Bab ini berisi tentang kesimpulan yang dapat diambil dari laporan tugas akhir, serta berisi tentang saran-saran yang diambil untuk perbaikan guna pengembangan lebih lanjut bagi aplikasi yang telah dibuat sekarang.
BAB II
TINJAUAN PUSTAKA
2.1 Logika Fuzzy
Logika Fuzzy suatu cabang matematika yang memungkinkan sebuah komputer untuk memodelkan dunia nyata dengan cara yang sama sebagai mana manusia. Terpusat pada kuantisasi dan penalaran menggunakan bahasa yang punya makna yang ambigu, contoh: banyak, sangat, sedikit, tinggi, berbahaya , dsb keduanya memuat Teori logika fuzzy yang diajukan oleh Zadeh pada pertengahan tahun 1960 (Nikola K,1998), memberikan suatu pemecahan masalah terhadap persoalan yang tidak pasti. Sehingga sistem informasi yang akan dibuat menggunakan model DBMS dan query yang berbasis fuzzy, karena model DBMS konvensional, non fuzzy, kurang dapat memenuhi kebutuhan sistem informasi. Banyak model DBMS dan query fuzzy yang ada, salah satunya adalah model Tahani yang ditemukan pada tahun 1977. Prof. Lutfi Zadeh berpendapat bahwa logika benar dan salah dari logika boolean/konvensional tidak dapat mengatasi masalah gradasi yang ada di dunia nyata. Untuk mengatasi masalah gradasi tersebut maka ia mengembangkan sebuah himpunan samar (fuzzy).
Alasan digunakannya Logika Fuzzy, antara lain:
a. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran logika fuzzy sangat sederhana dan mudah dimengerti.Logika Fuzzy sangat fleksibel.
b. Logika Fuzzy sangat fleksibel.
d. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
e. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
f. Logika fuzzy dapat bekerjasama dengan tekhnik-tekhnik kendali secara konvensional.
g. Logika fuzzy didasarkan pada bahasa alami.
2.1.1 Model Tahani
Fuzzy tahani adalah salah satu cabang dari logika fuzzy, yang merupakan salah satu metode fuzzy yang menggunakan basis data standar. Tahani mendeskripsikan suatu metode pemrosesan query fuzzy, dengan didasarkan atas manipulasi bahasa yang dikenal dengan nama SQL (Structured Query Language), sehingga model fuzzy tahani sangat tepat digunakan dalam proses pencarian data yang tepat dan akurat (Anggraeni, Indarto dan Kusumadewi, 2004).
2.1.2 Crisp Logic
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan ụA[x], memiliki 2 kemungkinan, yaitu::
a) Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan.
b) Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
Berhubungan dengan nilai absolut BENAR atau SALAH, tidak ada nilai lain.
Contoh 2.1:
Misalkan Variabel umur di bagi menjadi 3 kategori, yaitu: MUDA umur < 35 tahun
PAROBAYA 35 ≤ umur ≤ 55 tahun TUA umur > 55 tahun
Nilai keanggotaa secara grafis, himpunan MUDA, PAROBAYA, TUA
Gambar 2.1 Himpunan Muda, Parobaya, dan Tua
a) Apabila ada seseorang berusia 34 tahun, maka ia dikatakan MUDA (ụMUDA [34]=1);
b) Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA (ụMUDA [ 35]=0);
c) Apabila seseorang berusia 35 tahun , maka ia dikatakan PAROBAYA (ụPAROBAYA [35]=1);
Crisp logic menentukan apakah sebuah objek merupakan suatu anggota himpunan atau bukan. Satu objek hanya bisa menjadi anggota satu himpunan, seperti contoh Gambar 2.1.
2.1.3 Fuzzy Logic
Tidak seperti statistik dan probabilitas, nilai fuzzy tidak menggambarkan peluang sebuah objek dalam himpunan, tetapi menggambarkan tingkat keanggotaan sebuah objek dalam himpunan.
Pada Gambar 2.2, dapat dilihat bahwa:
a. Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan ụMUDA [40]=0.25; namun dia juga termasuk dalam himpunan PAROBAYA dengan ụPAROBAYA [40]=0.5.
b. Seseorang yang berumur 50 tahun, termasuk dalam himpunan TUA dengan ụTUA [50]=0.25, tapi juga ikut dalam himpunan PAROBAYA dengan ụPAROBAYA [50]=0.5.
Gambar 2.2 Himpunan Fuzzy untuk Variabel Umur Nilai fuzzy berhubungan dengan tingkat keanggotaan dalam himpunan.
2.1.4 Crisp set vs Fuzzy set
Kalau pada crisp logic Gambar 2.3, nilai keanggotaan hanya ada 2 kemungkinan, yaitu 0 atau 1, pada fuzzy logic Gambar 2.4, nilai keanggotaan terletak pada rentang 0 sampai 1.
Gambar 2.3 Crisp set Gambar 2.4 Fuzzy set 2.1.5 Bagian dari Sistem Fuzzy
Ada beberapa hal yang perlu diketahui dalam memahami system fuzzy, yaitu:
a) Variabel Fuzzy
Variabel fuzzy merupakan variable yang hendak dibahas dalam system fuzzy. Contoh:umur, temperature, dsb.
b) Himpunan Fuzzy
Himpunan fuzzy merupakan suatu group yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variable fuzzy.
Contoh:
Variabel umur dibagi menjadi 3 himpunan fuzzy, yaitu MUDA, PAROBAYA, dan TUA.
Variabel temperature, terbagi menjadi 5 himpunan fuzzy yaitu: DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS.
c) Semesta Pembicara
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan hinpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicara ini tidak dibatasi batas atasnya.
Contoh:
1. Semesta pembicaraan untuk variabel umur: [0+α] 2. Semesta pembicaraan untuk variabel temperatur: [0 40] d) Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan
fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain berupa nilai bilangan positif maupun negatif.
Contoh domain himpunan fuzzy.
1. MUDA = [0, 45] 2. PAROBAYA = [35, 55] 3. TUA = [45, +α]
2.1.6 Fungsi Keanggotaan (membership function)
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekataan fungsi.
a. Representasi linear
Pada representasi linear, pemetaan input kederajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.
Ada 2 keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak kekanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi pada gambar 2.5.
Fungsi keanggotaan:
0 a ≤ x
ụ[x] = (x – a)/(b – a); a ≤ x ≤ b (2.1)
1 x ≥ b
ụ[x](nilai yang akan dihitung). a dan b merupakan nilai himpunan.
Contoh 2.2:
Fungsi Keanggotaan untuk Himpunan PANAS pada variabel temperatur ruangan seperti terlihat pada gambar 2.6.
ụPANAS[32] = (32-25)/(35-25) = 7/10 = 0.7
Gambar 2.6 Himpunan Fuzzy: PANAS
Kedua merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah pada gambar 2.7.
Gambar 2.7 Representasi Linear Turun
Fungsi keanggotaan:
(b-x) / (b-a) ; a ≤ x ≤ b (2.2)
ụ[x] =
0 x ≥b
ụ[x](nilai yang akan dihitung). a dan b merupakan nilai himpunan.
Contoh 2.3:
Fungsi keanggotaan untuk himpunan DINGIN pada variabel temperatur ruangan seperti terlihat pada Gambar 2.8.
ụDINGIN[20] = (30-20)/(30-15) = 10/15 = 0.667
Gambar 2.8 Himpunan Fuzzy: DINGIN b. Representasi kurva segitiga
Kurva segitiga pada gambar 2.9, dasarnya merupakan gabungan antara 2 garis linear seperti terlihat pada gambar berikut.
Gambar 2.9 Representasi Kurva Segitiga
Fungsi keanggotaan:
0 x ≤ a atau x ≥ c
ụ[x] = (x – a)/(b – a); a ≤ x ≤ b (1) (2.3) (c – x)/(c – b); b ≤ x ≤ c (2)
ụ[x](nilai yang akan dihitung).
Kalau nilai x dalam kondisi lebih besar sama dengan a dan lebih kecil sama dengan b maka x dihitung dengan rumus 2.3 (1). Jika nilai x lebih besar sama dengan b dan lebih kecil sama dengan c maka x dihitung dengan rumus 2.3 (2).
Contoh 2.4:
Fungsi keanggotaan untuk himpunan NORMAL pada variabel temperatur ruangan menggunakan kurva segitiga.
ụNORMAL[23] = (23-15)/(25-15) = 8/10 = 0.8
c. Representasi Kurva Trapesium
Kurva trapezium pada gambar 2.10, dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.
Fungsi keanggotaan:
0 x ≤ a atau x ≥ d (x – a)/(b – a); a ≤ x ≤ b (1)
ụ[x] = 1 b ≤ x ≤ c (2) (2.4)
(d – x)/(d – c); x ≥ d (3)
ụ[x](nilai yang akan dihitung).
a, b, c, dan d merupakan nilai himpunan.
Kalau nilai x dalam kondisi lebih besar sama dengan a dan lebih kecil sama dengan b maka x dihitung dengan rumus 2.4 (1). Jika nilai x lebih besar sama dengan b dan lebih kecil sama dengan c maka x dihitung dengan rumus 2.4 (2). Apabila nilai x lebih besar atau sama dengan d, maka menggunakan rumus 2.4 (3)
Contoh 2.5:
Fungsi keanggotaan untuk himpunan NORMAL pada variabel temperatur ruangan menggunakan kurva trapesium.
ụNORMAL[32] = (35-32)/(25-15) = 3/8 = 0.375
d. Representasi Kurva Bentuk Bahu
Daerah yang terletak di tengah-tengah suatu variable yang di representasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun (misalkan: DINGIN bergerak ke SEJUK bergerak ke HANGAT dan bergerak ke selanjutnya). Tetapi
terkadang salah satu sisi dari variable tersebut tidak mengalami perubahan. Sebagai contoh, apabila telah mencapai kondisi PANAS, kenaikan temperature akan tetap berada pada kondisi PANAS. Himpunan fuzzy bahu, bukan segitiga, digunkan untuk mengakhiri variable suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah. Demikina juga bahu kanan bergerak dari salah ke benar pada gambar 2.11.
Gambar 2.11 Representasi Kurva Bentuk Bahu
e. Representasi Kurva-S
Kurva PERTUMBUHAN dan PENYUSUTAN merupakan kurva S atau Sigmoid yang brhubungan dengan kenaikan dan penurunan permukaan secara linear.
Kurva-S untuk PERTUMBUHAN akan bergerak dari sisi paling kiri (nilai keanggotaan = 0) ke sisi paling kanan (nilai keanggotaan = 1). Fungsi keanggotaannya akan tertumpu pada 50% nilai keanggotaannya yang sering disebut dengan titik infleksi pada Gambar 2.12 .
Gambar 2.12 Himpunan Fuzzy dengan Kurva-S: PERTUMBUHAN
Kurva-S untuk PENYUSUTAN akan bergerak dari sisi paling kanan (nilai keanggotaan = 1) ke sisi paling kiri (nilai keanggotaan = 0) terlihat pada gambar 2.13.
Gambar 2.13 Himpunan Fuzzy dengan Kurva-S: PENYUSUTAN
Kurva-S didefinisikan dengan menggunakan 3 parameter, yaitu: nilai keanggotaan nol (α), nilai keanggotaan lengkap ( ), dan titik
infleksi atau crossover ( ) yaitu titik yang memiliki domain 50% benar. Gambar 2.14 menunjukkan karakteristik kurva-S dalam bentuk skema.
Gambar 2.14 Karakteristik Fungsi Kurva-S
Fungsi: Keanggotaaan pada kurva PERTUMBUHAN adalah:
0 x ≤α
S(x; α, , ) = 2((x- α) / ( - α))2 α≤ x ≤ (1) (2.5)
1-2(( -x) / ( - α))2 ≤ x ≤ (2)
1 x ≥
Pada contoh 2.6 menggunakan rumus 2.5 (2) karena nilai x lebih dari dan kurang dari .
Contoh 2.6:
Fungsi keanggotaan untuk himpunan TUA pada variabel umur seperti Gambar 2.15
= 1-2 (10 / 25) 2
= 0.68
Gambar 2.15 Himpunan Fuzzy TUA
Sedangkan fungsi keanggotaan pada kurva PENYUSUTAN adalah:
1 x ≤α
S(x; α, , ) = 1- 2((x- α) / ( - α))2 α≤ x ≤ (1) (2.6)
2(( -x) / ( - α))2 ≤ x ≤ (2)
0 x ≥
Pada contoh 2.7 menggunakan rumus 2.6 (2) karena nilai x lebih dari dan kurang dari .
Contoh 2.7:
Fungsi keanggotaan untuk himpunan MUDA pada variabel umur seperti Gambar 2.16. ụMUDA[37] = 2((50-37)) / (50-20)) 2 = 2 (13 / 30) 2 = 0.376
Gambar 2.16 Himpunan Fuzzy MUDA
2.2 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional. Ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi atau memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering dikenal dengan fire strength atau α – predikat. Ada 3 operator dasar yang diciptakan oleh Zadeh, yaitu;
2.2.1 Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan.
Αpredikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antara elemen pada himpunan-himpunan yang bersangkutan.
Contoh 2.8:
Misalkan nilai keanggotaan 27 tahun pada himpunan usia MUDA adalah 0.6 (ụMUDA[27]=0.6) dan nilai keanggotaan 3.4 pada himpunan ipk SANGAT TINGGI adalah 0.8, ụSANGAT TINGGI[3.4]=0.8).
Maka α-predikat untuk usia MUDA dan ipk SANGAT TINGGI adalah
ụMUDA∩SANGAT BAIK = min(ụMUDA[27], ụSANGAT BAIK[3.4]) = min (0.6;0.8)
= 0.6
2.2.2 Operator OR
Operator ini berhugungan dengan operasi union pada himpunan α-predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antara elemen pada himpunan-himpunan yang bersangkutan.
ụAUB = max(ụA[x], ụB[y]) Contoh 2.9:
Pada contoh yang sebelumnya sudah dapat dihitung nilai α-predikat untuk usia MUDA atau ipk SANGAT TINGGI adalah:
ụMUDA∩SANGAT BAIK = min(ụMUDA[27], ụSANGAT BAIK[3.4]) = max (0.6;0.8)
2.2.3 Operator NOT
Operator in berhubungan dengan operasi komplemer pada himpunan α -predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.
ụA = 1- ụA[x] Contoh 2.10:
Pada contoh yang sudah ada sebelumnya dapat dihitung nilai α-predikat untuk usia TIDAK MUDA adalah:
ụMUDA [27] = 1- ụMUDA[27] = 1-0.6 = 0.4
2.3 Kriteria Lulusan
Kriteria yang ditampilkan dalam aplikasi ini ada beberapa bagian, sebagai berikut:
a. IPK (Indeks Prestasi Kumulatif), bisa dibilang sebagai ukuran berhasil atau tidak nya seorang lulusan dalam menempuh masa studi atau bisa dibilang masa kuliah. Dalam Aplikasi ini IPK mempunyai 5 kriteria yaitu Sangat Baik, Baik, Cukup, Kurang, dan Sangat Kurang. Nilainya diambil dari criteria IPK pada Borang Akreditasi.
b. TOEFL merupakan singkatan dari Test Of English as a Foreign Language, yang diperkenalkan pada tahun 1960 oleh Educational Testing Services (ETS). Ada dua jenis test TOEFL yang dapat dilakukan, yang pertama yaitu Computer-Based Test (CBT) dan yang
Tabel 2.2 Nilai Toefl Sumber: www.cangkruk.com PBT CBT 677 300 650 280 600 250 550 213 500 173 450 133 400 97
Jika nilai test TOEFL 500 (PBT) ke atas atau 173 (CBT) ke atas maka peluang untuk diterima di perguruan tinggi luar negeri yang diminati sangat besar.
Nilai test TOEFL di bawah 450 menunjukkan bahwa kemampuan bahasa Inggris yang masih standar (atau bahkan rendah) sehingga disarankan untuk mengikuti kursus bahasa Inggris.
Sedangkan nilai 450 - 499 menunjukkan kemampuan bahasa Inggris yang di atas rata-rata tetapi masih ada beberapa hal yang perlu dimantapkan lagi (reviewed) apakah di structure nya, listening, atau
reading-nya tergantung nilai mana yang terendah.
Namun TOEFL dalam aplikasi ini mempunyai 2 kriteria minimal dan maximal. Untuk minimal nilainya 400 dan maximal memiliki nilai 500, nilai-nilai yang diambil dari kriteria TOEFL diambil dari beberapa lowongan pekerjaan yang ada di internet, karena pada lowongan pekerjaan tersebut mencantumkan TOEFL yang harus dimiliki oleh seorang calon pegawai atau pelamar. Untuk salah satu situs nya bisa dilihat sebagai berikut:
1) http://www.kabarindonesia.com/berita.php?pil=22&jd=Peluang +Bekerja+di+Metro+TV&dn=20100301145504 2) http://www.bukalowongan.com/lowongan-kerja-d3s1-teknik-elektro-di-surakarta-pt-siam-indo-concrete-products/ 3) http://cangkruk.com/index.php?option=com_content&view=art icle&id=62:dua-jenis-test-toefl&catid=57:toefl&Itemid=179
c. Lama Studi merupakan waktu tempuh seorang mahasiswa menjadi lulusan. Semakin cepat dia bisa menjadi seorang alumni atau lulusan, semakin cepat dia bisa membangun suatu masa depan. Dengan lulus tepat waktu maka bisa mengurangi beban sebuah Perguruan Tinggi, karena pada situasi ini harus ada seperti sirkulasi, yaitu ada yang masuk dan ada yang keluar, sehingga bisa seimbang dalam proses sirkulasi tersebut. Dalam aplikasi ini dibuat 4 kriteria yaitu: Baik, Cukup, Kurang, dan Sangat Kurang.
d. Lama TA Semakin cepat menyelesaikan TA semakin cepat menjadi seorang Sarjana S1. Semakin cepat lulus, semakin cepat mengurangi beban dari kampus, yang harus menangani sekian banyak mahasiswa. Penyelesaian TA dijadwalkan selesai dalam satu semester. Kriteria dalam aplikasi ini untuk lama TA di bagi 5 juga, yaitu: : Sangat Baik, Baik, Cukup, Kurang, dan Sangat Kurang.
e. Usia lulusan yang muda adalah masa depan Bangsa karena akan meneruskan pekerjaan yang ada dengan menjadi pegawai serta membuat pekerjaan yang baru untuk menumbuhkan perekonomian Bangsa. Banyak lowongan pekerjaan yang membutuhkan lulusan Sarjan yang mempunyai umur yang masih produktif, itu semua guna meningkatkan kualitas perekonomian perusahaan mereka. Aplikasi ini mempunyai kriteria umur yang di bagi menjadi 3 bagian, yaitu: Muda, Parobaya, dan Tua. Untuk Muda umur 23, untuk Parobaya dengan umur 26, dan untuk Tua dengan umur 29 . Nilai-nilai dari variabel ini
diambil dari beberapa situs lowongan pekerjaan dan forum yang ada, sebagai berikut. 1) http://www.infobursakerja.com/sc/rs/si/1537916/k/Batas- Maksimal-Umur-Untuk-Lamaran-Kerja-S1/p/Batas-Maksimal-Umur-Untuk-Lamaran-Kerja-S1.html 2) http://e-cpns.kemenkumham.go.id/app/data/PDF%20PUSAT/Sarjana.p df 3) http://infobursakerja.com/sc/rs/k/Lowongan-Kerja-September- 2010-S1-Management-Tanpa-Pengalaman-Jakarta-Selatan/p/120
f. Organisasi Setiap Perguruan Tinggi pasti mempunyai himpunan-himpunan di setiap Jurusan nya. Himpunan bisa dibilang suatu organisasi karena dalam himpunan itu ada kerjasama team, atau bahasa kerennya teamwork. Himpunan bisa dibilang mempengaruhi suatu lulusan di dunia kerja, karena pengalaman dalam ikut himpunan atau organisasi kampus bisa diterapkan di dalam pekerjaan nya. Ada beberapa forum chat yang mengiyakan keterangan ini.
http://forum.kafegaul.com/archive/index.php/t-7041.html
Untuk Organisasi dalam aplikasi ini menggunkan 2 kriteria yaitu pernah atau tidak pernah.
2.4 Akreditasi dan Asesor
Menurut Kamus Besar Bahasa Indonesia Edisi ke.3. tahun 2003, akreditasi adalah :
1. Pengakuan terhadap lembaga pendidikan yang diberikan oleh badan yang berwenang setelah lembaga itu memenuhi syarat kebakuan atau kriteria tertentu.
2. Pengakuan oleh suatu jawatan tentang adanya wewenang seseorang untuk melaksanakan atau menjalankan tugasnya.
Internal akreditasi: adalah tindakan mawas diri atau self assessment yang dilakukan oleh institusi berdasarkan keadaan institusi yang sebenarnya dengan menggunakan Borang akreditasi yang telah ditentukan.
Eksternal akreditasi: adalah proses evaluasi terhadap institusi yang dilakukan oleh pihak luar institusi melalui akreditasi dengan menggunakan Borang akreditasi yang telah ditentukan.
Asesor adalah tenaga pakar pada bidang ilmu, bidang studi, profesi, dan praktisi yang mewakili BAN-PT dalam penilaian akreditasi program studi, melalui dua tahap penilaian yaitu :
a. Penilaian terhadap borang dan portfolio program studi/institusi yang disampaikan oleh program studi beserta lampiran-lampirannya melalui pengkajian "di atas meja" (desk evaluation).
b. Penilaian di lapangan (visitasi) untuk validasi dan verifikasi hasil desk evaluation, dan melakukan penilaian di tempat kedudukan program studi/institusi.
2.5 Borang
Konsep borang adalah alat atau instrumen untuk mengumpulkan informasi mengenai kinerja program studi dan fakultas / sekolah tinggi dalam rangka pengendalian kualitas semua perguruan tinggi di Indonesia.
Borang yang digunakan dalm perhitungan ini borang VII matriks penilaian borang.
a. Untuk rumus Kelulusan tepat waktu, diambil dari point 3.1.4.a
pada borang VII.
b. Untuk standart IPK, diambil pada point 3.1.1.d pada borang VII. c. Untuk standart waktu penyelesaian TA dalam 1 semester, diambil
BAB III
ANALISA DAN PERANCANGAN SISTEM
3.1 Analisa Sistem
Bab ini akan membahas mengenai analisa dari aplkasi fuzzy yang akan digunakan. Aplikasi fuzzy tersebut akan memberikan rekomendasi terhadap mahasiswa sesuai dengan kriteria yang ada. Rekomendasi tersebut berfungsi sebagai acuan untuk seorang user, menentukan mahasiswa yang sesuai dengan kriteria yang dipilih. Apabila nilai keanggotaan dari seorang mahasiswa mendekati 1, maka mahasiswa tersebut lebih direkomendasikan, dari pada mahasiswa yang mempunyai nilai keanggotaan yang mendekati 0. Data yang digunakan dalam aplikasi ini terdiri dari beberapa tabel, antara lain: tabel user, menampung user dan password admin, tabel mahasiswa, yang digunakan untuk menyimpan data pribadi lulusan, tabel jurusan, menyimpan sejumlah nama-nama jurusan yang ada, tabel bts_hmpn, untuk memberikan nilai batas terhadap suatu nilai yang akan dihitung, dan tabel variabel, berisikan nilai-nilai akademik seorang lulusan, nilai-nilai dari tabel variabel akan dihitung, dengan control dari tabel bts_hmpn, dan kemudian hasil dari perhitungan tersebut akan masuk ke tabel mu. Untuk perhitungan nilai akademik lulusan sudah diolah oleh seorang admin sehingga user tinggal menggunakan hasil dari proses yang sudah dilakukan admin tersebut. Untuk menggunakan hasil dari olahan admin tersebut, user tinggal memilih kriteria yang sudah disediakan dalam aplikasi ini untuk mencari lulusan yang diinginkan, sehingga nanti muncul beberapa nama lulusan mahasiswa beserta nilai rokemendasi nya. Nilai rekomendasi didapat dari nilai yang sudah di
olah admin sebelumnya. Dalam aplikasi ini juga disediakan perhitungan ketepatan lulusan tepat waktu, yang artinya ada berapa banyak mahasiswa yang masuk dan berapa banyak mahasiswa yang lulus dalam waktu 4 tahun. Untuk perhitungan ini tidak dilakukan oleh admin, tapi dilakukan oleh user sendiri. Menu ini digunakan untuk memberi gambaran seorang user, tentang berapa banyak kah mahasiswa yang harus lulus dalam 4 tahun, karena ketepatan waktu lulus tersebut mempengaruhi predikat suatu kampus dalam penilaian borang.
Dalam membangun aplikasi ini digunakan bahasa pemrograman PHP, bahasa pemrograman ini bisa terkoneksi dengan semua jenis database, seperti My SQL. Dan pemrograman PHP juga biasa digunakan untuk sebuah aplikasi berbasis web.
3.2 Perancangan Sistem
Secara umum sistem yang akan dibuat, seperti gambar 3.1 dibawah ini.
3.2.1 Flowchart
Gambar 3.2 dibawah ini merupakan flowchart aplikasi.
Gambar 3.2 Flowchart Aplikasi
Untuk flowchart pada gambar 3.2, merupakan proses dalam perhitungan pencarian firestrength atau nilai keanggotaan pada suatu kriteria.
Admin
A. Untuk admin, melakukan perhitungan pada saat input lulusan baru (hitung IPK, hitung TOEFL, hitung lama TA, hitung lama study, dan hitung usia). Hasil perhitungan tersebut disimpan dalam database yang nantinya hasil itu untuk informasi user User
A. Untuk user, memilih kriteria dahulu, yang sudah disediakan. B. Kemudian pilihan dari kriteria user tersebut, terbentuk query yang
akan mencari data kriteria.
3.2.2 Fuzzy Sistem
Dalam aplikasi ini digunakan peerhitungan fuzzy untuk menghasilkan nilai akhir yang dibutuhkan oleh user. Berikut adalah contoh perhitungan fuzzy:
a. Hitung IPK.
IPK Semesta pembicaraan [ 2.00 4.00 ] Himpunan IPK S.Kurang domain = [ 2.00 2.50 ] Kurang domain = [ 2.25 2.75 ] Cukup domain = [ 2.50 3.00 ] Baik domain = [ 2.75 3.25 ] S.Baik domain = [ 3.00 4.00 ]
Fungsi Keanggotaan S.Kurang:
1 2.00 ≤ x ≤ 2.25 IPK [x] = (2.50 – x) / (2.50 – 2.25) 2.25 ≤ x ≤ 2.50 (3.1 )
0 x ≥ 2.50
Fungsi Keanggotaan Kurang:
0 x ≤ 2.25
IPK [x] = (x – 2.25 ) / (2.50 – 2.25) 2.25 ≤ x ≤ 2.50 (3.2)
(2.75 – x) / (2.75 – 2.50) 2.50 ≤ x ≤ 2.75
Fungsi Keanggotaan Cukup:
0 x ≤ 2.50
IPK [x] = (x – 2.50 ) / (2.75 – 2.50) 2.50 ≤ x ≤ 2.75 ( 3.3)
Fungsi Keanggotaan Baik:
0 x ≤ 2.75
IPK [x] = (x – 2.75 ) / (3.00 – 2.75) 2.75 ≤ x ≤ 3.00 (3.4)
(3.25 – x) / (3.25 – 3.00) 3.00 ≤ x ≤ 3.25
Fungsi Keanggotaan S.Baik:
0 x ≤ 3.00
IPK [x] = (x – 3.00 ) / (3.25 – 3.00) 3.00 ≤ x ≤ 3.25 (3.5)
1 3.25 ≤ x ≤ 4.00
b. Hitung TOEFL
Gambar 3.3 Fungsi keanggotaan Kurva Bahu TOEFL TOEFL
Semesta pembicaraan [ 350 611 ] Himpunan TOEFL
Minimal domain = [ 350 500 ] Maksimal domain = [ 400 611 ]
Fungsi Keanggotaan Minimal:
1 350 ≤ x ≤ 400
IPK [x] = (500 – x ) / (500 – 400) 400 ≤ x ≤ 500 ( 3.6)
0 x > 500
Fungsi Keanggotaan Maksimal:
0 x ≤ 400
IPK [x] = (x – 400 ) / (500 – 400) 400 ≤ x ≤ 500 ( 3.7)
1 611 > x > 500
c. Hitung Lama TA
Gambar 3.4 Fungsi keanggotaan Kurva Bahu L. TA L. TA Semesta pembicaraan [ 0 ∞ ] Himpunan L.TA S.Baik domain = [ 0 8 ] Baik domain = [ 6 10 ] Cukup domain = [ 8 12 ]
Kurang domain = [ 10 14 ] S.Kurang domain = [ 12 ∞ ]
Fungsi Keanggotaan S. Baik:
1 x ≤ 6
L. TA [x] = (8 – x ) / (8 – 6) 6 ≤ x ≤ 8 (3.8) 0 x > 8
Fungsi Keanggotaan Baik:
0 x ≤ 6
L. TA [x] = (x – 6 ) / (8– 6) 6 ≤ x ≤ 8 ( 3.9)
(10 – x ) / (10 – 8) 8 ≤ x ≤ 10
Fungsi Keanggotaan Cukup:
0 x ≤ 8
L. TA [x] = (x – 8 ) / (10– 8) 8 ≤ x ≤ 10 ( 3.10)
(12 – x ) / (12 – 10) 10 ≤ x ≤ 12
Fungsi Keanggotaan Kurang:
0 x ≤ 10
L. TA [x] = (x – 10 ) / (12– 10) 10 ≤ x ≤ 12 (3.11)