MODEL PENILAIAN KINERJA BAGI LEMBAGA KURSUS
DAN PELATIHAN DENGAN LOGIKA FUZZY
TESIS
ARMAINI RAHMAN
107038029/TINF
PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
MODEL PENILAIAN KINERJA BAGI LEMBAGA KURSUS
DAN PELATIHAN DENGAN LOGIKA FUZZY
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika
ARMAINI RAHMAN
107038029/TINF
PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
PERSETUJUAN
Judul Tesis : MODEL PENILAIAN KINERJA BAGI LEMBAGA
KURSUS DAN PELATIHAN DENGAN LOGIKA FUZZY Nama Mahasiswa : ARMAINI RAHMAN
Nomor Induk Mahasiwa : 107038029
Program Studi : MAGISTER TEKNIK INFORMATIKA Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Zakarias Situmorang Prof. Dr. Drs. Iryanto, M.Si
Diketahui/Disetujui Oleh
Program Studi Magister Teknik Informatika Ketua,
Prof. Dr. Muhammad Zarlis
PENYATAAN
MODEL PENILAIAN KINERJA BAGI LEMBAGA KURSUS DAN
PELATIHAN DENGAN LOGIKA FUZZY
TESIS
Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 07 Februari 2014
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIK
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini : Nama Mahasiswa : ARMAINI RAHMAN
Nomor Induk Mahasiwa : 107038029
Program Studi : Magister Teknik Informatika Jenis Karya Ilmiah : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non Exclusive Royalti Free Right) atas tesis saya yang berjudul:
MODEL PENILAIAN KINERJA BAGI LEMBAGA KURSUS DAN PELATIHAN DENGAN LOGIKA FUZZY
Berserta perangkat yang ada (jika diperlukan).Dengan hak bebas royalty Non-Eksklusive ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya, selama tetap mencamtumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai hak cipta.
Demikianlah pernyataan ini dibuat dengan sebenarnya.
Medan, 07 Februari 2014
PANITIA PENGUJI TESIS
Telah diuji pada Tanggal : 07-02-2014
PANITIA PENGUJI TESIS
Ketua : Prof. Dr. Drs. Iryanto,M.Si Anggota : 1. Dr. Zakarias Situmorang
2. Prof. Dr. Herman Mawengkang 3. Prof. Dr. Muhammad Zarlis 4. Dr. Sutarman, M.Sc
RIWAYAT HIDUP DATA PRIBADI
Nama Lengkap (berikut gelar) : Armaini Rahman, ST Tempat dan Tanggal Lahir : Medan, 10 Mei 1977
Alamat Rumah : Jl. Garu I Gg. Mahoni No. 182A Simpang Limun, Medan.
Telepon /Fax/HP : 08126066077
E-mail : armainirahmanst@gmail.com Instansi Tempat Bekerja : Balai Pengembangan Pendidikan
Anak Usia Dini Nonformal dan Informal (BP-PAUDNI) Regional I Medan
Alamat Kantor : Jl. Kenanga Raya No. 64 Tanjung Sari Medan
DATA PENDIDIKAN
SD Negeri 066057 Medan Tamat Tahun 1990
SMP Negeri 3 Medan Tamat Tahun 1993
SMA Negeri 6 Medan Tamat Tahun 1996
D3 Ilmu Komputer Tamat Tahun 1999
Sekolah Teknik Informatika Harapan (STTH)
Medan (S1) Tamat Tahun 2001
UCAPAN TERIMA KASIH
Pertama-tama penulis panjatkan puji syukur kepada ALLAH SWT, atas segala limpahan rahmat dan karunia-Nya sehingga tesis ini dapat diselesaikan tepat pada waktunya. Dengan selesainya tesis ini, perkenankanlah penulis mengucapkan terima kasih yang sebesar-besarnya kepada : Rektor Universitas Sumatera Utara, Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc (CTM), Sp. A(K) atas kesempatan yang diberikan kepada penulis untuk mengikuti dan menyelesaikan pendidikan Program Magister.
Dekan Fasilkom-TI (Fakultas Ilmu Komputer dan Teknologi Informasi) Universitas Sumatera Utara Prof. Dr. Muhammad Zarlis, atas kesempatan yang diberikan kepada penulis menjadi mahasiswa Program Magister pada Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara.
Ketua Program Studi Magister (S2) Teknik Informatika, Prof. Dr. Muhammad Zarlis dan Sekretaris Program Studi M. Andri Budiman, S.T, M.Comp, M.E.M beserta seluruh staff pengajar pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara, yang telah bersedia membimbing penulis sehingga dapat menyelesaikan pendidikan tepat pada waktunya.
Terima kasih yang tak terhingga dan penghargaan setinggi-tingginya penulis ucapkan kepada Prof. Dr. Drs. Iryanto,M.Si selaku pembimbing utama dan kepada Dr. Zakarias Situmorang, selaku pembimbing lapangan yang dengan penuh kesabaran menuntun serta membimbing penulis hingga selesainya tesis ini dengan baik.
Staff Pegawai dan Administrasi pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara yang telah memberikan bantuan dan pelayanan terbaik kapada penulis selama mengikuti perkuliahan hingga saat ini.
Kepada Ayahanda Abdurrahman Gayo, Ibunda Almh. Nurhelmi Kadir selaku orang tua, dan kepada adik-adik penulis Isnaini Rahman, S.Pt, S.Si Muhammad Thaufan Rahman, S.Pd dan Muhammad Bayu Rahman, SS, dan kepada kedua buah hati penulis Sarah Amirah dan Fauzan Khalis, yang telah mendukung penulis dan terima kasih atas segala pengorbanannya, baik moril maupun materil, budi baik ini tidak dapat dibalas hanya diserahkan kepada ALLAH SWT. Kepada Bapak Kepala Balai Pengembangan Pendidikan Anak Usia Dini Nonformal dan Informal (BP-PAUDNI) Regional I Medan, yang telah memberikan izin belajar di Program Pascasarjana Fakultas Fasilkom-TI Universitas Sumatera Utara, serta rekan kerja Pamong Belajar di BP-PAUDNI Regional I Medan, terima kasih atas doa dan semangat yang diberikan kepada penulis, sehingga terselesaikannya tesis ini dengan baik.
Rekan mahasiswa/i Angkatan kedua tahun 2010 pada Program Pascasarjana Fakultas Fasilkom-TI Universitas Sumatera Utara yang telah banyak membantu penulis baik berupa dorongan semangat dan doa selama mengikuti perkuliahan.
Semua pihak yang tidak dapat penulis sebutkan satu persatu dalam tesis ini, terimakasih atas segala bantuan dan doa yang diberikan. Dengan segala kekurangan dan kerendahan hati, sekali lagi penulis mengucapkan terima kasih. Semoga kiranya ALLAH SWT yang membalas segala bantuan dan kebaikan yang telah diberikan.
ABSTRAK
Model penilaian kinerja bagi lembaga kursus dan pelatihan menjadi perhatian cara penilaiannya. Penilaian kinerja bagi lembaga kursus dan pelatihan yang dilihat dari aspek pemasaran, aspek sumber daya manusia, aspek operasional/pelaksanaan, dan aspek keuangan akan dinilai dengan menggunakan logika fuzzy dan kesesuaian fungsi keanggotaan fuzzy. Penilaian yang dilakukan untuk saat ini belum memberikan hasil penilaian sesuai dengan kategori penilaian yang ada pada lembaga kursus dan pelatihan untuk mengembangkan potensi yang ada di lembaga kursus dan pelatihan, sehingga dibutuhkan metode penilaian yang tepat untuk mengambil keputusan penilaian kinerja bagi lembaga kursus dan pelatihan. Penggunaan logika fuzzy dan fungsi keanggotaan yang memiliki beberapa memiliki aturan-aturan fuzzy, maka akan diperoleh hasil penilaian kinerja bagi lembaga kursus dan pelatihan dengan kategori penilaian.
MODEL OF PERFORMANCE EVALUATION FOR COURSES AND TRAINING INSTITUTE WITH FUZZY LOGIC
ABSTRACT
Modeling for performance evaluation and training institute courses to the attention of the modeling method. Performance assessment for courses and training institutes from the aspects of marketing, human resources aspects, operational aspects / implementation, and financial aspects will be assessed using fuzzy logic and suitability of membership functions of fuzzy. Assessments conducted to date have not been able to provide support to institutions and training courses to develop the potential that exists in institutions and training courses, so that appropriate assessment methods are needed to make decisions for agency performance appraisal and training courses. The use of fuzzy logic and membership function which has some fuzzy modeling, which also has the fuzzy rules, it will obtain the results of the performance assessment for courses and training institutions more optimal.
DAFTAR ISI
Halaman
HALAMAN JUDUL PENGESAHAN
DAFTAR RIWAYAT HIDUP PERNYATAAN ORISINALITAS PERSETUJUAN PUBLIKASI PANITIA PENGUJI
UCAPAN TERIMA KASIH
ABSTRAK i
ABSTRACT ii
DAFTAR ISI iii
DAFTAR GAMBAR v
DAFTAR TABEL vi
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
BAB 2 TINJAUAN PUSTAKA 4
2.1 Logika Fuzzy 4
2.2 Operator Fuzzy 4
2.3 Linguistik Variabel dan Nilai 5
2.4 Fuzzy Inference System 6
2.5 Aturan-aturan Fuzzy 7
2.6 Fungsi Keanggotaan Fuzzy 8
2.7 Fuzzifikasi (Fuzzification) 11
2.8 Fuzzy Inference System 12
2.8.1 Metode Tsukamoto 13
2.8.2 Metode Sugeno 13
2.9 Penilaian Kinerja Lembaga Kursus dan Pelatihan 14
2.10 Penelitian yang Terkait 17
BAB 3 METODOLOGI PENELITIAN 19
3.2 Teknik Pengumpulan Data 19
3.3 Rancangan 19
3.4 Pelaksanaan Penelitian 21
3.5 Variabel yang Diamati 22 3.6 Pembentukan Aturan Dasar Data Fuzzy 28 3.7 Pembentukan Himpunan Fuzzy 29 3.7.1. Fuzzifikasi Pemasaran dengan Fungsi Keanggotaan Segitiga 29 3.7.2. Fuzzifikasi SDM dengan Fungsi Keanggotaan Segitiga 30 3.7.3. Fuzzifikasi Operasional dengan Fungsi Keanggotaan Segitiga 30 3.7.4. Fuzzifikasi Keuangan dengan Fungsi Keanggotaan Segitiga 31 3.7.5. Fuzzifikasi Pemasaran dengan Fungsi Keanggotaan Trapesium 32 3.7.6. Fuzzifikasi SDM dengan Fungsi Keanggotaan Trapesium 33 3.7.7. Fuzzifikasi Operasional dengan Fungsi Keanggotaan Trapesium33 3.7.8. Fuzzifikasi Keuangan dengan Fungsi Keanggotaan Trapesium 34
3.8 Komposisi Rule 32
3.9 Defuzzifikasi 34
BAB 4 HASIL DAN PEMBAHASAN 35
4.2 Pengujian Program Penilaian Kinerja LKP 35 4.3 Pengujian Data Penilaian Kinerja bagi LKP 37
4.3.1 Fuzzifikasi 37
4.3.2 Evaluasi Fuzzifikasi 38
4.3.3 Defuzzifikasi 39
BAB 5 KESIMPULAN DAN SARAN 41
5.1 Kesimpulan
5.2 Saran-Saran 41
DAFTAR GAMBAR
Halaman
Gambar 2.1 : Grafik Fungsi Linear 8
Gambar 2.2 : Grafik Fungsi Sigmoid 9
Gambar 2.3 : Grafik Fungsi Phi 9
Gambar 2.4 : Grafik Fungsi Segitiga 10
Gambar 2.5 : Grafik Fungsi Trapesium 11
Gambar 2.6 : Fuzzifikasi 11
Gambar 3.1 : Flowchart Perancangan Sistem 21 Gambar 3.2 : Fungsi Keanggotaan Segitiga Pemasaran 29 Gambar 3.3 : Fungsi Keanggotaan Segitiga SDM 30 Gambar 3.4 : Fungsi Keanggotaan Segitiga Operasional 30 Gambar 3.5 : Fungsi Keanggotaan Segitiga Keuangan 31 Gambar 3.6 : Fungsi Keanggotaan Trapesium Pemasaran 32 Gambar 3.7 : Fungsi Keanggotaan Trapesium SDM 33 Gambar 3.8 : Fungsi Keanggotaan Trapesium Operasional 33 Gambar 3.9 : Fungsi Keanggotaan Trapesium Keuangan 34
Gambar 4.1 : Input Data 39
DAFTAR TABEL
Halaman
Tabel 2.1 : Penelitian Terkait 17
Tabel 3.1 : Variabel Penilaian Kinerja LKP 22 Tabel 3.2 : Jumlah Pertanyaan dari variabel penelitian 22 Tabel 3.3 : Deskripsi Variabel Pemasaran 23 Tabel 3.4 : Deskripsi Variabel Sumber Daya Manusia (SDM) 24 Tabel 3.5 : Deskripsi Variabel Operasional 25 Tabel 3.6 : Deskripsi Variabel Keuangan 27
Tabel 3.7 : Kategori Penilaian 27
Tabel 3.8 : Variabel Himpunan Fuzzy 28
Tabel 3.9 : Dasar Penentuan Konstanta pada Rule 28 Tabel 3.10 : Rule Penilaian Kinerja bagi LKP 35 Tabel 4.1 : Sampel data perhitungan kinerja LKP antara manual
ABSTRAK
Model penilaian kinerja bagi lembaga kursus dan pelatihan menjadi perhatian cara penilaiannya. Penilaian kinerja bagi lembaga kursus dan pelatihan yang dilihat dari aspek pemasaran, aspek sumber daya manusia, aspek operasional/pelaksanaan, dan aspek keuangan akan dinilai dengan menggunakan logika fuzzy dan kesesuaian fungsi keanggotaan fuzzy. Penilaian yang dilakukan untuk saat ini belum memberikan hasil penilaian sesuai dengan kategori penilaian yang ada pada lembaga kursus dan pelatihan untuk mengembangkan potensi yang ada di lembaga kursus dan pelatihan, sehingga dibutuhkan metode penilaian yang tepat untuk mengambil keputusan penilaian kinerja bagi lembaga kursus dan pelatihan. Penggunaan logika fuzzy dan fungsi keanggotaan yang memiliki beberapa memiliki aturan-aturan fuzzy, maka akan diperoleh hasil penilaian kinerja bagi lembaga kursus dan pelatihan dengan kategori penilaian.
MODEL OF PERFORMANCE EVALUATION FOR COURSES AND TRAINING INSTITUTE WITH FUZZY LOGIC
ABSTRACT
Modeling for performance evaluation and training institute courses to the attention of the modeling method. Performance assessment for courses and training institutes from the aspects of marketing, human resources aspects, operational aspects / implementation, and financial aspects will be assessed using fuzzy logic and suitability of membership functions of fuzzy. Assessments conducted to date have not been able to provide support to institutions and training courses to develop the potential that exists in institutions and training courses, so that appropriate assessment methods are needed to make decisions for agency performance appraisal and training courses. The use of fuzzy logic and membership function which has some fuzzy modeling, which also has the fuzzy rules, it will obtain the results of the performance assessment for courses and training institutions more optimal.
BAB 1
PENDAHULUAN
1.1.Latar Belakang
Logika adalah suatu studi tentang metode-metode dan prinsip-prinsip penalaran, sehingga pengertian tentang logika, intinya adalah tentang proses bernalar. (George J. Klir – Bo Yuan,1995:2012)
Unsur yang paling mendasar dalam logika adalah proposisi. Sedangkan nilai kebenaran proposisi dalam logika boolean/klasik adalah benar (B) atau salah (S). Nilai kebenaran B dalam penerapannya dinyatakan dengan bilangan 1 sedangkan nilai kebenaran S dinyatakan dengan 0. Sehingga untuk menilai dengan logika benar dan salah, tidak memiliki pilihan penilaian yang lainnya.
Selain itu, logika juga merupakan salah satu ilmu matematika yang sangat penting dan di perluas dengan memperkenalkan sebagai logika fuzzy. Pada pertengahan 1960, Prof Lotfi Zadeh dari universitas California di Barkeley menemukan bahwa hukum benar atau salah dari logika
boolean tidak memperhitungkan beragam kondisi yang nyata. Untuk menghitung gradasi yang tak terbatas jumlahnya antara benar dan salah, Zadeh mengembangkan ide penggolongan set yang ia namakan himpunan (set) fuzzy. Tidak seperti logika boolean, logika fuzzy memiliki banyak nilai. Tidak seperti elemen yang dikategorikan 100% ini atau itu, atau sebuah dalil yang menyatakan semuanya benar atau seluruhnya salah, fuzzy membaginya dalam derajat keanggotaannya yang memiliki interval antara 0 sampai 1. (George J. Klir – Bo Yuan, 1995:307-309).
mesin cuci, kamera, penyedot debu, pengukuran suhu/temperatur dalam ruangan, ciri-ciri manusia, kecepatan bergerak suatu kenderaan, diagnosis kesehatan dan sebagainya. Sejalan dengan pemakaian yang semakin luas, terutama bidang pendidikan, semakin tertarik untuk mempelajari dan mengaplikasikannya.
Program aplikasi untuk pendekatan sistem fuzzy dengan metode penalaran tertentu, disebut juga aplikasi sistem inferensi fuzzy, dengan variabel dan crisp (nilai aktual), maka diperlukan perubahan crisp ke nilai fuzzy (nilai kabur) dengan menggunakan linguistik (menentukan kategori nilai untuk setiap variabel), dimana berperan untuk membedakan setiap nilai yang berbeda. Output dari penilaian yang berupa angka atau bahasa (linguistik), penilaian angka dapat diberikan mulai dari angka terkecil sampai angka terbesar. Sedangkan penilaian bahasa (linguistik) dapat berupa kata-kata sesuai dengan beberapa item kata-kata yang ditampilkan, seperti: penilaian dengan kategori: baik, cukup dan buruk.
Dengan memiliki banyak pilihan nilai yang akan diproses dengan menggunakan logika
fuzzy, maka terdapat perbandingan penilaian, antara proses penilaian dengan hitungan yang manual dengan hitungan menggunakan logika fuzzy.
Dengan logika fuzzy penerapan sistem untuk memproses sebuah penilaian lembaga, dapat dilakukan dengan menentukan nilai yang layak digunakan dan mengambil keputusan yang tepat untuk penilaian sebuah lembaga.
Penilaian yang dibutuhkan dalam kehidupan sehari-hari, yang terdiri dari beberapa aspek yang berhubungan dengan suatu pekerjaan harus ada penilaian, penilaian dapat menjadi acuan dalam melaksanakan pekerjaan agar mencapai hasil yang maksimal, misalnya: penilaian terhadap peserta didik di sekolah, penilaian guru/narasumber, penilaian administrasi perusahaan, bahkan ada penilaian mengenai makanan, dan sebagainya.
1.2.Perumusan Masalah
Sebuah proses penilaian dengan menggunakan logika fuzzy untuk penilaian kinerja lembaga kursus dan pelatihan, dengan menentukan suatu kategori penilaian yang tepat.
1.3.Batasan Masalah
Dalam penelitian ini pembahasan dibatasi untuk menghasilkan penentuan kategori penilaian kinerja lembaga kursus dan pelatihan dengan menggunakan logika fuzzy, dimana dengan logika fuzzy, penentuan kategori penilaian yang diberikan kepada sebuah lembaga akan diproses dengan menggunakan fuzzy inference system, dengan metode sugeno orde satu.
1.4. Tujuan Penelitian
Melalui model pendekatan logika fuzzy, maka dapat ditentukan kategori penilaian sebuah penilaian kinerja bagi lembaga kursus dan pelatihan.
1.5. Manfaat Penelitian Manfaat penelitian adalah:
1. Melalui penilaian kinerja lembaga bagi lembaga kursus dan pelatihan dengan logika
fuzzy, diperoleh penilaian kinerja bagi LKP (Lembaga Kursus dan Pelatihan)
BAB 2
TINJAUAN PUSTAKA
2.1. Logika Fuzzy
Logika fuzzy meringankan bagaimana orang-orang berpikir. Hal ini upaya kita untuk memodelkan pengertian kita terhadap kata-kata dalam pengambilan keputusan. Sehingga menghasilkan system intelligent yang baru dan lebih manusiawi untuk kata-kata yang sesuai dalam pengambilan keputusan. Apabila belum pernah mengenal logika fuzzy akan mengira bahwa logika fuzzy adalah sesuatu yang amat rumit dan tidak menyenangkan. Apabila mengenal logika fuzzy, akan tertarik dan akan menjadi pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy dikatakan sebagai logika baru yang lama, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output.
Pada tahun 1965, himpunan fuzzy diperkenalkan oleh Lotfi A. Zadeh, merupakan profesor di Universitas California, beliau menyatakan bahwa dalam logika fuzzy memiliki derajat keanggotaan dalam rentang 0 (nol) hingga 1 (satu), berbeda dengan logika klasik/boolean yang hanya memiliki dua nilai yaitu 1(satu) atau 0(nol). Logika fuzzy digunakan untuk menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kenderaan yang diekspresikan dengan slow (pelan), faster (agak cepat),
fast (cepat), dan very fast (sangat cepat), (Kevin&steven,1997).
2.2. Operator Fuzzy
Operasi fuzzy yang sering digunakan, adalah: 1. Perkalian
Lambang yang digunakan untuk proses perkalian adalah AB. Sehingga fungsi keanggotaannya didefinisikan sebagai:
AB µA (x) µB (x) (2.1)
2. Penjumlahan
Lambang yang digunakan untuk proses penjumlahan adalah A+B. Sehingga fungsi keanggotaannya didefinisikan sebagai:
A+B µA (x) + µB (x) - µA(x) µB (x) (2.2)
3. Selisih Mutlak
Lambang yang digunakan untuk proses selisih mutlak adalah |A+B|. Sehingga fungsi keanggotaannya didefinisikan sebagai:
|A-B| |µA (X) - µB (X)| (2.3)
4. Kombinasi Konveks
Lambang yang digunakan untuk proses kombinasi konveks adalah A,B dan C. Sehingga funngsi keanggotaannya didefinisikan sebagai:
(A,B,C) = CA + CB (2.4)
Dimana C adalah komplemen C, maka fungsi keanggotaannya (A,B,C) dinyatakan sebagai:
(A,B,C)(X) = A(X)A(X) + [1-A(X)]B(X), x X (2.5)
5. Relasi Fuzzy
Lambang yang digunakan untuk proses relasi fuzzy adalah A,B. Sehingga fungsi keanggotaannya didefinisikan sebagai:
2.3. Linguistik Variabel dan Nilai
Awal dari teori himpunan fuzzy mengenai linguistik variabel. Linguistik variabel adalah suatu variable fuzzy, contoh: John tinggi, maksudnya bahwa variabel linguistiknya adalah John, sedangkan variabel nilainya adalah: tinggi.
Sistem ahli fuzzy memiliki aturan-aturan fuzzy dalam menggunakan variabel linguistiknya, contoh:
If angin kencang Then berlayar bagus If durasi proyek lama
Then resiko penyelesaian tinggi
If kecepatan lambat
Then jarak berhenti pendek
Interval nilai yang kemungkinan dari variabel linguistik menampilkan variabel umum, seperti variabel linguistik kecepatan, memiliki interval antara 0 sampai dengan 220 km per jam dan yang termasuk sub fuzzy menampilkan nilai variabel linguistik yang tidak cepat, kurang cepat, cukup cepat, cepat, dan sangat cepat.
Sebuah varibel linguistik membawa konsep himpunan fuzzy, yang menggunakan titik-titik. Titik-titik merupakan bagian modifikasi ruang himpunan fuzzy, seperti: sangat, seperti apa, diam, lebih atau kurang dan cukup. Melalui pemberian titik-titik tersebut dapat memodifikasi kata kerja, kata sifat, kata keterangan atau bahkan seluruh kalimat. Sehingga sering digunakan sebagai:
1. Semua jenis kata keterangan, seperti: sangat, kurang, atau cukup 2. Nilai kebenaran, seperti: agak benar atau sangat salah
3. Probabilitas, seperti; suka, atau tidak suka
5. Posibilitas, seperti: hampir masuk akal, atau sedikit masuk akal
Dengan demikian, manusia dapat berpikir untuk menghasilkan perbedaan antara lebih ataupun yang kurang memiliki nilai yang tidak sama.
2.4. Himpunan Fuzzy
Himpunan fuzzy merupakan pengembangan dari himpunan biasa. Fungsi keanggotaannya tidak hanya memberikan nilai 1 atau 0, tapi nilai berada pada interval tertentu, yaitu interval [0,1]. Nilai yang diberikan oleh fungsi keanggotaannya disebut derajat keanggotaan (George J. Klir & BoYuan,1995).
Apabila X menyatakan himpunan universal dan A adalah himpunan fuzzy dalam X, maka A adalah himpunan pasangan terurut sebagai berikut:
A = {(µ, µA(µ))|µX} (2.7)
Dengan µA(X) : X [0,1]
Dimana
µA (x) = 1, jika x himpunan A
dimana
µA (x) = 1, jika x himpunan A
µA (x) = 0, jika x tidak himpunan A
0 < µA (x) < 1, jika x bagian dari himpunan A
2.5. Aturan-aturan Fuzzy
Pada tahun 1973, Lotfi Zadeh mempublikasikan makalah keduanya yang sangat berpengaruh (Zadeh, 1973). Makalah ini menghasilkan penemuan baru untuk menganalisis sistem kompleks, dimana Zadeh menyarankan suatu pengetahuan bagi manusia mengenai aturan-aturan fuzzy.
THEN y adalah B
Dimana x dan y adalah variabel linguistik, sedangkan A dan B adalah nilai linguistik yang akan dimasukkan kedalam himpunan fuzzy X dan Y
Sebuah aturan IF-THEN yang klasikal, selalu menggunakan logika biner, contohnya: Aturan: 1
IF kecepatan > 100
THEN jarak pemberhentian adalah panjang Aturan: 2
IF kecepatan < 40
THEN jarak pemberhentian adalah pendek
Variabel kecepatan dapat memiliki nilai numerik antara 0 dan 220 km/h, tetapi variabel linguistik jarak pemberhentian dapat memiliki nilai panjang dan pendek. Dengan kata lain, aturan-aturan klasikal dapat diekspresikan hitam dan putih dalam logika boolean. Tetapi, dapat ditampilkan aturan jarak pemberhentian kedalam bentuk fuzzy, yaitu:
Aturan: 1
IF kecepatan adalah cepat
THEN jarak pemberhentian adalah panjang Aturan: 2
IF kecepatan adalah lambat
THEN jarak pemberhentian adalah pendek
2.6. Fungsi Keanggotaan Fuzzy
Di dalam fuzzy dikenal fungsi keanggotaan fuzzy, dimana memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat (Wang,1997). Terdapat banyak sekali fungsi keanggotaan yang bisa digunakan. Jenis-jenis fungsi keanggotaan yang dapat digunakan, yaitu:
1. Linear
Fungsi Keanggotaan dari fungsi linear adalah: 0 jika x < a, x > c
Fungsi-S atau fungsi sigmoid merupakan kurva yang dibentuk sehubungan dengan kenaikan dan penurunan nilai yang tidak linear.
Fungsi keanggotaannya akan bertumpu pada 50% nilai keanggotaan yang sering disebut dengan titik infleksi
Persamaan dari Fungsi-S ini adalah: Sig(x,a,c) =
Parameter a digunakan untuk menentukan kemiringan kurva pada saat x = c.
Polaritas dari a akan menentukan kurva itu kanan atau kiri terbuka, seperti terlihat pada Gambar 2.2.
a b c x
0 S 1
Grafik 2.2: Grafik Fungsi Sigmoid
3. Phi Function
Fungsi-Phi merupakan salah satu kurva berbentuk lonceng, dimana derajat keanggotaan yang bernilai 1 tepat terletak pada pusat domain c (lihat gambar 3).
Persamaan fungsi-Phi diperoleh dari persamaan fungsi-S, yaitu: PI(x,b,c) = S(x,c - b,c – b/2,c) jika x < c
1 – S(x;c,c + b/2,c + b) jika x > c (2.10)
c-b c-b/2 c c+b/2 c+b x
0 S 1
c c
Gambar 2.3: Grafik Fungsi Phi
4. Tringular Function
Suatu fungsi keanggotaan himpunan kabur disebut fungsi keanggotaan segitiga (triangular) jika mempunyai tiga buah parameter, yaitu a, b, c, dengan persamaan untuk bentuk segitiga ini adalah:
Segitiga (x,a,b,c) = {
(2.11)
Bentuk yang lain dari persamaan di atas adalah: Segitiga(x,a,b,c) = max
Parameter {a,b,c} dengan (a<b<c) yang menentukan koordinat x dari ketiga sudut segitiga tersebut, seperti terlihat pada Gambar 4.
a b c x 0
1
Gambar 2.4: Grafik Fungsi Segitiga
Suatu fungsi keanggotaan himpunan kabur disebut fungsi keanggotaan trapesium (trapezoidal membership function) jika mempunyai empat parameter yaitu a, b, c, d,
denganng persamaan untuk bentuk trapesium ini adalah:
Trapesium (x,a,b,c,d) = {
(2.13)
Parameter {a,b,c,d} dengan (a<b<c<d) yang menentukan koordinat x dari keempat sudut trapesium tersebut, seperti terlihat pada Gambar 5.
a b c d x 0
1
Gambar 2.5: Grafik Fungsi Trapesium
2.7. Fuzzifikasi (Fuzzification)
Fuzzifikasi merupakan proses yang digunakan untuk mengubah masukan tegas/nyata (crisp inputs) yang bersifat bukan fuzzy ke dalam himpunan fuzzy menjadi nilai fuzzy dari beberapa variabel linguistik masukan yang telah didefinisikan, hasil pengubahan data ini dinamakan masukan fuzzy (Fuzzy Inputs).
Gambar 2.6: Diagram Blok Fuzzy Logika
Basis pengetahuan terdiri dari basis data dan basis aturan. Basis data mendefinisikan himpunan fuzzy atas ruang-ruang masukan (input) dan keluaran (output). Basis aturan berisi aturan-aturan kendali fuzzy yang digunakan untuk pengendalian proses.
Pembentukan basis data mencakup perancangaan fungsi keanggotaan (membership function) untuk masing-masing variabel masukan dan keluaran, pendefinisian semesta pembicaraan dan penentuan variabel linguistik setiap variabel masukan dan keluaran. Basis aturan kendali fuzzy adalah kumpulan aturan-aturan kendali fuzzy yang dibuat berdasarkan pengetahuan manusia dalam pengendalian suatu sistem. Aturan yang ditetapkan digunakan untuk menghubungkan antara variabel-variabel masukan dan variabel-variabel keluaran. Aturan ini berbentuk ‘JIKA – MAKA’ (IF – THEN).
Berdasarkan basis aturan yang telah dibuat, variabel masukan fuzzy diolah lebih lanjut untuk mendapatkan suatu penyelesaian. Dengan demikian dapat diambil suatu keputusan berupa suatu peubah fuzzy keluaran, yaitu himpunan-himpunan keluaran fuzzy dengan fungsi keanggotaan (membership function) yang telah ditetapkan.
2.8. Fuzzy Inference System
Fuzzy inference system adalah suatu proses perumusan pemetaan dari input ke output dengan menggunakan logika fuzzy (Gulley & Jang, 1999). Fuzzy Inference System (FIS) dapat dijabarkan ke 5 fungsi, yaitu:
1. Basis kaidah (rule base), yang berisi aturan-aturan secara linguistik yang bersumber dari pakar dengan aturan fuzzy If – Then
2. Database, dimana mendefinisikan fungsi keanggotaan yang digunakan
3. Suatu mekanisme pengambilan keputusan (inference engine), yang memperagakan bagaimana para pakar mengambil suatu keputusan dengan menerapkan pengetahuan (knowledge)
4. Proses fuzzifikasi (fuzzification), yang mengubah besaran tegas (crisp) ke besaran fuzzy 5. Proses defuzzifikasi (defuzzification), yang mengubah besaran fuzzy hasil dari inference
engine, menjadi besaran tegas (crisp)
2.8.1. Metode Tsukamoto
Sistem inferensi fuzzy didasarkan pada konsep penalaran monoton. Pada metode penalaran secara monoton, nilai crisp pada daerah konsekuen dapat diperoleh secara langsung berdasarkan fire strength pada antesedennya. Salah satu syarat yang harus dipenuhi pada metode penalaran ini adalah himpunan fuzzy pada konsekuennya harus bersifat monoton. Karena menggunakan konsep dasar penalaran monoton, pada metode Tskamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton.
Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan -predikat (fire strength). Proses agregasi antar aturan diakukan dan hasil akhirnya diperoleh dengan menggunakan defuzzy dengan konsep rata-rata terbobot.
Sistem inferensi fuzzy menggunakan metode Sugeno, memiliki karakteristik yaitu konsekuen tidak merupakan himpunan fuzzy, namun merupakan suatu persamaan linear dengan variabel-variabel sesuai dengan variabel-variabel-variabel-variabel inputnya. Metode ini diperkenalkan oleh Takagi Sugeno Kang pada tahun 1985.
Ada 2 model untuk sistem inferensi fuzzy dengan menggunakan metode TSK, yaitu model TSK orde-0 dan model TSK orde-1.
Secara umum bentuk model fuzzy sugeno orde-0 adalah: (Cox, 1994 dalam Kusumadewi sri, 2010):
IF (X1 is A1)°(X2 is A2)° ( X3 is A3)° ... (XN is AN) THEN z = k.
Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, ° adalah operator fuzzy (seperti AND atau OR), dan k adalah suatu konstanta (tegas) sebagai konsekuen
Secara umum bentuk model fuzzy Sugeno orde-1 adalah (Cox, 1994 dalam Kusumadewi sri, 2010):
IF (x1 is A1)°... °(XN is AN) THEN z = p1x1 +...+pNxN + q
Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, ° adalah operator fuzzy (seperti AND atau OR), pi adalah suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen.
Proses agregasi dan defuzzy untuk mendapatkan nilai tegas sebagai output untuk M aturan fuzzy juga dilakukan dengan menggunakan rata-rata terbobot, yaitu: (Cox, 1994 dalam Kusumadewi, sri 2010)
∑∑
Penilaian kinerja memegang peranan yang penting bagi suatu lembaga/instansi untuk menjalankan fungsi di lembaganya sehingga tercapainya kinerja lembaga secara keseluruhan. Sering terjadi, penilaian dilakukan tidak tepat, ketidaktepatan ini dapat disebabkan oleh beberapa faktor. Beberapa faktor yang menyebabkan ketidaktepatan penilaian kinerja diantaranya adalah ketidakjelasan makna kinerja yang diimplementasikan, sehingga tidak diperoleh kinerja yang diharapkan, ketidakakuratan instrumen penilaian kinerja, dan ketidakpedulian pimpinan organisasi dalam pengelolaan kinerja. Kinerja dilihat dari baik-tidaknya aktivitas tertentu untuk mendapatkan hasil yang diinginkan (Williams,2002).
Pengertian kinerja menurut Kamus Besar Bahasa Indonesia adalah merupakan kata benda (n) yang artinya: 1) Sesuatu yang dicapai, 2) Prestasi yang diperlihatkan, 3) Kemampuan kerja (peralatan), sedangkan penilaian kinerja menurut Mulyadi (1997, hal 419) adalah penentuan secara periodik efektifitas operasional suatu organisasi, bagian organisasi dan karyawannya berdasarkan sasaran, standar dan kriteria yang ditetapkan sebelumnya. Karena organisasi pada dasarnya dijalankan oleh manusia maka penilaian kinerja sesungguhnya merupakan penilaian atas prilaku manusia dalam melaksanakan peran yang mereka mainkan dalam organisasi. Dalam melihat organisasi perusahaan dapat diketahui besarnya tanggungjawab manajer yang diwujudkan dalam bentuk prestasi kerja. Namun demikian mengatur besarnya tanggungjawab sekaligus mengukur prestasi tidaklah mudah sebab ada yang dapat diukur dengan mudah mudah dan ada pula yang sulit untuk diukur. Sedangkan tujuan penilaian kinerja (Mulyadi,1997) adalah:
“Untuk memotivasi karyawan dalam mencapai sasaran organisasi dan dalam mematuhi standar
prilaku yang telah ditetapkan sebelumnya agar membuahkan tindakan dan hasil yang
diinginkan. Standar prilaku dapat berupa kebijakan manajemen atau rencana formal yang
dituangkan dalam anggaran.”
Salah satu sarana manajemen paling penting yang harus dibebankan agar tujuan organisasi dapat tercapai adalah faktor manusia. Tanpa manusia yang berkualitas, betapapun canggihnya sistem yang dirancang, tujuan organisasi mungkin hanya sekedar angan-angan saja. Disamping sarana, prinsip-prinsip organisasi harus pula dipenuhi seperti adanya pembagian tugas yang adil, pendelegasian tugas, rentang kekuasaan, tingkat pengawasan yang cukup, kesatuan perintah dan tanggungjawab serta koordinasi masing-masing unit merupakan suatu hal yang harus menerus disempurnakan. Untuk itu penilaian kinerja dimanfaatkan oleh manajemen untuk hal-hal sebagai berikut:
1. Mengelola operasi organisasi secara efektif dan efesian melalui pemotivasian karyawan secara maksimum
2. Membantu pengambilan keputusan yang bersangkutan dengan karyawan seperti promosi, transfer dan pemberitahuan
3. Mengidentifikasi kebutuhan dan pelatihan dan pengembangan karyawan dan untuk menyediakan kriteria seleksi dan evaluasi program pelatihan karyawan
4. Menyediakan umpan balik kerja bagi karyawan mengenai bagaimana atasan mereka menilai kinerja mereka
5. Menyediakan suatu dasar bagi distribusi penghargaan
Menurut Cascio (2003: 336-337), kriteria sistem pengukuran kinerja adalah sebagai berikut: 1. Relevan (relevance). Relevan mempunyai makna (1) terdapat kaitan yang erat antara
standar untuk pekerjaan tertentu dengan tujuan organisasi, dan (2) terdapat keterkaitan yang jelas antara elemen-elemen kritis suatu pekerjaan yang telah diidentifikasi melalui analisis jabatan dengan dimensi-dimensi yang akan dinilai dalam form penilaian
3. Reliabilitas (reliability). Reliabilitas dalam konteks ini berarti konsistensi penilaian. Dengan kata lain sekalipun instrumen tersebut digunakan oleh dua orang yang berbeda dalam menilai SDM, hasil penilaiannya akan cenderung sama
4. Akseptabilitas (acceptability). Akseptabilitas berarti bahwa pengukuran kinerja yang dirancang dapat diterima oleh pihak-pihak yang menggunakannya
5. Praktis (practicality). Praktis berarti bahwa instrumen penilaian yang disepakati mudah dimengerti oleh pihak-pihak yang terkait dalam proses penilaiaan tersebut.
Pendapat senada dikemukakan oleh Mondy and Noe (1990), bahwa kriteria sistem pengukuran kinerja yang efektif terdiri dari beberapa aspek sebagai berikut:
1. Mempunyai keterkaitan yang strategis (strategic congruence). Suatu pengukuran kinerja dikatakan mempunyai keterkaitan yang strategis jika sistem pengukuran kinerjanya menggambarkan atau berkaitan dengan tujuan-tujuan organisasi. Sebagai contoh, jika organisasi tersebut menekankan pada pentingnya pelayanan pada pelanggan, maka pengukuran kinerja yang digunakan harus mampu menilai seberapa jauh pegawai melakukan pelayanan terhadap pelanggannya.
2. Validitas (validity). Suatu pengukuran kinerja dikatakan valid apabila hanya mengukur dan menilai aspek-aspek yang relevan dengan kinerja yang diharapkan.
3. Reliabilitas (reliability). Reliabilitas berkaitan dengan konsistensi pengukuran kinerja yang digunakan. Salah satu cara untuk menilai reliabilitas suatu pengukuran kinerja adalah dengan membandingkan dua penilai yang menilai kinerja seorang pegawai. Jika nilai kedua penilai tersebut relatif sama, maka dapat dikatakan bahwa instrumen tersebut reliabel.
5. Spesifisitas (specificity). Spesifisitas adalah batasan-batasan dimana pengukuran kinerja yang diharapkan disampaikan kepada para pegawai sehingga para pegawai memahami apa yang diharapkan dari mereka dan bagaimana cara untuk mencapai kinerja tersebut. Spesifisitas berkaitan erat dengan tujuan strategis dan tujuan pengembangan manajemen kinerja.
Diharapkan seluruh pihak yang terkait di lembaga/instansi harus dapat saling bekerjasama untuk diperolehnya penilaian kinerja yang baik, dengan memahami aspek-aspek yang akan dijadikan penilaian kinerja.
2.10. Penelitian yang terkait
Ada beberapa penelitian yang terkait dengan penelitian yang penulis buat, yaitu: Tabel 2.1. Penelitian Terkait
Tahun Penulis Penjelasan Penelitian
2013 Abdullah A. G., Ana, dan Hakim D. L
Menjabarkan tentang Pengembangan Alat Penilaian Kinerja pada Pembelajaran Sains Berbasis Fuzzy Grading System.
2012 Mustafidah H. dan Suwarsito
Menjabarkan mengenai Analisis minat belajar mahasiswa dan tingkat kehadiran dosen pengaruhnya terhadap tingkat kelulusan mahasiswa menggunakan fuzzy quantification theory
keanggotaan.
2010 Nugroho G.S. dan Singgih M. L.
Menjelaskan mengenai evaluasi lean
manufacturing pada line produksi MMPO
menggunakan metode fuzzy logic
2009 Rakhmat Wahyu W dan Liza Afriyanti
Menerapkan mengenai aplikasi Fuzzy Inference
System (FIS) metode tsukamoto pada simulasi
traffic light menggunakan java
2005 Iswari dan Wahid F. Menjelaskan alat bantu sistem inferensi fuzzy metode sugeno orde satu
BAB 3
METODOLOGI PENELITIAN
Penelitian dilakukan untuk model penilaian kinerja lembaga kursus dan pelatihan dengan logika fuzzy, dengan aspek penilaian yaitu: Pemasaran, Sumber Daya Manusia (SDM), Operasional dan Keuangan yang ditemukan data di setiap Lembaga Kursus dan Pelatihan (LKP).
Dengan variabel (pemasaran, SDM, operasional dan keuangan) dan linguistik (baik, cukup , dan kurang) yang digunakan untuk memperoleh hasil penilaian kinerja LKP, maka logika fuzzy memiliki peranan dalam menentukan penilaian kinerja LKP dari instrumen LKP yang telah tersedia. Data hasil penilaian kinerja LKP diperoleh dari data hasil identifikasi terhadap LKP yang memiliki Nomor Induk Lembaga (Nilek) yang berada di daerah Sumatera Utara yang telah masuk data tersebut di Direktorat Pembinaan Kursus dan Pelatihan.
3.2.Teknik Pengumpulan Data
Untuk melaksanakan teknik pengumpulan data dalam penelitian ini, adalah: 1. Identifikasi LKP yang belum dinilai penilaian kinerja lembaganya 2. Penentuan LKP yang menjadi sasaran untuk dinilai kinerja lembaganya 3. LKP mengisi borang/instrumen penilaian
4. Melakukan verifikasi ke LKP oleh verifikator dengan mengkoreksi pengisian borang Penilaian kinerja LKP, didukung dengan melampirkan bukti fisik yang otentik kebenarannya untuk dilakukannya penilaian kinerja lembaganya.
3.3.Rancangan
Rancangan yang akan dituangkan dalam penelitian ini dapat diuraikan dalam bentuk diagram di bawah ini, yaitu:
Identifikasi LKP Ditbinsuslat, dinas kab./kota dan HIPKI
Penentuan LKP
Verifikasi oleh Verifikator
Pengisian instrumen penilaian kinerja LKP
Validator sidang bersama Verifikator
Entry data
Tidak
Memiliki Izin Operasional/ Akte Notaris/
Nilek ? Keluar dari
Sistem
Keluar dari Sistem
Tidak
A
Input Data Proses Data ?
Ya Ya
Gambar 3.1.: Flowchart Perancangan Sistem
3.4. Pelaksanaan Penelitian
Pelaksanaan penelitian ini dilaksanakan dalam beberapa tahap yaitu:
a. Identifikasi beberapa LKP yang akan divisitasi dengan informasi yang telah disediakan oleh Direktorat Pembinaan Kursus dan Pelatihan bekerjasama dengan Dinas Pendidikan Kab./Kota di wilayah Sumatera dan Himpunan Penyelenggara Pelatihan dan Kursus Indonesia (HIPKI) di Kabupaten ataupun Kota.
b. Visitasi LKP di Kab./Kota dengan mengisi instrumen penilaian kinerja LKP dan instrumen verifikator
c. Validasi penilaian kinerja LKP oleh validator
Pemberian Penilaian LKP
Fuzzifikasi
Aturan Basis Data
Defuzzifikasi
d. Proses input data menggunakan program Visual Basic Net untuk diproses (dianalisis) penilaian kinerja LKP dengan model keanggotaan fungsi fuzzy
e. Penentuan hasil penilaian kinerja bagi LKP
3.5.Variabel yang diamati
Variabel yang diamati untuk melaksanakan penelitian ini, meliputi: 4 (empat) variabel input dan 1 variabel output seperti yang digambarkan dalam tabel 3.1.
Tabel 3.1. Variabel Penilaian Kinerja LKP
Penilaian
Keputusan
Variabel
Pemasara
n Sumber Daya Manusia
Operasional/
Pelaksanaan Keuangan
Memiliki
izin
operasional
/akte
notaris
nilai nilai nilai nilai
NC A B C D
Untuk melaksanakan penilaian kinerja LKP, dilakukan pengisian borang penilaian kinerja yang dilakukan oleh LKP bersama verifikator, dengan disusun beberapa pertanyaan dari setiap variabel dengan tabel sebagai berikut:
Tabel 3.2. Jumlah pertanyaan dari variabel penelitian
No. Variabel Jumlah Pertanyaan
2 SDM 36
3 Operasional/Pelaksanaan 57
4 Keuangan 45
Total Pertanyaan 258
Untuk perhitungan pada aspek pemasaran, pada tabel 3.3. terdapat butir periksa yang akan diberi penilaian, berupa: peserta didik LKP, kerjasama dengan mitra, alumni yang terdaftar, penghargaan dan program aksi sosial (CSR), yaitu:
Tabel 3.3. Deskripsi variabel pemasaran
No. Variabel Sub Variabel Deskripsi Butir Periksa
1. Pemasaran
a. Cara Melakukan Seleksi penerimaan
peserta didik
b. Penempatan/ Pengelompokan
Perkembangan a. Data Peserta Didik
b. Perkembangan Peserta
Data Penempatan (harus disertai
dokumen otentik/bukan sekedar data rekapitulasi)
Data Lulusan berwirausaha (harus disertai
dokumen otentik/bukan sekedar data rekapitulasi)
Ketersediaan bukti otentik lulusan yang
terserap di DUDI / Wirausaha (berita
acara penyaluran/ bukti penempatan kerja dari perusahaan/surat keterangan kerja/success story/foto di tempat kerja-wirausaha)
Kepuasan Peserta Didik
Tingkat Kepuasan Peserta Didik Dalam Mengikuti Kursus
dalam rekruitmen
dengan data lulusan bekerja)
Ketersediaan Bukti Otentik kemitraan
rekrutmen; (MoU / akad kerjasama /
surat kerjasama, jurnal kegiatan penempatan/ job order / surat permintaan tenaga kerja / album kegiatan rekrutmen).Harus sesuai dengan data di
Ketersediaan Bukti Otentik magang (MoU
/ akad kerjasama / surat kerjasama / berita acara magang / jurnal kegiatan magang / surat kesediaan magang / sertifikat magang/surat keterangan magang / album kegiatan magang)
Tingkat kepuasan DU/DI
Alumni
Layanan Alumni
Program Layanan Alumni; layanan
pembinaan dalam bentuk pendampingan atau seminar/ penyaluran / jurnal atau daftar hadir konsultasi alumni / foto-foto kegiatan layanan alumni (wadah ikatan alumni/rekreasi dengan alumni/arisan tanpa disertai pembinaan bukan layanan alumni)
Kepuasan Alumni
Tingkat Kepuasan Alumni
Penghargaan
Akreditasi Akreditasi Program
Akreditasi Lembaga Prestasi
Lembaga
Level Prestasi (dalam 3 tahun terakhir)
Prestasi SDM
Keberadaan CSR Penyelenggaraan CSR Kepuasan
Masyarakat
Analisa angket
Pada tabel 3.4 menunjukkan aspek sumber daya manusia yang akan diberi penilaian, berupa: penilaian pendidik dan tenaga kependidikan, yaitu:
No. Variabel Sub Variabel Deskripsi Butir Periksa
b. Proses Seleksi (dibuktikan dengan
adanya arsip berkas pelamar, dokumen tes tulis/wawancara, SK pengangkatan, dan sejenisnya)
Peningkatan Mutu Pendidik
a. Peningkatan mutu melalui jalur
formal
b. Peningkatan mutu melalui jalur non
formal (Kursus/Seminar/Workshop) Penilaian
Pendidik
a. Penilaian Kinerja Pendidik
b. Tindaklanjut hasil penilaian
Kualifikasi dan Kompetensi
Pendidik
Kualifikasi dan Kompetensi Pendidik sesuai dengan program kursus yang dilaksanakan
Kepuasan Pendidik
Lihat Petunjuk analisis angket
Tenaga Pendidikan
Proses Rekrutmen
a. Pengumuman Rekrutmen
b. Proses Seleksi (dibuktikan dengan
adanya arsip berkas pelamar, dokumen tes tulis/wawancara, SK pengangkatan, dan sejenisnya)
Peningkatan Mutu Tenaga Kependidikan
a. Peningkatan mutu melalui jalur
formal
b. Peningkatan mutu melalui jalur non
formal (Kursus/Seminar/Workshop) Penilaian
Tenaga Kependidikan
a. Penilaian Kinerja Pendidik
b. Tindaklanjut hasil penilaian
Kualifikasi dan Kompetensi
Tenaga Kependidikan
Kualifikasi dan Kompetensi Pendidik sesuai dengan program kursus yang dilaksanakan
Kepuasan Tenaga Kependidikan
Lihat Petunjuk analisis angket
Tabel 3.5. Deskripsi variabel operasional
No. Variabel Sub Variabel Deskripsi Butir Periksa
3. Operasional/Pelaksana
Pengelolaan Struktur Organisasi
a. Struktur Organisasi
Rencana Strategis Rencana Strategis Dokumen Renstra
Rencana Tahunan Rencana Tahunan
Pembelajaran a. Pedoman Penilaian b. Instrumen penilaian c. Hasil Penilaian d. Daftar Hadir Ujian
Tata Tertib
Tata Tertib Peserta Didik
Dokumen tata tertib peserta didik
Tata Tertib Pendidik Dokumen tata tertib
pendidik
Ruang Belajar Ruang Teori
Ruang Praktek
Ruang Operasional Ruang Kerja
Peralatan
pegawai Arsip Laporan internal
Laporan Eksternal (kepada dinas atau
pihak lain terkait)
Pedoman
Pada tabel 3.6 penilaian terhadap aspek keuangan, berupa: Rencana Anggaran Pendapatan Belanja Lembaga (RAPBL), dan laporan keuangan, yaitu:
Tabel 3.6. Deskripsi variabel keuangan
No. Variabel Sub Variabel Deskripsi Butir Periksa
4 Keuangan
Keuanga Proses laporan
Setelah dilaksanakan pengisian borang penilaian kinerja LKP, maka LKP dinilai dengan menggunakan logika fuzzy, dan akan menghasilkan sebuah penilaian berdasarkan kategori yang terdapat pada tabel 3.7, berikut:
Tabel 3.7. Kategori Penilaian
Kategori Nilai
A 85 – 100
B 65 – 84
C 45 – 64
D < 45
3.6. Pembentukan Aturan Dasar Data Fuzzy
Variabel dalam penelitian ini terdiri dari 4 variabel dengan masing-masing variabel memiliki 3 himpunan fuzzy. Variabel dan himpunan fuzzy dapat dilihat seperti pada tabel 3.8.
Tabel 3.8. Variabel Himpunan Fuzzy No Variabel
Penilaian Himpunan fuzzy
1 Pemasaran
Baik Cukup Kurang
2 SDM
Baik Cukup Kurang
3 Operasional
Baik Cukup Kurang
Cukup Kurang
Dari kombinasi 4 variabel dengan 3 nilai himpunan fuzzy maka ada sebanyak 81 rule yang akan terbentuk. Dalam penentuan rule yang terbentuk kombinasi variabel digunakan operator AND. Dengan bentuk rule yang terbentuk adalah model fuzzy sugeno orde-0. Adapun dasar peneliti dalam menentukan konstanta dari setiap rule adalah dapat dilihat seperti tabel 3.9.
Tabel 3.9. Dasar penentuan Konstanta pada Rule
No Variabel Baik = 3 Cukup = 2 Kurang = 1
1 Pemasaran 0,5 0,31 0,15
2 SDM 0,2 0,09 0,004
3 Operasional 0,3 0,14 0,07
4 Keuangan 0,2 0,11 0,06
3.7. Pembentukan Himpunan Fuzzy
Dalam penelitian ini penulis telah melakukan penelitian dengan menggunakan fungsi keanggotaan terhadap 4 variabel dengan fungsi keanggotaan segitiga, dan trapezodial, yaitu fuzzyfikasi pemasaran, fuzzyfikasi Sumber daya manusia, fuzzyfikasi operasional serta fuzzyfikasi keuangan..
Gambar 3.2 : Fungsi Keanggotaan Segitiga Pemasaran
{
X< 40
40<X<80
x>80
{
X<40 Atau X>120
40<X<80
80<x<120
{
X<80
80<X<120
x>120
Gambar 3.3: Fungsi Keanggotaan Segitiga SDM
{
X< 12
12<X<24
x>24
{
X<12Atau X>36
12<X<24
24<x<36
{
X<24
24<X<36
x>36
Gambar 3.4: Fungsi Keanggotaan Segitiga Operasional
{
X< 20
20<X<40
x>40
{
X<20 Atau X>57 20<X<40 40<x<57
{
X<40
40<X<57
x>57
Gambar 3.5: Fungsi Keanggotaan Segitiga Keuangan
{
X< 15
15<X<=30
x>30
{
X<15Atau X>45
15<X<30
30<x<45
{
X<30
30<X<45
3.7.5. Fuzzifikasi Pemasaran dengan Fungsi Keanggotaan Trapesium
Gambar 3.6: Fungsi Keanggotaan Trapesium Pemasaran
{
X< 40
40<X<60
x>60
{
X<40 Atau X>120
40<X<60
60<X<100
100<X<120
{
X<100
100<X<120
3.7.6. Fuzzifikasi SDM dengan Fungsi Keanggotaan Trapesium
12 16 32 36
Kurang Cukup Baik
Gambar 3.7: Fungsi Keanggotaan Trapesium SDM
{
X< 12
12<X<16
x>16
4.
{
X<12Atau X>36
12<X<16
16<X<32
32<x<5
5.
{
X<32
32<X<36
3.7.7 Fuzzifikasi Operasional dengan Fungsi Keanggotaan Trapesium
Gambar 3.8 : Fungsi Keanggotaan Trapesium Operasional
{
X< 20
42<X<30
x>30
{
X<20 Atau X>57
20<X<30
30<X<50
50<X<57
{
X<50
57<X<57
X>57
3.7.8. Fuzzifikasi Keuangan dengan Fungsi Keanggotaan Trapesium 20 30 50 57
15 20 40 45
Kurang Cukup Baik
Gambar 3.9 : Fungsi Keanggotaan Keuangan
{
X< 15
15<X<20
x>20
{
X<15 Atau X>45
15<X<20
20<X<40
40<X<45
{
X<40
40<X<45
X>45
3.8. Komposisi Rule
Untuk rule penilaian kinerja bagi LKP, yaitu:
Maka komposisi rule yang dapat ditampilkan sebagai berikut:
Rule yang akan terbentuk adalah sebagai berikut:
Tabel 3.10. Rule Penilaian Kinerja bagi Lembaga Kursus dan Pelatihan
NO.
RULE PEMASARAN SDM OPERASIONAL KEUANGAN THEN
1 BAIK BAIK BAIK BAIK z[1]:=0.5*Pemasaran+0.2*SDM+0.3*Operasional+0.2*Keuangan
2 BAIK BAIK BAIK CUKUP z[2]:=0.5*Pemasaran+0.2*SDM+0.3*Operasional+0.11*Keuangan
3 BAIK BAIK BAIK KURANG z[3]:=0.5*Pemasaran+0.2*SDM+0.3*Operasional+0.06*Keuangan
4 BAIK BAIK CUKUP BAIK z[4]:=0.5*Pemasaran+0.2*SDM+0.14*Operasional+0.2*Keuangan
5 BAIK BAIK CUKUP CUKUP z[5]:=0.5*Pemasaran+0.2*SDM+0.14*Operasional+0.11*Keuangan
6 BAIK BAIK CUKUP KURANG z[6]:=0.5*Pemasaran+0.2*SDM+0.14*Operasional+0.06*Keuangan
7 BAIK BAIK KURANG BAIK z[7]:=0.5*Pemasaran+0.2*SDM+0.07*Operasional+0.2*Keuangan
8 BAIK BAIK KURANG CUKUP z[8]:=0.5*Pemasaran+0.2*SDM+0.07*Operasional+0.11*Keuangan
9 BAIK BAIK KURANG KURANG z[9]:=0.5*Pemasaran+0.2*SDM+0.07*Operasional+0.06*Keuangan
10 BAIK CUKUP BAIK BAIK z[10]:=0.5*Pemasaran+0.09*SDM+0.3*Operasional+0.2*Keuangan
11 BAIK CUKUP BAIK CUKUP z[11]:=0.5*Pemasaran+0.09*SDM+0.3*Operasional+0.11*Keuangan
12 BAIK CUKUP BAIK KURANG z[12]:=0.5*Pemasaran+0.09*SDM+0.3*Operasional+0.06*Keuangan
13 BAIK CUKUP CUKUP BAIK z[13]:=0.5*Pemasaran+0.09*SDM+0.14*Operasional+0.2*Keuangan
14 BAIK CUKUP CUKUP CUKUP z[14]:=0.5*Pemasaran+0.09*SDM+0.14*Operasional+0.11*Keuangan
15 BAIK CUKUP CUKUP KURANG z[15]:=0.5*Pemasaran+0.09*SDM+0.14*Operasional+0.06*Keuangan
16 BAIK CUKUP KURANG BAIK z[16]:=0.5*Pemasaran+0.09*SDM+0.07*Operasional+0.2*Keuangan
17 BAIK CUKUP KURANG CUKUP z[17]:=0.5*Pemasaran+0.09*SDM+0.07*Operasional+0.11*Keuangan
18 BAIK CUKUP KURANG KURANG z[18]:=0.5*Pemasaran+0.09*SDM+0.07*Operasional+0.06*Keuangan
19 BAIK KURANG BAIK BAIK z[19]:=0.5*Pemasaran+0.04*SDM+0.3*Operasional+0.2*Keuangan
20 BAIK KURANG BAIK CUKUP z[20]:=0.5*Pemasaran+0.04*SDM+0.3*Operasional+0.11*Keuangan
21 BAIK KURANG BAIK KURANG z[21]:=0.5*Pemasaran+0.04*SDM+0.3*Operasional+0.06*Keuangan
22 BAIK KURANG CUKUP BAIK z[22]:=0.5*Pemasaran+0.04*SDM+0.14*Operasional+0.2*Keuangan
23 BAIK KURANG CUKUP CUKUP z[23]:=0.5*Pemasaran+0.04*SDM+0.14*Operasional+0.11*Keuangan
24 BAIK KURANG CUKUP KURANG z[24]:=0.5*Pemasaran+0.04*SDM+0.14*Operasional+0.06*Keuangan
25 BAIK KURANG KURANG BAIK z[25]:=0.5*Pemasaran+0.04*SDM+0.07*Operasional+0.2*Keuangan
26 BAIK KURANG KURANG CUKUP z[26]:=0.5*Pemasaran+0.04*SDM+0.07*Operasional+0.11*Keuangan
28 CUKUP BAIK BAIK BAIK z[28]:=0.31*Pemasaran+0.2*SDM+0.3*Operasional+0.2*Keuangan
29 CUKUP BAIK BAIK CUKUP z[29]:=0.31*Pemasaran+0.2*SDM+0.3*Operasional+0.11*Keuangan
30 CUKUP BAIK BAIK KURANG z[30]:=0.31*Pemasaran+0.2*SDM+0.3*Operasional+0.06*Keuangan
31 CUKUP BAIK CUKUP BAIK z[31]:=0.31*Pemasaran+0.2*SDM+0.14*Operasional+0.2*Keuangan
32 CUKUP BAIK CUKUP CUKUP z[32]:=0.31*Pemasaran+0.2*SDM+0.14*Operasional+0.11*Keuangan
33 CUKUP BAIK CUKUP KURANG z[33]:=0.31*Pemasaran+0.2*SDM+0.14*Operasional+0.06*Keuangan
34 CUKUP BAIK KURANG BAIK z[34]:=0.31*Pemasaran+0.2*SDM+0.07*Operasional+0.2*Keuangan
35 CUKUP BAIK KURANG CUKUP z[35]:=0.31*Pemasaran+0.2*SDM+0.07*Operasional+0.11*Keuangan
36 CUKUP BAIK KURANG KURANG z[36]:=0.31*Pemasaran+0.2*SDM+0.07*Operasional+0.06*Keuangan
37 CUKUP CUKUP BAIK BAIK z[37]:=0.31*Pemasaran+0.09*SDM+0.3*Operasional+0.2*Keuangan
38 CUKUP CUKUP BAIK CUKUP z[38]:=0.31*Pemasaran+0.09*SDM+0.3*Operasional+0.11*Keuangan
39 CUKUP CUKUP BAIK KURANG z[39]:=0.31*Pemasaran+0.09*SDM+0.3*Operasional+0.06*Keuangan
40 CUKUP CUKUP CUKUP BAIK z[40]:=0.31*Pemasaran+0.09*SDM+0.14*Operasional+0.2*Keuangan
41 CUKUP CUKUP CUKUP CUKUP z[41]:=0.31*Pemasaran+0.09*SDM+0.14*Operasional+0.11*Keuangan
42 CUKUP CUKUP CUKUP KURANG z[42]:=0.31*Pemasaran+0.09*SDM+0.14*Operasional+0.06*Keuangan
43 CUKUP CUKUP KURANG BAIK z[43]:=0.31*Pemasaran+0.09*SDM+0.07*Operasional+0.2*Keuangan
44 CUKUP CUKUP KURANG CUKUP z[44]:=0.31*Pemasaran+0.09*SDM+0.07*Operasional+0.11*Keuangan
45 CUKUP CUKUP KURANG KURANG z[45]:=0.31*Pemasaran+0.09*SDM+0.07*Operasional+0.06*Keuangan
46 CUKUP KURANG BAIK BAIK z[46]:=0.31*Pemasaran+0.04*SDM+0.3*Operasional+0.2*Keuangan
47 CUKUP KURANG BAIK CUKUP z[47]:=0.31*Pemasaran+0.04*SDM+0.3*Operasional+0.11*Keuangan
48 CUKUP KURANG BAIK KURANG z[48]:=0.31*Pemasaran+0.04*SDM+0.3*Operasional+0.06*Keuangan
49 CUKUP KURANG CUKUP BAIK z[49]:=0.31*Pemasaran+0.04*SDM+0.14*Operasional+0.2*Keuangan
50 CUKUP KURANG CUKUP CUKUP z[50]:=0.31*Pemasaran+0.04*SDM+0.14*Operasional+0.11*Keuangan
51 CUKUP KURANG CUKUP KURANG z[51]:=0.31*Pemasaran+0.04*SDM+0.14*Operasional+0.06*Keuangan
52 CUKUP KURANG KURANG BAIK z[52]:=0.31*Pemasaran+0.04*SDM+0.07*Operasional+0.2*Keuangan
53 CUKUP KURANG KURANG CUKUP z[53]:=0.31*Pemasaran+0.04*SDM+0.07*Operasional+0.11*Keuangan
54 CUKUP KURANG KURANG KURANG z[54]:=0.31*Pemasaran+0.04*SDM+0.07*Operasional+0.06*Keuangan
55 KURANG BAIK BAIK BAIK z[55]:=0.15*Pemasaran+0.2*SDM+0.3*Operasional+0.2*Keuangan
56 KURANG BAIK BAIK CUKUP z[56]:=0.15*Pemasaran+0.2*SDM+0.3*Operasional+0.11*Keuangan
57 KURANG BAIK BAIK KURANG z[57]:=0.15*Pemasaran+0.2*SDM+0.3*Operasional+0.06*Keuangan
58 KURANG BAIK CUKUP BAIK z[58]:=0.15*Pemasaran+0.2*SDM+0.14*Operasional+0.2*Keuangan
59 KURANG BAIK CUKUP CUKUP z[59]:=0.15*Pemasaran+0.2*SDM+0.14*Operasional+0.11*Keuangan
60 KURANG BAIK CUKUP KURANG z[60]:=0.15*Pemasaran+0.2*SDM+0.14*Operasional+0.06*Keuangan
61 KURANG BAIK KURANG BAIK z[61]:=0.15*Pemasaran+0.2*SDM+0.07*Operasional+0.2*Keuangan
62 KURANG BAIK KURANG CUKUP z[62]:=0.15*Pemasaran+0.2*SDM+0.07*Operasional+0.11*Keuangan
64 KURANG CUKUP BAIK BAIK z[64]:=0.15*Pemasaran+0.09*SDM+0.3*Operasional+0.2*Keuangan
65 KURANG CUKUP BAIK CUKUP z[65]:=0.15*Pemasaran+0.09*SDM+0.3*Operasional+0.11*Keuangan
66 KURANG CUKUP BAIK KURANG z[66]:=0.15*Pemasaran+0.09*SDM+0.3*Operasional+0.06*Keuangan
67 KURANG CUKUP CUKUP BAIK z[67]:=0.15*Pemasaran+0.09*SDM+0.14*Operasional+0.2*Keuangan
68 KURANG CUKUP CUKUP CUKUP z[68]:=0.15*Pemasaran+0.09*SDM+0.14*Operasional+0.11*Keuangan
69 KURANG CUKUP CUKUP KURANG z[69]:=0.15*Pemasaran+0.09*SDM+0.14*Operasional+0.06*Keuangan
70 KURANG CUKUP KURANG BAIK z[70]:=0.15*Pemasaran+0.09*SDM+0.07*Operasional+0.2*Keuangan
71 KURANG CUKUP KURANG CUKUP z[71]:=0.15*Pemasaran+0.09*SDM+0.07*Operasional+0.11*Keuangan
72 KURANG CUKUP KURANG KURANG z[72]:=0.15*Pemasaran+0.09*SDM+0.07*Operasional+0.06*Keuangan
73 KURANG KURANG BAIK BAIK z[73]:=0.15*Pemasaran+0.04*SDM+0.3*Operasional+0.2*Keuangan
74 KURANG KURANG BAIK CUKUP z[74]:=0.15*Pemasaran+0.04*SDM+0.3*Operasional+0.11*Keuangan
75 KURANG KURANG BAIK KURANG z[75]:=0.15*Pemasaran+0.04*SDM+0.3*Operasional+0.06*Keuangan
76 KURANG KURANG CUKUP BAIK z[76]:=0.15*Pemasaran+0.04*SDM+0.14*Operasional+0.2*Keuangan
77 KURANG KURANG CUKUP CUKUP z[77]:=0.15*Pemasaran+0.04*SDM+0.14*Operasional+0.11*Keuangan
78 KURANG KURANG CUKUP KURANG z[78]:=0.15*Pemasaran+0.04*SDM+0.14*Operasional+0.06*Keuangan
79 KURANG KURANG KURANG BAIK z[79]:=0.15*Pemasaran+0.04*SDM+0.07*Operasional+0.2*Keuangan
80 KURANG KURANG KURANG CUKUP z[80]:=0.15*Pemasaran+0.04*SDM+0.07*Operasional+0.11*Keuangan
81 KURANG KURANG KURANG KURANG z[81]:=0.15*Pemasaran+0.04*SDM+0.07*Operasional+0.06*Keuangan
3.9. Defuzzifikasi
Defuzzifikasi berarti fuzzy untuk konversi himpunan tegas.. Hasil fuzzy yang nyata tidak dapat digunakan seperti untuk aplikasi, maka perlu mengkonversi jumlah fuzzy ke jumlah himpunan tegas untuk diproses lebih lanjut, hal ini digunakan untuk mencapai hasil dengan menggunakan proses defuzzifikasi. Defuzzifikasi ini memiliki kemampuan untuk mengurangi fuzzy sampai garing kuantitas bernilai tunggal atau sebagai satu set, atau mengkonversi ke bentuk yang kuantitas fuzzy hadir. Defuzzifikasi dapat juga disebut sebagai metode "pembulatan" (S. N. Sivanandam, S. Sumathi & S. N. Deepa, 2007)
average. Untuk menghitung nilai predikat (α-predikat) penilaian kinerja bagi lembaga kursus dan pelatihan.
Z = ∑
BAB 4
HASIL DAN PEMBAHASAN
Bab 4 menyajikan hasil penelitian Penilaian Kinerja Lembaga Kursus dan Pelatihan (PK-LKP) dengan menggunakan logika fuzzy metode Sugeno Orde 1, dengan input data yang berdasarkan hasil pengisian instrumen penilaian yang diberikan kepada 311 LKP yang berada di Propinsi: Aceh, Sumatera Utara, Sumatera Barat, Riau, Jambi, dan Sumatera Selatan, dengan berdasarkan 4 (empat) aspek, yaitu: pemasaran, sumber daya manusia, operasional dan keuangan.
4.1. Pencarian penilaian kinerja LKP
Untuk penilaian LKP dengan data yang diinput, dengan perhitungan nilai menggunakan program excel, kemudian dicari hasil rata-rata perhitungan sebagai berikut:
Nilai =
Sedangkan untuk penilaian yang dilakukan dengan menggunakan logika fuzzy perhitungan fuzzyfikasi Sugeno Ordo 0, sebagai berikut:
R1 = If Pemasaran Baik and SDM Baik and Operasional Baik and Keuangan Baik Then
Z1 =
R2 = If Pemasaran Baik and SDM Baik and Operasional Baik and Keuangan Baik Then
Z2 =
R3 = If Pemasaran Baik and SDM Baik and Operasional Baik and Keuangan Baik Then
Z3 =
||Rn = If Pemasaran Baik and SDM Baik and Operasional Baik and Keuangan Baik Then
Zn =
Defuzzifikasi
Z=
4.2. Pengujian Program Penilaian Kinerja bagi LKP
Input data yang diberikan kedalam system adalah berupa rekapitulasi penilaian untuk setiap komponen, gambar 4.1 adalah tampilan logika fuzzy
Gambar 4.2: Input Pilihan fungsi Keanggotaan
Gambar 4.4: Hasil Fuzzifikasi dari Fungsi Keanggotaan Segitiga
Gambar 4.6: Hasil Fuzzifikasi dari Fungsi Keanggotaan Sigmoid
4.3. Pengujian Data Penilaian Kinerja bagi LKP Perhitungan manual:
Nilai =
= 86,05
Untuk menghitung penilaian kinerja bagi LKP dengan menggunakan logika fuzzy, maka akan diinput data berupa:
Penilaian Kinerja bagi LKP dengan input pemasaran X = 110, sehingga diperoleh
Pemasaran Baik [110] =
Penilaian Kinerja bagi LKP dengan input SDM X = 30, sehingga diperoleh
SDM Baik [30] =
Penilaian Kinerja bagi LKP dengan input Operasional X = 30, sehingga diperoleh
Operasional Baik [47] =
Keuangan Baik [35] = = 0,7 Keuangan Cukup [35] =
= 0,3 Keuangan Kurang [30] =
= 0
4.3.2. Evaluasi Fuzzifikasi
Rule yang digunakan adalah sebanyak 81 rule, yaitu:
R1 = If Pemasaran Baik and SDM Baik and Operasional Baik and Keuangan Baik Then Penilaian Kinerja = (0,6*Pemasaran) + (0,35* SDM) + (0,5*Operasional) +
(0,4* Keuangan)
Z1= (0,6*110) + (0,35*30) + (0,5*47) + (0,4*35) = 114
1= min (0,25;0,5;0,6;0,7) = 0,25
R2 = If Pemasaran Cukup and SDM Baik and Operasional Baik and Keuangan Cukup Then Penilaian Kinerja = (0,4*Pemasaran) + (0,35* SDM) + (0,5*Operasional) +
(0,21* Keuangan)
Z2 = (0,4*110) + (0,35*30) + (0,5*47) + (0,21*35) = 85,35
2= min (0,75;0,5;0,6;0,3) = 0,3
R3 = If Pemasaran Cukup and SDM Cukup and Operasional Cukup and Keuangan Baik Then Penilaian Kinerja = (0,4*Pemasaran) + (0,15* SDM) + (0,24*Operasional) +
(0,4* Keuangan)
Z3= (0,4 *110) + (0,15*30) + (0,24*47) + (0,4*35) = 73,78
