APLIKASI PENCARIAN LULUSAN MAHASISWA
DENGAN BORANG AKREDITASI
MENGGUNAKAN METODE FUZZY
SKRIPSI
Diajukan Oleh :
DESTA KURNIAWAN
NPM : 0634010175
JURUSAN TEKNIK INFORMATIKA
PROGDI SISTEM INFORMASI
FAKULTAS TEKNOLOGI INDUSTRI - FTI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN “
JAWA TIMUR
KATA PENGANTAR
Assalamu’alaikum Wr. Wb
Syukur Alhamdulillah penulis panjatkan kehadirat Allah SWT, atas rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini, sebagai prasyarat untuk memperoleh gelar Sarjana Teknik Informatika pada Progdi Sistem Informasi (S1), Fakultas Teknologi Industri, Universitas Pembangunan Nasional ”VETERAN” Jawa Timur.
Dalam menyusun skripsi ini penulis banyak menerima bantuan, bimbingan dan dukungan dari berbagai pihak. Pada kesempatan ini dengan segala kerendahan hati penulis menyampaikan terima kasih yang sebesar-besarnya kepada :
1. Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri
2. Nurcahyo Wibowo, S.Kom, M.Kom selaku Ketua Progdi Sistem Informasi dan selaku Dosen Pembimbing 1 yang telah memberikan dukungan berupa masukan dan koreksi yang berguna dalam menyelesaikan skripsi ini.
3. Fetty Tri Anggraeny, S.Kom selaku Dosen Pembimbing 2 yang telah memberikan masukan dan koreksi yang berguna dalam menyelesaikan skripsi ini.
5. Lila dan Rikha, yang selalu memberi semangat baru, untuk tetap bisa fokus . 6. Keluarga besar dan teman sekerja, yang telah memberi dukungan dalam doa. 7. Mas Satrio dan Pak Midya, makasih sudah meluangkan waktunya untuk saya. 8. Teman-teman angkatan 2006 yang sudah lulus yang sudah menginspirasi saya.
Penulis menyadari bahwa laporan skripsi ini masih banyak kekurangan dan jauh dari sempurna. Hal ini tidak lain karena keterbatasan materi dan pengetahuan yang dimiliki penyusun Tugas Akhir ini.
Akhir kata, penyusun mengharapkan semoga apa yang tertuang dalam laporan skripsi ini dapat bermanfaat bagi rekan-rekan mahasiswa khususnya dan bagi seluruh pembaca pada umumnya.
Wassalamu’alaikum Wr. Wb
DAFTAR ISI
1.6 Metodologi Penelitian... 3
2.1.6 Fungsi Keanggotaan... 12
2.2. Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy... 23
2.2.1 Operator AND... 23
BAB III ANALISA DAN PERANCANGAN SISTEM... 32
APLIKASI PENCARIAN LULUSAN MAHASISWA DENGAN
BORANG AKREDITASI MENGGUNAKAN METODE FUZZY
Penyusun : Desta KurniawanPembimbing I : Nurcahyo Wibowo, S.Kom, M.Kom Pembimbing II: Fetty Tri Anggraeny, S.Kom
ABSTRAK
Kata Fuzzy merupakan kata sifat yang berarti kabur, tidak jelas. Fuzziness atau kekaburan atau ketidakjelasan atau ketidakpastian selalu meliputi keseharian manusia. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Terkadang dalam mencari mahasiswa yang sudah lulus dengan kriteria yang sudah di tentukan oleh user dengan bahasa sehari-hari (misal: IPK SANGAT BAIK,TOFEL BAIK,PERNAH IKUT ORGANISASI) pihak admin agak kesulitan karena mereka juga harus mencari data nya dan mengacu pada standart untuk perhitungan IPK nya apabila mencari IPK yang BAIK,CUKUP,atau pun yang lain, dan pihak admin juga harus memberikan masukan secara lisan untuk mahasiswa yang masuk dalam kriteria yang diinginkan, oleh sebab itu, aplikasi yang di buat ini untuk membantu mencari mahasiswa yang masuk kriteria atau sesuai kriteria yang ditentukan oleh inputan atau user, yang di dalam aplikasi ini disediakan kriteria-kriteria yang dapat dipilih oleh user untuk menampilkan mahasiswa yang diinginkan dengan maksud dan tujuan tertentu bagi user nya, serta aplikasi ini juga sudah menggunakan standart Borang dalam beberapa perhitungan nya. Aplikasi ini juga memberikan masukan atau rekomendasi sesuai perhitungan logika fuzzy dari kriteria-kriteria yang di inginkan atau di inputkan oleh user sehingga pihak admin tidak perlu susah-susah untuk memberikan masukan atau mencari kriteria yang diinginkan user, karena user sudah bisa mendapatkan informasi yang di cari dengan aplikasi ini.
Aplikasi ini dibangun menggunakan bahasa pemrograman PHP dan menggunakan database MySql sebagai pusat penyimpanan data. Logika fuzzy mempunyai banyak metode, dan yang dipakai dalam aplikasi ini menggunakan metode Fuzzy Database model tahani yang menggunakan relasi standart pada tabel nya, hanya saja model ini menggunkan teory himpunan fuzzy untuk mendapatkan informasi pada query nya.
Hasil nya, logika fuzzy model tahani dan borang akreditasi bisa digunakan sebagai metode untuk menghasilkan suatu nilai rekomendasi.
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pencarian adalah salah satu fasilitas yang biasa digunakan untuk mencari data dengan cara memasukkan kata kunci di textfield, memilih check box ataupun radio button, sebagai acuan untuk mencari data. Sudah banyak aplikasi yang menggunakan fasilitas ini untuk memudahkan user nya dalam mencari sesuatu data yang diinginkan, tapi masih sedikit aplikasi yang mempunyai fasilitas tersebut, bisa memberikan nilai rekomendasi untuk suatu informasi yang telah didapat dari proses pencarian, guna menilai seberapa pantaskah data yang dihasilkan sesuai dengan kriteria yang sudah dipilih. Seperti pada kondisi dalam mencari mahasiswa yang layak direkomendasikan menjadi lulusan terbaik dalam lingkup IPK Sangat Baik, ataupun berhak direkomendasikan untuk mendapatkan suatu pekerjaan di sebuah instansi terkait. Pada proses menentukan atau mencari lulusan lulusan tersebut ada suatu standart atau perhitungan yang di gunakan sebagi acuan untuk menghasilkan nilai rekomendasi tersebut.
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, penulis merumuskan beberapa permasalahan sebagai berikut:
a. Bagaimana menerapkan logika fuzzy dan aturan atau standart borang akreditasi.
b. Bagaimana menentukan seberapa layak lulusan itu direkomendasikan menjadi lulusan terbaik atau bisa direkomendasikan mendapatkan pekerjaan berdasarkan kriteria-kriteria yang telah ada dan dipilih oleh user.
1.3 Tujuan
Membuat suatu aplikasi yang dapat membantu memberikan gambaran dalam bentuk rekomendasi mengenai lulusan suatu perguruan tinggi dan seorang lulusan untuk mendapatkan suatu pekerjaan sesuai dengan kriteria yang sudah ada. Dan nilai yang didapat dihasilkan dengan perhitungan logika fuzzy.
1.4 Manfaat
Manfaat dari pembuatan penelitian ini adalah:
a. Dengan dibuatnya aplikasi ini diharapkan bisa membantu dalam mencari lulusan perguruan tinggi sesuai kriteria yang ada.
c. Memudahkan para pengguna mendapatkan hasil dari proses penyeleksian pada kriteria.
1.5 Batasan Masalah
a) Aplikasi pencarian kriteria kelulusan ini dibangun dengan bahasa pemrograman PHP dan database mysql.
b) Menggunakan logika fuzzy model tahani dan menggunakan kurva Bahu. c) Aplikasi ini hanya sekedar memberikan informasi kepada user sesuai
variabel yang sudah ada dan dipilih oleh user.
d) Aplikasi ini menggunakan borang dalam standart IPK, lama Tugas Akhir dan kelulusan tepat waktu.
e) Data yang digunakan Jurusan Teknik Informatika dan Sistem Informasi. f) Lulusan yang ada dalam aplikasi ini hanya lulusan bulan Januari 2011. g) Untuk domain umur diambil dari beberapa lowongan pekerjaan yang ada. h) Untuk domain lama studi mengambil dari rata-rata lulusan.
i) User dan Password hanya ada ”admin” serta ”user”.
j) Untuk edit batas himpunan harus sesuai dengan kurva, nilainya bergerak dari besar ke kecil ataupun sebaliknya.
1.6 Metode Penelitian
a. Studi Literatur
Pada tahap ini dipelajari literature dan perencanaan serta konsep awal untuk membentuk suatu program yang ingin dibuat yaitu didapat dari referensi buku, internet, maupun sumber-sumber yang lain.
b. Pengumpulan data dan analisis
Pada tahap ini adalah proses pengumpulan data yang dibutuhkan untuk pembuatan program, serta melakukan analis atau pengamatan pada data yang sudah terkumpul untuk selanjutnya diolah lebih lanjut.
c. Analisis dan perancangan sistem
Setelah selesai pada tahap pengumpulan data dan analisis maka tahap selanjutnya adalah melakukan analisa dan perancangan sistem. Pada tahap ini adalah proses perancangan dari sistem yang akan dibuat untuk selanjutnya akan diproses lebih lanjut.
d. Pembuatan program
Setelah tahap perancangan sistem maka tahap selanjutnya adalah pembuatan program. Pada tahap ini sistem yang sebelumnya telah dibuat akan diterapkan pada program yang akan dibuat. Pembuatan program ini menggunakan pemrograman PHP, dan menggunakan model tahani sebagai model pencarian pada program ini.
e. Uji Coba
f. Penutup
Pada tahap akhir ini adalah pembuatan kesimpulan atau ringkasan dari makalah skripsi ini dan kesimpulan tentang program yang telah dibuat.
1.7 Sistematika penulisan
Penulisan skripsi ini terdiri dari 5 bab dengan sistematika pembahasan sebagai berikut :
BAB I : PENDAHULUAN
Pada bab ini membahas mengenai latar belakang, permasalahan, tujuan, manfaat, batasan masalah, metodologi penulisan, dan sistematika penulisan.
BAB II : LANDASAN TEORI
Berisi teori-teori yang didapat dari studi literatur dan konsep-konsep yang terkait dengan judul Tugas Akhir ini, beserta dengan penyelesaian masalah yang diambil dalam penyusunan Tugas Akhir.
BAB III : ANALISA DAN PERANCANGAN SISTEM
BAB IV : IMPLEMENTASI PROGRAM
Berisi tentang implementasi aplikasi secara keseluruhan mulai dari implementasi data yang diperlukan oleh aplikasi hingga coding (tidak mutlak) program untuk implementasi aplikasi, yang sesuai dengan batasan masalah yang sudah ada dan literature-literatur yang ada.
BAB V : UJI COBA DAN EVALUASI
Bab ini membahas tentang cara menjalankan aplikasi serta uji coba terhadap aplikasi yang telah dibuat tersebut, apakah sudah sesuai dengan apa yang diinginkan..
BAB VI : PENUTUP
BAB II
TINJAUAN PUSTAKA
2.1 Logika Fuzzy
Logika Fuzzy suatu cabang matematika yang memungkinkan sebuah komputer untuk memodelkan dunia nyata dengan cara yang sama sebagai mana manusia. Terpusat pada kuantisasi dan penalaran menggunakan bahasa yang punya makna yang ambigu, contoh: banyak, sangat, sedikit, tinggi, berbahaya , dsb keduanya memuat Teori logika fuzzy yang diajukan oleh Zadeh pada pertengahan tahun 1960 (Nikola K,1998), memberikan suatu pemecahan masalah terhadap persoalan yang tidak pasti. Sehingga sistem informasi yang akan dibuat menggunakan model DBMS dan query yang berbasis fuzzy, karena model DBMS konvensional, non fuzzy, kurang dapat memenuhi kebutuhan sistem informasi. Banyak model DBMS dan query fuzzy yang ada, salah satunya adalah model Tahani yang ditemukan pada tahun 1977. Prof. Lutfi Zadeh berpendapat bahwa logika benar dan salah dari logika boolean/konvensional tidak dapat mengatasi masalah gradasi yang ada di dunia nyata. Untuk mengatasi masalah gradasi tersebut maka ia mengembangkan sebuah himpunan samar (fuzzy).
Alasan digunakannya Logika Fuzzy, antara lain:
a. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran logika fuzzy sangat sederhana dan mudah dimengerti.Logika Fuzzy sangat fleksibel.
b. Logika Fuzzy sangat fleksibel.
d. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
e. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
f. Logika fuzzy dapat bekerjasama dengan tekhnik-tekhnik kendali secara konvensional.
g. Logika fuzzy didasarkan pada bahasa alami.
2.1.1 Model Tahani
Fuzzy tahani adalah salah satu cabang dari logika fuzzy, yang merupakan salah satu metode fuzzy yang menggunakan basis data standar. Tahani mendeskripsikan suatu metode pemrosesan query fuzzy, dengan didasarkan atas manipulasi bahasa yang dikenal dengan nama SQL (Structured Query Language), sehingga model fuzzy tahani sangat tepat digunakan dalam proses pencarian data yang tepat dan akurat (Anggraeni, Indarto dan Kusumadewi, 2004).
2.1.2 Crisp Logic
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan ụA[x], memiliki 2 kemungkinan, yaitu::
b) Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
Berhubungan dengan nilai absolut BENAR atau SALAH, tidak ada nilai lain.
Contoh 2.1:
Misalkan Variabel umur di bagi menjadi 3 kategori, yaitu: MUDA umur < 35 tahun
PAROBAYA 35 ≤ umur ≤ 55 tahun TUA umur > 55 tahun
Nilai keanggotaa secara grafis, himpunan MUDA, PAROBAYA, TUA
Gambar 2.1 Himpunan Muda, Parobaya, dan Tua
a) Apabila ada seseorang berusia 34 tahun, maka ia dikatakan MUDA (ụMUDA [34]=1);
b) Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA (ụMUDA [ 35]=0);
c) Apabila seseorang berusia 35 tahun , maka ia dikatakan PAROBAYA (ụPAROBAYA [35]=1);
2.1.3 Fuzzy Logic
Tidak seperti statistik dan probabilitas, nilai fuzzy tidak menggambarkan peluang sebuah objek dalam himpunan, tetapi menggambarkan tingkat keanggotaan sebuah objek dalam himpunan.
Pada Gambar 2.2, dapat dilihat bahwa:
a. Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan ụMUDA [40]=0.25; namun dia juga termasuk dalam himpunan PAROBAYA dengan ụPAROBAYA [40]=0.5.
b. Seseorang yang berumur 50 tahun, termasuk dalam himpunan TUA dengan ụTUA [50]=0.25, tapi juga ikut dalam himpunan PAROBAYA dengan ụPAROBAYA [50]=0.5.
2.1.4 Crisp set vs Fuzzy set
Kalau pada crisp logic Gambar 2.3, nilai keanggotaan hanya ada 2 kemungkinan, yaitu 0 atau 1, pada fuzzy logic Gambar 2.4, nilai keanggotaan terletak pada rentang 0 sampai 1.
Gambar 2.3 Crisp set Gambar 2.4 Fuzzy set 2.1.5 Bagian dari Sistem Fuzzy
Ada beberapa hal yang perlu diketahui dalam memahami system fuzzy, yaitu:
a) Variabel Fuzzy
Variabel fuzzy merupakan variable yang hendak dibahas dalam system fuzzy. Contoh:umur, temperature, dsb.
b) Himpunan Fuzzy
Himpunan fuzzy merupakan suatu group yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variable fuzzy.
Contoh:
Variabel umur dibagi menjadi 3 himpunan fuzzy, yaitu
Variabel temperature, terbagi menjadi 5 himpunan fuzzy yaitu:
DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS. c) Semesta Pembicara
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan hinpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicara ini tidak dibatasi batas atasnya.
Contoh:
1. Semesta pembicaraan untuk variabel umur: [0+α] 2. Semesta pembicaraan untuk variabel temperatur: [0 40] d) Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan
fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain berupa nilai bilangan positif maupun negatif.
Contoh domain himpunan fuzzy.
2.1.6 Fungsi Keanggotaan (membership function)
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekataan fungsi.
a. Representasi linear
Pada representasi linear, pemetaan input kederajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.
Ada 2 keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak kekanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi pada gambar 2.5.
Fungsi keanggotaan:
0 a ≤ x
ụ[x] = (x – a)/(b – a); a ≤ x ≤ b (2.1)
1 x ≥ b
ụ[x](nilai yang akan dihitung).
a dan b merupakan nilai himpunan.
Contoh 2.2:
Fungsi Keanggotaan untuk Himpunan PANAS pada variabel temperatur ruangan seperti terlihat pada gambar 2.6.
ụPANAS[32] = (32-25)/(35-25)
= 7/10 = 0.7
Gambar 2.6 Himpunan Fuzzy: PANAS
Gambar 2.7 Representasi Linear Turun
Fungsi keanggotaan:
(b-x) / (b-a) ; a ≤ x ≤ b (2.2)
ụ[x] =
0 x ≥b
ụ[x](nilai yang akan dihitung).
a dan b merupakan nilai himpunan.
Contoh 2.3:
Fungsi keanggotaan untuk himpunan DINGIN pada variabel temperatur ruangan seperti terlihat pada Gambar 2.8.
ụDINGIN[20] = (30-20)/(30-15)
Gambar 2.8 Himpunan Fuzzy: DINGIN b. Representasi kurva segitiga
Kurva segitiga pada gambar 2.9, dasarnya merupakan gabungan antara 2 garis linear seperti terlihat pada gambar berikut.
Gambar 2.9 Representasi Kurva Segitiga
Fungsi keanggotaan:
0 x ≤ a atau x ≥ c
ụ[x] = (x – a)/(b – a); a ≤ x ≤ b (1) (2.3) (c – x)/(c – b); b ≤ x ≤ c (2)
ụ[x](nilai yang akan dihitung).
Kalau nilai x dalam kondisi lebih besar sama dengan a dan lebih kecil sama dengan b maka x dihitung dengan rumus 2.3 (1). Jika nilai x lebih besar sama dengan b dan lebih kecil sama dengan c maka x dihitung dengan rumus 2.3 (2).
Contoh 2.4:
Fungsi keanggotaan untuk himpunan NORMAL pada variabel temperatur ruangan menggunakan kurva segitiga.
ụNORMAL[23] = (23-15)/(25-15)
= 8/10 = 0.8
c. Representasi Kurva Trapesium
Kurva trapezium pada gambar 2.10, dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.
Fungsi keanggotaan:
0 x ≤ a atau x ≥ d (x – a)/(b – a); a ≤ x ≤ b (1)
ụ[x] = 1 b ≤ x ≤ c (2) (2.4)
(d – x)/(d – c); x ≥ d (3)
ụ[x](nilai yang akan dihitung).
a, b, c, dan d merupakan nilai himpunan.
Kalau nilai x dalam kondisi lebih besar sama dengan a dan lebih kecil sama dengan b maka x dihitung dengan rumus 2.4 (1). Jika nilai x lebih besar sama dengan b dan lebih kecil sama dengan c maka x dihitung dengan rumus 2.4 (2). Apabila nilai x lebih besar atau sama dengan d, maka menggunakan rumus 2.4 (3)
Contoh 2.5:
Fungsi keanggotaan untuk himpunan NORMAL pada variabel temperatur ruangan menggunakan kurva trapesium.
ụNORMAL[32] = (35-32)/(25-15)
= 3/8 = 0.375
d. Representasi Kurva Bentuk Bahu
terkadang salah satu sisi dari variable tersebut tidak mengalami perubahan. Sebagai contoh, apabila telah mencapai kondisi PANAS, kenaikan temperature akan tetap berada pada kondisi PANAS. Himpunan fuzzy bahu, bukan segitiga, digunkan untuk mengakhiri variable suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah. Demikina juga bahu kanan bergerak dari salah ke benar pada gambar 2.11.
Gambar 2.11 Representasi Kurva Bentuk Bahu
e. Representasi Kurva-S
Kurva-S untuk PERTUMBUHAN akan bergerak dari sisi paling kiri (nilai keanggotaan = 0) ke sisi paling kanan (nilai keanggotaan = 1). Fungsi keanggotaannya akan tertumpu pada 50% nilai keanggotaannya yang sering disebut dengan titik infleksi pada Gambar 2.12 .
Gambar 2.12 Himpunan Fuzzy dengan Kurva-S: PERTUMBUHAN
Kurva-S untuk PENYUSUTAN akan bergerak dari sisi paling kanan (nilai keanggotaan = 1) ke sisi paling kiri (nilai keanggotaan = 0) terlihat pada gambar 2.13.
Gambar 2.13 Himpunan Fuzzy dengan Kurva-S: PENYUSUTAN
infleksi atau crossover ( ) yaitu titik yang memiliki domain 50% benar. Gambar 2.14 menunjukkan karakteristik kurva-S dalam bentuk skema.
Gambar 2.14 Karakteristik Fungsi Kurva-S
Fungsi: Keanggotaaan pada kurva PERTUMBUHAN adalah:
0 x ≤α
S(x; α, , ) = 2((x- α) / ( - α))2 α≤ x ≤ (1) (2.5)
1-2(( -x) / ( - α))2 ≤ x ≤ (2)
1 x ≥
Pada contoh 2.6 menggunakan rumus 2.5 (2) karena nilai x lebih dari dan kurang dari .
Contoh 2.6:
Fungsi keanggotaan untuk himpunan TUA pada variabel umur seperti Gambar 2.15
= 1-2 (10 / 25) 2
= 0.68
Gambar 2.15 Himpunan Fuzzy TUA
Sedangkan fungsi keanggotaan pada kurva PENYUSUTAN adalah:
1 x ≤α
S(x; α, , ) = 1- 2((x- α) / ( - α))2 α≤ x ≤ (1) (2.6)
2(( -x) / ( - α))2 ≤ x ≤ (2)
0 x ≥
Pada contoh 2.7 menggunakan rumus 2.6 (2) karena nilai x lebih dari dan kurang dari .
Contoh 2.7:
Gambar 2.16 Himpunan Fuzzy MUDA
2.2 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional. Ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi atau memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering dikenal dengan fire strength atau α – predikat. Ada 3 operator dasar yang diciptakan oleh Zadeh, yaitu;
2.2.1 Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan.
Αpredikat sebagai hasil operasi dengan operator AND diperoleh dengan
mengambil nilai keanggotaan terkecil antara elemen pada himpunan-himpunan yang bersangkutan.
Contoh 2.8:
Misalkan nilai keanggotaan 27 tahun pada himpunan usia MUDA adalah 0.6 (ụMUDA[27]=0.6) dan nilai keanggotaan 3.4 pada himpunan ipk SANGAT TINGGI adalah 0.8, ụSANGAT TINGGI[3.4]=0.8).
Maka α-predikat untuk usia MUDA dan ipk SANGAT TINGGI adalah
ụMUDA∩SANGAT BAIK = min(ụMUDA[27], ụSANGAT BAIK[3.4])
= min (0.6;0.8)
= 0.6
2.2.2 Operator OR
Operator ini berhugungan dengan operasi union pada himpunan α-predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antara elemen pada himpunan-himpunan yang bersangkutan.
ụAUB = max(ụA[x], ụB[y])
Contoh 2.9:
Pada contoh yang sebelumnya sudah dapat dihitung nilai α-predikat untuk usia MUDA atau ipk SANGAT TINGGI adalah:
ụMUDA∩SANGAT BAIK = min(ụMUDA[27], ụSANGAT BAIK[3.4])
= max (0.6;0.8)
2.2.3 Operator NOT
Operator in berhubungan dengan operasi komplemer pada himpunan α -predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.
ụA = 1- ụA[x]
Contoh 2.10:
Pada contoh yang sudah ada sebelumnya dapat dihitung nilai α-predikat untuk usia TIDAK MUDA adalah:
ụMUDA [27] = 1- ụMUDA[27]
= 1-0.6 = 0.4
2.3 Kriteria Lulusan
Kriteria yang ditampilkan dalam aplikasi ini ada beberapa bagian, sebagai berikut:
a. IPK (Indeks Prestasi Kumulatif), bisa dibilang sebagai ukuran berhasil atau tidak nya seorang lulusan dalam menempuh masa studi atau bisa dibilang masa kuliah. Dalam Aplikasi ini IPK mempunyai 5 kriteria yaitu Sangat Baik, Baik, Cukup, Kurang, dan Sangat Kurang. Nilainya diambil dari criteria IPK pada Borang Akreditasi.
Tabel 2.2 Nilai Toefl
Sumber: www.cangkruk.com
PBT CBT
677 300
650 280
600 250
550 213
500 173
450 133
Jika nilai test TOEFL 500 (PBT) ke atas atau 173 (CBT) ke atas maka peluang untuk diterima di perguruan tinggi luar negeri yang diminati sangat besar.
Nilai test TOEFL di bawah 450 menunjukkan bahwa kemampuan bahasa Inggris yang masih standar (atau bahkan rendah) sehingga disarankan untuk mengikuti kursus bahasa Inggris.
Sedangkan nilai 450 - 499 menunjukkan kemampuan bahasa Inggris yang di atas rata-rata tetapi masih ada beberapa hal yang perlu dimantapkan lagi (reviewed) apakah di structure nya, listening, atau
reading-nya tergantung nilai mana yang terendah.
Namun TOEFL dalam aplikasi ini mempunyai 2 kriteria minimal dan maximal. Untuk minimal nilainya 400 dan maximal memiliki nilai 500, nilai-nilai yang diambil dari kriteria TOEFL diambil dari beberapa lowongan pekerjaan yang ada di internet, karena pada lowongan pekerjaan tersebut mencantumkan TOEFL yang harus dimiliki oleh seorang calon pegawai atau pelamar. Untuk salah satu situs nya bisa dilihat sebagai berikut:
c. Lama Studi merupakan waktu tempuh seorang mahasiswa menjadi lulusan. Semakin cepat dia bisa menjadi seorang alumni atau lulusan, semakin cepat dia bisa membangun suatu masa depan. Dengan lulus tepat waktu maka bisa mengurangi beban sebuah Perguruan Tinggi, karena pada situasi ini harus ada seperti sirkulasi, yaitu ada yang masuk dan ada yang keluar, sehingga bisa seimbang dalam proses sirkulasi tersebut. Dalam aplikasi ini dibuat 4 kriteria yaitu: Baik, Cukup, Kurang, dan Sangat Kurang.
d. Lama TA Semakin cepat menyelesaikan TA semakin cepat menjadi seorang Sarjana S1. Semakin cepat lulus, semakin cepat mengurangi beban dari kampus, yang harus menangani sekian banyak mahasiswa. Penyelesaian TA dijadwalkan selesai dalam satu semester. Kriteria dalam aplikasi ini untuk lama TA di bagi 5 juga, yaitu: : Sangat Baik, Baik, Cukup, Kurang, dan Sangat Kurang.
diambil dari beberapa situs lowongan pekerjaan dan forum yang ada,
http://forum.kafegaul.com/archive/index.php/t-7041.html
Untuk Organisasi dalam aplikasi ini menggunkan 2 kriteria yaitu pernah atau tidak pernah.
2.4 Akreditasi dan Asesor
Menurut Kamus Besar Bahasa Indonesia Edisi ke.3. tahun 2003, akreditasi adalah :
1. Pengakuan terhadap lembaga pendidikan yang diberikan oleh badan yang berwenang setelah lembaga itu memenuhi syarat kebakuan atau kriteria tertentu.
2. Pengakuan oleh suatu jawatan tentang adanya wewenang seseorang untuk melaksanakan atau menjalankan tugasnya.
Eksternal akreditasi: adalah proses evaluasi terhadap institusi yang dilakukan oleh pihak luar institusi melalui akreditasi dengan menggunakan Borang akreditasi yang telah ditentukan.
Asesor adalah tenaga pakar pada bidang ilmu, bidang studi, profesi, dan praktisi yang mewakili BAN-PT dalam penilaian akreditasi program studi, melalui dua tahap penilaian yaitu :
a. Penilaian terhadap borang dan portfolio program studi/institusi yang disampaikan oleh program studi beserta lampiran-lampirannya melalui pengkajian "di atas meja" (desk evaluation).
b. Penilaian di lapangan (visitasi) untuk validasi dan verifikasi hasil desk evaluation, dan melakukan penilaian di tempat kedudukan program studi/institusi.
2.5 Borang
Konsep borang adalah alat atau instrumen untuk mengumpulkan informasi mengenai kinerja program studi dan fakultas / sekolah tinggi dalam rangka pengendalian kualitas semua perguruan tinggi di Indonesia.
Borang yang digunakan dalm perhitungan ini borang VII matriks penilaian borang.
a. Untuk rumus Kelulusan tepat waktu, diambil dari point 3.1.4.a
pada borang VII.
b. Untuk standart IPK, diambil pada point 3.1.1.d pada borang VII. c. Untuk standart waktu penyelesaian TA dalam 1 semester, diambil
BAB III
ANALISA DAN PERANCANGAN SISTEM
3.1 Analisa Sistem
olah admin sebelumnya. Dalam aplikasi ini juga disediakan perhitungan ketepatan lulusan tepat waktu, yang artinya ada berapa banyak mahasiswa yang masuk dan berapa banyak mahasiswa yang lulus dalam waktu 4 tahun. Untuk perhitungan ini tidak dilakukan oleh admin, tapi dilakukan oleh user sendiri. Menu ini digunakan untuk memberi gambaran seorang user, tentang berapa banyak kah mahasiswa yang harus lulus dalam 4 tahun, karena ketepatan waktu lulus tersebut mempengaruhi predikat suatu kampus dalam penilaian borang.
Dalam membangun aplikasi ini digunakan bahasa pemrograman PHP, bahasa pemrograman ini bisa terkoneksi dengan semua jenis database, seperti My SQL. Dan pemrograman PHP juga biasa digunakan untuk sebuah aplikasi berbasis web.
3.2 Perancangan Sistem
Secara umum sistem yang akan dibuat, seperti gambar 3.1 dibawah ini.
3.2.1 Flowchart
Gambar 3.2 dibawah ini merupakan flowchart aplikasi.
Gambar 3.2 Flowchart Aplikasi
Admin
A. Untuk admin, melakukan perhitungan pada saat input lulusan baru (hitung IPK, hitung TOEFL, hitung lama TA, hitung lama study, dan hitung usia). Hasil perhitungan tersebut disimpan dalam database yang nantinya hasil itu untuk informasi user User
A. Untuk user, memilih kriteria dahulu, yang sudah disediakan. B. Kemudian pilihan dari kriteria user tersebut, terbentuk query yang
akan mencari data kriteria.
3.2.2 Fuzzy Sistem
Dalam aplikasi ini digunakan peerhitungan fuzzy untuk menghasilkan nilai akhir yang dibutuhkan oleh user. Berikut adalah contoh perhitungan fuzzy:
a. Hitung IPK.
Fungsi Keanggotaan Baik:
0 x ≤ 2.75
IPK [x] = (x – 2.75 ) / (3.00 – 2.75) 2.75 ≤ x ≤ 3.00 (3.4)
(3.25 – x) / (3.25 – 3.00) 3.00 ≤ x ≤ 3.25
Fungsi Keanggotaan S.Baik:
0 x ≤ 3.00
IPK [x] = (x – 3.00 ) / (3.25 – 3.00) 3.00 ≤ x ≤ 3.25 (3.5)
1 3.25 ≤ x ≤ 4.00
b. Hitung TOEFL
Gambar 3.3 Fungsi keanggotaan Kurva Bahu TOEFL TOEFL
Semesta pembicaraan [ 350 611 ]
Himpunan TOEFL
Fungsi Keanggotaan Minimal:
Fungsi Keanggotaan S. Kurang:
Fungsi Keanggotaan Cukup:
0 x ≤ 4
L. study [x] = (x – 4 ) / (5– 4) 4 ≤ x ≤ 5 (3.14)
(6 – x ) / (6 – 5) 5 ≤ x ≤ 6
Fungsi Keanggotaan Kurang:
0 x ≤ 4
L. study [x] = (x – 5 ) / (6– 5) 5 ≤ x ≤ 6 (3.15)
(7 – x ) / (7 – 6) 6 ≤ x ≤ 7
Fungsi Keanggotaan S_kurang:
0 x ≤ 6
L. study [x] = (x – 6 ) / (7 – 6) 6 ≤ x ≤ 7 (3.16)
1 7 ≤ x ≤ 8 e. Hitung Umur
3.2.3 Data Flow Diagram
DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan. DFD merupakan alat yang digunakan pada metodologi pengembangan sistem yang terstruktur dan merupakan alat yang dapat menggambarkan arus data di dalam sistem dengan terstruktur dan jelas. Dalam penggambaran DFD ada beberapa tahap (context Diagram / top level, level 0, level 1, dst).
A. Context Diagram
Gambar 3.7 Context Diagram Sistem
Dari Context diagram diatas terlihat ada 2 entitas dan 1 proses. Untuk entitas User mempunyai 5 data flow.
data_ktw: user bisa melakukan perhitungan untuk ketepatan lulusan. hasil_ktw: user akan mendapatkan hasil, setelah melakukan perhitungan dari ketepatan lulusan.
hasil_pencarian: user akan mendapatkan data hasil pencarian, setelah melakukan pilih kriteria.
view_data_lulusan: user bisa melihat data lulusan berdasarkan jurusan. Untuk entitas Admin mempunyai 4 data flow.
login: Admin akan login dulu sebelum, admin masuk ke menu khusus admin.
data_lulusan: Admin bisa insert,update,delete untuk lulusan.
view_data_lulusan: Admin bisa melihat semua lulusan yang ada
delete_data: Admin bisa mendelete data yang ada dibeberapa tabel.
data_himpunan_fuzzy: Admin bisa edit himpunan fuzzy.
Untuk mendapatkan lulusan yang direkomendasikan, user dapat memilih kriteria-kriteria yang sudah ada dalam aplikasi ini. Dan pada saat memproses, ada 2 tombol submit “AND” , ”OR”. Untuk AND, akan menampilkan nilai minimal dari kriteria yang sudah dipilih. Untuk OR, akan menampilkan nilai maksimal dari kriteria yang sudah dipilih.
B. DFD Level 0
Gambar 3.8 DFD Level 0
Dalam gambar 3.6 terlihat ada 6 proses, yaitu: 1. Verifikasi login
2. Pengolahan data ADMIN
Proses pengolahan data admin meliputi: a. Insert, edit, delete lulusan.
b. Edit batas himpunan.
c. Penghitungan nilai-nilai lulusan. 3. Kriteria lulusan
Proses ini memberikan kriteria yang akan dipilih oleh user untuk menampilkan nilai rekomendasi lulusan.
4. Lihat data lulusan
Proses lihat data lulusan, merupakan proses untuk melihat lulusan-lulusan, berdasarkan jurusan yang ada.
5. Proses pencarian
Dalam proses ini, mencari suatu nilai dalam database yang berhubungan dengan kriteria lulusan yang sudah dipilih sebelumnya.
6. Hitung Ktw
C. DFD Level 1
Gambar 3.9 DFD Level 1
3.3 Perancangan Tabel
CDM Database Fuzzy
Gambar 3.1 CDM Fuzzy
PDM Database Fuzzy
Gambar 3.2 PDM Fuzzy
Tabel 3.1 bts_hmpn
Tabel 3.1 bts_hmpn digunakan untuk menyimpan batas. Karena untuk mencari derajat keanggotaan dalam perhitungan fuzzy harus menggunakan batas himpunan.
Tabel 3.2 jurusan
Tabel 3.2 jurusan merupakan tabel yang berisi kode dan nama jurusan untuk memilah, seorang lulusan masuk jurusan mana.
Tabel 3.3 mahasiswa
Tabel 3.4 mu
Tabel 3.4 mu, merupakan tabel yang menyimpan hasil dari perhitungan yang telah dilakukan oleh Admin. Perhitungan tersebut meliputi ipk, toefl, lama ta, lama study, dan umur. Data yang disimpan tersebut adalah data yang
digunakan untuk rekomendasi suatu lulusan.
Tabel 3.5 user menyimpan data Admin yang boleh masuk dalam menu Admin, untuk melakukan proses data (hitung derajat keanggotaan, insert, update, delete data).
Tabel 3.6 variabel
Tabel 3.6 variabel menyimpan nilai-nilai seorang lulusan, yang nantinya akan dihitung menggunakan perhitungan fuzzy.
3.4 Perancangan Antar muka
Perancangan antar muka sistem, sangat diperlukan untuk menunjang suatu sistem tersebut dalam proses pengoperasian. Perancangan ini juga bisa
Pada desain gambar 3.10 merupakan desain tampilan untuk user. Di bagian menu nantinya ada beberapa pilihan menu yang bisa digunakan user, untuk memberikan informasi yang diinginkan.
Gambar 3.10 Interface user
Pada desain gambar 3.11 merupakan desain tampilan untuk admin. Desain ini hanya digunakan untuk user atau admin yang sudah melakukan login
BAB IV
IMPLEMENTASI SISTEM
Pada bab ini akan dibahas mengenai implementasi dari rancangan system yang telah dibuat pada BAB III. Bagian implementasi sistem kali ini meliputi: lingkungan implementasi, implementasi proses, uji coba serta analisa hasil uji coba.
4.1 Lingkungan Implementasi
Pada bagian ini djelaskan mengenai perangkat keras dan perangkat lunak yang digunakan pada implementasi sistem ini.
Perangkat keras:
- Laptop dengan processor Intel Celeron 2.0 Ghz - RAM 512 MB DDR2
Perankat lunak:
- Sistem Operasi Windows XP SP2 - PHP Script Language Versi 5.2.3 - Appserv 2.5.9
4.2 Implementasi Sistem
Pada tahap ini akan dibahas mengenai implementasi data dari perancangan sistem yang telah dibahas sebelumnya.
Pada menu untuk user terdapat menu pilihan %(ktw), guna menghitung kelulusan tepat waktu semua mahasiswa dalam angkatan yang sama.
Syntax untuk perhitungan kelulusan tepat waktu dapat dilihat pada gambar dibawah ini:
4.3 Implementasi Antar Muka
Halaman index aplikasi pencarian lulusan mahasiswa.
Gamabar 4.1 Halaman index
a. Form info b. Form lulusan c. Form kriteria d. Form statistic e. Form %ktw
4.3.1 Menu Info
Berisikan tentang informasi sederhana dalam aplikasi ini. Salah satunya informasi mengenai arti dari AND OR pada gambar 4.2.
4.3.2 Menu Lulusan
Menu ini menampilkan data lulusan-lulusan, dari Teknik Informatika dan Sistem Informasi. Serta disediakan textfield untuk mencari seorang lulusan, dengan cara mengisikan nama pada gambar 4.3.
Gambar 4.3 Menu Lulusan
4.3.3 Menu Kriteria
Pada gambar 4.4 terdapat banyak pilihan. Pilihan tersebut merupakan suatu kiteria yang harus dipilih oleh user, apabila ingin mendapatkan suatu
Gambar 4.4 Menu Kriteria
4.3.4 Menu Statistik
Gambar 4.5 Menu Statistik
4.3.5 Menu %ktw
Gambar 4.6 Menu %(ktw)
4.3.6 Menu Admin
Untuk memasuki halaman login harus login dahulu dengan user dan password “admin” atau “user” pada gambar 4.8.
4.3.7 Halaman Admin
a. Menu Batas Himpunan.
Edit untuk nilai perhitungan batas himpunan.
Menu pada gambar 4.9 ini digunakan untuk mengubah batas perhitungan dalam aplikasi ini. Karena proses perhitungan dalam aplikasi ini didapat dari table bts_hmpn.
b. Menu Lulusan
Ada menu update nilai lulusan, tambah lulusan, edit lulusan, dan delete lulusan, contohnya pada gambar 4.10.
c. Menu View Data
Menu pada gambar 4.11 ini hanya untuk menampilkan saja atau memberi informasi tentang lulusan. Menu ini akan tampil, khusus untuk login user.
d. Menu Data
Menu pada gambar 4.12 ini mempunyai 2 menu yaitu proses
import data dan hapus semua. Untuk gambar 4.13 adalah gambar pada menu impor.
Gambar 4.12 Data
Gambar 4.13 Import Data
Untuk struktur excel, agar bisa diimport harus dengan struktur pada gambar 4.14 dan 4.15.
Gambar 4.14 Struktur excel
BAB V
UJI COBA DAN EVALUASI
Pada bab ini akan dibahas mengenai uji coba terhadap aplikasi yang telah dibuat dan selanjutnya akan dibuat evaluasi dari hasil uji coba tersebut. Uji coba dilaksanakan untuk mengetahui apakah aplikasi dapat berjalan dengan baik sesuai perencangan yang dibuat. Evaluasi dilakukan untuk menentukan tngkat
keberhasilan dari aplikasi tersebut.
5.1. Lingkup Uji Coba
Pada tahap ini akan dijabarkan tentang uji coba aplikasi dengan data lulusan yang telah diinput. Spesifikasi uji coba kali ini adalah sebagai berikut:
Sistem Operasi: Windows XP SP2
Server Database: MySql 5.0.45
Web Server: Apache 2.2.4
Processor Celeron 2.00 GHz
Ram 512 Mb
5.2 Skenario Uji Coba
Berikut pada gambar 5.1 dan 5.2 adalah data yang digunakan dalam proses rekomendasi:
Tabel 5.1 Data mu
Tabel 5.2 Data mu(lanjutan)
5.3 Pelaksanaan Uji Coba
5.3.1 Uji Coba Mendapatkan Rekomendasi dari Kriteria
Kriteria pada gambar 5.1 yang dipilih: Sangat Baik, TOEFL Maksimal, Lama Study Baik, Lama TA sangat Baik, Usia Muda, dan Organisasi Tidak Pernah.
Gambar 5.2 Hasil Rekomendasi/fuzzy dengan operator AND
Gambar 5.3 Hasil Rekomendasi/fuzzy dengan operator OR
OR: Menampilkan nilai terbesar dari kriteria yang sudah dipilih sesuai NIM, Nama, dan Jurusan.
Untuk nilai borang yang muncul adalah perbandingan dari nilai Lama TA dan nilai IPK dari lulusan yang sudah ditampilkan. Untuk nilai borang 0-4, nilai 0 = Sangat Kurang, 1 = Kurang, 2 = Cukup, 3 = Baik, 4 = Sangat Baik.
5.3.2 Uji Coba Import Data Lulusan
Gambar 5.4 Import Data
Cari file yang akan di import, tapi sesuai dengan strukur yag ditentukan, pada gambar 5.5 dan 5.6.
Gambar 5.5 Struktur Excel
Gambar 5.6 Struktur Excel (lanjutan)
Apabila data sukses diimport, maka akan tampil pesan pada gambar 5.7.
5.4 Hasil Perhitungan Fuzzy
Untuk mendapatkan hasil perhitungan fuzzy sesuai borang maka nilai dari lulusan pada tebel variabel pada gambar 5.8 harus dihitung dulu dengan rumus yang sudah ada. Kita ambil contoh hitung IPK,
Gambar 5.9 Fungsi keanggotaan Kurva Bahu IPK IPK
Semesta pembicaraan [ 2.00 4.00 ]
Himpunan IPK
Apabila sudah melakukan perhitungan IPK maka nilai hasil perhitungan akan disimpan dalam tabel mu gambar 5.9.
BAB VI
PENUTUP
6.1 KesimpulanDari tugas akhir ini dapat ditarik beberapa kesimpulan, antara lain: a) Cara memenerapkan logika fuzzy dan borang kedalam aplikasi ini
adalah menggunakan query, dimana admin harus terlebih dahulu menghitung fungsi keanggotaan tiap variabel yang telah
ditentukan.
b) Cara untuk menentukan seberapa layak seorang lulusan dianggap menjadi lulusan terbaik atau mendapatkan pekerjaan, salah satunya menggunakan metode fuzzy model tahani dengan berdasarkan nilai kriteria-kriteria yang sudah dihitung.
Untuk nilai IPK semesta pembicaranya (2.00 - 4.00), nilai Lama TA semesta pembicaranya ( 0 - ∞), nilai Lama Studi semesta pembicaranya (0 - 8), nilai Umur semesta pembicaranya (0 - ∞), nilai Toefl semesta pembicaranya (350 - 611), nilai borang 0-4, nilai 0 = Sangat Kurang, 1 = Kurang, 2 = Cukup, 3 = Baik, 4 = Sangat Baik.
AND = Menampilkan nilai minimal, OR = Menampilkan nilai maksimal
6.2 Saran
a) Untuk pengambilan keputusan, bisa menggunakan berbagai kurva, contohnya kurva S.
