Seminar Nasional Teknologi Informasi 2017

Transkripsi

1 KOMPARASI PERHITUNGAN PEMILIHAN MAHASISWA TERBAIK MENGGUNAKAN METODE STATISTIK KLASIK DENGAN LOGIKA FUZZY (TSUKAMOTO DAN MAMDANI) STUDI KASUS : STMIK TEKNOKRAT Agus Wantoro ), Adhie Thyo Priandika 2) ) 2) Sistem Informasi STMIK Teknokrat Jl.ZA Pagar Alam No.9- Kedaton Bandar Lampung Telp aguswantoro.ilkom@gmail.com ) thyopriandika99@gmail.com 2) ABSTRACT The selection of outstanding students in STMIK Teknokrat Lampung has not been effective since the completion of the study program, the Head of Student Affairs, BAAKU Staff and the Chairman of the student organization. Based on the data generated, it will be given by the head of the Study Program and will be elected. Classic Calculations and Fuzzy Logic is a method that can be used to perform the best student selection based on predetermined criteria. These criteria will be given the value or range to be calculated. The fuzzy method to be used for doing the calculations is Tsukamoto and Mamdani. With this second method, it will be comparative comparison with classical method to know the difference of calculation result from Tsukamoto and Mamdani. Based on the data and calculations that have been done, then there is the result of calculation using fuzzy tsukamoto with mamdani, if the minimum and maximum limits have the difference <5, then the result of calculation tsukamoto greater than fuzzy mamdani. If the minimum and maximum limits have a difference of> = 5, then the calculation results mamdani greater than the calculation by tsukamoto method. From the calculation results using the classical method, fuzzy tsukamoto and mamdani, the calculation of fuzzy approaching with the classical calculation method is fuzzy tsukamoto. For the calculation results with fuzzy mamdani greater value than fuzzy tsukamoto Keyword : Decision Making, Comparative, Classic Calculation, Fuzzy, Best Student System. Pendahuluan Saat ini STMIK Teknokrat Lampung dalam menentukan mahasiswa terbaik selalu menemui permasalahan. Pemilihan mahasiswa berprestasi di STMIK Teknokrat Lampung selama ini dilakukan belum efektif yaitu mulai dari pengumpulan nilai-nilai yang melibatkan Ketua Program Studi, Ketua Kemahasiswaan, dan Staf BAAKU. Berdasarkan data-data yang diperoleh, maka akan diberikan oleh ketua Program Studi dan akan dilakukan pemilihan. Cara tersebut masih kurang efektif karena dilakukan dengan perhitungan manual dan terdapat ketidakobjektifan terhadap penilaian mahasiswa dimana kepala Program Studi hanya memperkirakan dan kedekatan mahasiswa dengan ketua Program Studi dan terkadang hasilnya tidak akurat, selain itu tidak adanya aplikasi yang mendukung pengambilan keputusan dalam menentukan mahasiswa terbaik, oleh karena itu diperlukan metode yang dapat memberikan perhitungan dan pemilihan mahasiswa terbaik yang akurat Metode Klasik dan Logika fuzzy adalah metode yang dapat digunakan untuk melakukan pemilihan mahasiswa terbaik berdasarkan kriteria-kriteria yang telah ditentukan. Metode fuzzy yang akan digunakan adalah Tsukamoto dan Mamdani. Dari kedua metode tersebut, maka akan dilakukan perhitungan untuk mengetahui perbedaaan hasil perhitungan dari Tsukamoto dan Mamdani dengan hasil perhitungan statistik klasik Terdapat penelitian perbandingan fuzzy tsukamoto, mamdani dan sugeno yang menunjukkan metode terbaik dalam hal pengurangan konsumsi energi listrik dari sistem pendingin udara adalah metode Tsukamoto dengan efisiensi energi listrik yang dicapai 74,27%. Mamdani 52,85% dan sugeno 62,52% []. Penelitian ke 2 mengenai perbandingan akurasi logika fuzzy dengan statistik klasik menunjukan bahwa tsukamoto memiliki akurasi 78%, mamdani 82% dan sugeno % [5]. Penelitian perbadingan fuzzy pada diagnosa tuberkulosis anak, berdasarkan hasil analisa Sugeno memiliki akurasi yang lebih baik dibandingkan dengan Mamdani dan Tsukamoto dengan akurasi 93%, Mamdani memiliki akurasi 25

2 diagnostik 89% dan Tsukamoto dengan akurasi diagnostik 92% [2]. Berdasarkan analisa perbandingan yang telah dilakukan, terdapat hasil yang berbeda dalam kasus tertentu, untuk itu perlu dilakukan analisa perbandingan antara logika fuzzy tsukamoto dan mamdani dengan data center pada kasus lain yaitu untuk menentukan mahasiswa lulusan terbaik. 2. Tinjauan Pustaka 2.. Sistem Penunjang Keputusan Sistem Penunjang Keputusan merupakan sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para manajer mengambil keputusan [4] 2.2. Metode Pehitungan Statistik Klasik Merupakan perhitungan menggunakan cara klasik (lama) dengan menggunakan perhitungan dasar matematika. Jika suatu nilai berbentuk kategori, misalnya : rusak, baik, senang, puas, berhasil, gagal dan sebagainya maka akan dibuat penilaian berupa angka atau pemberian jangkauan (Range) [9] Statistik merupakan disiplin matematika dan konseptual yang berfokus pada hubungan antara data dan hipotesis. Data yang rekaman pengamatan atau peristiwa dalam sebuah penelitian ilmiah, misalnya, satu set pengukuran individu dari suatu populasi. Data sebenarnya yang diperoleh bervariasi disebut sampel, data sampel, atau hanya data, dan semua sampel yang mungkin dari sebuah penelitian yang dikumpulkan dalam apa yang disebut ruang sampel [2] Perhitungan klasik atau kalkulus merupakan metode perhitungan dengan ketelitian yang cukup tinggi [7] 2.3. Logika Fuzzy 2.4. Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan μa[x], memiliki 2 kemungkinan, yaitu Satu (), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan. Nol (), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan [4] Fungsi Keanggotaan Kurva Segitiga Fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara sampai. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan Fuzzy Tsukamoto Gambar 2 Kurva Segitiga Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiaptiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot [4] Logika Fuzzy merupakan satu komponen pembentuksoftcomputing. Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai dapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotaan yang memiliki rentang nilai (Nol) hingga (Satu) [4] Input Kotak Hitam Output Gambar Pemetaan Input-Output Gambar 3 Infrensi Fuzzy Tsukamoto 26

3 2.7. Fuzzy Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 975. Untuk mendapatkan output, diperlukan 4 tahapan [4]:. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi (aturan) 3. Komposisi aturan 4. Penegasan (deffuzy) Gambar 4 Proses Defuzzifikasi Mamdani 2.8. Mahasiswa Mahasiswa terbaik adalah hasil pengolahan data-data mahasiswa yang memenuhi kriteria seperti IPK, Lama Kuliah, Organisasi dan Prestasi. Data-data mahasiswa yang memenuhi kriteria akan dihitung oleh Kepala Program Studi dalam kegiatan wisuda tahunan oleh Perguruan Tinggi [8] a. UML Unified Modeling Language (UML) yang berarti bahasa pemodelan standar. Jika menggunakan UML harus dapat membuat model-model yang dapat berhubungan satu dengan yang lainnya dengan mengikuti standar yang ada. UML diaplikasikan untuk maksud tertentu, biasanya digunakan untuk merancang sebuah perangkat lunak, sebagai sarana komunikasi antara perangkat lunak dengan proses bisnis, digunakan pula untuk menjabarkan sistem secara rinci untuk analisa dan mencari apa yang diperlukan suatu sistem, serta sebagai dokumentasi sistem yang ada, proses-proses dan organisasinya. UML menyediakan beberapa jenis diagram yang menggambarkan modelmodel perangkat lunak yang akan dibuat [5] 2.9. Study Literatur Tabel Penelitian Terdahulu Hasil Penelitian Sebelumnya Judul Peneliti Hasil Sistem Pendukung Keputusan Kelompok Pemilihan Mahasiswa Berprestasi Berbasis Web Dengan Metode Fuzzy Query Komparasi Perhitungan IPK dengan Perhitungan Klasik dan Logika Fuzzy Studi Perbandingan Metode Fuzzy Tsukamoto Dan Fuzzy Mamdani Untuk Seleksi Pegawai Teladan Pada PT Gracia Pharmindo Analisis komparatif Logika Fuzzy Tsukamoto, Mamdani, Sugeno untuk Hemat Energi AC Sugeno Perbandingan Logika fuzzy (Tsukamoto, Mamdani & Sugeno) pada diagnosa tuberkulosis anak Debi Nurhidayat, Dewi Kurnia, Entin [6] Zaenal Zaenal Abidin [3] Agus Triyanto, Febri, Shinta [] Aep & Romi [] Wahyun, Oyas & Silmi [2] Mengimplementasikan logika fuzzy ke dalam Fuzzy Query Database. Mahasiswa yang akan direkomendasikan menjadi mahasiswa berprestasi memiliki kriteriakriteria yang bernilai fuzzy. Sedangkan data yang ada pada database bernilai pasti. Kriteria-kriteria yang dibutuhkan antara lain nilai IPK, nilai TOEFL, kegiatan ekstra kulikuler, Karya Tulis Membahas hasil komparasi perhitungan dengan menggunakan metode Perhitungan Klasik dengan Tsukamoto, Mamdani dan Takage Sugeno. Dari ketiga logika fuzzy yang digunakan akan dilihat hasil perhitungan yang mendekati dengan perhitungan statistic klasik. Dari ketiga metode fuzzy, yang lebih mendekati adalah metode fuzzy sugeno Hasil perbandingan menggunakan metode tsukamoto dan mamdani, maka hasil dari perhitungan mamdani lebih besar dibanding perhitungan menggunakan tsukamoto. Lama proses perhitungan mamdani lebih lama dibanding dengan metode tsukamoto Penelitian perbandingan fuzzy tsukamoto, mamdani dan sugeno menunjukkan metode terbaik dalam hal pengurangan konsumsi energi listrik dari sistem pendingin udara adalah metode Tsukamoto dimana efisiensi energi listrik yang dicapai 74,27%. Mamdani 52,85% dan sugeno 62,52% Hasil perbandingan fuzzy pada diagnosa tuberkulosis anak, fuzzy Sugeno memiliki akurasi yang lebih baik dibandingkan dengan Mamdani dan Tsukamoto dengan akurasi 93%, Mamdani memiliki akurasi diagnostik 89% dan Tsukamoto dengan akurasi diagnostik 92% 27

4 2.. Tempat Penelitian Penelitian ini dilakukan pada mahasiswa prodi sistem informasi di STMIK Teknokrat Lampung, jalan Z.A pagar alam no.9- Kedaton Bandar Lampung. 2.. Metode Pengumpulan Data. Wawancara Pengumpulan data melalui wawancara yang dilakukan dengan pihak Perguruan Tinggi yaitu Ibu Rusliyawati, M.T.I selaku Kepala Program Studi Sistem Informasi. Pertanyaan yang diajukan berupa kendala-kendala yang dihadapi dalam pemilihan mahasiswa terbaik dan solusi yang diinginkan oleh pihak terkait. 2. Pengamatan Pengamatan merupakan salah satu teknik pengumpulan data yang efektif untuk mengetahui proses kerja yang terjadi pada perusahaan / instansi secara langsung terhadap objek-objek studi yang menjadi pokok permasalahan. Pengamatan dilakukan pada Jurusan Sistem Informasi STMIK Teknokrat 3. Tinjauan Pustaka Penelitian ini dilakukan dengan mempelajari atau membaca, mengutip dari proses penelitian yang dilakukan dengan cara mempelajari berbagai bentuk bahan berupa buku-buku seperti karangan dari karang Sri Kusuma Dewi, Purnomo, Jurnal, Skripsi dan artikel-artikel yang berkaitan dengan pokok bahasan 4. Pemilihan Sampling Pengumpulan data dari beberapa bagian diantaranya kemahasiswaan memberikan data keaktifan organisasi dan prestasi, bagian Baaku memberikan data mahasiswa menempuh lama perkuliahan dan IPK. Pemilihan data calon mahasiswa lulusan terbaik berdasarkan nilai yang memenuhi kriteria yang telah ditetapkan perguruan tinggi. Dari 5 mahasiswa program studi Sistem Informasi yang telah telah lulus ujian akhir, maka yang memenuhi kriteria hanya mahasiswa. Dari mahasiswa, akan dilakukan perhitungan 3.2. Analisis Masalah Identifikasi Permasalahan Inisialisasi Permasalahan, Rumusan Masalah Pengumpulan Data Observasi,Wawancara dan Dokumentasi Identifikasi Data. Penentuan Variabel 2. Pembentukan Himpunan Fuzzy Pengolahan Data. Aplikasi Fungsi Implikasi 2. Dekomposisi Aturan (RULE) 3. Defuzzyfikasi GUI Perancangan Form dan Laporan Penerapan dan Pengujian Gambar 5 Langkah Penelitian Terdapat beberapa permasalahan yang terdapat pada sistem pemilihan mahasiswa terbaik yaitu :. Ketua Program Studi kesulitan dalam menentukan mahasiswa yang terbaik karna hanya melihat kriteria yang ada 2. Menentukan mahasiswa terbaik kadang tidak akurat karna hanya melihat data-data yang memenuhi kriteria dengan perhitungan manual 3. Proses perhitungan pemilihan mahasiswa terbaik yang lambat dan membutuhkan waktu yang cukup lama 3.3. Rancangan Sistem. Usecase Diagram 3. Analisis Dan Perancangan 3.. Kerangka Pemikiran Kerangka pemikiran merupakan tahapan-tahapan penelitian yang dilakukan yang dapat dilihat pada gambar berikut : Gambar 6 Usecase Diagram 28

5 2. Activity Diagram Ketua Program Study Sistem Pimpinan Login Input Data Mahasiswa Input Parameter & Kriteria Input Nilai Menghitung Nilai dengan Statisik & Fuzzy Menyimpan Keputusan Cetak Laporan Mahasiswa Lulusan Melihat Laporan 3. Sequence Diagram Gambar 7 Activity Diagram Merupakan diagram yang digunakan untuk menggambarkan aktivitas penggunaan form pada aplikasi secara komputerisasi Ketua : Username & Password Program Study Form Login 2: Username & Password Benar Form Menu Utama 4. Class Diagram 3:Input Data Mahasiswa Form Mahasiswa 4:Input Parameter dan Kriteria Form Parameter Kriteria bar 8 SequenceDiagram 5: Input Nilai Mahasiswa Form Hitung Statistik 6: Input Nilai Mahasiswa Form Hitung Fuzzy Gam Class diagram mendeskripsikan objek-objek yang terdapat di dalam 29ystem. Class diartikan satu set objek yang memiliki atribut dan perilaku yang sama Gambar 9 Class Diagram 4. Hasil Dan Pembahasan 4.. Metode Perhitungan Klasik Tabel 2 Perhitungan Klasik Alternatif IPK LK P O Nilai Ari Sulistiono 3,4 4, 6 2 4,23 Reni 3,6 3,5 4 3,4 Puji Astuti 3,7 4,5 3 3,25 Ervan 3,5 4, ,57 Roni Irawan 3,6 5, 2 3 3,4 Jaka Persada 3,4 5, 5 6 4,6 Anisa Ulfa R. 3,2 4, ,35 Teguh 3,5 4, 7 2 4,57 Dyan Eryanto 3,7 3, ,38 Fahri 3,3 4, ,89 Bobot,4,2,3, Berdasarkan perhitungan menggunakan metode perhitungan klasik, maka yang menjadi mahasisa lulusan terbaik adalah Teguh Darminto dan terbaik 2 adalah Reni Anggraini. 29

6 4.2. Himpunan Fuzzy Variabel Input IPK Lama Kuliah Prestasi Organisasi Tabel 3 Himpunan Fuzzy Himpunan Domain Output Coumloude Sangat Memuskan Memuaskan Cepat Tepat Waktu Lambat Baik Cukup Kurang Aktif Cukup Kurang Keputusan (Output) Kurva Kriteria. Kurva IPK 2. Kurva Lama Kuliah Cepat Tepat Lambat Gambar Kurva Kriteria Lama Kuliah 3. Kurva Prestasi 4. Kurva Organisasi Kurang Cukup Baik Gambar 2 Kurva Kriteria Prestasi Kurang Cukup Aktif Memuaskan Sangat Memuaskan Coumloud Gambar 3 Kurva Kriteria Organisasi Gambar Kurva Kriteria IPK 5. Kurva Output 9 Gambar 4 Kurva Kriteria Output c. Aturan Fuzzy (Rule Base) Pada pemilihan mahasiswa terbaik menggunakan 4 parameter dan 3 kriteria, maka terdapat 64 aturan fuzzy : [R] IF μipk Memuaskan dan μlamakuliah lambat dan μpkurang dan μorganisasi Kurang Then Keputusan [R2] IF μi Coumloud dan μl Tepat dan μp Cukup dan μg Kurang Then 3

7 [R64] IF μi SangatMemuaskan dan μl Cepat dan μp Baik dan μg Kurang Then d. Penegasan (Defuzzifikasi). Metode Tsukamoto Mencari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi fungsi implikasi. 2. Metode Mamdani Berdasarkan perhitungan menggunakan metode mamdani dengan mengambil nilai mahasiswa, jika IPK 3,5, Lama Kuliah 4,5 tahun, Prestasi 3 dan Organisasi 5 maka nilai mamdani 4,36 [R] IF μipk Memuaskan dan μlamakuliah lambat dan μpkurang dan μorganisasi Kurang Then Keputusan α = min (;;;,6) = [R52] IF μi Coumloud dan μl Tepat dan μp Cukup dan μg Kurang Then α52 = min (; ; ;,3) = [R64] IF μi SangatMemuaskan dan μl Cepat dan μp Baik dan μg Kurang Then α64 = min (,3; ; ;,6) = Selanjutnya mencari nilai z = α * (zmax - zmin) + zmin z52 = * (9-) + z52 = Perhitungan untuk mendapatkan nilai deffuzyfikasi dengan menjumlahkan rules hingga rules 64 untuk mendapatkan nilai rata-rata terbobot (Weight Average) : Gambar 5 Perhitungan Tsukamoto Gambar 6 Perhitungan Mamdani 5. Hasil Perbadingan (Comparision) Berdasarkan hasil perhitungan dengan etode perhitungan klasik dan perhitungan menggunakan fuzzy tsukamoto dan mamdani serta menampilkan hasil perhitungan terbesar. Berdasarkan nilai rata-rata dari perhitungan ketiga metode, maka didapat mahasiwa dengan nilai tertinggi adalah Ervan Ubaidillah dan Fahri A Wahyudi Tabel 4 Hasil Perbandingan No Nama Klasik Tsu Mam Nilai % Nilai % Ari S 4,23 6,6 4,9 5,94 58,8 2 Reni 3,4 3,66 78,5 5 2,84 3 Puji A 3,25 6,33 35, ,55 4 Ervan 3,57 6,33 22,26 4,36 77,75 5 Roni I 3,4 3,67 62,4 4,7 37,95 6 Jaka P 4,6 4,89 7,52 3,84 29,52 7 Anisa 3,35 6, 25,8 4,3 74,4 8 Teguh 4,57 6,33 4,3 5,75 59,86 9 Dyan 3,38 6,33 46,36 5,93 53,64 Fahri 3,89 6,64 3,24 4,3 86,75 Rata-rata Tsu 9,62 Mam 56,33 3

8 5. Analisis Hasil Berdasarkan pada hasil perhitungan menggunakan metode perhitungan klasik, fuzzy tsukamoto dan mamdani, maka perhitungan fuzzy yang mendekati dengan metode perhitungan klasik adalah fuzzy tsukamoto. Untuk hasil perhitungan dengan fuzzymamdani nilainya lebih besar dibanding dengan fuzzy tsukamoto VI. PENUTUP 6.. Simpulan. Penerapan perhitungan dengan statistic klasik menggunakan perhitungan nilai dikalikan dengan bobot dan dihitung jumlah nilai keseluruhan. Penerapan perhitungan logika fuzzy menggunakan himpunan, lalu hitung derajat keanggotaan, predikat aturan dan penegasan. Kriteri yang telah ditetapkan oleh perguruan tinggi yaitu IPK, Lama Kuliah, Prestasi dan Organisasi. 2. Pengembangan sistem menggunakan tahapan identifikasi permasalahan, kebutuhan sistem, rancangan sistem yang akan dibuat, pembuatan kode program dan penerapan. Dengan adanya langkah-langkah yang terstruktur, maka akan menghasilkan sistem lebih baik 3. Agar perhitungan pemilihan mahasiswa lulusan terbaik lebih cepat dan akurat, maka dibutuhkan aplikasi pendukung keputusan yang terkomputerisasi yang dapat membantu ketua program studi dalam mengambil keputusan. Aplikasi ini dibangun menggunakan Borland Delphi dan basisdata MYSQL. 4. Berdasarkan nilai rata-rata dari perhitungan ketiga metode, maka didapat mahasiwa dengan nilai tertinggi adalah Ervan Ubaidillah dan Fahri A Wahyudi 5. Dari hasil analisis perhitungan menggunakan metode perhitungan klasik, fuzzy tsukamoto dan mamdani, maka perhitungan fuzzy yang mendekati dengan metode statistic klasik adalah fuzzy tsukamoto. Untuk hasil perhitungan dengan fuzzy mamdani nilainya lebih besar dibanding dengan fuzzy tsukamoto 6.2. Saran. Berdarkan pembahasan diatas, maka perlu dilakukan penelitian lebih lanjut mengenai penggunaan fuzzy untuk kasus yang berbeda yang dapat dijadikan referensi untuk penelitian yang akan datang. 2. Pada perhitungan ini, perlu dilakukan analisis perbandingan kecepatan antara tsukamoto dan mamdani 3. Perlu adanya analisis rate eror pada metode tsukamoto dan mamdani 4. Sebelum sistem diterapkan, maka perlu dilakukan pelatihan terhadap pengguna sistem agar memahami penggunaan sistem dan mengurangi kesalahan DAFTAR PUSTAKA [] Aep & Romi, 24. Analisis komparatif Logika Fuzzy Tsukamoto, Mamdani, Sugeno untuk Hemat Energi AC Sugeno, ISSN, Vol.9, (Oktober, 24) : -7 [2] arnett, V., 999, Comparative Statistical Inference, Wiley Series in Probability and Statistics, New York: Wiley [3] Istraniadi, Andrian, P. Mardiani, 23. Analisis perbandingan metode fuzzy tsukamoto dan metode fuzzy Mamdani pada perbandingan Harga sepeda motor bekas, Electrans, Vol.9, (Juli, 23) : 3-8 [4] Kusumadewi, Sri. &Purnomo, 2. Logika Fuzzy,Yogyakarta : Graha Ilmu : 3-4 [5] Munawar, 2.Rekayasa Perangkat Lunak, Bandung : Informatika, 2 [6] Nurhidayat, D.Kurnia, Dewi. Entin, M, 29. Sistem Pendukung Keputusan Kelompok Pemilihan Mahasiswa Berprestasi Berbasis Web Dengan Metode Fuzzy Query, ISSN, Vol., (Desember, 29) : 3-8 [7] Newton, Issac, 687. Prinsip Matematika dari Filsafat Alam, Cambride Univesity Press, PP [8] STMIK Teknokrat Lampung Lampung,2. Buku Panduan Mahasiswa TA 2, Bandar Lampung, 2 [9] Sudjana, Perhitungan Metode Perhitungana Klasik,Yogyakarta : Graha Ilmu, 22 [] Triyanto, Agus. Febri, B.K., Shinta Puspasari, 24.Studi Perbandingan Metode Fuzzy Tsukamoto Dan Fuzzy Mamdani Untuk Seleksi Pegawai Teladan Pada PT Gracia Pharmindo, ISSN, Vol.4, (September, 24) : 2-6 [] Widiyantoro, Andreas. 23. Penerapan Metode Algoritma Fuzzy Tsukamoto dan Mamdani pada Aplikasi Penunjang Keputusan untuk Menentukan Jumlah Produksi Barang pada CV. Kurnia Alam, Electrans, Vol., (Juli, 23) : 4-8 [2] Wahyu, Oyas, Silmi, 22. Perbandingan Logika fuzzy (Tsukamoto, Mamdani & Sugeno) pada diagnosa tuberkulosis anak, Vol., (Oktober) : - 6 [3] Zaenal Abidin, 24. Komparasi Perhitungan IPK antara Metode Perhitungan Klasik dengan Logika Fuzzy, Tekno Info, (Oktober, 24 32