Implementasi Fuzzy Inferensi Dan Decision Tree untuk Optimasi Pengukuran Kinerja Guru Dalam Menentukan Kompensasi Merit Pay

(1)

TESIS

Oleh

HERDIANTA

117038001

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2013

TESIS

Oleh

HERDIANTA

117038001

MEDAN

2013

TESIS

Oleh

HERDIANTA

117038001

(2)

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

Magister Teknik Informatika

HERDIANTA

117038001

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

MEDAN

2013

TESIS

HERDIANTA

117038001

MEDAN

2013

TESIS

HERDIANTA

117038001

(3)

Judul Tesis

:

Nama Mahasiswa

: HERDIANTA

Nomor Induk Mahasiswa : 117038001

Program Studi

: Magister (S2) Teknik Informatika

Fakultas

: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

Komisi Pembimbing

:

Pembimbing 2

Pembimbing 1

. Zakarias Situmorang, MT

Prof. Dr. Herman Mawengkang

Diketahui / disetujui oleh

Program Studi S2 Teknik Informatika

Ketua,

(4)

&)

L

) " %$ '&

F

*++

Y

&", ! " '&-$"-

C

& '&

O

"%! *"%* .

O

%&)$'& "/*.*! $"

K

&" ! 0 $

G

*!*-$($)) " " %*

K

$"

KO

) "'$'&) !& % $#

% ' &'

12 345 3 63 6 7 5

ya nyatakan bahwa saya mengakui semua karya tesis ini adalah hasil

kerja saya sendiri kecuali kutipan dan ringkasan yang tiap bagiannya telah di jelaskan

seumbernya dengan benar.

Medan, 20 Juni 2013

(5)

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan

dibawah ini:

Nama

: HERDIANTA

Nim

: 117038001

Program Studi

: S2 Teknik Informatika

Jenis Karya Ilmiah

: TESIS

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada

Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklutif

(Non-Exclusive Royalti

free Right)

atas tesis saya berjudul:

CD8

L

9D9; >=?C

F

@II

Y

C; J 9: 9; ?C H=; H 9

C

C ?C

O

; >: 99 @; >@F

O

8>CD=?C 8 9;G@F@: =;

K

C ; 9:A =

G

@:@ H=K=D D9; 9; >@F=;

KO

D89;? =?CD9:C>8=<

Beserta perangkat yang ada (

jika diperlukan

). Dengan Hak Bebas Royalti non

Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,

memformat, mengolah

data-base

, merawat dan mempublikasikan Tesis saya tanpa

meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan

sebagai dan atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, 20 Juni 2013

(6)

^ _`a b

I

_^ c`d

U

e

I

b cf

I

f

gM h SO Xijk lmnjmo SP O pp O Q

Zarlis

Anggota

: 1. Prof. Dr. Herman Mawengkang

2. Dr. Zakarias Situmorang

3. Prof. Dr. Opim Salim Situmpul

(7)

wsu syq rzswr

{|}|~ |

p

r

u

t

~ |

r

|

r

t

| |

r

|

}

p

|

t

|| |~~ |

r

{|}

u

r

u

~|} |

t

u

}| } ||

u

t

|~

{

s

|

r

|

s

|

t

| ¡

u

|~

r

|

~

p

¢

+

£

8

7

¤

78

n

st

|

si

m

p

|

t

k

rj

| ¥ {

ri

t

|

lim

|

ru

~|

m

|

t

l

|

s

|

r

¦

s

||

w

it

jo

¡

t

|

lim

|

ru

|

u

p

|

t

n

li

r

|

n

l

p

o

n

§ ¤£¨

7

£

8

¤ ¤ ¤©

wsu syª

N

wrw r« s¬

{

ri

{|

m

u

r

l

|

t

|

n

|

m

|

t

88

¥ ¥{

ri

{|

m

u

k

u

r

|

m

|

t

¥ ¥

m

||

n

i

|

in

j

i

|

m

|

t

©

t

|

tistik

|®¥

–

|

m

|

t

7

tr

|

t

| ¯ |

r

|

p

|

n

¥ |

n

|

m

|

t

¤ ¤

tr

|

t

| ¯

l

| |

n

¥|

n

|

m

|

t

¤ ¤£

(8)

¹º

rt

» ¼»

-t

» ¼ » ½ º ¾

u

¿ °

s

½» ¾À»

t

Á » ¾ Â»¾

sy

u

Á

u

r

Á º ½ » Â » Ã

u

Ä» ¾ Å »

n

Æ Ç »Ä» È

s

» »

t

»

s s

º Æ»

l

» Éº

rk

»

t

Â»

k

n

»

ru

n

i

» ÊËÌ»

y

»

n

Æ

s

º»

l

lu

m

º

n

y

º

rt

»

i p

º

n

u

lis s

»

m

»

p

»

i s

º

l

º

s

»

in

y

»

p

º»

n

yu

n

su

n

Ãº

sis y

»

n

ÆÉ º

rju

Â

u

l

ÍÎ ÏÐÑÒ ÏÒ ÓÔ ÕÖ ×Ø ÙÚ ÚÛ Î Ó Ü Ò Ý Ò Ó Ö ×ÞÕÓÞÒ

c

×Ö ×ßÓ³ÝÒ Ò ÙÓ Ô Ùà áÐÔ×ÏÕÖ × ´Ò ÓâÙàÙ Ý ÕÓ ±×ÓÒ ÝãÕ ·ÙÝ Ù ÞÕ ÑÕÏ äÒ ÓÒ ÓÔÙàÕÓ ±ß Ï ÐÒ Ó Ö ÕÖ ×

äÒ Ý ×Ô´ÕÛåæ

çÂ »

p

u

n

m

»

k

su

Â

p

º

n

yu

»

n

t

su

n

º

sis in

i

» Â»» Ä

l

u

n

tu

k

m

º

m

ºÄ

n

u

i s

»

l

»Ä

s

»

tu

p

r

»

sy

»

r

»

t u

n

tu

k

m

º

n

Â»

p

»

t

Æº

l

»

r

Ç» Æº

ist

r

è

o

m

p

u

t

º

r

éÇêèë

o

m

p

» Â» ¹

ro

Æ

r

»

m

¹»ì»

s

»

rj

»

n

»Ç» Æ

ist

º

r

Ãº

ik

k

n

í

n

î

o

rm

»

tik

»ïçð íñèòÇÊÃíóð óê

ô»

l

»

m

p

º

n

y

º

l

º

s

»»

i

n

t

º

sis in

i p

º

n

u

lis

É»»

n

y

k

m

º

n

º

m

u

i k

ºÂ»

n

l

»õ

n

»

m

u

n

Éº

rk

»

t

É»

n

tu

»

n

É »

ik

Éº

ru

p

» É

im

É

in

Æ»

n

m

»

u

p

u

n

»

r

» Ä»

n

Â»

ri

Éº

r

É» Æ»

i p

i

Ä»

k

º

n

Â»

l

»

t

º

rs

º É

t

u

Â»

p

»

t

Â

i

»

t

»

si

ê

ò¿ º Ä

k

»

r

º

n

»

itu

õ

p

» Â»

k

ºº

s

m

p

»

t

»

n

in

i p

º

lis m

n

u

º

n

y

»

m

p

»

ik

»

r

n

»»

s

Ä

o

rm

»

t

Â »

n

u

ì»

p

k

»

t

n

º

rim

»

k

»

si

Ä

y

»Æ

n

s

º Éº

s

»

r

ÊÉ º

s

»

rn

y

»õ

k

º

p

» Â»ö

÷ê ø»

p

»

k

¹

ro

î ê ôùê úº»

rm

n

Ç»ûº

n

Æ

k

»

n

Æõ

s

º»

l

k

u

k

º

tu

»

p

º

m

ÉÉ

im

in

Æ Âº

n

Æ»

n

p

º

n

u

Ä

k

º

s

» É»

r

»

n

m

º

m

ÉÉ

im

in

Æõ

m

º

m

o

tiv

»

si

õ

m

ºÉº

m

»

rik

n

Â

n

Æ»

u

k

u

n

m

o

ril

õ

k

ritik

õ Â»

n

s

»

r

»

n

Â»

l

»

m

p

º»

yu

n

t

su

n

º

sis in

i s

º Ä

in

ÆÆ»

t

º

sis in

i

Â»

p

»

t t

º

rs

º

l

º

s

»

ik

»

n

Âº

n

Æ»

n

É»

ik

ê

üê ø»

p

»

k

ôùê ý»

k

»

ri

»

s

ð

itu

m

o

r

»

n

Æõ

s

º

l

»

p

u

k

º

m

É

im

É

in

Æ »

n

Æ Æ»

t

o

»

t

»

s

É

im

É

in

Æ»

n

õ

»

r

» Ä»

n

õÂ»

n

û»

k

tu

y

»

n

Æ

t

º

l

» ÄÂ

ilu

»

n

Æ»

k

n

k

º» Â»

p

º

n

u

lis s

º

rt

»

m

º

m

Éº

rik

»

n

É» Ä»

n

Ê

É» Ä »

n

y

»

n

Æ Éº

rk

»

it

»

n

Â º

n

Æ»

n

p

º»

yu

n

t

su

n

º

sis in

i s

º Ä

in

ÆÆ»

t

º

sis in

i

Â»

p

»

t

º

rs

ºº

l

s

»»

ik

n

Âº

n

Æ»

n

É»

ik

ê

þê ø»

p

»

k

¹î ê

ro

ôùê ÇÄ »

u

m

» Âý»

rlis

õ

s

º

l

»

p

u

k

º

m

É»

n

Â

in

Æõ èº

tu

»

p

ro

Æ

r

»

m

ð

tu

Â

i

ð ü

Ãº

k

n

ik

í

n

î

o

rm

»

tik

» ïçð íñèòÇ ÊÃí óð óÂ»

n

ôº

k

»

n

ïçð íñèòÇ ÊÃí ó ð ó

y

»

n

Æ

t

º» Ä

l

m

º

m

Éº

rik

»

n

m

»»

su

k

n

Â»

n

s

»

r

»

n

p

» Â »

k

lo

m

o

k

iu

s

º

rt

» Â

n

Æ»

u

k

n

m

õ

o

ril

k

ritik

Â»

n

s

»

r

»

n

s

º Ä

in

ÆÆ»

t

º

sis in

i

Â»

p

»

t s

º

l

º

s

»

i t

º

p

»

t

û»

k

tu

ê

ÿê ø»

p

»

k

¹

ro

îêôùêò½

im

ð»

lim

ð

ito

m

p

u

l

õðº»

l

k

u

p

º

m

É»

n

Â

in

Æ Â »

n

¹º

m

É»

n

tu

ôº

k

»

n

í

ïçðí ñ èòÇÊÃí óð ó

y

»

n

Æ

t

º

l

» Ä

m

º

m

Éº

rik

»

m

n

»

su

k

»

n

Â»

n

s

»

r

»

n

p

» Â»

s

» »

t

k

o

lo

k

iu

m

s

º

rt

» Â

u

k

u

n

Æ»

n

m

o

ril

õ

k

ritik

Â»

n

s

»

r

»

n

s

º Ä

in

ÆÆ»

t

º

sis in

i

Â »

p

»

t s

º

l

º

s

»

i

t

(9)

T

-t

s

tu

s,

,

y

u

,

rs

,

t

,

w

,

rru

z

,

u

,

, y

t

s

r

u

s

y

u

su

t

ss

.

vt

s

r 1

t

ru

u

tu

s

tu

,

tv

s s

u

s

r

u

s

y

s

t

ss

.

r

y

r

tu

s

y

r

.

r

u

r

t,

str s

y

r.

u

t

r G

t

y

t

r

t

s

r

, t

r

s

u

y

t

u

s u

tu

y

s

t

s

u

ru

y

t

s

u

t

s

u

.

s

r

t

,

tu

s

rt

y

t

r

u

s

t

y

r

t

r

u

y

!

s

.

t

r

t

s

,

t

u

st

y

t

u

,

u

s

y

r

"

t

ss

s

y

u

r

u

t

r

-

r

#

r

t.

O

tu

,

u

s

t

r

rt

s

r

r t

ss

s

u

r

s

rt

s

su

u

s u

tu

t

u

s

r

y

s

y

t

.

r

t

u

s

r

y

t

r

u

t

ss

t

r

#

t

s

y

.

, 20

u

2013

(10)

*+ ,- . / 0+12,23 4 . 050/6 - 7- 2 + 3 8 3 429 : 4. 29 2+1 2+ 1- 7- ;2 + 1 : 4306 26.2+ 8 90< . 03 2/22 +

< 2. . 8 / = 0+3 234 - + ,- . 30/ - 2 1- 7 - ,2 + = 2 = 0+ ;03 - 2 42+ ,07 < 2:2 = = 0+ 49 2 42 + . 4 + 07 >2 1- 7 -

,

= 4<2. 4 +3,2+34 = 0+ : 4 :4. 2+ : 0?23 2 4+ 4 /0/6 07 4. 2 + . 8/= 0+3234 :292/ 6 0+ ,- . / 07 4 , =2 ;

30< 4+1 12 /23 29 2< . 050/ 6 -7 - 2 + 3 8 3 429 , 07306 - , :2 =2 , , 072 ,234

.

@07 :2327 . 2+

- + :2 + 1

-- + :2 +1 +8 / 8 7

1

A ,2< - + B C C D E :292//0+ 0+ ,- . 2+

merit pay

;2 + 1 : 46 07 4. 2+. 0=2:21- 7 - E

;2+ 1 / 0+ > 2 :4 4 + : 4. 2 ,8 7 = 0+ 49 2 42 + :292/ /0+ 492 4 . 4+ 07 >2 1- 7 - 306 2 12 4 = 0+ : 4: 4. :2+

= 0+1 2>27 2 :292< .8 /= 0,0+34 = 0:218 1 4. E . 8 /=0,0+3 4 38 3429E . 8 /= 0, 0+3 4 . 0=7 46 2 : 42 + :2 +

. 8 / = 0, 0+34 =7 8F0348 +29G * + ,- . / 0+ :2 =2 ,. 2+ 3 8 9- 34 ;2 + 1 9 06 4< 8 = ,4/29 :292/ = 0+ 0+ ,- 2 +

= 0/6 07 42 + . 8/= 0+3234 /07 4 ,=2 ;, 07 306 - ,E=2 :2 = 0+ 09 4 ,42+4+ 4= 0+ 09 4 ,4/ 0+2?27. 2 +3 8 9- 34

/0+1 1- + 2. 2+

fuzzy inferensi

:2 +

=8 < 8 +. 0=- ,- 3 2 +

H

decision tree

I G

(11)

Xc_W] X`W

To overcome jealousy among teachers caused by the equal rights of compensation for all

teachers without adjustment to the performance appraisal of teachers, the education

offices now provide compensation in the form of merit pay that jealousy issues can be

resolved. Under Law No. 14 of 2005, in determining merit pay given to teachers, as

indicators in assessing the performance appraisal of teachers as educators and teachers

is a pedagogical competence, social competence, personal competence and professional

competence. To get a more optimal solution in determining the merit pay compensation,

in this study the researcher offers solutions using fuzzy inference and decision tree.

(12)

tu vu wu x

yz{z|} ~z~{ z

z { z y

z { z{

v

z{z

v

z{z{z}

v

z{zz z

v

n mn n

1.1.

u

t

u vu u x

1

1.2.

|

ru

wux

u

s

u

s

u vu

2

1.3.

u

t

u

s

u xu

s

uvu

2

1.

{

u

ju

u

n

|

n

liti

u

n

u

n

u u

t p

n

liti

u

n

nprn nsp nn

¡

o

ik

u

zzy

¡ ¡ {

o

ri

t

m

p

u

n

u

n

y

l

u

sik

¢u

n

t

m

p

u

n

u

n

u

zzy

£

¡ {

o

ri

t

m

p

u

n

u

n

{ u

s

¤

¡ |

rh

itu

n

u

n

u

n

yu

t

u ¥

k

u

t

u ¦

¡ t

m

p

u

n

u

n

u

zzy

§

¡ £ u

sis

z ¨

u

r

u

n

u

zzy

¡ ¤

tru

k

tu

r

u

s

u

r

o

ik

u

zzy

¡ ¦

u

zzy

n

r

n

si

ist

m

¡ § ©

isio

n

{

r

£

¡ ªy

in

rj

u«

ru

§

¡ y

m

p

n

s

u

si

(13)

3.2.

ÃÀ ¾ÄÀ¾ÅÀ ¾¼½ ¾½ ÂÆ

t

ÆÀ¾

22

3.3.

Ç½È¾ÆÈ¼½ ¾Å

u

É

p

u

Â À¾ÊÀ

t

À

2

Ë

3

ÌÍÌÎÀ

sil

¼½

n

ÅÀ

l

p

u

m

u

n

ÊÀ

t

À Ï Ð

ÑÌËÌÒ¿ ½

n

ti

Ó

ik

À

si

ÊÀ

n

Ê½ Ó

in

isi

ÔÀ

ri

À Õ½

l

ÏÖ

ÑÌÐÌ ×

u

zzy

Ó

ik

À

si

ÏØ

ÑÌÖÌ¼½

m

Õ½

n

tu

k

À

n

ÙÚÀ

r

u

n

ÊÀ

s

À

r

ÊÀ

t

À ×

u

zzy

ÏØ

ÑÌ ÛÌÜ½

to

¿½Ý

in

½

rj

ÀÞß

ru

Ñà

ÑÌØÌáâ

tim

À

l

Ü½

rit

¼ À

y

ÑÏ

®ãä®å·µ´®¹¸ ±°®ä®å®¹ ¯¯

ÍÌàÌÜ

o

¿½

l

ÎÆ

m

p

u

n

À

n

×

u

zzy

ÑÑ

ÍÌ ÏÌÝ

in

½

rj

À

Þß

ru

ÑÛ

ÍÌ ÏÌàÌ×

u

zzy

Ò

n

Ó½

r

½

n

si

Ü½

to

¿½ÇÀ

k

ÀÅ

i

æ

u

Å½

n

o

Ý À

n

ÅçÇ æÝè ÑÛ

ÍÌ ÏÌÏÌÊ½

si

Ä

io

n

Ç

r

½ ½ ÍÍ

ÍÌÑÌÜ½

rit

¼ À

y

Ëà

ÍÌÍÌ¼½

m

ÕÀ

h

À

s

À

n

ËÏ

®éê±å·°¸ ë µ®¹´®¹å®ì ®¹ é¯

ËÌàÌÝ½

sim

p

u

l

À

n

ËÑ

ËÌ ÏÌæÀ

r

À

n

ËÑ

´®í²®ì¸ ëå² ®ê® éã

(14)

÷ ø ùøú

ò û üý þ

ÿ þ ûþûùû

2.1

3.1

3.2

3.3

3.

o

n

s

p

s

r

isio

n

r

sil

n

liti

n

o

p

m

t

n

si

ru

omp

t

n

si

ru

ri

l

m

p

u

n

zzy

s

r

n

tu

n

o

n

st

n

t

u

l

t

o

m

p

t

n

si

ru

u

l

o

m

in

si

ru

x

m

p

il

n

t

o

m

p

t

n

si

ru

o

n

v

n

si

l

i

in

rj

m

p

u

n

rit

ri

n

ili

n

ri

u

t

(15)

*+,+ - '.,/.-01213 4.3.,.5

2.1

2.2

2.3

2.

6 7 8 9

7 8 :

7 8 ;

7 8 <

7 8 =

7 8>? 7 8>> @8> @87 @8@ 68> 687 68@ 686 68 9 68 : 68 ; 68 < 68 = 68>? 68>> 68>7 68>@ 68>6

AB

m

p

u

n

C

n

k

l

C

sik

DC

n

A B

m

p

u

n

C

n

E

u

zz

y

F

o

n

s

G

p

H G IC

s

JKG

m

L GJ

ip

rsh

M

o

m

p

l

G

m

GJ

n

t

NO

io

n

JP

n

t

G

rs

G QJ

n

tio

L

su

s

G

t

RG

rs

G

p

si

RG

n

I

u

k

u

r

C

n

DC

n

RG

rs

G

p

si

E

u

n

I

si k

GC

n

II

o

t

C C

n

AB

m

p

u

n

C

n

E

u

zzy

SB CI

r

C

m

TG

n

u

k

tu

n

UVG

r

C

si

WCL

u

n

IC

n

J

RG

rp

o

to

n

IC

n

D C

n

F

o

m

G

l

p

m

G

n

p

C DCAB

m

p

u

n

C

n

F

u

rv

CE

u

n

I

si

XG I

iti

IC

F

u

rv

CYI

u

n

si

H

r

C

p

G

siu

m

F

u

rv

CE

u

n

I

si

W C

u

ss

X

tru

k

tu

r

S C

s

C

r

X

ist

G

m

Z

o

I

ik

CE

u

zzy

F

o

n

s

G

p

SG Q

isio

n

H

r

GG

SG Q

isio

n

H

r

G G

u

n

tu

k

m

C

s

C

l

C

h

F

l

C

si

Y

ik

C

si

in

tru

sio

n

E

lo

[Q

h

C

rt

SB

stri

L

u

si

\G LC

n

KG

n

IC

j

C

r

E

lo

[Q

h

C

rt

X

ist

G

m

]C

n

ISB

r

C

n

QC

n

I

SB CI

r

C

m

F

o

m

p

GG

t

n

si

W^

ru

DC

n

S _

s

G

n

ZI

o

ik

CE

u

zzy u

TCCL G

ri

tu

k

n

l

RGDCI

o

I

ik

Z

o

I

ik

CE

u

zzy u

TC

ri

CL G

tu

k

n

l

F G

p

ri

LC D

i

C

n

Z

o

I

ik

CE

u

zzy u

TC

ri

n

tu

k

CL G

l

X

o

si

C

l

Z

o

I

ik

CE

u

zzy u

TC

ri

CL G

tu

k

n

l

R

ro

YG

sio

n

C

l

HC

m

p

il

C

n

S C

t

CXG LG

lu

m

DC

l

io

h

F

o

m

p

G

t

G

n

si

W^

ru

E

zzy

Y

u

ik

C

si

F

p

G

m

o

t

G

n

si

RGDCI

o

I

ik

W^

ru

E

u

zzy

Y

ik

C

si

F

o

m

p

G

t

G

n

si

FG

p

ri

LC D

i

C

n

W^

ru

E

zzy

Y

u

ik

C

si

F

p

G

m

o

t

G

n

si

X

o

si

C

l

W^

ru

E

zzy

Y

u

ik

C

si

F

p

G

m

o

t

G

n

si

R

ro

YG

sio

n

C

l

HC

m

p

il

C

n

E

u

zzy

YC

ik

si

F

o

m

p

G

t

G

n

si

HC

m

p

il

C

n

SGYY

u

zzy

Y

ik

C

si

HC

m

p

il

C

n

SG Q

isio

n

H

r

GG XG QC

r

CKC

n

u

C

l

HC

m

p

il

C

n

SG Q

isio

n

H

r

GGXG QCC

r

F

o

m

p

u

t

G

ris

C

si

RG

n

G

n

tu

C

n

F

p

m

o

G

n

s

C

si

W^

ru

(16)

fg hi j k lgmnhno p j lqlkr i si n g o t o pnu v pj nu ngm ng mi si wn g m v polr nrjng t ulx j lo nknn g

x nj j t k y lgo nop i g hi j olk i n mi s i hn g y n y lg wlo i n png hls x nvn y y lg pu n pn g j p g ls zn mi s i

,

y pxnj p gohngop y lg v p vpj ng v l{no n pg p klkr ls pj n g j tky lgonop vnunk r lg hi j k ls p h yn w

olx pgm mn kno nu nx j lqlk r is i n g o t o pnu h lsolr i h vn yn h h lsn hnop

.

|ls vnons j ng

i g vn g m

-i g vn gm gt k t s

1

} hnx i g ~ vnunkklg lg hi j ng wn g m v pr ls pj ngj lynvnmi s i

wng m k lg z n vp p g v pj n ht s y lg pu n pn g vnunk klg pun p j pg ls zn mi s i olr n mn p y lg v pv pj vng

y lgm nzns n vnunx jt ky lhlgop y lvnmt m pj j t kylhlgo p ot opnu j t ky lh lgo p j lys pr n v pn g vn g

j t k y lh lgop ys tlopt gnu f g hi j k lg vn yn hj ng o t ui op wn g m u lr px t y hpknu vnunk y lg lg hi n g

y lkr ls pn g j tky lgonop kls p hyn wh ls olr i hyn vn y lg lu p hpngpg py lg lu p hpk lgn{nsj n go t ui op

klgm mi g nj ng

vn g

yt x t gj lyi hi o n g

(17)

¤¯«£© ¤¬£

To overcome jealousy among teachers caused by the equal rights of compensation for all

teachers without adjustment to the performance appraisal of teachers, the education

offices now provide compensation in the form of merit pay that jealousy issues can be

resolved. Under Law No. 14 of 2005, in determining merit pay given to teachers, as

indicators in assessing the performance appraisal of teachers as educators and teachers

is a pedagogical competence, social competence, personal competence and professional

competence. To get a more optimal solution in determining the merit pay compensation,

in this study the researcher offers solutions using fuzzy inference and decision tree.

(18)

»Ä Å ÆÇÈ ÉÊË

F

ÌÍÍ

y

Logika yang hanya berdasarkan atas 2 nilai kebenaran yaitu TRUE (1) dan FALSE (0)

kadang-kadang dirasakan kurang lengkap untuk menyatakan logika berpikir manusia.

Sehingga dikembangkan logika yang tidak hanya bernilai 0 atau 1 tapi menggunakan

logika yang punya interval nilai antara [0,1] yang disebut dengan logika samar (Fuzzy

logic).

Logika Fuzzy diperkenalkan pada tahun 1965 oleh Lotfi A. Zadeh, seorang

Profesor di bidang ilmu komputer, Universitas California, Berkeley. Logika fuzzy

dipakai untuk menyatakan data atau informasi yang bersifat tidak pasti atau samar.

Tapi sebenarnya sejarah logika fuzzy dimulai jauh sebelumnya yaitu ketika jaman

Yunani Kuno. Aristotle dan beberapa filsuf lainnya, dalam rangka menemukan teori

logika dia mengemukakan hukum-hukum yang disebut “Laws of Thought”. Salah satu

diantaranya adalah “Law of excluded Middle” yang menyatakan bahwa setiap

pernyataan (propotition) harus bernilai TRUE (T) atau FALSE (F). Bahkan ketika

Parminedes mengusulkan versi pertama dari hukum tersebut (400 BC) langsung

mendapat pertentangan dari Heraclitus yang menyatakan bahwa setiap pernyataan

hanya bernilai TRUE dan NOT TRUE. Pada saat itu Plato yang meletakkan pondasi

bagi Fuzzy Logic, menyatakan bahwa ada daerah ketiga (selain TRUE dan FALSE).

Salah satu pernyataan alternatif yang berbeda dengan logika dengan 2 nilai kebenaran

(Aristotle) pertama kali dikemukakan oleh Lucasiewicz (1920). Dia mengemukan

logika dengan 3 nilai kebenararan beserta dengan penjelasan matematiknya. Nilai ke-3

dia sebut dengan istilah “mungkin” (possible). Dan diberikan nilai numerik yaitu

antara TRUE (1) dan FALSE (0). Selanjutnya Lucasiewicz mengemukakan tentang

(19)

dengan nilai tak berhingga yang paling menarik. Tapi selanjutnya dia lebih memilih

logika dengan 4 nilai kebenaran karena paling mudah disesuaikan dengan logika

Aristotle ( 2 nilai kebenaran). Juga perlu dicatat Knuth, juga menyatakan logika

dengan 3 nilai kebenaran hampir sama seperti Lucasiewicz. Knuth berspekulasi bahwa

matematik akan menjadi lebih nyaman jika dibandingkan secara tradisional dengan

hanya 2 nilai kebenaran.

Ide dari logika dengan nilai tak berhingga sudah diperkenalkan oleh Zadeh

dalam tulisannya yang berjudul tentang “ Fuzzy sets” (himpunan fuzzy) disertai

dengan penjelasan matematik teori Himpunan Fuzzy dan juga tentang Logika Fuzzy.

Dalam teori ini juga dijelaskan tentang pembentukan Fungsi Keaggotaan (membership

function) yang beroperasi pada range nilai antara [0,1]. Disamping itu juga diusulkan

tentang operasi – operasi matematika logika yang pada prinsipnya merupakan

pengembangan dari logika klasik.

Logika Fuzzy sudah memberikan perubahan dalam pengambilan keputusan

dimana kemampuan berpikir manusia yang tidak pasti dapat dipakai dalam sistem

berbasis pengetahuan. Teori logika fuzzy sudah menyediakan teori matematika untuk

menampung ketidakpastian proses berpikir manusia. Beberapa ciri dari logika fuzzy

(Zadeh, 2008) adalah :

-

Dalam logika fuzzy, logika pasti (exact) dianggap sebagai kasus terbatas dari

logika tidak pasti (approximate).

-

Dalam logika fuzzy, segala sesuatu (pernyataan) ditentukan berdasarkan tingkatan

(degree).

-

Dalam logika fuzzy, pengetahuan merupakan kumpulan dari batasan-batasan yang

elastis atau tidak pasti (fuzzy).

-

Pengambilan keputusan adalah proses peralihan dari batasan-batasan elastis atau

tidak pasti.

-

Semua sistem logika dapat dibuat menjadi samar (fuzzy)

Ada 2 ciri utama dari Sistem Fuzzy sehingga sistem ini dapat diterapkan dengan baik

pada beberapa aplikasi tertentu :

-

Sistem fuzzy sangat cocok untuk logika berfikir yang tidak pasti, khususnya untuk

(20)

-

Logika fuzzy membolehkan pengambilan keputusan dengan nilai perkiraan atau

berdasarkan informasi yang tidak lengkap atau tidak pasti.

Î ÏÎ

ÐÑ

o

r

ÒÓÒ

m

pu

Ô

n

ÕÔ

l

Ò

s

k

ÖÔ

n

Ó Ò

pu

Ô

m

n

×

u

zzy

Teori Klasik tentang himpunan atau ”set” didasarkan pada konsep fundemental

himpunan bahwa suatu entiti dapat merupakan anggota himpunan tersebut atau bukan

merupakan anggotanya. Perbedaan yang tajam, jelas atau tidak ambigu terdapat

antara anggota dan bukan anggota dari suatu himpunan yang telah didefinisikan pada

teori ini. Dan terdapat batas yang sangat jelas agar dapat mengindikasikan bahwa

suatu entiti merupakan bagian dari himpunan ini.

Dengan kata lain, ketika terdapat pertanyaan mengenai suatu entiti ini

merupakan anggota dari himpunan atau tidak. Jawabannya adalah ”Ya” atau ”Tidak”.

Dalam hal probabilitas dan statistik, jika seseorang bertanya, ” berapa kemungkinan

entiti ini adalah anggota dari suatu himpunan?”. Dalam kasus ini jawabannya dapat

berupa misalnya, ”Kemungkinan bahwa entiti ini merupakan anggota dari suatu

himpunan adalah 90%”, namun kesimpulannya masih juga dapat dikatakan bahwa

entiti ini adalah anggota atau bukan anggota dari suatu himpunan. Kemungkinan

untuk seseorang dalm membuat prediksi yang tepat bahwa ”entiti ini anggota suatu

himpunan ” adalah 90%, dimana hal ini bukan berarti bahwa entiti ini memiliki 90%

keanggotaan dari himpunan dan 10% bukan keanggotaan dari entiti ini.

Dalam teori himpunan klasik, hal ini tidak diperbolehkan dimana sebuah

elemen atau entiti ada dalam himpunan dan tidak ada dalam himpunan tersebut dalam

waktu yang bersamaan.nya Sehingga, banyak kasus dalam aplikasi dunia nyata tidak

dapat dijelaskan dan ditangani dengan teori himpunan klasik, termasuk semua yang

melibatkan elemen/entiti dengan keanggotaan sebagaian dalam himpunan. Sebaliknya,

teori himpunan fuzzy mengizinkan penggunaan keanggotaan sebagaian dalam

himpunan, yang dalam teori himpunan kelasik memiliki keterbatasan dalam hal ini.

Sebuah himpunan klasik digambarkan dengan batasan yang jelas, yakni tidak

ada ketidakpastian dalam lokasi dan batas dari himpunan. Gambar 2.1a menunjukkan

batasan dari himpunan klasik A dalam garis yang jelas. Sedangkan himpunan fuzzy,

ditentukan dengan properti yang samar-samar dan ambigu, karenanya batasannya

dispesifikasikan secara samar dan ambigu. Gambar 2.1b menunjukkan batasan dalam

(21)

merupakan anggota dari himpunan klasik A dan entiti b jelas bukan merupakan

anggota dari himpunan A. Sedangkan gambar kedua menunjukkan hal yang samar,

batas yang ambigu dari himpunan fuzzy A. Area abu-abu berbayang merupakan batas

himpunan fuzzy A.

Pada area pusatnya (tidak berbayang) dari himpunan fuzzy menunjukkan entiti

a secara jelas sepenuhnya adalah anggota dari himpunan ini, pada area luar dari batas

area himpunan fuzzy entiti b secara jelas bukan merupakan anggota dari himpunan ini.

Namun, keanggotaan dari entiti c yang berada dalam area batas himpunan fuzzy

adalah ambigu. Jika anggota himpunan secara penuh dalam himpunan (entiti a)

direpresentasikan dengan angka 0, maka entiti c dalam himpunan ini harus memiliki

nilai tengah dari keanggotaan pada interval [0,1].

(a)

(b)

Gambar 2.1 Himpunan klasik ( a), Himpunan fuzzy(b)

Sumber : Ross, 2010

Ø Ù Ú ÛÜ

o

r

ÝÞÝß

m

pu

n

ÛÜ àß

s

Himpunan tegas adalah sekelompok anggota yang mempunyai batas-batas yang

tegas. Himpunan tegas dapat dilihat pada gambar 2.2 yang digambarkan dalam

diagram venn. Pada gambar 2.2 ada suatu himpunan bagian A, dengan X merupakan

himpunan semesta. Jika himpunan x merupakan himpunan bagian A, maka x

merupakan anggota dari A yang dinotasikan dengan xЄA. Dan sudah tentu bahwa

xЄX. Jika x bukan himpunan dari A ( x bukan bagaian dari A), maka dapat dituliskan

bahwa xЄA.

Bila suatu himpunan tidak memiliki satupun anggota, maka disebut sebagai

himpunan hampa yang dinotasikan dengan Ø. (Karray & Silva, 2004). Sebagai

ßÙ

á

âã

ß



ä

(22)

contoh, suatu himpunan bagian terdiri dari sekelompok orang yang tinggal di Cincin

mati yang berumur diatas 50 tahun.

A={a1,a2,...,an}

Dapat dilihat bahwa anggota himpunan terdiri dari n elemen a1,a2,...,a3. Himpunan

yang lainnya yang keanggotaannya lebih dari 50 dapat dituliskan:

A={x|x>50}

Disini, simbol “|” dapat didefenisikan bahwa A adalah himpunan semua bilangan x

dimana x>50.

`

Gambar 2.2 Konsep tegas (a) membership, (b) complement

(c) union, (d) intersection, (e) subset(proper)

Sumber: Karray & Silva, 2004

å æ ç è é

r

êë

tu

n

ìí

n

î é

n

ìí

n

ïí

t

í ð ïí

t

í

Perhitungan dengan kata-kata merupakan metodologi untuk penalaran, komputasi dan

pengambilan keputusan dengan memberikan informasi dalam bahasa alami, misalnya:

kecil, besar, jauh, berat, tidak sangat mungkin, harga gas rendah dan menurun.

Manusia mempunyai kemampuan yang luar biasa banyaknya. Diantaranya

terdapat dua yang paling menonjol. Pertama, kemampuan dalam berbicara,

x

A

x

A

x

B

A

(a)

(b)

(c)

(d)

(23)

berkomunikasi, pola pikir dan mengambil keputusan rasional dalam suatu lingkungan

yang samar dari informasi yang tidak lengkap dan memberikan kebenaran. Dan kedua,

kemampuan melakukan berbagai macam pekerjaan secara fisik dan mental tanpa

melakukan pengukuran yang banyak. Dalam pengukuran yang besar, perhitungan

dengan kata-kata merupakan suatu inspirasi yang sangat luar biasa.(Zadeh, 1999)

Tiga alasan utama dalam perhitungan dengan kata-kata adalah :

1. Banyaknya pendapat manusia yang dijelaskan dengan menggunakan bahasa alami.

2. Penggunaan kata-kata lebih tepat digunakan daripada angka, saat kita tidak tahu

berapa pastinya angka tersebut.

3. Biaya yang lebih sedikit.

Perhitungan dengan kata-kata merupakan ide dasar dalam penentuan variabel

linguitik dan aturan IF – THEN fuzzy yang hampir digunakan di semua aplikasi

logika fuzzy, terutama dibidang produk , konsumen produk dan sistem industri.

Perhitungan dengan kata-kata merupakan suatu tantangan bagi orang yang

menggunakan dua konsep yaitu secara teori dan konsep logika fuzzy.

Perbedaan mendasar antara persepsi dan pengukuran adalah bahwa, secara

umum pengukuran merupakan hal pasti/tegas sedangkan persepsi merupakan

fuzzy/samar

ñ

Gambar 2.3 Pengukuran dan Persepsi

Sumber : Zadeh, 1999

ò

n

ó

o

rm

ô

t

õ

o

n

ö ÷ ô

su

r

÷

m

÷

n

t

øùô

s

÷ ú ûü

m

÷

r

õý ô

l

þ÷

r

ý÷õ

pt

o

n

øÿô

s

÷ ú õ

n

u

õ

st

õý



Temperatur 35

o

C



Umur Eva 28 Tahun



Tandy 3 tahun lebih tua dari Dana



Suhunya sangat hangat



Eva masih muda

(24)

m

pu

nn

u

zzy

Himpunan fuzzy (

) adalah generalisasi dari konsep fungsi karakteristik.

Sebuah himpunan fuzzy adalah sekelompok objek yang didefinisikan berdasarkan

tingkat derajat keanggotaan yang ditandai oleh fungsi keanggotaan yang dimiliki

setiap objek dengan derajat keanggotaan berkisar antara nol dan satu (Kantardzic,

1993). Himpunan fuzzy dapat dinotasikan sebagai berikut : A{(x,µA(x))/xЄ X}.

Himpunan fuzzy dituliskan sebagai psangan berurutan, dengan elemen

pertama menunjukkan nama elemen dan elemen kedua menunjukkan nilai

keanggotaannya. Fungsi keanggotaan yang dimiliki masing-masing elemen dengan

derajat keanggotaan antara 0 dan 1 (Karray and Silva, 2004).

µA(x):X→[0,1]

Dengan µA(x) merupakan fungsi keanggotaan dari himpunan fuzzy A dalam

himpunan semesta X. Besaran yang lain dari himpunan fuzzy A berdasarkan

urutannya adalah :

A={(x,µA(x));x Є X, µA(x) Є [0,1]}

Gambar fungsi keanggotaan dari himpunan fuzzy dapat dilihat pada gambar 2.4.

Gambar 2.4 Fungsi keanggotaan himpunan fuzzy

(25)

p

r

s

m

pu

n

u

zzy

Misalkan himpunan fuzzy A dan B dalam semesta X, untuk elemen x dalam semesta

berlaku operasi gabungan, perpotongan dan komplemen (Klir and Yuan,1995),

sebagai berikut:

1.

Gabungan

µA

∪

B(x) =µA(x)

⋁

µB(x)

2.

Perpotongan

µA∩B(x)= µA(x)

⋀

µB(x)

3.

Komplemen

µA

-1

(x)= 1- µA(x)

Operasi-operasi ini disebut operasi standar fuzzy. Diagram Venn untuk operasi ini

ditunjukkan pada gambar berikut:

Gambar 2.5 Diagram Venn untuk operasi Gabungan, Perpotongan dan

Komplemen pada Himpunan Fuzzy

Untuk pemetaan himpunan fuzzy, misalkan R dan S adalah pemetaan himpunan fuzzy

dalam semesta X dan Y, maka operasi yang berlaku sebagai berikut:

1. Gabungan

µR

∪

S(x,y) =Max (µR(x,y), µS(x,y))

2. Intersection

µR∩S(x,y)=Min (µR(x,y), µS(x,y))

3. Complement

µR

-1

(x)= 1- µR(x)

Sebagai contoh, jika himpunan fuzzy A dan B sebagai berikut :

A =

{ +

.

+

.

+

.

}

and B =

{

.

+

.

+

.

+

.

}

µ

1

0

x

B

A

µ

1

0

x

B

A

µ

1

0

x

Ā

(26)

Maka hasil operasi gabungan, perpotongan dan komplemen pada relasi dua himpunan

di atas adalah sebagai berikut :

Gabungan

A

∪

B =

{ +

.

+

.

+

.

}

Perpotongan

A ∩ B =

{

.

+

.

+

.

+

.

}

Komplemen

Ā =

{ +

+

.

+

.

+

.

}

B =

{ +

.

+

.

+

.

+

.

}

u

n

s

n

t

o

n

m

pu

n

u

zzy

Secara umum fungsi keanggotaan suatu himpunan fuzzy dapat ditentukan dengan

fungsi bentuk segitiga (

), trapesium (

), dan fungsi gauss (

).

Masing-masing bentuk fungsi diatas memiliki kelebihan dan kekurangan dalam

aplikasinya.

a. Bentuk fungsi segitiga(

)

Bentuk himpunan fuzzy fungsi segitiga dapat dilihat seperti pada gambar 2.6.

Gambar 2.6. Kurva Fungsi segitiga

Sumber : Kantardzic, 1993

Fungsi keanggotaan bentuk segitiga :

0; x ≤ a atau x ≥ c

( x-a)/(b-a);

a≤ x ≥ b

(27)

b. Bentuk Fungsi Trapesium (

!" #$% & ' ()# *

)

Bentuk himpunan fuzzy trapezium dapat dilihat seperti pada gambar 2.7.

Gambar 2.7. Kurva Trapesium

Fungsi keanggotaan bentuk trapezium:

0;

x ≤ a atau x ≥ d

x-a/b-a;

a≤ x ≥ b

µT[x] =

1;

b ≤ x ≤ c

(d-x)/(d-c)

c ≤ x ≤ d

c.Bentuk fungsi gauss (

gaussian

)

Bentuk himpunan fuzzy fungsi gauss dapat dilihat seperti pada gambar 2.8.

Gambar 2.8. Kurva Fungsi gauss

Fungsi keanggotan bentuk gauss:

(28)

+ , - ./

s

0

s

12

u

r

/

n

3

u

zzy

Dalam fuzzy pada umumnya perilaku dinamis yang ditandai oleh adanya seperangkat

aturan fuzzy yang linguistik. Aturan-aturan ini didasarkan pada pengalaman dan

pemahaman manusia. ( Engelbrecht, 2007)

Bentuk umum aturan fuzzy adalah:

If antecedent (s) then consequent(s)

Antecedent

dan

consequent

dari aturan fuzzy merupakan variabel yang linguistik.

Secara umum, aturan fuzzy dinyatakan sebagai:

If A is a and B is b then C is c

Dimana A dan B adalah himpunan bagian dari himpunan semesta X1, dan C

adalah himpunan semesta dari X2. Oleh karen itu, antecedent dari kombinasi rule

himpunan

bagian

berdasarkan

aplikasi

operator

logika

(complement,

intersection,union) Consequent merupakan bagian dari rule yang biasanya merupakan

himpunan fuzzy tunggal, dengan sesuai dengan fungsi keanggotaan. Beberapa

himpunan fuzzy dapat menjadi consequent, dengan penggabungan menggunakan

operator logika ( Engelbrecht, 2007).

+ ,4 5

tru

k

tu

r

6/

s

/

r

7

o

80

k

/3

u

zzy

Didalam struktur dasar sistem logika fuzzy terdapat empat komponen atau bagian

utama yang sangat penting. Komponen itu adalah Knowledge Base, Fuzzification,

Inferensi dan Defuzzification.

Struktur dasar logika fuzzy dapat dilihat pada gambar 2.9.

Gambar 2.9. Struktur dasar sistem logika fuzzy

Sumber: Engelbrecht, 2007

Fuzzification

Rule base

Data Base

Knowledge Base

(29)

9 :;

o

w

< =><

n

l

?@

s

<

Knowledge base mempunyai fungsi penting dalam pengendalian dengan logika fuzzy

karena semua proses fuzzifikasi, inferensi dan defuzzifikasi bekerja berdasarkan

pengetahuan yang ada pada knowledge base. Knowledge base dibagi dua, yaitu data

base dan rule base. Data Base berisi definisi-definisi penting mengenai parameter

fuzzy seperti himpunan fuzzy dengan fungsi keanggotaannya yang telah didefinisikan

untuk setiap variabel linguistik yang ada.

A:BCDCE@

u

zz

t

C

o

n

Fuzzification merupakan suatu proses mengubah variabel non fuzzy menjadi variabel

fuzzy. Antecedent dari aturan fuzzy merupakan “ruang input” sedangkan consequents

merupakan “ruang output”. Ruang input merupakan kombinasi dari masukan

himpunan fuzzy, sedangkan ruang output merupakan kombinasi himpunan output.

Proses fuzzifikasi dihasilkan dengan penerapan fungsi keanggotaan yang berhubungan

dengan masing-masing himpunan fuzzy dalam aturan ruang masukan. Sebagai contoh

misalnya, Himpunan fuzzy adalah A dan B.(asumsi fungsi keanggotaan sudah sesuai).

X merupakan himpunan semesta dari himpunan fuzzy. Proses fuzzification menerima

elemen-elemen a, b Є X, dan menghasilkan derajat keanggotaan μA (a), μA (b), μB

(a) dan μB (b).

F :G

n

D<

r

<

n

s

C

Inferensi adalah proses transformasi dari suatu input dalam domain fuzzy ke suatu

output (sinyal kendali) dalam domain fuzzy. Proses transformasi pada bagian inferensi

membutuhkan aturan–aturan fuzzy yang terdapat didalam basis-basis aturan. Blok

inferensi mengunakan teknik penalaran untuk menyeleksi basis-basis aturan dan rule

dari blok knowledge base.

H:I<D

u

zz

CDCE@

t

C

o

n

Defuzzification merupakan proses mengubah data-data fuzzy menjadi data numerik

atau angka. Metode yang bisa digunakan dalam proses defuzzification adalah:

Max-Min method, Averaging method, Root Sum Square method dan Clipped center Of

(30)

Masing-masing metode ini dapat dilihat pada gambar 2.9 dengan ketentuan:

Argumen untuk pendapat merupakan variabel linguistik C, dengan variabel large

decrease (LD), slight increase (SI), no change (NC) dan large increase (LI). Asumsi

ada 3 aturan C dengan nilai keanggotaan μLI = 0,8, μSI = 0,6 dan μNC = 0,3.

J K L M

u

zzy

N

n

OP

r

P

s

Q

n

RQ

st

P

m

Metode yang digunakan dalam fuzzy inferensi sistem adalah metode Tsukamoto,

Metode Takagi Sugeno Kang (TSK) dan metode Mamdani.

S T UP

to

V PW

su

k

X

m

o

to

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 Tsukamoto, 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 α-predikat (fire strength). Proses agregasi antar aturan diakukan dan hasil

akhirnya diperoleh dengan menggunakan defuzzification dengan konsep rata-rata

terbobot.

J T UP

to

V PW X

k

XYQ R

u

YP

n

o

ZX

n

Y

Sistem inferensi fuzzy menggunakan metode takagi sugeno kang (TSK), memiliki

karakteristik yaitu konsekuen tidak merupakan himpunan fuzzy, namun merupakan

suatu persamaan linear dengan variabel-variabel sesuai dengan variabel-variabel

inputnya. Metode ini diperkenalkan oleh Takagi Sugeno Kang pada tahun 1985.

Model untuk sistem inferensi fuzzy metode TSK ada 2 model, yaitu model

(31)

to

m n

Metode mamdani sering dikenal dengan nama metode min-max. Metode ini

diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk metode ini, pada

setiap aturan yang berbentuk implikasi (sebab akibat) anteseden yang berbentuk

konjungsi (AND) mempunyai nilai keanggotaan berbentuk minimum (min),

sedangkan konsekuen gabungannya berbentuk maksimum (max), karena himpunan

aturan-aturannya bersifat independen.

so

n

r

oo

n

pu

tu

s n

Pohon keputusan adalah salah satu metode klasifikasi yang paling populer karena

mudah untuk diinterpretasi oleh manusia. Pohon keputusan adalah model prediksi

menggunakan struktur pohon atau struktur berhirarki. Konsep dari pohon keputusan

adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan.

Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya

untuk mem-

k down

proses pengambilan keputusan yang kompleks menjadi lebih

simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari

permasalahan. Pohon Keputusan juga berguna untuk mengeksplorasi data,

menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan

sebuah variabel target. Pohon keputusan memadukan antara eksplorasi data dan

pemodelan, sehingga sangat bagus sebagai langkah awal dalam proses pemodelan

bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain. Konsep

decision tree mengubah data menjadi decision tree dan aturan-aturan keputusan

(Rule). Dapat dilihat dalam tampilan gambar 2.10 seperti dibawah ini:

Gambar 2.10 Konsep Decision Tree

(32)

Konsep dasar decision tree (pohon keputusan) dapat dilihat pada tabel 2.1

aturan-aturan sebagai berikut :

Tabel 2.1 Konsep dasar Decision Tree

[\] ^_ `a_

r

b c

t

c

r

_

n

d_

n

1.

Keputusan (decision)

2.

Chance (Kemungkinan)

3.

Garis Penghubung (fork)

4.

Alternatif Keputusan

5.

Alternatif kemungkinan

yang terjadi

Pada

efg hi h jklmff

terdapat 3 jenis

k j ef

, yaitu:

a.

Root Node

, merupakan

node

paling atas, pada

node

ini tidak ada

input

dan bisa

tidak mempunyai

output

atau mempunyai

output

lebih dari satu.

b.

Internal Node

, merupakan

node

percabangan. Pada

node

ini terdapat satu

input

dan

mempunyai

output

minimal dua.

c.

Leaf node

atau

terminal node

, merupakan

node

akhir. Pada

node

ini terdapat satu

(33)

Pada

kelas

. Simpul yang bukan

simpul akhir terdiri dari akar dan simpul internal yang terdiri dari kondisi tes atribut

pada sebagian

record

yang mempunyai karakteristik yang berbeda. Simpul akar dan

simpul internal ditandai dengan bentuk oval dan simpul daun ditandai dengan bentuk

segi empat.

Gambar 2.11 Decision tree untuk masalah klasifikasi intrusion

Sumber: Turban & Robert, 1982

nr u

ru

Guru sebagai pendidik profesional dengan tugas utama mendidik, mengajar,

membimbing, mengarahkan, melatih, menilai, dan mengevaluasi peserta didik pada

pendidikan anak usia dini jalar pendidikan formal, pendidikan dasar, dan pendidikan

(34)

mempunyai citra yang baik di masyarakat apabila dapat menunjukkan sikap yang baik

sehingga dapat dijadikan panutan bagi lingkungannya, yaitu cara guru meningkatkan

pelayanannya, meningkatkan pengetahuannya, memberi arahan dan dorongan kepada

anak didiknya dan cara guru berpakaian, berbicara, bergaul baik dengan siswa, sesama

guru, serta anggota masyarakat.

Kinerja adalah proses pengukuran dan membandingkan dari pada hasil

kegiatan operasional yang telah dicapai dengan hasil yang seharusnya dicapai menurut

target dan standar yang telah ditentukan oleh organisasi. Tujuan evaluasi adalah untuk

memberikan penilaian tentang kinerja ataupun seberapa besar dapat memberikan

kontribusi kemanfaatan sesuatu kegiatan tertentu.

Dari penjelasan evaluasi kineja dapat disimpulkan bahwa kinerja didalamnya

mengandung unsur kompetensi. Suatu pekerjaan akan dapat diselesaikan dengan baik

jika seseorang tersebut mempunyai kompetensi.

Seorang guru akan melakukan tugasnya dengan baik jika ia mempunyai

komitmen yang tinggi terhadap tugas mengajar, menguasai dan dapat

mengembangkan bahan ajar, disiplin dalam melaksanakan tugas mengajar dan tugas

lainnya, kreatif dan inovatif dalam melaksanakan pembelajaran dan bertanggung

jawab dalam melaksanakan tugasnya (Anwar dan Sagala, 2004).

Menilai kinerja guru merupakan hal yang penting untuk meningkatkan kualitas

pendidikan. Tujuan dari penilaian adalah meningkatkan manajemen kerja individu dan

meningkatkan efisiensi dan produktivitas dalam layanan belajar. Dari penjelasan

tersebut dapat dilihat bahwa kompetensi yang dimiliki oleh seorang guru dapat

mempengaruhi perilaku dia dalam melakukan tugasnya. Guru yang kompeten akan

mempunyai tingkat kinerja yang tinggi dan dapat meningkatkan tingkat kepercayaan

masyarakat terhadap pendidikan.

n o p p q

o

m

p

rs

s

n

s

tu r

r

t

v s

y

Kompensasi merupakan imbalan atau jasa yang diberikan oleh perusahaan yang dapat

dinilai dengan uang, termasuk kedalam kompensasi ini adalah upah, gaji, insentif,

(35)

Kompensasi adalah pemberian kepada pegawai dengan pembayaran finansial

sebagai balas jasa untuk pekerjaan yang dilaksanakan dan sebagai motivator untuk

pelaksanaan kegiatan di waktu yang akan datang (Handoko, 2005).

Banyak

individu

mengharapkan

penghargaannya

berbeda

dengan

penghargaan orang lain berdasarkan pada kinerja. Sebagai contoh, apabila seorang

karyawan menerima kenaikan gaji yang hampir sama dengan gaji karyawan lain yang

memiliki produktivitas yang lebih rendah, ketidakhadiran karyawan yang lain yang

memiliki produktivitas yang lebih rendah, kehadiran yang lebih banyak dan jam kerja

yang lebih sedikit, hasilnya mungkin adalah rasa ketidakadilan. Ini mendorong

individu tersebut untuk mencari pekerjaan lain dimana kompensasi mengakui

perbedaan kinerja. Hasil survei mengenai penghargaan di tempat kerja menemukan

bahwa individu merasa lebih puas dengan tingkat aktual gaji mereka daripada proses

yang digunakan untuk menentukan gaji. Inilah sebabnya mengapa sistem manajemen

kinerja dan proses penilaian kinerja dalam organisasi harus dihubungkan dengan

kenaikan kompensasi.

Merit pay merupakan imbalan (reward) yang dikaitkan dengan jasa atau

prestasi kerja (kinerja) seseorang maupun manfaat yang telah diberikan oleh karyawan

kepada organisasi. Secara sederhana, konsep merit pay merupakan sistem pembayaran

yang mengaitkan imbalan (reward) dengan prestasi kerja seseorang karyawan atau

performance. Implikasi dari merit pay ini adalah bahwa seseorang yang memiliki

kinerja yang baik, maka ia akan memperoleh imbalan yang lebih tinggi, begitu pula

sebaliknya. Artinya semakin tinggi kinerja yang diraih karyawan akan semakin tinggi

pula kenaikan imbalannya (Gil-Anton, 2011).

Konsep bayaran jasa (merit pay) telah diterapkan dengan berbagai cara, tetapi

semua program bayaran jasa memiliki dua karakteristik. Pertama, sebagian bayaran

karyawan didasarkan pada kinerjanya yang telah diberi rating dalam periode

sebelumnya. Kedua, peningkatan jasa yang diberikan dalam satu periode evaluasi

(36)

y

¡ ¢ £ £ ¤ ¤

¢

£ ¤¤ £ ¥ ¦ § ¢

¡

§ ¨

©

¡ ª

¢ ¡

« ¬

¨ ¨

£ ¡

¬ ¡

® ¨ ¨

£

£ ¤ ¤ £ ¥ ¦ § ¢

(37)

±² ³ ´² µ°¶·¶¸ ¹² ºµ² ³»¼¹ µ¸ ¹½ ¾ µ¹ ´¿½ ¹ÀÁ ´² ÂÃÁÂº² Ä ²µ

Å¿³ ´Á µÆ¸ ÁÇ² µ¾Á ³ ÁÂÈÁÂÉ¹É¹Ê² ÂË² ½ ¹ÌÂ ²¼ ¯Í ÍÎ

Ï

.

Ð

.

ÑÒ Ó

n

Ô ÓÕÒÖ

n

u

m

pu

×

n

l

Ø×

t

×

Ù ÁÊÂ¹Ê Ú² Âº É¹º¿Â²Ê² Â ÇÁ Â Á ¼ ¹¾¹ É² ¼²³ ÇÁÂº¿³Ç¿¼² Â É² ¾² Ú² Â º É¹´¿¾ ¿ ÛÊ² Â ²É²¼ ² Û

ÉÁ Â º² Â³Á ¾ÌÉÁ Ü¾ ÁÊÂ¹ÊÆ

·¶ Ã Á Â ºº¿Â ²Ê² Â ´Á µ´²º²¹ ³²Ý² ³ ¼¹¾ Á µ² ¾¿µ Ú² Â º ´Á µÛ ¿´ ¿Â º² Â ÉÁ Â º² Â Ê¹Â Á µÄ² º¿µ¿

É² ¼² ³³ Á¾ÌÉÁÞ¿ß ßÚ

¹ÂÞÁ µÁ Â½¹½¹½ ¾Á ³É² ÂÉÁ Ý ¹½¹ÌÂ¾ µÁ Á¶

¯¶ Ã Á ¼²Ê¿Ê² Â Ì´½ Á µà² ½¹ ÉÁÂº² Â ³Á Â º² Ä¿Ê² Â ÇÁ µ¾² Â Ú²² ÂáÇÁ µ¾ ² Â Ú²² Â ÊÁÇ²É²

Â²µ² ½¿³ ´Á µ Ú² Âº ³ Á ÂºÁ ¾² Û ¿ ¹ Û² ¼áÛ ² ¼ Ú² Â º ´Á µÛ ¿´ ¿Â º² Â ³ ÁÂºÁÂ²¹ ¾ÌÇ¹Ê

ÇÁ ³ ´² Û² ½² Â¶

°¶ Å¾¿É¹ ¸Ì Ê¿³ Á Â¾² ½¹â Ú²¹¾ ¿ ÉÁÂº² Â ³ Á ¼²Ê¿Ê² Â ÇÁÂ º¿³Ç¿¼² Â É² ¾ ² ÇÁ ÂÉ¿Ê¿Â º Ú² Â º

É¹ÇÁ µÌ¼ÁÛ½ Á Ý² µ²¼² Âº½¿ÂºÉ¹¸ ¹Â ² ½ÈÁ ÂÉ¹É¹Ê² Ââ ÈÁ ³ ¿É² É² Âã¼ ² Ûµ²º² ä² ´ ¿Ç² ¾ ÁÂ

¸ Á ¼ ¹ÅÁ µÉ² Â º¶

Ï

.

Ï

.

å ×

n

æ ×

n

Ö ×

n

Õ Ò

n

Ò

l

ÔÔ×

t

n

È²É² ³Á ¾ÌÉÁ ÇÁ Â ºÁ ³ ´² Âº² Â ½¹½ ¾Á ³ ¹Â ¹²Ê² Â É¹ º¿Â²Ê² Â² Â² ¼ ¹½ ¹½ ÊÁ ´¿¾ ¿Û² ÂÇÁ µ² Â ºÊ² ¾ è éêë ì íîïð éñ é íì ò

óéôé

õö÷øùú ùú ûüöýùúþÿùúù÷ ö÷

÷þ÷ ÷

ÿ ùý÷ üüö ù ÷

ÿ

üüö ù ÷

ûüÿúüþ ÷ ö üöýù ö÷ ú öýùúù

úú

÷ú ÷÷ ÷ ö ïôïò ì ò ììò

(38)

"# $ % # &'( ()* # +& # $, -*& . */ 01$2# 3+4*& # 35 # 3+

6# 3+7 # 8 9 -# 3+7 #8 : 3 0:7$ 1 3+8 * 0:3+$ 1 & * 0;# 2#0# /7 *31 & < #+: &:# 4# -# 8 =

> ? @A B

n

t

CDCEF

s

CG F

r

CFH B

l

I#&*# %1- 4 # -#$ ;1 &: $:/ # 3 $# /# -# 8 # 4#- # 8 7J$;1 01 3/ * ;14# +J+ *7K 7J$;101 3/*

71;& *% # 4*# 3K 7J$;1 01 3 /* /J/ * # - 4# 3 7J$;1 013/ * ;&JL 1 /*J3 # -( M1 3+:7 :& # 3 4 *- #7 :7# 3

413+# 3$13++: 3 #7 # 3/7# - #: 7:&*301 & N# -(

)# 0#.: &N1*4# 3O41 3 0*L*7 # / *

I# & *%1-P* 31 &<#":&:

(

M14# +J+ *7K P1;&*% # 4* # 3K.J/ * # -KM&JL1/ *J3# -

)

Q:RR2L*7# / *

)1 L:RR 2L*7 # / * S:-1O3L 1 &1 3/ *

T; 0*$ # / *U1 & *0M # 2

. 0J; . 0 #&0

(39)

.

o

m

p t n

s p

o

.

o

m

p t n

s

pr

n

Kompetensi

Guru

&

Dosen

Kompetensi

Sosial

Kompetensi

Profesional

Kompetensi

(40)

Y Z[ \][ ^[ \_[ ` a[ b[ ^` ]c \[ \d` ][\dde \d f [ g[ b` Yc hij^ [ ] Za` Zj kl[a` m c ^ Y[a` hc\dk i^h []Z

i^[\d l [ Z \` a ][ b Zl` ^ [ h[ k` ]c d[a` bc ^[\Z` j ^c [ ] Zn` Z\Z a Z[]Z n` ]c][oZ f ed[ ac b[d[ Z oc h b c ^Z

]c l[ Y[\b[ dZa Z a g[p

qihoc]c \a Zqco^ Zb[ Y Z[ \`]c ^ Y Z^ZrY[ ^ Zs

r tc ^ ] Z\Y[ jacae[ ZYc \d[ \\i^ h [[ d[ h[`kej eh`ai a Z[ lY[ \jc beY[ _[ [\\[ a Zi \[ l

r uc\e\f ejj [ \o^ Zb[ Y Z_[ \dY c g[ a[Y[\]c l[ Y[ \

r

v ]iajc ^f[ `][ \dde\df[g[ b_[\d]Z \dd Z^ [ a[b[\dd[h c \f[ Y Zde^e

w

.

x

o

y

m

p

y

t

n

s

z{

o

s

z|

l

qihoc]c \a Z }i a Z[ l [ Y[ l[ k jc h [ h oe[\ e \]ej b c ^jih e \ Zj [ a Z Y[ \ bc ^Z\ ]^c j[a Z ac m[ ^[

c nc j]ZnY[\c ncaZc\Yc \d[ \ocac ^][Y ZY Zj`aca[ h[de^ e`i ^[\d]e[ ~ g[ lZocac ^][Y ZY ZjY[ \

h [ a_[ ^[ j[ ] ac j Z ][ ^p qc h [ oe[\ Z\ Z hc ^e o[ j[ \ j ch [ hoe[\ _[ \d k[ ^e a YZhZl Zj Z i lc k

ac i ^[\d]c\[ d[ oc \Y ZY Zje\]e jh c \_c ae [ Zj[\ Y Z^ Z]c ^k [ Y[ o]e \]e ][ \oc jc ^f[ [\\_[Y [ \

l Z \dj e \d[ \

ac jZ][ ^\_[p

qihoc]c \a Z}i a Z[ l`]c ^ Y Z^ ZrY[ ^Zs

r tc ^ a Zj[ o Z \jl e aZ n`bc ^ ]Z\Y [ ji b_c j ] Zn` ac ^ ][]ZY[ jY Z aj^ ZhZ\[]Z nac b [ d[ Z e^ej c o[Y[

[ \[ jY ZY Zj

r qih e \ Zj[a Z Yc\d[\ ac a[ h [ de ^e` ]c\[ d[ jcoc\Y ZY Zj [ \` i ^[\d ]e[ ` ocac^ ][ Y ZY Zj`

Y[\h [ a_[ ^ [ j [ ]p

.

x

o

y

m

p

t

yz

s

n

ro

y

s

z

o

n

|

l

qihoc]c \a Z ^i ncaZi \[ l [ Y [l [ k jc h[ hoe[\ Y[ \ jc ]c ^ [ ho Zl [ \ ]c ^k [ Y[ o oc \de[a[[ \

h [ ]c ^Z ocl [ f[ ^ [ \ ac m[ ^ [ hc\Y[ l[ h` e ]e k Y [ \ jiho^ c k c \ a Znp e^ e _[ \d h c hZl ZjZ

jihoc ]c \ a Zo^ i nca Zi \[ l ]ZY [ j m ej e ok[ \_[ h c hZl ZjZoc\de[ a[ [\h[ ]c ^Zac m[ ^[ ni^ h[l

(

Y[ l[ h bej e o[\Ye[ \

)

]c][oZ f ed[ k[ ^ea hc hZlZjZ jc h[ hoe[\ ]c ^k[ Y[o h []c ^ Z Zlhe

l[Z\_[\dh chZlZj Zj c ]c ^j[Z][\Yc\d[\oiji jb[ k[a[\ h [ ][oc l[ f[ ^[\]c ^ ]c \ ]e

qihoc]c \a Z^inca Zi \[ l]c ^YZ^ ZrY[ ^Zs

r

uc\de[a[ Z h [ ]c ^Z` a ]^e j]e ^` j i \aco Y [ \ oil [ oZj Z^ jcZl h e[\ _[\d h c \Yej e \d

h [][ oc l[ f[ ^[\_[ \d[\Y[[ h oe

r uc\dc h b[\dj[\jco^ inca Zi\[ l[\h c l[ le Z] Z\Y [ j[ \_[\d^ c n lc j] Zn

(41)

u

zzy

s

¡¢ ¢ £ ¤ ¥ ¦¤ ¤ ¥

¬§ª §

(

¬§ « ® ¯ ª §

)

£ ¥ § §¤ §°

± ª § § ¯ § ª ¤¤ ² ¦ ³ ´®µ µ ¥ ¶ ¤ § « ¡

· ¤ ¤«¦ ¬§¸

² ¦ ª¤ ¤°¶ ¤ §« ¡ · ¤ ¤ «¦ ¬§ ¸

±

ª § ¥ ¤

½¹ ³ ´®µµ¾

¥

¿ À¥ ¦ ¬§ ¤

·¥

«§ ¤ £¸

(

§ § Á

)

Â

.

Ã

.

Ä

s

l

ÅÆÇ

n

u

m

pu

n

l

È

t

¦ ¥§ ¤¶¯«² ¥ §³ « § ¤ ¤ § ÉÊ¸ ³¸

£¥¤ §¤ § ¸¹ § ¤ § ¥ ¤ ±

(

½ªª

)

¤

± £¥ ¤ ¥¸ ¤ Ë § ¥§ ¤ ¤

§¤ § ¦ ¤ ¥¦¥¨ § ¤ ¨¦

¤ § ¦ ¡ ¦ ¥§¸

É ¦ ¤ ¥¦¥ ¨ § ¤ ¨ ¦ ¤ § ¦¡ ¦¥§

¤

¤ § ¤É Ê¸ ³

ÉÊ¸ ³Ì ª «¦ ¬§

Í

t

ÎÍÏÇ

u

ru

ÐÑÐÐÂÐÃÐÒÐÓÐÔÕ ÑÕÕÂÖ ÑÖÈÑÈ

³ Ê Ê Ê Ê × × × × Ê × × Ê Ê

× × × × × × × × × × × × × ×

Ê × Ê Ê Ê × Ê × Ê Ê Ê × × Ê Ê

× Ê Ê Ê Ê Ê × × Ê Ê Ê Ê Ê Ê Ê

Á Ê Ê × Ê Ê Ê × × Ê Ê Ê × Ê Ê

´ × × × Ê Ê × Ê Ê Ê × × × × Ê

Ê Ê Ê Ê × × Ê Ê Ê × Ê Ê Ê Ê

» Ê Ê Ê × Ê × × × Ê Ê Ê Ê Ê ×

¾ × × × × × × × × × × ×

Ê ×

Ê

³ µ Ê Ê Ê Ê Ê Ê Ê × × × × × × ×

³³ Ê × Ê Ê Ê × Ê Ê × × Ê Ê × Ê

³ ×

Ê ×

× ×

Ê × ×

(42)

ÚÛ

t

Û

ÜÚÝ Þ