BAB I PENDAHULUAN. Universitas Sumatera Utara

dokumen-dokumen yang mirip
BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB 2 TINJAUAN PUSTAKA

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

BAB 2 TINJAUAN PUSTAKA

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

BAB II TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

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

Erwien Tjipta Wijaya, ST.,M.Kom

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

REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA

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

Tahap Sistem Pakar Berbasis Fuzzy

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana

BAB 2 LANDASAN TEORI

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

BAB II TINJAUAN PUSTAKA

Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy

BAB 2 LANDASAN TEORI

BAB 2 TINJAUAN PUSTAKA

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB III METODE PENELITIAN

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani

ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA)

PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

4-5-FUZZY INFERENCE SYSTEMS

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II: TINJAUAN PUSTAKA

PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi

Praktikum sistem Pakar Fuzzy Expert System

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

BAB III METODE PENELITIAN

BAB 2 TINJAUAN PUSTAKA

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

Himpunan Tegas (Crisp)

BAB 2 2. LANDASAN TEORI

ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5.

BAB 2 LANDASAN TEORI

Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

KASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno

MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA

SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY

MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY

Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh

BAB I PENDAHULUAN. dibidang industri dihadapkan suatu masalah yaitu adanya tingkat persaingan yang

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

Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO

Fuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan

ANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB

BAB II. KAJIAN PUSTAKA. A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto

Penerapan Logika Fuzzy

BAB 2 LANDASAN TEORI

REVIEW JURNAL LOGIKA FUZZY

Gronroos (1990) menyatakan bahwa kualitas layanan meliputi:

LOGIKA FUZZY (Lanjutan)

Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan

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

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

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

IMPLEMENTASI FUZZY MAMDANI PENENTUAN OPTIMASI PERSEDIAAN STOK PRODUK BARANG DALAM SEBUAH PERUSAHAAN DEFI IRWANSYAH

BAB II TINJAUAN PUSTAKA

Bab 1 PENDAHULUAN. 1.1 Latar Belakang

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

ke dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti

BAB III ANALISIS SISTEM

Analisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA)

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI

BAB 2 LANDASAN TEORI

BAB III LANDASAN TEORI

LOGIKA FUZZY 3/18/2017 OVERVIEW SEJARAH LOGIKA FUZZY WHAT IS FUZZY LOGIC? LOGIKA BOLEAN PERMASALAHAN DUNIA NYATA

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN. Indonesia. Menurut Undang-Undang No.25 Tahun 1992 koperasi Indonesia adalah

Contoh Kasus. Bagus Ilhami HIdayat

SISTEM PAKAR MODEL FUZZY EVALUASI KINERJA PADA DINAS KEPENDUDUKAN DAN PENCATATAN SIPIL KOTA BONTANG

LOGIKA SAMAR (FUZZY LOGIC)

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

BAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-

Transkripsi:

BAB I PENDAHULUAN 1.1 Latar Belakang Logika fuzzy pertama kali dikembangkan oleh Zadeh di pertengahan tahun 1960 untuk mewakili nilai yang tidak pasti, namun efektif untuk menggambarkan perilaku sistem yang kompleks tidak jelas atau tidak mudah dianalisis secara matematis. Variabel fuzzy diproses dengan menggunakan sistem yang disebut dengan logika fuzzy hal ini melibatkan fuzzyfikasi, inferensi fuzzy dan defuzzyfikasi. ( Lakhmi dan Martin,1998) Logika Fuzzy merupakan seuatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu nilai bisa bernilai benar atau salah secara bersama. Namun berapa besar keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan logika digital yang hanya memiliki dua nilai 1 atau 0. Logika fuzzy digunakan untuk menterjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kepuasan pelanggan terhadap pelayanan yang mereka terima yang dapat diekpresiakan dengan buruk, kurang, cukup dan baik. Dan logika fuzzy menunjukkan sejauh mana suatu nilai itu benar dan sejauh mana suatu nilai itu salah. Tidak seperti logika klasik (scrisp), suatu nilai hanya mempunyai 2 kemungkinan yaitu merupakan suatu anggota himpunan atau tidak. Derajat keanggotaan 0 (nol) artinya nilai bukan merupakan anggota himpunan dan 1 (satu) berarti nilai tersebut adalah anggota himpunan.

Penggunaan logika fuzzy juga sangat tepat digunakan untuk mendapatkan nilai secara pasti dari input yang diterima berupa bahasa dan mengubah menjadi angka dengan mengubah menjadi nilai keanggotan dalam himpunan fuzzy. (Jyh et al,1997). Tumbuhnya persaingan antar rumah sakit yang semakin ketat dan tajam, maka setiap rumah sakit dituntut untuk mempertinggi daya saing dengan berusaha memberikan kepuasan kepada semua pasiennya. Untuk itu harus diketahui faktor faktor apa sajakah yang mempengaruhi tingkat kepuasan pasien tersebut. Dan merupakan suatu hal yang sangat penting bagi kita untuk mengetahui apa yang pasien kita butuhkan untuk memenuhi kepuasan mereka terhadap pelayanan yang kita berikan. (Wijayanti et al, 2010). Dimana Rumah sakit adalah sebagai lembaga penyelenggara dalam sektor jasa dituntut untuk melaksanakan pekerjaan dengan berpedoman kepada kepuasan konsumennya, hal ini akan berdampak pada keberlanjutan rumah sakit dimana konsumen yang merasa puas akan kembali berobat ke rumah sakit tersebut. Untuk itu beberapa hal yang dapat mempengaruhi kepuasan pasien adalah pelayanan dokter, keamanan, kebersihan, tingkat pelayanan UGD, ketersediaan obat, ketersediaan informasi bagi keluarga pasien dan juga biaya. (Arifin et al,2006). Dalam pengukuran kepuasan pasien, penggunaan himpunan fuzzy merupakan model yang tepat jika dibandingkan dengan menggunakan himpunan tegas, dimana himpunan fuzzy dapat memodelkan seberapa besar nilai kepuasan yang diterima oleh pasien, sementara dalam dalam himpunan tegas hanya dapat memodelkan dengan nilai puas dan tidak puas. Untuk menentukan nilai keanggotaan dapat menggunakan beberapa model kurva/grafik seperti kurva segi tiga, kurva sigmoid maupun varian dari kurva bell seperti kurva phi, kurva beta dan juga kurva gauss (Cox, 1994). Untuk proses komputasi terhadap nilai keanggotan dapat dialkukan dengan beberapa cara seperti fuzzy Inference system dengan model Tsukamoto, Mamdani dan Sugeno. Model ini dapat digunakan karena penalaran menggunakan aturan IF-then, namun demikian bahwa ketiga model ini juga memilki perbedaan khususnya pada hasil (defuzzyfikai) dimana

model Tsukamoto dan Mamdani menghasilkan output berupa himpunan fuzzy sementara Sugeno menghasikan output berupa himpunan tegas. Dari hasil penelitian yang dilakukan tentang model kepuasan nasabah bank (Reza et al, 2008), mereka menyebutkan bahwa kepuasan adalah hal penting bagi seorang manager, namun kepuasan bukan hal mudah karena banyak faktor yang mempengaruhi sehingga menjadi rumit dan tidak mudah untuk diukur. ada teknik kualitatif yang dapat digunakan untuk mengukur kepuasan, namun teknik ini tidak cukup digunakan untuk menganalisis kepuasan nasabah. Untuk itu mereka membuat suatu model dengan menggunakan logika fuzzy yaitu model Fuzzy Cognitive Map (FCM). Haydar (2010) membuat penelitian tentang hubungan antara pelayanan dan kepuasan pasien di rumah sakit pemerintah di Negara Turkish Republic of Northern Cyprus. Pada penelitian ini melakukan analisa keterhubungan antara pelayanan dan kepuasan dengan menggunakan logika fuzzy C-Means, setelah didapatkan nilai keanggotaan dilanjutkan dengan Jaringan syaraf tiruan untuk menganalisa keterhubungan antara pelayanan dengan kepuasan. Metode ini telah diujikan terhadap 150 data yang diperoleh dari pasien, dan hasil pengujian menyimpulkan bahwa fuzzy-neural dapat secara efisien untuk menganalisa keterhubungannya. Kepuasan pelanggan adalah salah satu syarat yang efektif untuk menang dalam persaingan untuk itu perlu dilakukan evaluasi terhadap kepuasan pelanggan. Untuk melakukan evaluasi terhadap kepuasan pelanggan dapat menggunakan metode yang lebih baik yaitu dengan menggunakan logika fuzzy dengan mengkombinasikan variabel linguistik, fungsi keanggotaan segitiga dan juga fungsi entropy, dimana metode ini diterapkan dalam mengevaluasi kepuasan pelanggan e-commerce (Fasanghari et al, 2008) Penggunaan logika fuzzy dalam penentuan kepuasan kerja dalam organisasi telah dilakukan penelitian oleh Mahdavi Iraj dan Fazlollahtabar Hamed, dimana penelitian ini mengevaluasi kinerja dengan menggunakan kuesioner. Dari kuesioner yang diberikan kepada responden akan dibentuk aturan-

aturan fuzzy. Kemudian aturan fuzzy di fuzzyfikasi untuk mendapatkan nilai kepuasan yang ideal. Dalam penelitian tesis ini mengembangkan suatu metodologi logika fuzzy model Sugeno ordo-1 dengan menggunakan variabel-variabel pelayanan pada saat pra perawatan, masa perawatan dan pasca perawatan dengan menghasilkan nilai seberapa besar nilai kepuasan pasien khususnya pasien yang melaksanakan rawat inap, dimana hasil kepuasan dapat digunakan untuk melakukan evaluasi terhadap kinerja rumah sakit khususnya yang berhubungan dengan pelayanan terhadap pasien. 1.2. Perumusan Masalah Rumah sakit sebagai usaha yang bergerak pada sektor jasa, sehingga rumah sakit dituntut untuk memberikan pelayanan yang terbaik kepada pasiennya, dimana dengan kepuasan pasien akan dapat diketahui kinerja dari setiap unit pelayanan dengan demikian akan dapat ditingkatkan yang akan berdampak kepada keberlanjutan usaha dan juga akan dapat bersaing dengan lembaga sejenisnya, maka diperlukan model dalam penentuan kepuasan pasien rawat inap. 1.3. Batasan Masalah Dalam penelitian ini pembahasan dibatasi pada penentuan model kurva untuk menentukan nilai keanggotaan kepuasan yang optimal dengan menggunakan Fuzzy Inference System model Sugeno ordo-1. 1.4. Tujuan Penelitian Tujuan dari penelitian ini adalah untuk menghasilkan model fungsi keanggotaan yang sesuai dalam menentukan kepuasan pasien atas pelayanan yang diterima di rumah sakit.

1.5. Manfaat Penelitian Penelitian ini diharapkan dapat bermanfaat untuk: 1. Merancang model fungsi keanggotaan yang menjadi solusi baru dalam menentukan kepuasan pasien pada rumah sakit 2. Memberikan sumbangan bagi studi dan penelitian selanjutnya yang meminati dan mengembangkan penelitian ini.