SISTEM PENUNJANG KEPUTUSAN PENILAIAN SISWA DENGAN LOGIKA FUZZY INFERENCE SYSTEM MAMDANI
|
|
- Dewi Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM PENUNJANG KEPUTUSAN PENILAIAN SISWA DENGAN LOGIKA FUZZY INFERENCE SYSTEM MAMDANI Fera yuniarsih AMIK BSI Tangerang Bumi Serpong Damai Sektor XIV Blok C1/1, Jl. Letnan Sutopo BSD Serpong, Tangerang Selatan ABSTRAK Dalam kehidupan manusia selalu dihadapkan pada beberapa pilihan. Pengambilan keputusan yang tepat akan sangat berpengaruh pada kehidupan kedepannya. Keputusan adalah aktivitas yang diambil sebagai dasar suatu permasalahan, pembuatan keputusan yaitu proses pemilihan di antara beberapa tindakan alternative yang ada untuk mencapai suatu tujuan yang telah ditetapkan. SMAN 50 Jakarta merupakan sekolah negeri yang selalu melakukan penilaian siswa untuk mengetahui tingkat keteladanan siswa. Penilaian tersebut digunakan sebagai keputusan sekolah untuk memberikan penghargaan kepada siswa. Manfaat dari program penilaian siswa di SMAN 50 Jakarta adalah mendorong siswa untuk selalu berkembang dan menuju arah yang lebih baik. Untuk mengantisipasi agar tidak terjadi kesalahan dalam proses penilaian siswa maka dibutuhkan model pendukung keputusan sebagai wujud pemanfaatan teknologi informasi didalam dunia pendidikan. Pencapaian komptensi mahasiswa didapatkan dari hasil perhitungan nilai variabel-variabel pada formula kompetensi.penelitian ini menggunakan sample data siswa SMAN 50 Jakarta baik nilai absen, sikap, minat belajar dan keterampilan belajar. Proses penilaian siswa menggunakan Logika Fuzzy Inference System Model Mamdani untuk mengolah data sehingga dapat menghasilkan keputusan yang lebih tepat, cepat dan efisien. Kata Kunci : pengambilan keputusan, Logika fuzzy Inference. I. PENDAHULUAN Dalam kehidupan manusia selalu dihadapkan pada beberapa pilihan. Pengambilan keputusan yang tepat akan sangat berpengaruh pada kehidupan kedepannya. Keputusan adalah aktivitas yang diambil sebagai dasar suatu permasalahan, pembuatan keputusan yaitu proses pemilihan di antara beberapa tindakan alternative yang ada untuk mencapai suatu tujuan yang telah ditetapkan. Untuk menentukan siswa prestasi, diperkirakan tidak subyektif dari pengambil keputusan dan stakeholder lainnya beberapa model dapat digunakan untuk membantu para pengambil keputusan untuk menentukan siswa yang berprestasi sesuai dengan kriteria yang ditetapkan dari pengambil keputusan (Sonatha dan merry, 2010:128). Pendidikan bertujuan untuk mengembangkan kualitas manusia. Pemerintah Indonesia telah memberikan peraturan dalam Undang Undang Dasar 1945 pasal 31 ayat 1 bahwa tiap tiap warga negara berhak mendapatkan pengajaran. Berdasarkan pasal tersebut, maka pemerintah pusat dan pemerintah daerah wajib memberikan layanan, kemudahan serta menjamin terselenggaranya pendidikan yang bermutu bagi setiap warga Negara Indonesia khususnya melalui sekolah. Sekolah merupakan salah satu tempat efektif untuk mentransformasikan ilmu dan sebagai sarana pendidikan bagi siswa. Untuk memenuhi harapan tersebut maka sekolah harus dapat memerankan peranan selayaknya seorang pengajar yaitu, melakukan penilaian bagi siswa. SMAN 50 Jakarta merupakan sekolah negeri yang selalu melakukan penilaian siswa untuk mengetahui tingkat keteladanan siswa. Penilaian tersebut digunakan sebagai keputusan sekolah untuk memberikan penghargaan kepada siswa. Manfaat dari program penilaian siswa di SMAN 50 Jakarta adalah mendorong siswa untuk selalu berkembang dan menuju arah yang lebih baik. 22
2 Perumusan Masalah Rumusan masalah dalam penelitian ini sebagai berikut : 1. Bagaimana proses penilaian siswa untuk mendapatkan hasil yang objektif. 2. Bagaimana perbedaan hasil penilaian siswa menggunakan Metode Logika Fuzzy Inference System Model Mamdani dengan penilaian sebelumnya 3. Bagaimana membangun sistem pedukung keputusan untuk penilaian siswa di SMAN 50 Jakarta berdasarkan Metode Logika Fuzzy Inference System Model Mamdani kemudian diaplikasikan menggunakan Toolbox Matlab R2011b. 4. Bagaimana metode Logika Fuzzy Inference System Model Mamdani dapat memberikan solusi dalam permasalahan pemilihan siswa berprestasi II. TINJAUAN PUSTAKA A. Sistem Penunjang Keputusan Sistem pendukung keputusan (SPK) dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan, dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif (Asfi & Ratna, 2010:132). Menurut Basyaib (2006:14) Sistem pendukung keputusan merupakan cara para pembuat keputusan dalam dunia nyata pada saat mengambil keputusan dengan mempertimbangkan moril dan meteriil. Berdasarkan pendapat dari para ahli peneliti dapat menyimpulkan bahwa sistem pendukung keputusan atau SPK sebagai alat bantu bagi pengambil keputusan yang berbasis komputer untuk mengatasi masalah dimulai dari identifikasi masalah, data yang relevan dengan pendekatan dalam proses pengambilan keputusan dengan mempertimbangkan moril dan materil. Beberapa kerakteristik yang membedakan sistem pendukung keputusan dengan sistem informasi lainnya menurut Ayuningtiyas (2007:2), yaitu: 1. Dirancang untuk membantu pengambilan keputusan dalam memcahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi. 2. Proses pengolahan system pendukung keputusan yaitu mengkombinasikan penggunaan model model analisis dengan teknik pemasukan data konvensional serta fungsi fungsi pencari atau pemeriksa informasi. 3. Dapat digunakan atau dioperasikan dengan mudah oleh orang orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tingi. 4. Dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pengguna. SPK, menurut tinjaun konotatif, merupakan sistem yang ditujukan kepada tingkatan manajemen yang lebih tinggi, dengan penekanan karakteristik (Magdalena, 2012:50) sebagai berikut: 1. Berfokus pada keputusan., ditujukan pada manajer puncak dan pengambil keputusan. 2. Menekankan pasa fleksibilitas, adaptabilitas, dan respon yang cepat. 3. Mampu mendukung berbagai gaya pengambilan keputusan dan masing-masing pribadi manajer. Keterbatasan Sistem Pendukung Keputusan (Magdalena, 2012:51) sebagai berikut: 1. Adanya gambaran bahwa SPK seakanakan hanya dibutuhkan pada tingkat manajemen puncak. Pada kenyataannya, dukungan bagi pengambilan keputusan dibutuhkan pada semua tingkatan manajemen dalam suatu organisasi. 2. Pengambilan keputusan yang terjadi pada beberapa level harus dikoordinasikan. Jadi, dimensi dan pendukung keputusan adalah komunikasi dan koordinasi diantara pengambil keputusan antar level organisasi yang berbeda maupun pada level organisasi yang sama. Menurut Turban dalam Sugiyanto (2009:768) merupakan sebuah sistem yang memiliki kriteria sebagai berikut: 23
3 1. Penggunaan model. 2. Berbasis komputer. 3. Fleksibel. 4. Interaktif dan mudah digunakan. 5. Efektif. Konsep Dasar Logika Fuzzy(Algoritma Fuzzy) Menurut Kusumadewi (2002:2) Logika Fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output, mempunyai nilai kontinyu dan logika fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Logika Fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern dan metodis baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Menurut Tattamanzi dalam Kusumadewi (2006:1) Teori himpunan fuzzy merupakan kerangka matematis yang digunakan untuk mempresentasikan ketidakpastian, ketidakjelasan, ketidaktepatan, kekurangan informasi, dan kebenaran parsial. Berdasarkan para ahli, peneliti menyimpulkan bahwa logika fuzzy merupakan suatu logika dengan menyatakan suatu derajat keanggotaan dengan kebenaran untuk mempresentasikan ketidakpastian dan ketidakjelasan. 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 7. Logika fuzzy didasarkan pada bahasa alami. Beberapa istilah yang digunakan dalam fuzzy menurut Ayuningtiyas (2007:2), antara lain : 1. Variabel Fuzzy Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy, contoh:gaji, umur, temperatur, permintaan dsb. 2. Himpunan Fuzzy Himpunan fuzzy merupakan suatu group yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Himpunan fuzzy memiliki dua atribut, yaitu: 1. Himpuanan Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: DEKAT, SEDANG, JAUH. 2. Himpunan Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50 dan sebagainya. 3. Crisp Input Ada beberapa alasan mengapa orang menggunakan logika fuzzy menurut Widodo dan Handayanto (2012:4) antara lain : 1. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan 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 nonlinear yang sangat kompleks. 24 Nilai masukkan yang diberikan untuk mencari Degree of membership atau Derajat Keanggotaan 4. Universe of Discourse Batas input yang telah diberikan dalam merancang suatu system fuzzy 5. Semesta Pembicaraan Semesta pembicaraan adalah keseluruhan nilai terkecil hingga nilai terbesar yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan
4 bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. Contoh : - Semesta pembicaraan untuk variabel umur : [0 + ~] - Semesta pembicaraan untuk variabel temperature: [0 40] 6. Domain / Scope Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicarran dan boleh dioperasikan dalam suatu himpunan fuzzy. Domain merupakan himpuanan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif. Contoh domain himpunan fuzzy untuk variabel umur : - Muda = [0, 45] - Parobaya = [35, 55] - Tua = [45, +~] 7. Label Kata kata untuk memberikan suatu keterangan suatu keterangan di dalam domain 8. Derajat Keanggotaan atau Degree of membership Fungsi dari derajat keanggotaan adalah untuk memberikan bobot pada suatu input yang telah diberikan, sehingga input tadi dapat dinyatakan dengan nilai. 9. Fungsi Keanggotaan Fungsi keanggotaan atau sebagai membership function adalah suatu kurva yang menunjukkan pemetaan titik titik input data ke dalam nilai keanggotaannya yang memiliki interval antar 0 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan dengan melalui pendekatan fungsi.. 1. Pengertian Penilaian Siswa Menurut Rasyid dan Mansur (2007:1) penilaian adalah proses pengumpulan informasi atau data yang digunakan untuk membuat keputusan tentang pembelajaran yaitu pembelajaran siswa, kurikulum, program, dan kebijakan. Proses penilaian meliputi pengumpulan bukti-bukti tentang pencapaian belajar peserta didik. Bukti ini tidak selalu diperoleh melaui tes saja, tetapi juga bisa dikumpulkan melalui pengamatan atau laporan diri. Menurut Nursalam dan Effendi (2007:278) mendefinisikan bahwa Evaluasi hasil pendidikan adalah proses sistematis untuk mencapai tujuan pendidikan dengan cara mengukur (kegiatan mengamati penampilan peserta didik berdasarkan indikator yang telah ditetapkan dengan menggunakan alat dan metode pengukuran tertentu dan menilai)membandingkan hasil pengukuran penampilan peserta didik dengan kriteria keberhasilan yang ditetapkan. Berdasarkan pengertian para ahli, peneliti dapat menyimpulkan bahwa penilaian siswa dengan mengumpulkan, mengukur dan menilai informasi atau data yang digunakan siswa dalam pembelajaran siswa sebagai penunjang keputusan penilaian siswa. Berikut ini fungsi penilaian siswa dan tujuan penilaian siswa: Fungsi penilaian siswa yaitu : Alat untuk mengetahui tercapai-tidaknya tujuan pembelajaran.umpan balik bagi perbaikan proses belajar-mengajar. Dasar dalam menyususn laporan kemajuan belajar siswa kepada para orang tuanya. 2. Toolbox Matlab R2011b Menurut Ramza dan Yohanes (2010:1) Matlab merupakan sebuah bahasa pemrograman dengan sistem interaktif dimana banyak masalah perhitungan dapat diselesaikan pada waktu yang singkat serta perhitungan tersebut dapat ditulis ke dalam Bahasa Fortran atau bahasa C. MATLAB adalah singkatan dari MATrix LABoratory. Pertama kali dibuat pada tahun 1970 untuk mempermudah penggunaan dua koleksi subrutin pada pustaka FORTRAN yaitu: LINPACK dan EISPACK, dalam menangani komputasi matriks. Sejak itu, MATLAB berkembang menjadi sebuah sistem yang interaktif sekaligus sebagai bahasa pemrograman untuk keperluankeperluan ilmiah, komputasi teknis, dan visualisasi. Elemen data dasar MATLAB adalah matriks. Perintah-perintah 25
5 diekspresikan dalam bentuk yang sangat mirip dengan bentuk yang digunakan dalam matematika dan bidang teknik. Fuzzy logic dalam toolbox Matlab memberikan fasilitas Grapical User Interface (GUI) untuk mempermudah dalam membangun suatu sistem fuzzy. Ada 5 GUI tools yang dapat digunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran fuzzy, Widodo dan Handayanto (2012,p.10) yaitu: Fuzzy Inference system ( FIS ) Editor 1. Membership Function editor 2. Rule Editor 3. Rule Viewer 4. Surface Viewer 5. Pada (1-3) kita dapat membaca dan memodifikasi FIS data, sedangkan pada (4-5) 6. kita hanya bisa membaca saja tanpa dapat memodifikasinya. Sumber: Pudjo Widodo dan Trias Handayanto (2012:11) Gambar 1. Fuzzy Inferance System III. METODE PENELITIAN 1. Tahapan Penelitian Tahap-tahap yang dilakukan dalam penelitian adalah Identifikasi data, Pembentukan himpunan Fuzzy, Aplikasi fungsi impilikasi dan Penegasan (defuzzy). Identifikasi data dilakukan dengan penentuan variabel yang diperlukan dalam melakukan penilaian siswa. Pihak sekolah dalam melakukan proses penilaian siswa berprestasi dinilai berdasarkan nilai abesen, nilai sikap, nilai minat belajar dan nilai kepribadian umum. Pembentukan himpunan Fuzzy yaitu dengan metode mamdani baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan Fuzzy. Aplikasi fungsi impilikasi dengan metode mamdani yang digunakan untuk tiap-tiap aturan adalah fungsi min. Penegasan (defuzzy) yaitu dengan menggunakan bantuan software matlab dengan menggunakan fasilitas yang disediakan pada toolbox fuzzy. 2. Instrumen Penelitian Penelitian ini menggunakan instrumen kuesioner yang dibuat dengan menggunakan tehnik wawancara kepada kepala sekolah dengan memberikan kuisioner tentang sistem penilaian siswa SMAN 50 Jakarta, dan selanjutnya wawancara dengan staff yang berkaitan dengan proses penilaian dan data dari kuesioner tersebut dapat dengan cepat dianalisis. Data hasil uji coba dianalisis secara deskriptif. Aspek yang digali dari ahli pembelajaran, ahli evaluasi, dan pengajar yang berpengalaman, dan pembelajaran serta para ahli materi. Evaluasi diarahkan mengenai penilaian siswa tersebut. Data tersebut meliputi skor penilaian siswa berdasarkan aspek nilai absen, nilai sikap, nilai minat belajar dan nilai ketrampilan belajar. 3. Metode Pengumpulan Data, Populasi dan Sample Penelitian Metode pengumpulan data yang digunakan adalah : a. Data Primer Data primer adalah data yang dikumpulkan langsung oleh peneliti dari responden, dan bukan berasal dari pengumpulan data yang pernah dilakukan sebelumnya. Data primer adalah data yang diperoleh dari sumber-sumber asli. Sumber asli disini diartikan sebagai sumber pertama darimana data tersebut diperoleh. Dalam pengumpulan data primer dalam penelitian ini menggunakan metode observasi dan interview. 1). Observasi Peneliti mengumpulkan data dan informasi melalui pengamatan secara langsung pada SMAN 50 Jakarta dan pencatatan secara sistematis serta langsung terhadap objek penelitian yang berkaitan dengan proses penilaian siswa untuk siswa berprestasi. 2). Wawancara Peneliti mengumpulkan data dan informasi melalui wawancara dan diskusi secara langsung dan secara terstruktur dengan pihak pihak yang dinilai dapat memberikan keterangan yaitu Kepala Sekolah, guru dan staff lainnya yang terkait dengan menanyakan bagaimana 26
6 sistem penilaian siswa berprestasi dan apakah sudah sesuai dengan kriteria. b. Data Sekunder Sedangkan dalam pengumpulan data sekunder menggunakan buku, jurnal, publikasi dan lain-lain. Peneliti mengumpulkan data dan informasi melalui studi pustaka yang bersifat sekunder yaitu data data yang diperoleh melalui buku buku referensi, dokumentasi, literatur, buku, jurnal, dan informasi lainnya yang ada hubungannya dengan masalah yang diteliti. Peneliti melakukan pengumpulan data pada SMAN 50 Jakarta dengan cara pengambilan sampel (sampling), yaitu pemilihan sejumlah item tertentu dari seluruh item yang ada dengan tujuan mempelajari sebagian item tersebut sehingga dapat mewakili seluruh item yang ada. Sebagian item yang dipilih disebut sampelsampel (samples), sedang seluruh item yang ada disebut populasi (population). Semua item-item di populasi mempunyai kesempatan (probabilitas) yang sama untuk terpilih menjadi item sampel. A. HASIL PENELITIAN 1. Pembentukan Himpunan Fuzzy (Fuzzifikasi) Tahap analisa data menggunakan Logika Fuzzy Inference Systam Model Mamdani Proses fuzzifikasi berfungsi untuk mengubah masukan-masukan yang nilai kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input. Proses penilaian siswa berdasarkan 4 kriteria, diantaranya nilai absen, nilai sikap, minat belajar dan keterampilan belajar. Keempat kriteria tersebut yang digunakan sebagai variabel input fuzzy, sedangkan hasil siswa digunakan sebagai variabel output dari fuzzy. Perincian data dapat dilihat sebagai berikut:. Tabel 1. Variabel Input dan Output Fuzzy Fungsi Nama Variabel Variabel fuzzy input Variabel output fuzzy Nilai Absen Nilai Sikap Minat Belajar Ketrampilan Belajar Hasil siswa Proses pembentukan himpunan-himpunan fuzzy yang digunakan pada tiap-tiap variabel dapat dilihat pada tabel bab 2 Dari himpunan fuzzy diatas 2. Komposisi Aturan Komposisi aturan fungsi implikasi menggunakan fungsi MAX yaitu dengan cara mengambil nilai maksimum dari output aturan. Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi. Perhitungan komposisi implikasi berdasarkan himpunan fuzzy yaitu hasil_siswa dan 6 rules yang ditampilkan, perhitungan komposisi aturan adalah jika hasil dari fungsi aplikasi tidak sama dengan 0. Ada 4 rules yang harus dihitung (R13,R14,R15,R16), secara detail dapat dilihat sebagi berikut: ((350 - x ))/(( ))R13 => Lihat himpunan hasil siswa x13=> ((x - 250))/(( )) = 0,5 x13 => x-250=0,5 * 25 ATAU x13 => x= ,5 x13 => x=262,5 R14 => Lihat himpunan hasil siswa ((350 - x ))/(( ))x14=> ((x - 250))/(( )) = 0,3 x14 => x-250=0,3 * 25 ATAU x14 => x= ,5 x14 => x= 257,5 R15 => Lihat himpunan hasil siswa ((350 - x ))/(( ))x15=> ((x - 250))/(( )) = 0,5 x15=> x 250 = 0,5 * 25 ATAU x15=> x = ,5 x15=> x = 262,5 R16 => Lihat himpunan hasil siswa Sangat x16=> ((x - 325))/(( )) = 0,3 27
7 x16=> x 325 = 0,3 * 25 x16=> x = 325+7,5 x16=> x = 332,5 3. Proses Defuzzifikasi Proses defuzzifikasi adalah mengubah fuzzy output menjadi nilai tegas berdasarkan fungsi keanggotaan yang telah ditentukan. Proses defuzzifikasi menggunakan Metode Centroid. Defuzzifikasi: = (((αpred13*x13)+(αpred13*x13)+(αpred14* x14)+(αpred14*x14)+(αpred15*x15)+(αpre d15*x15)+(αpred16*x16)))/((αpred13+αpre d13+αpred14+αpred14+αpred15+αpred15+ αpred16)) = (((0,5*262,5)+(0,5*337,5)+(0,3*x257,5)+(0, 3*342,5)+(0,5*262,5)+(0,5*337,5)+(0,3*33 2,5)))/((0,5+0,5+0,3+0,3+0,5+0,5+0,3)) didapatkan keluaran berupa hasil siswa, dengan himpunan fuzzy: siswa sangat kurang baik, kurang baik, rata-rata, baik atau sangat baik. Implementasi dapat digambarkan sebagai sistem pendukung keputusan menggunakan Toolbox Matlab R2011b. Toolbox Matlab R2011b memberikan fasilitas Grapical User Interface (GUI) untuk mempermudah dalam membangun suatu sistem fuzzy, yaitu: 5. Fuzzy Inference system (FIS) Editor;. Fuzzy Inference System Editor digunakan untuk memasukkan variabelvariabel fuzzy, baik variabel input maupun output. Yang menjadi variabel input dalam menentukan penilaian siswa adalah nilai absen,nilai sikap, minat belajar, dan keterampilan belajar, sedangkan variabel outputnya adalah hasil siswa. Untuk memulai dan memanggil FIS (Fuzzy Inference System) editor dilakukan dengan cara mengetikan pada command window: >> fuzzy.desain variabel input ataupun output yang digunakan dengan jumlah variabel yang diinginkan sudah terbentuk. = 879,75/2,9=303,3621 Jadi, jika tidak menggunakan desimal nilai siswa dibulatkan menjadi 246. Contoh data yang mempunyai Nilai Absen = 80, Nilai Sikap = 85 dan Nilai Minat Belajar = 75 dan Nilai Ketrampilan Belajar = 73. dapat diuji coba kan dengan menggunakan Matlab R2011b. Gambar 6. Hasil Rule Viewer Dengan Gambar 7. Fuzzy Inference System (FIS) Editor 6. Membership Function editor Membership Function editor fungsi keanggotaan berfungsi untuk mengedit fungsi keanggotaan himpunan fuzzy untuk tiap-tiap variabel input dan output. Desain fungsi keanggotaan fuzzy dari variabel yang ada, maka akan terbentuk seperti gambar berikut: Toolbox Matlab 4. Analisis dan Desain Sistem Proses perancangan sistem pendukung keputusan dengan menggunakan metode Logika Fuzzy Inference System Model Mamdani untuk penilaian siswa di SMAN 50 Jakarta dengan menggunakan beberapa variabel diantaranya nilai absen, nilai sikap, minat belajar, dan ketrampilan belajar. Berdasarkan beberapa variabel tersebut akan Gambar 8. Membership Function editor Variable Input Sedangkan untuk desain fungsi keanggotaan dari variabel output yaitu Hasil_Siswa, untuk lebih detailnya sebagai berikut 28
8 Dari diagram 4.13 sesuai perhitungan konvensional dapat diketahui bahwa siswa kurang baik sebesar 18% atau sebanyak 5 siswa, sedangkan untuk siswa baik sebesar 82% atau berjumlah 82 siswa. 2. Logika Fuzzy Gambar 9. Membership Function editor Variable Output 7. Hasil Penelitian Range nilai hasil siswa dari sistem konvensional dimulai dari angka Sedangkan range nilai hasil siswa untuk logika fuzzy adalah angka 0 untuk nilai terendah dan angka 400 sebagai nilai yang tertinggi. Dalam melakukan penyusunan penilaian siswa ini, peneliti merubah range dan keputusan penilaian kemudian diolah menggunakan Logika Fuzzy Inference Systam Model Mamdani untuk mendapatkan hasil yang tepat Tabel 4. Range Nilai Hasil Siswa Penyusunan Model Logika FIS Konvensional Mamdani Keputusan Range Keputusan Range Nilai Penilaian Penilaian Nilai Kurang 0 69 > Sangat Kurang Kurang Rata-Rata Sangat Sistem Konvensional Hasil penilaian siswa dengan menggunakan sistem konvensional pada data keseluruhan yaitu 100 data digambarkan dengan diagram berikut ini: Hasil penilaian siswa dengan menggunakan Logika Fuzzy Inference Systam Model Mamdani yang peneliti lakukan dapat digambarkan dengan diagram berikut ini: Gambar 11. Diagram hasil penilaian siswa dengan Logika Fuzzy Inference Systam Model Mamdani Dari Gambar penilaian siswa dengan Logika Fuzzy Inference Systam Model Mamdani menghasilkan 5 hasil keputusan. Masing masing hasil dengan rincian sebagai berikut: 1.Hasil siswa Sangat Kurang sebesar 0 % dengan jumlah 0 siswa 2.Hasil siswa Kurang sebesar 0 % dengan jumlah 0 siswa 3.Hasil siswa Rata-Rata sebesar 4 % dengan jumlah 4 siswa 4.Hasil siswa sebesar 14 % dengan jumlah 14 siswa 5.Hasil siswa Sangat sebesar 82 % dengan jumlah 82 siswa 8. Implementasi Penelitian Penerapan sistem pendukung keputusan penilaian siswa diaplikasikan menggunakan Toolbox Matlab R2011b. Melalui form penilaian siswa dapat diketahui hasilnya sehingga dapat dijadikan acuan dalam pendukung keputusan yang lebih tepat, cepat dan efisien. Tampilan form penilaian siswa dapat dinilai sebagai berikut: Gambar.10. Diagram hasil penilaian siswa dengan sistem konvensional 29
9 Untuk meningkatkan kinerja serta untuk mengembangkan aplikasi ini maka sebaiknya diadakan pengembangan aplikasi mulai dari tampilan halaman web sampai dengan maintenance-nya. Gambar 12. Form Sistem Pendukung Keputusan Penilaian Siswa IV. KESIMPULAN dan SARAN A. Kesimpulan Dari hasil penelitian yang dilakukan dari tahap pertama sampai dengan pengujian penerapan Logika Fuzzy Inference System Model Mamdani untuk penilaian siswa pada SMAN 50 Jakarta, maka dapat diambil kesimpulan sebagai berikut: 1. Melalui penelitian ini dapat diketahui perbedaan hasil penilaian siswa menggunakan Metode Logika Fuzzy Inference System Model Mamdani dengan penilaian sebelumnya 2. Dengan Metode Logika Fuzzy Inference System Model Mamdani hasil penilaian siswa menjadi lebih objektif, tepat dan akurat 3. Metode Logika Fuzzy Inference System Model Mamdani dapat dijadikan sebagai alat bantu sistem pendukung keputusan penilaian siswa pada SMAN 50 Jakarta. B. Saran 1. Penerapan sistem pendukung keputusan menggunakan Toolbox Matlab R2011b yang berbasis Guide User Interface (GUI) diharapkan dapat menggantikan sistem yang berlaku disekolahan atau diperusahaan. Berbagai metode yang lain perlu diterapkan untuk menambahkan kehandalan sistem diwaktu yang akan datang.3. Sebelum menetapkan teknologi berbasis web pada suatu bidang sebaiknya pengelola akan lebih mudah menjalankan aplikasi serta mengerti akan proses dalam menyelesaikan masalah yang ada di dalam bidang tersebut. 2. Untuk menjaga kepercayaan konsumen sebaiknya digunakan data yang akurat sesuai data yang sebenarnya dan selalu terupdate untuk menghindari perbedaan harga. V. DAFTAR PUSTAKA Algifari Analisis Regresi Teori, kasus dan solusi. Yogyakarta:BPFE. Ali, Mohammad Penelitian Kependidikan Prosedur Dan Strategi. Bandung: Angkasa. Anni, Chatarina Tri Psikologi Belajar. Semarang: UPT UNNES Press. Arikunto, Suharsimi Prosedur Penelitian. Jakarta: Rieneka cipta. Arikunto, Suharsimi Prosedur Penelitian Suatu Pendekatan Praktik. Jakrta: Rineka Cipta. Dalyono, M dan TIM MKDK IKIP Semarang Psikologi Pendidikan. Semarang. IKIP Semarang Press. Darsono, Max Belajar dan pembelajaran. Semarang: IKIP Semarang Press. Dimyati dan Mudjiono Balajar dan Pembelajaran. Jakarta: Depdikbud. Djamarah, syaiful Basri. Drs Psikologi Belajar. Jakarta: PT. Rieneka Cipta. Eveline Siregar dan Hartini Nara Teori Belajar dan Pembelajaran. Bogor: Ghalia Indonesia. Hadi, Sutrisno Metodologi Research.Yogyakarta: Yayasan Penerbitan Fakultas Psikologi UGM. Hamalik, Oemar Prosedur Belajar Mengajar. Jakarta Bumi Aksara. Nashar, Drs Peranan Motivasi dan Kemampuan awal dalam kegiatan Pembelajaran. Jakarta: Delia Press. Natawijaya, Rohman Psikologi Pendidikan. Jakarta: Prindo Jaya. Sardiman, A.M Interaksi dan Motivasi Belajar Mengajar. Jakarta: Grafindo Persada. Slameto, Drs. 2013, Belajar dan Faktorfaktor yang Mempengaruhinya. Jakarta: Rineka Cipta. 30
10 Soemanto, Wasty Psikologi Pendidikan. Malang: Rineka Cipta. Sugiyono Cara Mudah Menyusun Skripsi, Tesis, dan Disertasi. Bandung: Alfabeta. Sugiyono Statistika Untuk Penelitian. Bandung: Alfabeta. Sudjana Metode Statistik. Bandung: TARSITO. 31
BAB 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 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 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 terperinciJOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi
JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI
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 terperinciJurnal String Vol.1 No.2 Tahun 2016 ISSN :
PENILAIAN SISWA TERHADAP PENERIMAAN MATERI AJAR MATEMATIKA MENGGUNAKAN METODE MAMDANI: STUDI KASUS SMP CITRA DHARMA Meri Chrismes Aruan Program Studi Teknik Informatika, Universitas Indraprasta PGRI Email:
Lebih terperinciAda 5 GUI tools yang dapat dipergunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran, yaitu :
BAB V FUZZY LOGIC MATLAB TOOLBOX Agar dapat mengunakan fungsi-fungsi logika fuzzy yang ada paad Matlab, maka harus diinstallkan terlebih dahulu TOOLBOX FUZZY. Toolbox. Fuzzy Logic Toolbox adalah fasilitas
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
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 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 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 terperinciBAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas
BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,
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 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 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 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 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 TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
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 terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
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 terperinciBAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem 2.1.1 Definisi Sistem Menurut Mustakini (2009:34), Sistem dapat didefinisikan dengan pendekatan prosedur dan pendekatan komponen, sistem dapat didefinisikan
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 terperinciAplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic
Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk
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 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 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 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Era persaingan yang semakin ketat pada saat sekarang ini telah menyebabkan perusahaan-perusahaan yang bergerak di bidang industri khususnya dalam bidang industri makanan
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 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 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 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 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 terperinciPresentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman
Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta
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 terperinciBAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat
BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011
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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
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 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 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Bab ini akan memaparkan berbagai teori yang melandasi penulis dalam membangun sistem yang nantinya akan dibuat. 3.1. Pengertian Optimalisasi Secara umum pengertian optimalisasi menurut
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 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 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 terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih terperinciBAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan
BAB IV PEMBAHASAN Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan teori aljabar max-plus dalam pengaturan lampu lalu lintas di simpang empat Beran Kabupaten Sleman Provinsi Daerah
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga
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 terperinciLOGIKA FUZZY PADA PROSES PELET PAKAN IKAN
LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com
Lebih terperinciBAB III METODE FUZZY MAMDANI
29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan
Lebih terperinciBAB 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 mengenai ketidakpastian
Lebih terperinciMATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang
HIMPUNAN FUZZY MATERI KULIAH (PERTEMUAN 2,3) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang Pokok Bahasan Sistem fuzzy Logika fuzzy Aplikasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu
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 terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
Lebih terperinciBAB II: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih terperinciKECERDASAN BUATAN LOGIKA FUZZY
KECERDASAN BUATAN LOGIKA FUZZY Pengertian adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy Antara input dan output terdapat suatu kotak hitam yang harus
Lebih terperinciDECISSION 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 terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy 2.1.1 Pendahuluan Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, di mana Zadeh memperkenalkan teori yang memiliki
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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY Ainul Yaqin 1), Ema Utami 2), Emha Taufiq Luthfi 3) 1,2,3 Magister Teknik informatika STMIK AMIKOM Yogyakarta 1,2,3 Jl Ring
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 terperinciPENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )
PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) Edy Victor Haryanto1), Fina Nasari) Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No.
Lebih terperinciMENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO
MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
1 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Penelitian yang dilakukan oleh Apriliani Wulandari, (2007), Penelitian ini memfokuskan pada penggunaan kriteria Bayes dalam proses pemberian
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 terperinciAnalisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA)
Analisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA) Khairul Saleh, M. Kom, Universitas Asahan; address, telp/fax of institution/affiliation Jurusan Teknik Informatika,
Lebih terperinciIMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA
IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA Asri Bunga Renjani* 1, Yulmaini 2 Bandar Lampung, Telp. 0721-787214, Fax. 0721-700261 1,2 Teknik
Lebih terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
Lebih terperinciHubungan Antara Motivasi Belajar Dengan Prestasi Mata Pelajaran Ekonomi
Hubungan Antara Motivasi Belajar Dengan Prestasi Mata Pelajaran Ekonomi Ibnu Muchamad Romandhon (0712003) Mahasiswa Pendidikan Ekonomi IKIP Veteran Semarang ABSTRAK Motivasi belajar dapat dilihat dari
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 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 terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
Lebih terperinciPENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Lebih terperinciPENILAIAN PESERTA TERHADAP PENYAMPAIAN MATERI PEMBICARA SEMINAR ENTREPRENUER MENGGUNAKAN APLIKASI FUZZY
PENILAIAN PESERTA TERHADAP PENYAMPAIAN MATERI PEMBICARA SEMINAR ENTREPRENUER MENGGUNAKAN APLIKASI FUZZY Agung Baitul Hikmah AMIK BSI Tasikmalaya agung.abl@bsi.ac.id Abstract In a seminar event, a speaker
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang STKIP Tapanuli Selatan merupakan perguruan tinggi yang legal dibawah Yayasan Al-Iman Padangsidimpuan berdiri berdasarkan akta notaris pada tanggal 31 Agustus 1981.
Lebih terperinciIDENTIFIKASI PENGARUH BAHAN BAKU DAN TENAGA KERJA TERHADAP PRODUKTIVITAS PERUSAHAAN DENGAN METODE FUZZY LOGIC
IDENTIFIKASI PENGARUH BAHAN BAKU DAN TENAGA KERJA TERHADAP PRODUKTIVITAS PERUSAHAAN DENGAN METODE FUZZY LOGIC Suhartono 1 ) Achmad Sani 2 ) 1 ) Jurusan Teknik Informatika Fakultas Sainstek UIN Malang 2
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
Lebih terperinciPenerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang
Penerapan Fuy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Thomson Mary Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat Kampus II, Gunung Pangilun, Padang Email:
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Pengertian Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi
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 terperinci1. BAB I PENDAHULUAN. Kamera digital (kamera saku dan kamera semi professional) merupakan
1. BAB I PENDAHULUAN Latar Belakang Kamera digital (kamera saku dan kamera semi professional) merupakan imaging device yang sangat akrab digunakan dalam kebutuhan masyarakat modern saat ini. Kamera digital
Lebih terperinciMENDETEKSI KEBERADAAN NYAMUK AEDES AEGIPTY MENGGUNAKAN METODE FUZZY. Ikhlas Ali Syahbana
MENDETEKSI KEBERADAAN NYAMUK AEDES AEGIPTY MENGGUNAKAN METODE FUZZY Ikhlas Ali Syahbana Jurusan Sistem Informasi STMIK Pringsewu Lampung Jl. Wismarini.09 Pringsewu Lampung Website : www.stmikpringsewu.ac.id
Lebih terperinciANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN)
Jurnal INTEKNA (Edisi Khusus), Tahun XIII, No. 3, Desember 23 : 279-285 ANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN) Lea Emilia Farida ()
Lebih terperinci