78 yang terdapat di lampiran menghitung keakurasian yang berfungsi menyatakan seberapa dekat nilai hasil pengukuran dengan nilai sebenarnya antara perhitungan konvensial dengan fuzzy sebagai berikut : Keakurasian = ( Perhitungan Fuzzy/78) ( Perhitungan Konvensial/78) * 100 % = (614,88/78) (551,5478) * 10% = (7,88 7,07) * 100% = 81,21 % KESIMPULANDari hasil penelitian yang dilakukan, maka dapat diambil kesimpulan sebagai berikut, logika Fuzzy Inference System Mami pendukung keputusan penilaian kepala sekolah SMA berprestasi dengan menggunakan perhitungan sebelumnya memiliki perbedaan. Secara Konvensional dari 78 kepala sekolah yang memiliki nilai baik sekali sebesar 12 % 88 % bernilai baik. Secara Fuzzy yang mendapatkan penilaian baik sebesar 9% 91% bernilai baik. Dan dari hasil akurasi antara penilaian fuzzy dengan penilaian sebelumnya memiliki persentase 81,21% yang menandakan mendekati perhitungan sebelumnya. Untuk penilaian kepala sekolah SMA berprestasi dengan menggunakan logika Fuzzy Inference System Mami dengan bantuan Toolbox Matlab R2011b dapat menggunakan pedoman yang telah yang telah dikeluarkan oleh Direktorat Jenderal Dasar Kementrian Pendidikan Kebudayaan Republik Indonesia.. DAFTAR PUSTAKA [1] Wibisono, Dermawan (2002). Riset Bisnis, Jakarta: PT. Gramedia Pustaka Utam. [2] Cannon, Joseph P., Perreault, Jr, William D,. McCarthy, E Jerome Pemasaran Dasar, Jakarta: Salemba Empat. [3] Kusrini Konsep Aplikasi Sistem Pendukung Keputusan, Yogyakarta, CV Andi Offset. [4] Widodo, Prabowo Pudjo. Handayanto, Rahmadya Trias. (2009). Penerapan Soft Computing Dengan Matlab. Bandung : Rekayasa Sains [5] Kusumadewi, Sri Analisa Desain Sistem Fuzzy menggunakan ToolBox Matlab. Edisi Pertama. Cetakan pertama. Yogyakarta : Graha Ilmu. [6] Laudon, K. C. J. P. Laudon Sistem Informasi Manajemen, Jakarta: Salemba Empat. [7] Kusrini Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna dengan Metode Kuantifikasi Pertanyaan. Yogyakarta : PT.Andi Offset. [8] Budiharto, Widodo Membuat Sendiiri Robot Cerdas+CD (REVISI), Jakarta: Elex Media Komputindo. [9] Widodo, Prabowo Pudjo. Handayanto, Rahmadya Trias. (2012). Penerapan Soft Computing Dengan Matlab. Edisi Revisi. Bandung : Rekayasa Sains. [10] Apriliyani, Mawaddah Isfa. Mustafidah, Hindayati. Dan Aryanto, Dwi Fuzzy Inference System menentukan tingkat kompetensi guru, vol II, No 2. [11] Hafsah. Rustamaji, Heru Cahya, Inayati, Yulia Sistem Pendukung Keputusan Pemilihan Jurusan Di SMU Dengan Logika ISBN

7 Fuzzy, ISSN Yogyakarta : UPN Veteran. [12] Mustafidah, Hindayanti. Aryanto, Dwi Sistem Inference Fuzzy memprediksi Prestasi Belajar Mahasiswa Berdasarkan Nilai Ujian Nasional,Tes Potensi Akademik, Motivasi Belajar, vol 2, No.1. [13] Pinandita, Tino. Ahmad. Mustafidah, Hindayanti Sistem Penentuan Tingkat Kompetensi Pendidik Menggunakan Fuzzy Inference System Berbasis Web, vol 9 No.1. ISBN