Fuzzy Tahani Untuk Model Pendukung Keputusan Penilaian Kinerja Guru
|
|
- Hartanti Darmali
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BINA INSANI ICT JOURNAL, Vol.4, No. 2, Desember 2017, ISSN: (Print) ISSN: (Online) 131 Fuzzy Tahani Untuk Model Pendukung Keputusan Penilaian Kinerja Guru Ghofar Taufik 1,* 1 Komputerisasi Akuntansi; AMIK BSI Jakarta; Jl. Margonda Raya No.8 Depok, telp/fax dari Institusi; ghofar.gft@gmail.com * Korespondensi: ghofar.gft@gmail.com Diterima: 4 Oktober 2017; Review: 18 Oktober 2017; Disetujui: 1 Nopember 2017 Cara sitasi: Taufik G Fuzzy Tahani Untuk Model Pendukung Keputusan Penilaian Kinerja Guru. Bina Insani ICT Journal. 4 (2): Abstrak: Kompetensi yang tinggi tidak pula dapat menjadi tolak ukur bahwa seorang guru dapat mengajar dengan baik. Bisa jadi seorang guru dengan kompetensi yang standar, tetapi penyampaiannya yang mudah bisa lebih diterima pembelajarannya oleh peserta didik. Hal ini membuktikan bukan hanya kompetensi yang tinggi yang dibutuhkan guru, tetapi juga cara mengajar dan penyampaian yang mudah untuk dicerna oleh peserta didik. Kedekatan emosional antara guru dan peserta didik juga dapat mempermudah dalam pembentukan karakteristik dan watak peserta didik nantinya. Untuk dapat melaksanakan fungsinya dengan baik, maka guru dituntut untuk dapat meningkatkan kinerjanya. Dalam melakukan penilaian kinerja guru dapat dilakukan dengan menggunakan fuzzy logic model Tahani. Dengan kriteria penilaian yaitu pedagogik, kepribadian, social dan profesional yang menjadi input nilai fuzzy nya. Tujuan dari penelitian ini adalah untuk menerapkan logika fuzzy dengan metode Tahani untuk menilai kinerja guru dengan peringkat hasil penilaian kinerja dengan fuzzy Tahani. Dan hasil penelitian ini adalah model dari suatu sistem pendukung keputusan untuk penilaian kinerja guru dengan pendekatan logika fuzzy metode Tahani yang memberikan informasi mengenai hasil penilaian kinerja karyawan. Kata kunci: Fuzzy Tahani, Pendukung Keputusan, Kinerja Abstract: High competence can not be a benchmark for a teacher to teach well. It could be a teacher with standard standards, but its easy delivery can be more acceptable to learn by learners. This proves not only what the teacher needs, but also the way of teaching and delivery that is easy to digest by learners. Emotional closeness between teachers and learners can also enter in the form of characteristics and character of learners later. To be able to perform its functions properly, then the teacher is required to improve its performance. In carrying out teacher performance appraisal can be done by using fuzzy Tahani logic model. With the criteria of assessment that is pedagogic, personality, social and professional input into his fuzzy. The result of this research is to apply fuzzy logic with Tahani method. And the results of this study is a model of a decision support system for teacher performance appraisal with fuzzy logic approach Tahani method that provides information about employee performance appraisal results. Keywords: Fuzzy Tahani, Decision Support, Performance 1. Pendahuluan Guru merupakan salah satu faktor penting dalam menentukan kualitas peserta didik. Peran guru tidak hanya sebagai pengajar yang hanya memberikan ilmu saja, tetapi juga sebagai pendidik yang memberikan arahan dan menuntun siswa dalam belajar serta sebagai role model dalam cara siswa bersikap dan berperilaku. Tugas guru sebagai suatu profesi, menuntut seorang guru untuk dapat mengembangkan profesionalitas diri sesuai dengan Copyright@2017. P2M STMIK BINA INSANI
2 132 ISSN: (Print) ISSN: (Online); kemajuan ilmu pengetahuan dan teknologi. Mendidik, mengajar, dan melatih anak adalah tugas guru sebagai suatu profesi. Kompetensi yang tinggi tidak pula dapat menjadi tolak ukur bahwa guru tersebut dapat mengajar dengan baik. Bisa jadi seorang guru dengan kompetensi yang standar, tetapi penyampaiannya yang mudah bisa lebih diterima pembelajarannya oleh peserta didik. Hal ini membuktikan bukan hanya kompetensi yang tinggi yang dibutuhkan guru, tetapi juga cara mengajar dan penyampaian yang mudah untuk dicerna oleh peserta didik. Kedekatan emosional antara guru dan peserta didik juga dapat mempermudah dalam pembentukan karakteristik dan watak peserta didik nantinya. Untuk dapat melaksanakan fungsinya dengan baik, maka guru dituntut untuk dapat meningkatkan kinerjanya. Kinerja dapat merupakan sebuah hasil kerja yang dapat dicapai oleh seseorang dengan melakukan segala tugas yang menjadi bebannya dengan melihat apa yang dimiliki oleh orang tersebut seperti kecakapan menjalankan tugas, pengalaman yang dimiliki maupun kesungguhannya dalam melaksanakan tugas tersebut [Hasibuan, 2012]. Penilaian kinerja guru merupakan proses analisis yang dalam rangka menghasilkan pengajaran yang baik. Kualitas pengajaran dan standar akademik perlu dievaluasi dan ditingkatkan karena pendidikan sangat penting untuk kita semua [Mufizar et al., 2015]. Penilaian Kinerja Guru adalah penilaian dari tiap butir kegiatan tugas utama guru dalam rangka pembinaan karir, kepangkatan, dan jabatannya [Ganevi and Purnama, 2014]. Dalam melakukan penilaian kinerja guru dapat dilakukan dengan menggunakan fuzzy logic model Tahani. Dengan kriteria penilaian yaitu pedagogik, kepribadian, social dan profesional yang menjadi input nilai fuzzynya. Tujuan dari penelitian ini adalah untuk menerapkan logika fuzzy dengan metode Tahani untuk menilai kinerja guru dengan peringkat hasil penilaian kinerja dengan fuzzy Tahani. Dan hasil penelitian ini adalah model dari suatu sistem pendukung keputusan untuk penilaian kinerja guru dengan pendekatan logika fuzzy metode Tahani yang memberikan informasi mengenai hasil penilaian kinerja karyawan. Logika fuzzy adalah merupakan salah satu komponen pembentuk soft-computing, yang pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun Dasar logika fuzzy adalah teori himpunan fuzzy yang didalamnya terdapat peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan yang sangat penting. Yang menjadi ciri utama dari logika fuzzy yaitu nilai keanggotaan (membership function) [Kusumadewi and Purnomo, 2010]. Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan ketidakpastian yang telah menjadi sifat alamiah manusia. Berdasarkan prinsip ketidakjelasan logika fuzzy muncul dan pertama kali dibangun berdasarkan teori himpunan. Dalam himpunan konvensional (crisp), elemen dari semesta adalah anggota atau bukan anggota dari himpunan. Dengan demikian, keanggotaan dari himpunan adalah tetap [Kusumadewi and Purnomo, 2010]. Kelebihan dari teori logika fuzzy adalah kemampuan dalam proses penalaran secara bahasa (linguistic reasoning), sehingga dalam perancangannya tidak memerlukan persamaan matematik dari objek yang akan dikendalikan [Husni et al., 2013]. Menggunakan basis data yang standar adalah ciri dari logika fuzzy model Tahani. Data dapat diklasifikasikan sesuai keinginan user dalam sebuah basis data yang standar. Oleh karena itu pada basis data standar data yang ditampilkan akan keluar seperti data yang telah disimpan. Fuzzy database model Tahani masih menggunakan relasi standar tetapi model Tahani ini menggunakan teori himpunan fuzzy pada suatu variabel untuk mendapatkan informasi pada querynya [Kusumadewi and Purnomo, 2010]. Sehingga pada pencarian data menggunakan rumus dari derajat keanggotaan pada suatu variabel himpunan fuzzy [Kusumadewi and Purnomo, 2010]. 2. Metode Penelitian Berikut ini adalah tahapan logika fuzzy model Tahani [Kahar, 2013], dimulai dari tahapan pertama yang dilakukan adalah dengan menggambarkan fungsi keanggotaan dari masing-masing kriteria yang menjadi dasar penilaian kinerja guru (variabel fuzzy) dengan suatu bentuk kurva yang dapat menunjukkan suatu pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai 1, salah satu cara yang dapat digunakan adalah dengan pendekatan fungsi. Kurva segitiga adalah merupakan bentuk dari p1endekatan fungsi keanggotaan yang digunakan dalam penelitian ini.
3 BINA INSANI ICT JOURNAL ISSN: (Print) ISSN: (Online); Tahap yang kedua adalah fuzzyfikasi yaitu fase pertama dari perhitungan fuzzy yaitu pengubahan nilai tegas ke nilai fuzzy. Dimana setiap variable fuzzy dihitung nilai derajat keanggotaanya terhadap setiap himpunan fuzzy. Tahapan selanjutnya adalah fuzzyfikasi query diasumsikan sebuah query konvensional (nonfuzzy) DBMS yang akan mencoba membuat dan menerapkan sebuah sistem dasar logika fuzzy query atau disebut juga dengan pembentukan query dengan menggunakan relasi dasar [Kahar, 2013]. Ada 3 operator yang digunakan untuk relasi dasar dalam pembentukan query pada himpunan fuzzy [Kahar, 2013]. Yang pertama yaitu interseksi, operator ini berhubungan dengan operasi interseksi pada himpunan α-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan [Taufiq, 2016], dengan persamaan µa B = min(µa(x), µb(y)). Yang kedua union, operator ini berhubungan dengan operasi union pada himpunan. α-predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan dengan persamaan µa B = max(µa(x), µb(y)). Dan yang ketiga adalah komplemen, operator ini berhubungan dengan operasi komplemen pada himpunan. α-predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1 [Kusumadewi and Purnomo, 2010], dengan persamaan µ = 1 - µa(x). Tahapan terakhir dari fuzzy model Tahani dalam penelitian ini adalah mencari data hasil penilaian kinerja guru yang baik dengan ketentuan nilai kinerja guru > 0, dari hasil operasi relasi pembentukan query dengan menggunakan operator AND atau OR. 3. Hasil dan Pembahasan 3.1. Kriteria Penilaian Kinerja Guru Dalam penelitian ini terdapat 4 kriteria yang menjadi penilaian kinerja guru yaitu yang pertama adalah pedagogik. Penilaian terhadap pedagogik meliputi hal dalam menguasai karakteristik peserta didik, menguasai teori belajar dan prinsip-prinsip pembelajaran yang mendidik, pengembangan kurikulum, kegiatan pembelajaran yang mendidik, pengembangan potensi peserta didik, komunikasi dengan peserta didik serta penilaian dan evaluasi. Kriteria yang kedua yaitu kepribadian, didalam kriteria ini hal yang dinilai dari seorang guru adalah dalam hal bertindak sesuai dengan norma agama, hukum, sosial dan kebudayaan nasional; menunjukkan pribadi yang dewasa dan teladan serta etos kerja, tanggung jawab tinggi, rasa bangga menjadi guru. Berikutnya adalah kriteria sosial yang meliputi penilaian terhadap seorang guru dalam bersikap inklusif, bertindak obyektif, serta tidak diskriminatif. Selain itu juga komunikasi dengan sesama guru, tenaga kependidikan, orang tua, peserta didik, dan masyarakat. Dan terakhir adalah profesional, untuk kriteria profesional meliputi penilaian tentang penguasaan materi, struktur, konsep maupun pola pikir terhadap keilmuan yang mendukung mata pelajaran yang diampu dan juga pengembangan keprofesionalan sorang guru melalui tindakan reflektif Membership Function Dari kriteria penilaian kinerja guru tersebut dapat dijadikan sebagai variabel input untuk nilai fuzzy. Dari variabel input yang sudah terbentuk maka dapat ditentukan fungsi keanggotaanya (membership function). Berikut adalah variabel input yang digunakan untuk proses penilaian kinerja guru : Nama Variabel Tabel 1. Variabel Penilaian Kinerja Guru Semesta Pembicaraan Pedagogik [0, 10] Himpunan Fuzzy Sangat Baik, Baik, Cukup, Kurang, Sangat Kurang Kepribadian [0, 10] Baik, Cukup, Kurang Sosial [0, 10] Baik, Cukup, Kurang Profesional [0, 10] Baik, Cukup, Kurang
4 134 ISSN: (Print) ISSN: (Online); Dari variable input yang ada pada tabel 1 diatas maka dapat digambarkan funggsi keanggotaan (membership function) fuzzy berikut ini: Pedagogik Variabel pedagogik digambarkan dengan kurva segitiga yang mempunyai 5 himpunan fuzzy yaitu Sangat Baik, Baik, Cukup, Kurang, Sangat Kurang yang digambarkan sebagai berikut : 1 Sangat Kurang Kurang Cukup Baik Sangat Baik µ [a ] Gambar 1. Fungsi Keanggotaan Variabel Pedagogik Ekspresi untuk fungsi keanggotaan pedagogik dirumuskan sebagai berikut : µ Sangat Kurang [a] = 1; a 3 (4 a) (4 3) 3 a 4 0; a 4 µ Kurang [a] = (a 3.5) ( ) (5.5 a) ( ) ; 3.5 a 4.5 ; 4.5 a 5.5 0; a 3.5 atau a 5.5 µ Cukup [a] = µ Baik [a] = (a 5) (6 5) 5 a 6 (7 a) (7 6) 6 a 7 0; a 5 atau a 7 ; 6.5 a 7.5 (a 6.5) ( ) (8.5 a) ( ) ; 7.5 a 8.5 0; a 6.5 atau a 8.5 µ Sangat Baik [a] = 0; a 8 (a 8) (9 8) 8 a 9 1; a 9 Kepribadian Variabel kepribadan digambarkan dengan kurva segitiga yang mempunyai 3 himpunan fuzzy yaitu Baik, Cukup dan Kurang yang digambarkan sebagai berikut :
5 BINA INSANI ICT JOURNAL ISSN: (Print) ISSN: (Online); µ [b ] Gambar 2. Fungsi Keanggotaan Variabel Kepribadian Ekspresi untuk fungsi keanggotaan kepribadian dirumuskan sebagai berikut : µ Kurang [b] = µ Cukup [b] = 1; b 2 (4 b) (4 2) 2 b 4 0; b 4 0; b 3 atau b 7 (b 3) (5 3) 3 b 5 (7 b) (7 5) 5 b 7 µ Baik [b] = 0; b 6 (b 6) (8 6) 6 b 8 1; b 8 Sosial Variabel sosial digambarkan dengan kurva segitiga yang mempunyai 3 himpunan fuzzy yaitu Baik, Cukup dan Kurang yang digambarkan sebagai berikut : 1 µ [c ] Gambar 3. Fungsi Keanggotaan Variabel Sosial
6 136 ISSN: (Print) ISSN: (Online); Ekspresi untuk fungsi keanggotaan sosial dirumuskan sebagai berikut : 1; c 2 µ Kurang [c] = (4 c) (4 2) 2 c 4 0; c 4 µ Cukup [c] = 0; c 3 atau c 7 (c 3) (5 3) 3 c 5 (7 c) (7 5) 5 c 7 µ Baik [c] = 0; c 6 (c 6) (8 6) 6 c 8 1; c 8 Profesional Variabel profesional digambarkan dengan kurva segitiga yang mempunyai 3 himpunan fuzzy yaitu Baik, Cukup dan Kurang yang digambarkan sebagai berikut : 1 µ [d ] Gambar 4. Fungsi Keanggotaan Variabel Profesional Ekspresi untuk fungsi keanggotaan profesional dirumuskan sebagai berikut : µ Kurang [d] = µ Cukup [d] = 1; d 2 (4 d) (4 2) 2 d 4 0; d 4 0; d 3 atau d 7 (d 3) (5 3) 3 d 5 (7 d) (7 5) 5 d 7 µ Baik [d] = 0; d 6 (d 6) (8 6) 6 d 8 1; d 8
7 BINA INSANI ICT JOURNAL ISSN: (Print) ISSN: (Online); Fuzzyfikasi Berikut ini adalah data sampel yang diambil dari penilaian kinerja guru yang tersaji pada tabel 2 berikut ini : Nama Guru Tabel 2. Penilaian Kinerja Guru Penilaian Kinerja Guru Pedagogik Kepribadian Sosial Profesional Guru 1 7 7,5 8 7 Guru 2 7, ,5 Guru ,5 Guru 4 8, Guru ,5 Guru ,5 8 Guru 7 8 7,5 7,5 7 Dari data nilai hasil evaluasi kinerja karyawan pada tabel 2, langkah selanjutnya yang dilakukan adalah proses fuzzifikasi yaitu melakukan pengubahan nilai tegas ke nilai fuzzy. Setiap variabel fuzzy dihitung nilai derajat keanggotaanya terhadap setiap himpunan fuzzy. Nilai tegas yang dimaksud dalam hal ini adalah nilai hasil penilaian kinerja guru. Nilai hasil penilaian kinerja guru ini dijadikan nilai fuzzy yang akan dihitung nilai derajat keanggotaannya terhadap himpunan fuzzy yang terdapat dalam variable fuzzy. Penghitungan dilakukan dengan menggunakan ekspresi fungsi keanggotaan fuzzy yang terdapat dalam masing-masing variabel fuzzy dengan berdasarkan pada kurva himpunan fuzzy. Adapun hasil dari proses pengolahan data untuk masing-masing kriteria pada tabel 2 dengan menggunakan fuzzy Tahani sebagai berikut : Pedagogik Hasil dari proses fuzzifikasi untuk variabel pedagogik terdapat dalam tabel 3 berikut ini : Nama Guru Tabel 3. Hasil Fuzzyfikasi Variabel Pedagogik Pedagogik Sangat Kurang Derajat Keanggotaan [a] Sangat Baik Guru ,5 0 Guru 2 7, Guru ,5 0 Guru 4 8, ,5 Guru Guru ,5 0 Guru ,5 0 Sumber: Hasil Pengolahan Data (2017)
8 138 ISSN: (Print) ISSN: (Online); Kepribadian Hasil dari proses fuzzifikasi untuk variabel kepribadian terdapat dalam tabel 4 berikut ini : Tabel 4. Hasil Fuzzyfikasi Variabel Kepribadian Derajat Keanggotaan [e] Nama Guru Kepribadian Guru 1 7, ,75 Guru ,5 Guru ,5 Guru Guru ,5 Guru Guru 7 7, ,75 Sumber: Hasil Pengolahan Data (2017) Sosial Hasil dari proses fuzzifikasi untuk variabel sosial terdapat dalam tabel 5 berikut ini : Tabel 5. Hasil Fuzzyfikasi Variabel Sosial Derajat Keanggotaan [f] Nama Guru Sosial Guru Guru ,5 Guru ,5 Guru Guru Guru 6 7, ,75 Guru 7 7, ,75 Sumber: Hasil Pengolahan Data (2017)
9 BINA INSANI ICT JOURNAL ISSN: (Print) ISSN: (Online); Profesional Hasil dari proses fuzzifikasi untuk variabel profesional terdapat dalam tabel 6 berikut ini : Nama Guru Tabel 6. Hasil Fuzzyfikasi Variabel Profesional Profesional Derajat Keanggotaan [g] Guru ,5 Guru 2 7, ,75 Guru 3 8, Guru Guru 5 7, ,75 Guru Guru ,5 Sumber: Hasil Pengolahan Data (2017) 3.4. Fuzzyfikasi Query Berikut ini adalah contoh kasus untuk melakukan penyeleksian kriteria (variabel) penilaian kinerja guru setelah dilakukan proses fuzzifikasi dengan ketentuan variabel pedagogik dengan derajat keanggotaan Sangat Baik, variabel kepribadian dengan derajat keanggotaan Baik, variabel sosial dengan derajat keanggotaan Baik dan variabel profesional dengan derajat keanggotaan Baik yang dieksekusi dengan menggunakan Structure Query Language (SQL) sebagai berikut: SELECT nik, nama_guru, pedagogik, kepribadian, social, profesional FROM kinerja_guru WHERE pedagogik = Sangat Baik AND keprbadian = Baik AND sosial = Baik AND professional = Baik ; Dan hasilnya ditampilkan dalam tabel 4 berikut ini : Nama Guru Tabel 4. Hasil Fuzzyfikasi Query Penilaian Kinerja Guru Hasil Fuzzyfikasi Query Pedagogik Kepribadian Sosial Profesional Guru 1 0 0,75 1 0,5 Guru 2 0 0,5 0,5 0,75 Guru 3 0 0,5 0,5 1 Guru 4 0, Guru 5 1 0,5 1 0,75 Guru ,75 1 Guru 7 0 0,75 0,75 0,5 Sumber: Hasil Pengolahan Data (2017) Dari tabel 4 dapat dilihat bahwa query dari hasil penilaian kinerja guru dengan menggunakan fuzzy Tahani. Dari hasil fuzzifikasi query untuk guru yang mempunyai kinerja yang baik adalah
10 140 ISSN: (Print) ISSN: (Online); Guru 4 dengan angka hasil olah fuzzy Tahani adalah pedagogik 0.5, kepribadian 1, social 1 dan professional Kesimpulan Logika fuzzy model Tahani dapat diterapkan untuk melakukan penilaian kinerja guru dengan menggunakan kriteria penilaian kinerja guru sebagai nilai input fuzzy. Logika fuzzy Tahani dapat digunakan untuk melakukan penilaian kinerja guru dengan nilai yang proporsional dari masing-masing kriteria sehingga menjadi lebih akurat. Alat bantu pendukung keputusan untuk penilaian kinerja guru juga dapat dibuat dengan logika fuzzy model Tahani. Referensi Ganevi R, Purnama BE Sistem Pendukung Keputusan Penilaian Kinerja Guru Sekolah Menengah Pertama Negeri (SMPN) 1 Pacitan. Speed Sentra Penelit. Eng. dan Edukasi 6: Hasibuan M Manajemen Sumber Daya Manusia. Jakarta: PT Bumi Aksara. Husni HS, Arifin F, Yuliyanti Logika Fuzzy Untuk Audit Sistem Informasi. ComTech 4: Kahar N Sistem Pendukung Keputusan Penerima Jamkesda Di Kota Jambi. In: Konferensi Nasional Informatika., p Kusumadewi S, Purnomo H Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Dua. Yogyakarta: Graha Ilmu. Mufizar T, Susanto, Nurjayanti N Sistem Pendukung Keputusan Penilaian Kinerja Guru di SDN Mohammad Toha Menggunakan Metode Analytical Hierarchy Process (AHP). In: Konferensi Nasional Sistem & Informatika - STMIK STIKOM Bali. Bali: STMIK STIKOM Bali, p Taufiq G Implementasi Logika Fuzzy Tahani Untuk Model Sistem Pendukung Keputusan Evaluasi KINERJA KARYAWAN. Pilar Nusa Mandiri XII:
DECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Tren (SNIT)205 DECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN Ghofar Taufiq Akademi Manajemen Informatika dan Komputer Bina Sarana Informatika (AMIK
Lebih terperinciMODEL FUZZY TAHANI UNTUK PENENTUAN SISWA TERBAIK DI SEKOLAH
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 207, pp. 24~22 24 MODEL FUZZY TAHANI UNTUK PENENTUAN SISWA TERBAIK DI SEKOLAH Ghofar Taufik AMIK BSI Jakarta e-mail: ghofar.gft@bsi.ac.id Abstrak
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 terperinciLOGIKA FUZZY TAHANI UNTUK PENDUKUNG KEPUTUSAN PEREKRUTAN KARYAWAN TETAP
LOGIKA FUZZY TAHANI UNTUK PENDUKUNG KEPUTUSAN PEREKRUTAN KARYAWAN TETAP Ghofar Taufiq 1 1 Jurusan Komputerisasi Akuntansi, AMIK Bina Sarana Informatika Jakarta e-mail: 1 ghofar.gft@bsi.ac.id ABSTRACT The
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN UNTUK PENILAIAN GURU MENGGUNAKAN MODEL LOGIKA FUZZY TAHANI
SWABUMI, Vol.5 Maret 207, pp. 90-98 ISSN : 255-990X SISTEM PENUNJANG KEPUTUSAN UNTUK PENILAIAN GURU MENGGUNAKAN MODEL LOGIKA FUZZY TAHANI Melan Susanti STMIK Nusa Mandiri Jakarta Jl. Damai No. 8 Warung
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 terperinciIMPLEMENTASI LOGIKA FUZZY TAHANI UNTUK MODEL SISTEM PENDUKUNG KEPUTUSAN EVALUASI KINERJA KARYAWAN
2 Jurnal Pilar Nusa Mandiri Vol.XII, No. Maret 26 IMPLEMENTASI LOGIKA FUZZY TAHANI UNTUK MODEL SISTEM PENDUKUNG KEPUTUSAN EVALUASI KINERJA KARYAWAN Ghofar Taufiq Komputerisasi Akuntansi AMIK Bina Sarana
Lebih terperinciPEMANFAATAN METODE FUZZY TAHANI UNTUK REKRUTMEN PEMBINA PRAMUKA PADA MTS SWASTA LAMONGAN
PEMANFAATAN METODE FUZZY TAHANI UNTUK REKRUTMEN PEMBINA PRAMUKA PADA MTS SWASTA LAMONGAN Nurul Fuad Fakultas Teknik Informatika Universitas Islam Lamongan Jl Veteran No 9 Lamongan fuad@unisla.ac.id ABSTRAK
Lebih terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih 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 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 terperinciPenggunaan Fuzzy Tahani Untuk Sistem Informasi Stok Obat & Penjualan Obat Terlaris Pada Apotek RSU Lirboyo Kediri
Penggunaan Fuzzy Tahani Untuk Sistem Informasi Stok Obat & Penjualan Obat Terlaris Pada Apotek RSU Lirboyo Kediri SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer
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 terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN LOGIKA FUZZY TAHANI
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 27, pp. 59~54 59 SISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN LOGIKA FUZZY TAHANI Arief Rusman STMIK Nusa Mandiri Jakarta e-mail : reevust@gmail.com
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA)
86 RANCANG BANGUN APLIKASI REKOMENDASI PEMBELIAN LAPTOP DENGAN METODE FUZZY DATABASE MODEL TAHANI BERBASIS WEB Hendry Setiawan 1, Seng Hansun 2 Program Studi Teknik Informatika, Universitas Multimedia
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 terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciLOGIKA FUZZY FUNGSI KEANGGOTAAN
LOGIKA FUZZY FUNGSI KEANGGOTAAN FUNGSI KEANGGOTAAN (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai/derajat keanggotaannya yang memiliki interval
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN TARUNA BARU MENGGUNAKAN BASIS DATA FUZZY - STUDI KASUS DI AKPELNI SEMARANG
Perancangan Sistem Pendukung Keputusan Penerimaan Taruna Baru (Eko N. Hidayat dkk.) PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN TARUNA BARU MENGGUNAKAN BASIS DATA FUZZY - STUDI KASUS DI AKPELNI SEMARANG
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 terperinciPerancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani
Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciANALISA DAN PERANCANGAN PROTOTIPE SISTEM PENILAIAN KINERJA GURU MENGGUNAKAN FIS MAMDANI :
ANALISA DAN PERANCANGAN PROTOTIPE SISTEM PENILAIAN KINERJA GURU MENGGUNAKAN FIS MAMDANI : STUDI KASUS UPT DINAS PENDIDIKAN KEC. PENENGAHAN LAMPUNG SELATAN Agung Triayudi 1, Nazori AZ 2 Program Studi Magister
Lebih terperinciPenilaian Kinerja RSU Lirboyo Kediri Menggunakan Metode Fuzzy Tahani
Penilaian Kinerja RSU Lirboyo Kediri Menggunakan Metode Fuzzy Tahani SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Teknik Informatika
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciFuzzy Database. Abstrak. Pendahuluan. Pembahasan. Jarnuji.
Fuzzy Database Jarnuji Jarnuji.jarnuji@yahoo.com Abstrak Logika fuzzy merupakan alternatif cara berpikir yang dapat memodelkan kompleks sistem menggunakan pengetahuan dan pengalaman yang dipunyai logika
Lebih terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Konsep himpunan fuzzy diaplikasikan ke dalam pangkalan data. Salah satu model pangkalan data fuzzy adalah model Tahani. Pangkalan data Tahani masih menggunakan
Lebih terperinciFUZZY INFERENCE SYSTEM UNTUK MENENTUKAN TINGKAT KOMPETENSI GURU DI BIDANG KUALIFIKASI AKADEMIK DAN PENGALAMAN MENGAJAR BERBASIS WEB
FUZZY INFERENCE SYSTEM UNTUK MENENTUKAN TINGKAT KOMPETENSI GURU DI BIDANG KUALIFIKASI AKADEMIK DAN PENGALAMAN MENGAJAR BERBASIS WEB (Fuzzy Inference System To Determine The Teacher Competency Level In
Lebih terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih terperinciPENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( 1011287) Mahasiswa Program Studi Teknik
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciPENENTUAN PENJURUSAN SISWA SMA DENGAN MENGGUNAKAN FUZZY LOGIC METODE MAMDANI
JURNAL LOGIC. VOL. 15. NO. 3. NOPEMBER 2015 199 PENENTUAN PENJURUSAN SISWA SMA DENGAN MENGGUNAKAN FUZZY LOGIC METODE MAMDANI Ni Made Karmiathi Jurusan Teknik Elektro, Politeknik Negeri Bali Bukit JImbaran,
Lebih terperinciSISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB
SISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY Denny Cristiono T.S., Yugowati P.,Sri Yulianto J.P. Fakultas Teknologi Informasi Universitas Kristen
Lebih 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY Jamaludin Malik 1), Arik Sofan Tohir 2), Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email: 1) malixjams@gmail.com,
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,
Lebih 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 terperinciSISTEM REKOMENDASI PEMILIHAN LEMBAGA BIMBINGAN BELAJAR MENGGUNAKAN METODE FUZZY TAHANI SKRIPSI
SISTEM REKOMENDASI PEMILIHAN LEMBAGA BIMBINGAN BELAJAR MENGGUNAKAN METODE FUZZY TAHANI SKRIPSI Diajukan Untuk Memenuhi Sebagia Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Program Studi Teknik
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 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 terperinciEVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI
EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com
Lebih terperinciMODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya
Lebih 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 terperinciFuzzy Inference System Metode Mamdani Dalam Penentuan Nilai Akhir Ujian Hafalan Al.Qur an
164 BINA INSANI ICT JOURNAL, Vol.3, No.1, Juni 2016, 164 171 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) Fuzzy Inference System Metode Mamdani Dalam Penentuan Nilai Akhir Ujian Hafalan Al.Qur an Kusuma
Lebih terperincimanusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.
6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau
Lebih terperinciBAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy
BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,
Lebih terperinciANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG
ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan
Lebih terperinciFUZZY QUERY DATABASE UNTUK SISTEM PENDUKUNG KEPUTUSAN YANG CERDAS
FUZZY QUERY DATABASE UNTUK SISTEM PENDUKUNG KEPUTUSAN YANG CERDAS Poningsih, Jalalludin Program Studi Manajemen Informatika, AMIK Tunas Bangsa Pematangsiantar Jln. Jenderal Sudirman Blok A No. 1,2,3 Pematangsiantar
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciREKAYASA APLIKASI KATALOG REKOMENDASI PEMILIHAN SEPEDA MOTOR MENGGUNAKAN METODE FUZZY TAHANI
REKAYASA APLIKASI KATALOG REKOMENDASI PEMILIHAN SEPEDA MOTOR MENGGUNAKAN METODE FUZZY TAHANI Deby Kurniawan 1), Muhammad Fadlan 2) 1) Teknik Informatika STMIK PPKIA Tarakanita Rahmawati Tarakan 2) Sistem
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO
Hamdani, Deviana Selywita SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO 1) Hamdani, 2) Deviana Selywita, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Mulawarman
Lebih terperinciIJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY
IJCCS, Vol.x, No.x, July xxxx, pp. ~5 ISSN: 978-52 Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY Dian Eko Hari Purnomo Universitas Sarjanawiyata Tamansiswa, Program Studi Teknik
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian
Lebih terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
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 terperinciSKRIPSI APLIKASI FUZZY DATABASE EVALUASI KINERJA PEGAWAI SECURITY. Oleh : M ULIL ALBAB
SKRIPSI APLIKASI FUZZY DATABASE EVALUASI KINERJA PEGAWAI SECURITY Oleh : M ULIL ALBAB 2011-51-030 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MURIA KUDUS 2015 i SKRIPSI APLIKASI FUZZY
Lebih terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara
Lebih terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
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 terperinciPengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng
Pengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng Sunanto Jurusan Teknik Informatika, STMIK Amik Riau, Pekanbaru,Riau sunanto@stmik-amik-riau.ac.id
Lebih terperinciLOGIKA FUZZY. By: Intan Cahyanti K, ST
LOGIKA FUZZY By: Intan Cahyanti K, ST Pengertian Adalah suatu cara untuk memetakan suatu ruang input kedalam suatu ruang output. Skema Logika Fuzzy Antara input dan output terdapat suatu kotak hitam yang
Lebih terperinciAnalisa Sistem Penilaian Kinerja Guru Menggunakan Fuzzy Inference System Mamdani: Studi Kasus UPT Dinas Pendidikan Kec. Penengahan Lampung Selatan
Analisa Sistem Penilaian Kinerja Guru Menggunakan Fuzzy Inference System Mamdani: Studi Kasus UPT Dinas Pendidikan Kec. Penengahan Lampung Selatan Agung Triayudi 1, Nazori AZ 2 Program Studi Magister Ilmu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.
Lebih terperinciVII. LOGIKA FUZZY. Antara input dan output terdapat suatu kotak hitam yang harus memetakan input ke output yang sesuai. Misal : Ruang Input
VII. LOGIKA FUZZY 8 Logika fuzzy adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy : Ruang output Ruang input Variabel input KOTAK HITAM Variabel output
Lebih terperinciSistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani
Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani Eddy Triswanto S., ST., M.Kom. Jurusan Sistem Informasi Institut Informatika Indonesia Jl. Raya Sukomanunggal Jaya 3, Surabaya
Lebih terperinciPENERAPAN FUZZY-QUERY DATABASE PADA SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN BEASISWA
PENERAPAN FUZZY-QUERY DATABASE PADA SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN BEASISWA Khoerul Anwar *), Ario Gunawan ABSTRACT The determination of scholarship recipients with several requirements
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 terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (17) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-1916 (Online) Artikel Perancangan Aplikasi Penentu Jurusan IPA atau IPS Pada SMA Menggunakan
Lebih terperinciHimpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi
Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang
Lebih terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciPROYEKSI GEOMETRI FUZZY PADA RUANG
PROYEKSI GEOMETRI FUZZY PADA RUANG Muhammad Izzat Ubaidillah Mahasiswa Jurusan Matematika UIN Maulana Malik Ibrahim Malang e-mail: IzzatBja@yahoo.co.id ABSTRAK Geometri fuzzy merupakan perkembangan dari
Lebih terperinciImplementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic
JTRISTE, Vol.2, No.2, Oktober 2015, pp. 18~28 ISSN: 2355-3677 Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic Junaedy 1, Abdul Munir 2 STMIK KHARISMA
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PENILAIAN KINERJA DOSEN DENGAN METODE FUZZY DATABASE MODEL MAMDANI
ISSN 1412 3762 http://jurnal.upi.edu/electrans ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, 161-170 SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PENILAIAN KINERJA DOSEN DENGAN METODE FUZZY DATABASE MODEL MAMDANI
Lebih terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
Lebih terperinciPENENTUAN KELAYAKAN JAGUNG BIJI UNTUK PAKAN TERNAK DENGAN METODE FUZZY SAW
PENENTUAN KELAYAKAN JAGUNG BIJI UNTUK PAKAN TERNAK DENGAN METODE FUZZY SAW Widiarti Rista Maya, & Ahmad Fitri Boy 2,2 Sistem Informasi, STMIK Triguna Dharma email: widiartirm87@gmail.com Abstract: In the
Lebih terperinciAnalisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Jumlah Siswa Baru
Analisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Siswa Baru Siti Abidah STMIK Banjarbaru abi.bjb@gmail.com Abstract The number of new students in the admission of students the new school year
Lebih terperinciSIMULASI PENENTUAN GURU BERPRESTASI DENGAN METODE FUZZY LOGIC MAMDANI INFERENCE MENGGUNAKAN APLIKASI MATLAB
SIMULASI PENENTUAN GURU BERPRESTASI DENGAN METODE FUZZY LOGIC MAMDANI INFERENCE MENGGUNAKAN APLIKASI MATLAB Pio A. F. Islami 1, Kirya Mateeke Moses 2, Muqodimah Nur Lestari 3, Aji Prasetya Wibawa 4 1,
Lebih terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciAnalisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan
128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciMODEL FUZZY INFERENSI UNTUK OPTIMASI PENGUKURAN KINERJA GURU DALAM MENENTUKAN PEMBERIAN KOMPENSASI MERIT PAY
MODEL FUZZY INFERENSI UNTUK OPTIMASI PENGUKURAN KINERJA GURU DALAM MENENTUKAN PEMBERIAN KOMPENSASI MERIT PAY MODEL FUZZY INFERENCE FOR OPTIMIZATION THE MEASUREMENT DETERMINING PERFORMANCE TEACHER COMPENSATION
Lebih terperinciFUZZY INFERENCE SYSTEM SUGENO UNTUK EVALUASI KINERJA PELAYANAN PEGAWAI KANTOR CAMAT BATAM KOTA
FUZZY INFERENCE SYSTEM SUGENO UNTUK EVALUASI KINERJA PELAYANAN PEGAWAI KANTOR CAMAT BATAM KOTA Alfannisa Annurullah Fajrin 1) 1 Universitas Putera Batam Email: asykharit1302@gmail.com Abstrak Dalam proses
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih 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 terperinciIMPLEMENTASI FUZZY DATABASE UNTUK MEMBERIKAN REKOMENDASI JALUR PEMINATAN MAHASISWA
IMPLEMENTASI FUZZY DATABASE UNTUK MEMBERIKAN REKOMENDASI JALUR PEMINATAN MAHASISWA Maria Irmina Prasetiyowati 1, Bayu Aji Seta 2 Jurusan Sistem Informasi, STIKOM Surabaya maria@stikom.edu 1, manwhota@yahoo.co.id
Lebih terperinciHimpunan Tegas (Crisp)
Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System
Lebih terperinciPenerapan Metode SAW dan Fuzzy Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa
Penerapan Metode SAW dan Fuzzy Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa 89 Application of SAW and Fuzzy Method in Decision Support System Scholarship Risa Helilintar* 1, Wing Wahyu Winarno
Lebih terperinci