Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL

dokumen-dokumen yang mirip
Ada 5 GUI tools yang dapat dipergunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran, yaitu :

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI

IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)

DENIA FADILA RUSMAN

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

BAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

Seminar Nasional Cendekiawan 2015 ISSN: APLIKASI FUZZY INFERENCE SYSTEM (FIS) METODA MAMDANI DALAM DIAGNOSA PENYAKIT LIVER (HATI)

BAB 2 TINJAUAN PUSTAKA

ANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB

BAB 2 TINJAUAN PUSTAKA

PENDAHULUAN A. LATAR BELAKANG MASALAH

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

Jurnal String Vol.1 No.2 Tahun 2016 ISSN :

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

BAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan

Penerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Tahap Sistem Pakar Berbasis Fuzzy

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN HARGA JUAL SEPEDA MOTOR BEKAS DENGAN PENDEKATAN LOGIKA FUZZY INFRENCE SYSTEM MAMDANI

PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)

BAB III LANDASAN TEORI

MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

BAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

BAB III METODE PENELITIAN. Bab ini berisi penjelasan mengenai metode penelitian, jenis dan sumber data

PENYAKIT DIABETES MELLITUS PADA PUSKESMAS DI JAKARTA TIMUR

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)

PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )

ANALISA DAN PERANCANGAN PROTOTIPE SISTEM PENILAIAN KINERJA GURU MENGGUNAKAN FIS MAMDANI :

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI

PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)

Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA

BAB III METODE PENELITIAN

Research of Science and Informatic

SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC

LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA

PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO

BAB 2 LANDASAN TEORI

KAJIAN KOMPARASI PENERAPAN METODE FIS MAMDANI DAN AHP DALAM SISTEM PENDUKUNG KEPUTUSAN SELEKSI GURU TETAP STUDI KASUS: SMK. XYZ

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

Fuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

SISTEM PENDUKUNG KEPUTUSAN SELEKSI SUPPLIER DENGAN PENDEKATAN METODE FIS MAMDANI PADA KOPERASI XYZ

LOGIKA FUZZY MENGGUNAKAN MATLAB

SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit

Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto

BAB III METODE FUZZY MAMDANI

Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen

Aplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan. Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman

PENILAIAN PESERTA TERHADAP PENYAMPAIAN MATERI PEMBICARA SEMINAR ENTREPRENUER MENGGUNAKAN APLIKASI FUZZY

Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi

BAB II TINJAUAN PUSTAKA

PENGEMBANGAN SISTEM PAKAR FUZZY

BAB 2 LANDASAN TEORI

PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN

Studi Kasus Fuzzy Logic 2016

Metode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia

BAB III. Sub Kompetensi :

MENDETEKSI KEBERADAAN NYAMUK AEDES AEGIPTY MENGGUNAKAN METODE FUZZY. Ikhlas Ali Syahbana

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI

SISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI ABSTRAK

LOGIKA FUZZY (Lanjutan)

PEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

BAB 2 LANDASAN TEORI

Versi Online tersedia di : JURNAL TECH-E (Online)

FUZZY INFERENCE SYSTEM SUGENO UNTUK EVALUASI KINERJA PELAYANAN PEGAWAI KANTOR CAMAT BATAM KOTA

SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI

PENGHITUNGAN WAKTU PENGERINGAN KAYU JATI METODE PROGRESIF DENGAN LOGIKA FUZZY (STUDI KASUS CV. DWI TUNGGAL BAWEN)

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

4-5-FUZZY INFERENCE SYSTEMS

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH

PENERAPAN LOGIKA FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA BSM

Praktikum sistem Pakar Fuzzy Expert System

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:

Transkripsi:

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 1 E-mail: sutrisno3831@gmail.com 2 Abstrak Kualitas sumber daya manusia merupakan salah satu faktor dalam meningkatkan produktivitas kinerja suatu instansi. Oleh karena itu, diperlukan sumber daya manusia yang mempunyai kompetensi tinggi karena keahlian atau kompetensi akan dapat mendukung peningkatan prestasi kerja karyawan. Penilaian kinerja harus dilakukan untuk mengetahui prestasi yang dicapai setiap karyawan dengan baik, cukup baik atau kurang bisa diketahui. Permasalahan yang terjadi pada Resto ABTL adalah belum adanya format yang baku mengenai evaluasi penilaian karyawan. Untuk mengatasi permasalahan tersebut dibutuhkan sistem pendukung keputusan yang dapat membantu manajer dalam menentukan karyawan dengan kinerja terbaik (Employee of The Month), serta memberikan saran membangun karyawan berdasarkan nilai yang diperoleh. Model evaluasi kinerja karyawan adalah sistem evaluasi yang dirancang untuk mengidentifikasi kinerja karyawan dalam melaksanakan tugasnya. Model tersebut menggunakan logika fuzzy sugeno dengan beberapa kriteria, yaitu: kehadiran, pelayanan, penampilan, kerjasama dan tanggung jawab. Kriteria dibagi dalam himpunan fuzzy Buruk, Cukup, dan Baik. Dari kriteria tersebut dibuat model penilaian kinerja dalam evaluasi kinerja karyawan. Hasil dari penelitian ini adalah model evaluasi kinerja karyawan dapat dibuat model sistem pendukung keputusan dengan pendekatan fuzzy. Kata Kunci :Karyawan, Fuzzy, Sugeno, Employee of The Month. Pendahuluan 1. Latar Belakang Kualitas sumber daya manusia merupakan salah satu faktor dalam meningkatkan produktivtas kinerja suatu instansi. Oleh karena itu, diperlukan sumber daya manusia yang mempunyai kompetensi tinggi karena keahlian atau kompetensi akan dapat mendukung peningkatan prestasi kerja karyawan. Penilaian kinerja harus dilakukan untuk mengetahui prestasi yang dicapai setiap karyawan dengan baik, cukup baik atau kurang bisa diketahui. Kinerja karyawan yang dilakukan di Resto ABTL digunakan mengevaluasi hasil kerja seluruh karyawan dengan menggunakan kriteria komitmen yang dinilai kehadiran, pelayanan, penampilan, kerjasama dan tanggung jawab. Model evaluasi kinerja karyawan adalah sistem evaluasi yang dirancang untuk mengidentifikasi kinerja karyawan dalam melaksanakan tugasnya. 2. Tujuan Penelitian Penelitian ini bertujuan untuk : a. Merancang model evaluasi kinerja karyawan dengan metode fuzzy sugeno pada resto ABTL. Dengan adanya aplikasi ini diharapkan proses evaluasi kinerja karyawan dapat dengan mudah dilakukan untuk memudahkan pengambilan keputusan manajerial. b. Melakukan pengujian terhadap aplikasi yang dihasilkan. 89

3. Manfaat Penelitian Manfaat yang diharapkan dari aplikasi ini adalah untuk memudahkan manajer dalam melakukan evaluasi kinerja karyawan, selain itu menjadi sumbangan bagi restoran untuk memudahkan dalam pengambilan keputusan manajerial. Hasil luaran yang diharapkan dari penelitian ini adalah berupa model evaluasi kinerja karyawan sehingga diharapkan manajer resto dapat mengambil keputusan manajerial dengan cepat dan tepat. Tinjauan Pustaka 1. Karyawan Menurut Undang-undang No.13 Tahun 2003 Tentang Ketenagakerjaan Bab I, Pasal 1 ayat 2. Tenaga kerja adalah setiap orang yang mampu melakukan pekerjaan guna menghasilkan barang dan atau jasa baik untuk memenuhi kebutuhan sendiri maupun untuk masyarakat. 2. Penilaian Kinerja Kinerja adalah hasil seseorang secara keseluruhan selama periode tertentu di dalam melaksanakan tugas, seperti standar hasil kerja, target atau sasaran atau kriteria yang telah ditentukan terlebih dahulu dan telah disepakati bersama. (Rivai dan Basri, 2004). Penilaian Kinerja adalah suatu sistem formal dan terstruktur yang mengukur, menilai, dan mempengaruhi sifat-sifat yang berkaitan dengan pekerjaan, perilaku, dan hasil, termasuk tingkat ketidakhadiran.fokusnya adalah untuk mengetahui seberapa produktif seorang karyawan dan apakah ia bisa berkinerja sama atau lebih efektif pada masa yang akan datang, sehingga karyawan, organisasi, dan masyarakat semuanya memperoleh manfaat. (Schuler dan Jackson dalam Jurnal SDM) 3. Employee of The Month Salah satu sistem reward yang digunakan adalah dengan mengadakan pemilihan karyawan terbaik pada bulan tersebut (Employee of the month).pemberian reward penghargaan merupakan salah satu usaha perusahaan untuk memberikan balas jasa atas pencapaian atau hasil kerja pegawai sehingga pegawai termotivasi untuk melakukan pekerjaan dengan lebih baik lagi.penghargaan yang diberikan dimaksudkan untuk meningkatkan produktivitas dan mempertahankan karyawan yang berprestasi agar tetap berada dalam perusahaan.apabila produktivitas pegawai meningkat maka hal ini juga merupakan keuntungan bagi perusahaan. Dengan demikian baik pegawai atau perusahaan akan sama-sama diuntungkan atau bisa dikatakan dengan istilah win-win result. 4. Fuzzy Sebelum munculnya teori logika fuzzy logic dikenal sebuah logika tegas (crisp logic) yang memiliki nilai benar dan salah secara tegas. Sebaliknya Logika fuzzy adalah suatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar dan salah. Dalam teori logika fuzzysuatu nilai bisa bernilai benar dan salah secara bersamaan. Namun berapa besar kebenaran dan kesalahan suatu nilai tergantung pada bobot keanggotaan yang dimilikinya. Orang yang belum mengenal logika fuzzy pasti akan mengira bahwa logika fuzzy adalah suatu yang amat rumit dan tidak menyenangkan. Namun, sekali orang mengenalnya, ia pasti akan sangat tertarik dan akan menjadi pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern dan metode baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. 90

Untuk mendapatkan output pada logika fuzzy, diperlukan 4 tahapan: a. Pembentukan himpunan fuzzy. Pada proses fuzzifikasi langkah yang pertama adalah menentukan Variabel fuzzy dan himpunan fuzzy-nya. Kemudian tentukan derajat keanggotaan antara data masukan fuzzy dengan himpunan fuzzy yang telah didefenisikan untuk setiap variabel masukan sistem dari setiap aturan fuzzy. Variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. b. Aplikasi fungsi implikasi. Hasil implikasi fuzzy dari setiap aturan ini kemudian digabungkan untuk menghasilkan keluaran inferensi fuzzy. c. Komposisi Aturan (rule). Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilistik OR. d. Penegasan (defuzzy). Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut (Marimin, 2010). Gambar 1. Tahapan Fuzzy 5. Matlab Toolbox: Fuzzy Agar dapat menggunakan fungsi-fungsi logika fuzzy yang ada pada Matlab, maka harus diinstallkan terlebih dahulu ToolboxFuzzy.Fuzzy Logictoolbox (FLT) memberikan fasilitas Graphical User Interface (GUI) untuk mempermudah dalam membangun, mengedit, dan mengobservasi sistem penalaran fuzzy, yaitu (Kusumadewi, 2002): 1) Fuzzy Inference System (FIS) Editor; 2) Membership Function Editor; 3) Rule Editor; 4) Rule Viewer; 5) Surface Viewer. Motivasi utama teori fuzzy logic adalah memetakan sebuah ruang input ke dalam ruang output dengan menggunakan IF THEN rules. Pemetaan dilakukan dalam suatu FIS, urutan rule bisa sembarang.fis mengevaluasi semua rule secara simultan untuk menghasilkan kesimpulan. Oleh karenanya, semua rule harus didefinisikan lebih dahulu sebelum kita membangun sebuah FIS yang akan digunakan untuk menginterpretasikan semua rule tersebut. Mekanisme dalam FIS bisa dirangkum yaitu: FIS adalah sebuah metode yang menginterpretasikan harga-harga dalam vektor input, menarik kesimpulan berdasarkan sekumpulan IF-THEN rule yang diberikan, dan kemudian menghasilkan vektor output (Naba, 2009). Metodologi Penelitian Penelitian yang dilaksanakan adalah analisis kuantitatif. Untuk mendapatkan gambaran yang lengkap tentang objek yang akan diteliti dengan melakukan pengamatan langsung di lapangan. Model evaluasi kinerja karyawan dengan metode fuzzy sugeno, berdasarkan hasil 91

kuesioner dan wawancara dengan Manajer cabang Kemudian dilakukan pengujian tingkat akurasi dari model yang dihasilkan. Alur penelitian model evaluasi kinerja karyawan menggunakan logika fuzzy melalui beberapa tahap dalam pengembangannya, yaitu: 1. Penelitian pendahuluan Kegiatan yang dilakukan pada saat studi pendahuluan yaitu: mengumpulkan materimateri kepustakaan yang berhubungan dengan judul penelitian. Kemudian langkah selanjutnya yaitu:pengambilan data primer di resto ABTL. Dari data tersebut akan di dapat beberapa kriteria yang digunakan untuk penelitian lebih lanjut. 2. Data Kuesioner Sampel data yang digunakan pada penelitian ini adalah data kuesioner dari karyawan resto ABTL pada cabang Kalisari yang diisi oleh Manajer cabang dan data wawancara dengan Manajer cabang. 3. Pengolah data Data yang diperoleh akan diolah menggunakan pendekatan Logika Fuzzy dengan bantuan toolbox Matlab. Berikut adalah variabel yang akan digunakan dan dianalisa. a. Melakukan dekomposisi variabel model menjadi himpunan fuzzy. Variabel yang digunakan yaitu: Tabel 1. Semesta Pembicaraan Variabel Fuzzy Fungsi Nama Variabel Semesta Pembicaraan Kehadiran [0 100] Pelayanan [0 100] Input Penampilan [0 100] Kerjasama [0 100] Tanggungjawab [0 100] Output Skor Hasil kuesioner [0 100] b. Membentuk himpunan fuzzy. Tabel 2. Himpunan Fuzzy Nama Variabel Nama Himpunan Fuzzy Domain Buruk [0 50] Kehadiran Cukup [40 80] Buruk [0 50] Pelayanan Cukup [40 80] Buruk [0 50] Penampilan Cukup [40 80] Kerjasama Buruk [0 50] Cukup [40 80] Buruk [0 50] Tanggungjawab Cukup [40 80] 4. Metode Pengumpulan Data. Penelitian yang dilakukan untuk menghasilkan data dan informasi yang diperlukan serta berhubungan dengan hal yang akan ditulis. Untuk mengumpulkan data serta informasi yang diperlukan oleh peneliti menggunakan metode wawancara dan kuesioner dari 92

Manajer.Sampel pada penelitian ini adalah karyawan resto ABTL cabang Kalisari yang berjumlah 15 karyawan. 5. Teknik Analisis Data. Analisis data menggunakan kuantitatif dengan kaidah-kaidah matematika terhadap data angka atau numerik. Pembentukan himpunan fuzzy pada variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. Aplikasi fungsi implikasi yang digunakan untuk tiap-tiap aturan adalah fungsi min. Penegasan (defuzzy) menggunakan bantuan software matlab dengan menggunakan fasilitas yang disediakan pada toolboxfuzzy. 6. Pengujian Aplikasi. Pengujian aplikasi ini dilakukan untuk memastikan perangkat lunak yang telah dibuat sesuai dengan kebutuhan.pengujian validasi untuk menguji apakah spesifikasi kebutuhan sudah sesuai dengan yang diharapkan. Hasil dan Pembahasan 1. Analisis Data. Data yang digunakan dalam penelitian ini didapatkan dari resto ABTL cabang Kalisari, yaitu: data kriteria penilaian dan data 15 karyawan yang dinilai. Aspek evaluasi kinerja karyawan dijabarkan dalam 5 kriteria penilaian, yaitu: kehadiran, pelayanan, penampilan, kerjasama dan tanggung-jawab. Kriteria-kriteria penilaian tersebut dibentuk dalam himpunan fuzzy sebagai berikut : Sementara itu, pembicaraan masing-masing variabel adalah [0-100]. Variabel ini dibagi dalam tiga himpunan fuzzy, yaitu: Buruk, Cukup, dan Baik. Himpunan fuzzy Buruk memiliki domain [0-50], himpunan fuzzy Cukup memiliki domain [40-80], dan himpunan fuzzy Baik memiliki domain [70-100]. Variabel-variabel penilaian dipresentasikan dalam kurva linear dan segitiga sebagai berikut : Persamaan : Gambar 2. Himpunan Fuzzy Kriteria Penilaian. (50 x) (50 0) ; 0 x 50 μburuk[x] = { 0 ; x 50 0 ; x 40 atau x 80 μcukup[x] = { (x 40) (60 40) ; 40 x 60 (80 x) (80 60) ; 60 x 80 0 ; x 70 μbaik[x] = {(x 70) (100 70) ; 70 x 100 1 ; x 100 93

2. Rancangan Model a. Rancangan Fuzzy Gambar 3. FIS Editor Penilaian Kinerja Karyawan Gambar 4. Membership Function Editor Kriteria Penilaian. 94

b. Pembentukan Aturan Fuzzy. Gambar 5. Surface Viewer Penilaian Kinerja. Gambar 6. Rule Editor Penilaian Kinerja. 3. Graphical User Interface (GUI) Penilaian Kinerja Karyawan Gambar 7. Model Penilaian Knerja Karyawan 95

Model evaluasi kinerja karyawan dibuat menggunakantools Matlab v7.9.0 (R2009b) dengan logika Fuzzy Sugeno. Setelah proses penginputan data selesai, maka selanjutnya akan dilakukan proses evaluasi kinerja karyawan yang akan menghasilkan output berupa nilai karyawan dan hasil kinerja karyawan. Simpulan dan Saran 1. Simpulan Berdasarkan pembahasan hasil penelitian yang telah dibahas pada bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut: a. Evaluasi kinerja karyawan dapat dibangun dengan pendekatan logika fuzzy. b. Evaluasi kinerja karyawan dengan sistem pendukung keputusan menggunakan pendekatan logika fuzzy lebih objektif dari pada penilaian secara manual. c. Evaluasi kinerja karyawan dengan sistem pendukung keputusan menggunakan pendekatan logika fuzzy lebih efektif dan efisien. d. Evaluasi kinerja karyawan dengan pendekatan logika fuzzy menggunakan 5 kriteria dalam menentukan keputusan. 2. Saran Berdasarkan hasil penelitian dan kesimpulan, selanjutnya peneliti dapat memberikan beberapa saran yang relevan dengan hasil penelitian.saran ini berupa masukan-masukan yang ditujukan untuk penelitian selanjutnya. a. Kriteria-kriteria dalam evaluasi kinerja karyawan dapat dikembangkan untuk penyempurnaan aplikasi. b. Perlu dikembangkan penelitian lanjutan yaitu: evaluasi kinerja karyawan menggunakan metode lain atau dikomparasikan untuk mendapatkan aplikasi dengan nilai akurasi yang paling tinggi. Daftar Pustaka Ganevi, Riesda.,& Purnama, B. E. (2014). Sistem Pendukung Keputusan Penilaian Kinerja Guru Sekolah Menengah Pertama Negeri (SMP N) 1 Pacitan. Haryanto, T. (2012). Logika Fuzzy dan Sistem Pakar Berbasis Fuzzy, Materi Kuliah, Departemen Ilmu Komputer. Bogor: Institut Pertanian Bogor. Kusumadewi, S. (2002). Analisis Desain Sistem Fuzzy menggunakan Tool Box Matlab ( Edisi ke-1). Yogyakarta: Graha Ilmu. Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan (Edisi ke-2). Yogyakarta: Graha Ilmu. Maman. (2006). Sistem Pendukung Keputusan: Model Penentuan Siswa Teladan pada SMK YP Karya 1Tangerang dengan pendekatan logika fuzzy. Marimin. (2012). Penalaran Fuzzy. Materi Kuliah, Departemen Ilmu Komputer. Bogor: Institut Pertanian Bogor. Marimin. (2005). Teori dan aplikasi sistem pakar dalam tehnologi manajerial. Bogor: IPB- Press. Marimin., & Maghfiroh N. (2010). Aplikasi Pengambilan Keputusan dalam Manajemen Rantai Pasok. Cetakan ke-1. Bogor: IPB-Press. Naba, A. (2009).Belajar Cepat Fuzzy Logic menggunakan Matlab. Yogyakarta: Andi Offset. 96