66
FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK PREDIKSI
PEMINATAN JURUSAN ARUS LEMAH DAN ARUS KUAT PROGRAM
STUDI TEKNIK ELEKTRO UNIVERSITAS PAMULANG
Anggreita Tiara Putri 1, Wiwin Winarti 2, Nurhayati 3 UniversitasPamulang
d02384@unpam.ac.id1, d02374@unpam.ac.id2, d02378@unpam.ac.id3 Abstrak
Universitas Pamulang turut mengambil langkah nyata dengan mengelompokkan keahlian-keahlian yang spesifik pada jurusan-jurusannya. Salah satunya adalah jurusan Teknik Elektro. Namun masih banyak Mahasiswa Teknik Elektro yang bingung dalam Peminatan Jurusan antara Arus Kuat dan Arus Lemah. Kemampuan Mahasiswa Teknik Elektro menentukan peminatan jurusan sesuai dengan minat dan kemampuannya ditentukan oleh sejauh mana informasi yang dimiliki tentang minat dan kemampuan akademis. Maka diperlukan suatu logika yang dapat memecahkan masalah, dan perlu sistem pendukung keputusan dalam proses pemilihan jurusan sesuai parameter dengan menggunakan logika fuzzy metode Mamdani untuk menentukan hubungan antara nilai akademik dengan penentuan program studi. Dalam penelitian ini populasinya adalah jumlah mahasiswa Jurusan Teknik Elektro Universitas Pamulang semester 4. Dalam pengambilan sampel dilakukan dengan menggunakan teknik sampling kebetulan (Accidental Sampling). Dari hasil yang telah didapat pada sampel data dapat dilihat perbedaan prediksi peminatan jurusan menggunakan metode mamdani membuktikan bahwa prediksi peminatan jurusan arus kuat dan arus lemah di Universitas Pamulang yang dilakukan dengan Fuzzy inference system metode mamdani dapat membuat pemilihan jurusan untuk mahasiswanya jauh lebih efisien, lebih akurat dan sesuai dengan kemampuan akademik mahasiswanya karena dari 70% sampel ditolak yang artinya minat mahasiswa tidak sesuai dengan kemampuan akademisnya dan 30% diterima yang artinya minat mahasiswa sesuai dengan kemampuan akademisnya.
Kata kunci: Fuzzy Mamdani, Pemilihan program studi
Abstract
Pamulang University took a concrete step by grouping specific skills into its majors. One of them is the Department of Electrical Engineering. There are still many Electrical Engineering students who are confused in the Specialization of the Department between Strong Current and Low Current. The ability of Electrical Engineering students to determine their majors according to their interests and abilities is determined by the extent to which information they have about their academic interests and abilities. So we need a logic that can solve problems, and a decision support system is needed in the process of selecting majors according to the parameters using the fuzzy logic of the Mamdani method to determine the relationship between academics and the determination of the study program. In this study the population is the number of students of the Department of Electrical Engineering, Pamulang University, semester 4. In taking the sample, it is done by using accidental sampling technique (Accidental Sampling). From the results that have been obtained in the data sample, it can be seen that the difference in the prediction of majoring in majors using the mamdani method proves that the prediction of strong and weak currents majoring in the University of Pamulang which is carried out with the Fuzzy inference system of the mamdani method can make the selection of majors for students much more efficient, more accurate. and according to the academic ability of the students because 70% of the sample was rejected, which means that the student's interest was not in accordance with their academic ability and 30% was accepted, which means that the student's interest was in accordance with their academic ability.
67
PENDAHULUANPada masa sekarang ini hampir seluruh pekerjaan menuntut adanya suatu keahlian dalam bidang tertentu. Kesesuaian bidang pekerjaan dengan pekerjanya dianggap sangat penting karena salah satu penelitian menunjukkan bahwa pekerja yang sesuai dengan bidang pekerjaannya memiliki kinerja dua kali lipat lebih baik dibandingkan dengan yang tidak sesuai. (William N Dunn, 2003). Universitas Pamulang turut mengambil langkah nyata dengan mengelompokkan keahlian-keahlian yang spesifik pada jurusan-jurusannya. Salah satunya adalah jurusan Teknik Elektro.
Jurusan Teknik Elektro sendiri memulai pengelompokkan peminatan keahlian ini sejak tahun 2001. Namun masih banyak Mahasiswa Teknik Elektro yang kebingungan dalam Peminatan Jurusan antara Arus Kuat dan Arus Lemah. Fenomena ini terlihat pada Mahasiswa Teknik Elektro, kemampuan Mahasiswa Teknik Elektro menentukan peminatan jurusan sesuai dengan minat dan kemampuannya ditentukan oleh sejauh mana informasi yang dimiliki tentang minat dan kemampuan akademis.
Cara lain yang umumnya digunakan untuk menentukan peminatan jurusan yang sesuai adalah dengan melihat kecenderungan nilai mata kuliah atau nilai akademik yang telah ditempuh mahasiswa mulai dari semester 1 sampai dengan semester 4, contoh peminatan Arus Kuat (Ilmu Bahan Listrik, Dasar Konversi Energi Listrik, Pengukuran Besaran Listrik) dan Peminatan Arus Lemah (Dasar Elektronika, Elektronika Digital, Dasar Telekomunikasi). Dengan melihat fenomena ini maka dilakukan penelitian pada mahasiswa semester 4 Jurusan Teknik Elektro Universitas Pamulang tersebut sebagai responden dikarenakan pada semester 5 mahasiswa sudah dikelompokkan sesuai dengan peminatan jurusannya yaitu arus kuat atau arus lemah. Guna mengetahui apakah minat, bakat, dan nilai akademik pada waktu semester 1 sampai dengan semester 4 sesuai dengan peminatan jurusan yang saat ini mahasiswa ambil. Dari penelitian ini, diharapkan dapat menentukan parameter inputan yang tepat untuk pendukung
keputusan dalam proses pemilihan jurusan dan pemberian rekomendasi pemilihan jurusan sesuai parameter dengan mengunakan logika fuzzy metode Mamdani untuk menentukan hubungan antara bakat dan akademik.
Tujuan peneltian ini adalah agar mahasiswa program studi teknik elektro dalam melakukan peminatan jurusan arus lemah dan arus kuat sesuai dengan kemampuan dan berdasarkan nilai akademik yang diperoleh mulai dari semester 1 sampai dengan semester 4. Dalam penelitian ini populasinya adalah jumlah mahasiswa Jurusan Teknik Elektro Universitas Pamulang semester 4. Dalam pengambilan sampel dilakukan dengan menggunakan teknik sampling kebetulan (Accidental Sampling), yaitu teknik sampling yang dilakukan apabila pemilihan anggota sampelnya dilakukan terhadap orang atau benda yang kebetulan ada atau dijumpai. (Husainin Usman dan Purnomo Setiady Akbar, 2009).
Sesuai dengan kriteria penentuan besarnya sampel, Arikunto mengemukakan bahwa di dalam pengambilan sampel apabila subyeknya kurang dari 100 maka semua sampel harus diambil, sehingga penelitian merupakan penelitian populasi. Sedangkan bila tingkat populasi besar atau lebih besar dari 100 orang maka dapat diambil 10-15 % atau 20-25 %. (Suharsimi Arikunto, 2003).
Maka dalam hal ini peneliti akan mengambil sampel sebanyak 20 % dari jumlah mahasiswa teknik elektro semester 4 yang berjumlah 102 mahasiswa yaitu 20 sampel.
METODE
A. Metode analisa dengan logika fuzzy Pengolahan data dilakukan dengan menggunakan bantuan software Matlab 7.0.1 dan program Sistem Pendukung Keputusan dengan menggunakan bahasa pemrograman Visual Basic. Langkah – langkah yang dilakukakn dalan pengolahan data :
a) Pembentukan himpunan Fuzzy b) Pembentukan rule/aturan
c) Penentuan komposisi aturan/rule d) Penegasan (defuzzy)
68
Sesuai dengan apa yang telah diuraikan diatas maka dapat diambil beberapa kesimpulan:1. Variabel fuzzy terdiri dari variabel input : Ilmu bahan listrik, Pengukuran besaran listrik, dasar konversi, dasar elektronika, dasar telekomunikasi, elektronika digital. 2. Himpunan Fuzzy dari masing – masing
variabel input adalah :
a. Nilai Ilmu bahan listrik : Amat baik & baik
b. Pengukuran besaran listrik : Amat baik & baik
c. Dasar konversi : Amat baik & baik d. Dasar elektronika : Amat baik &
baik
e. Dasar telekomunikasi : Amat baik & baik
f. Elektronika digital : Amat baik & baik.
g. Elektronika digital : Amat baik & baik.
3. Himpunan fuzzy variable input dan output Program studi Teknik Elektro : Input/
output
Variabel fuzzy
Fuzzy set Semesta pembicara Input Ilmu bahan listrik Amat baik Baik 80 < = x< = 100 70 < = x < 80 Penguku ran besaran listrik Amat baik Baik 80 < = x < =100 70 < = x < 80 Dasar konversi Amat baik Baik 80 < = x < =100 70 < = x < 80 Dasar elektroni ka Amat baik Baik 80 < = x < =100 70 < = x < 80 Dasar telekom unikasi Amat baik Baik 80 < = x < =100 70 < = x < 80 Elektron ika digital Amat baik Baik 80 < = x < =100 70 < = x < 80 Output Arus Kuat 80 < = x < =100 Arus lemah 70 < = x < 80
Fungsi keanggotaan untuk Nilai akademik :
Output yang diharapkan dari penelitian ini adalah pemilahan 2 peminatan jurusan (Arus kuat dan Arus lemah. Adapun fungsi keanggotaan sebagai berikut :
1. Beberapa rule yang digunakan untuk implikasi antara lain .
Rule ke
1 If (IBL is Amat Baik) and (PBL is
Amat Baik) and (DKEL is Amat Baik) and (DE is Amat Baik) and (DT is Amat Baik) and (ED is Amat Baik) Then (Arus Kuat is Diterima) 2 If (IBL is Amat Baik) and (PBL is
Amat Baik) and (DKEL is Amat Baik) and (DE is Amat Baik) and (DT is Amat Baik) and (ED is Baik)
Then (Arus Kuat is Diterima)
3 If (IBL is Amat Baik) and (PBL is
Amat Baik) and (DKEL is Amat Baik) and (DE is Amat Baik) and (DT is Baik) and (ED is Amat Baik)
Then (Arus Kuat is Diterima)
4 If (IBL is Amat Baik) and (PBL is
Amat Baik) and (DKEL is Amat Baik) and (DE is Baik) and (DT is Amat Baik) and (ED is Amat Baik)
Then (Arus Kuat is Diterima)
5 If (IBL is Amat Baik) and (PBL is
Amat Baik) and (DKEL is Amat Baik) and (DE is Amat Baik) and (DT is Baik) and (ED is Baik) Then (Arus Kuat is Diterima)
6 If (IBL is Amat Baik) and (PBL is
69
Baik) and (DE is Baik) and (DT isBaik) and (ED is Amat Baik) Then (Arus Kuat is Diterima)
7 If (IBL is Amat Baik) and (PBL is
Amat Baik) and (DKEL is Baik)
and (DE is Baik) and (DT is Amat
Baik) and (ED is Amat Baik) Then (Arus Kuat is Diterima)
8 If (IBL is Amat Baik) and (PBL is
Amat Baik) and (DKEL is Amat Baik) and (DE is Baik) and (DT is Amat Baik) and (ED is Baik) Then (Arus Kuat is Diterima)
9 If (IBL is Amat Baik) and (PBL is
Amat Baik) and (DKEL is Baik)
and (DE is Amat Baik) and (DT is
Amat Baik) and (ED is Baik) Then (Arus Kuat is Diterima)
10 If (IBL is Amat Baik) and (PBL is
Baik) and (DKEL is Amat Baik)
and (DE is Amat Baik) and (DT is
Amat Baik) and (ED is Baik) Then (Arus Kuat is Diterima)
11 If (IBL is Amat Baik) and (PBL is
Amat Baik) and (DKEL is Baik)
and (DE is Amat Baik) and (DT is
Amat Baik) and (ED is Amat Baik)
Then (Arus Lemah is Diterima)
12 If (IBL is Amat Baik) and (PBL is
Baik) and (DKEL is Amat Baik)
and (DE is Amat Baik) and (DT is
Amat Baik) and (ED is Amat Baik)
Then (Arus Lemah is Diterima)
13 If (IBL is Baik) and (PBL is Amat
Baik) and (DKEL is Amat Baik)
and (DE is Amat Baik) and (DT is
Amat Baik) and (ED is Amat Baik)
Then (Arus Lemah is Diterima)
14 If (IBL is Amat Baik) and (PBL is
Baik) and (DKEL is Baik) and (DE
is Amat Baik) and (DT is Amat
Baik) and (ED is Amat Baik) Then (Arus Lemah is Diterima)
15 If (IBL is Baik) and (PBL is Baik) and (DKEL is Amat Baik) and (DE is Amat Baik) and (DT is Amat
Baik) and (ED is Amat Baik) Then (Arus Lemah is Diterima)
16 If (IBL is Baik) and (PBL is Amat
Baik) and (DKEL is Baik) and (DE
is Amat Baik) and (DT is Amat
Baik) and (ED is Amat Baik) Then (Arus Lemah is Diterima)
17 If (IBL is Baik) and (PBL is Baik) and (DKEL is Baik) and (DE is
Amat Baik) and (DT is Amat Baik)
and (ED is Amat Baik) Then (Arus
Lemah is Diterima)
18 If (IBL is Baik) and (PBL is Amat
Baik) and (DKEL is Baik) and (DE
is Baik) and (DT is Amat Baik) and
(ED is Amat Baik) Then (Arus Lemah is Diterima)
19 If (IBL is Baik) and (PBL is Amat
Baik) and (DKEL is Baik) and (DE
is Amat Baik) and (DT is Baik) and
(ED is Amat Baik) Then (Arus Lemah is Diterima)
20 If (IBL is Baik) and (PBL is Amat
Baik) and (DKEL is Baik) and (DE
is Baik) and (DT is Amat Baik) and
(ED is Amat Baik) Then (Arus Lemah is Diterima)
Contoh penerapan logika Fuzzy Metode Mamdani :
Responden 9 mahasiswa Teknik Elektro memiliki Nilai Rata-rata Akademik = 75 (Baik) dengan rincian:
Ilmu Bahan Listrik : 74 (Baik) Pengukuran Besaran Listrik : 75 (Baik) Dasar Konversi Energi Listril : 78 (Baik) Dasar Elektronika : 75 (Baik) Dasar Telekomunikasi : 78 (Baik) Elektronika Digital : 79 (Baik) Fungsi Implikasinya :
If (IBL is Baik) and (DE is Baik) and (DT is Baik) then (Arus Lemah is Diterima)
α-predikat1=µ[(IBLBaik)∩ (DEBaik)∩(DTBaik)] = min [µIBL(74); µDE(75);µDT(78)] = min [0,6 ; 0,5 ; 0,2]
= 0,2
Menentukan Nilai z1 (output) = 0,2, maka z1 = 76
If (PBL is Baik) and (DE is Baik) and (ED is Baik) then (Arus Lemah is Diterima)
α-predikat1= µ[(PBLBaik)∩(DEBaik)∩(EDBaik)] = min[µIBL(75); µDE(75);µDT(79)] = min[0,5 ; 0,5 ; 0,1]
= 0,1
Menentukan Nilai z1 (output) = 0,1, maka z1 = 76
If (PBL is Baik) and (DE is Baik) and (ED is Baik) then (Arus Lemah is Diterima)
70
α-predikat1= µ[(PBLBaik)∩(DEBaik)∩(EDBaik)] = min[µIBL(75); µDE(75);µDT(79)] = min[0,5 ; 0,5 ; 0,1]
= 0,1
Menentukan Nilai z2 (output) = 0,1, maka z1 = 73
If (DKEL is Baik) and (DT is Baik) and (ED is Baik) then (Arus Lemah is Diterima)
α-predikat1=µ[(DKELBaik)∩(DTBaik)∩(EDBaik)] = min[µIBL(78); µDE(78);µDT(79)] = min[0,2 ; 0,2 ; 0,1]
= 0,1
Menentukan Nilai z3 (output):
= 0,1, maka z1 = 73 2. Penegasan defuzzyfikasi
𝑧 = 𝑧 =
𝑧 = = 74,5
Maka
Responden 9
diterima masuk peminatan arus lemah karena memiliki hasil : 74,5, dimana nilai tersebut di atas nilai minimal diterima Jurusan Arus Lemah yaitu diatas 70. Sehingga mahasiswa tersebut masuk jurusan Arus Lemah sesuai dengan kemampuan akademiknya, ini dapat dilihat dengan nilai IPK di atas 2,75 selama menjadi mahasiswa di Universitas Pamulang.HASIL DAN PEMBAHASAN A. Hasil
Berdasarkan Hasil Penerapan Fuzzy Inference System Metode Mamdani untuk prediksi peminatan jurusan (arus kuat dan arus lemah) di Universitas Pamulang didapatkan perhitungan dengan MATLAB seperti berikut ini :
1. Tampilan Fuzzy Infernce System : a. Tampilan Variabel IBL (Ilmu Bahan
Listrik)
Gambar 1. Tampilan Variabel IBL
Pada Gambar 1 Variabel IBL (Ilmu Bahan Listrik) ini menggambarkan dua kondisi yang dimodelkan dalam dua himpunan
fuzzy yaitu amat baik dan baik, dimana
masing-masing mempunyai domain yang tercakup dalam range 60–100 dengan parameter yaitu Amat Baik 80-100 dan Baik 70-79 dengan demikian fungsi keanggotaan yang digunakan adalah trapesium.
b. Tampilan Variabel PBL (Pengukuran Besaran Listrik)
Gambar 2. Tampilan Variabel PBL Variabel PBL (Pengukuran Besaran Listrik) ini menggambarkan dua kondisi yang dimodelkan dalam dua himpunan fuzzy yaitu amat baik dan baik, dimana masing-masing mempunyai domain yang tercakup dalam range 60–100 dengan parameter yaitu Amat Baik 80-100 dan Baik 70-79 dengan demikian fungsi keanggotaan yang digunakan adalah trapesium.
71
c. Tampilan Variabel DKEL (DasarKonversi Energi Listrik)
Gambar 3. Tampilan Variabel DKEL Variabel DKEL (Dasar Konversi Energi Listrik) ini menggambarkan dua kondisi yang dimodelkan dalam dua himpunan fuzzy yaitu amat baik dan baik, dimana masing-masing mempunyai domain yang tercakup dalam range 60–100 dengan parameter yaitu Amat Baik 80-100 dan Baik 70-79 dengan demikian fungsi keanggotaan yang digunakan adalah trapesium.
d. Tampilan Variabel DE (Dasar Elektronika)
Gambar 4. Tampilan Variabel DE Variabel DE (Dasar Elektronika) ini menggambarkan dua kondisi yang dimodelkan dalam dua himpunan fuzzy yaitu amat baik dan baik, dimana masing-masing mempunyai domain yang tercakup dalam range 60–100 dengan parameter yaitu Amat Baik 80-100 dan Baik 70-79 dengan demikian fungsi
keanggotaan yang digunakan adalah trapesium.
e. Tampilan Variabel DT (Dasar Telekomunikasi)
Gambar 5. Tampilan Variabel DT
Variabel DT (Dasar Telekomunikasi) ini menggambarkan dua kondisi yang dimodelkan dalam dua himpunan fuzzy yaitu amat baik dan baik, dimana masing-masing mempunyai domain yang tercakup dalam range 60–100 dengan parameter yaitu Amat Baik 80-100 dan Baik 70-79 dengan demikian fungsi keanggotaan yang digunakan adalah trapesium.
f. Tampilan Variabel ED (Elektronika Digital)
Gambar 6. Tampilan Variabel ED Variabel ED (Elektronika Digital) ini menggambarkan dua kondisi yang dimodelkan dalam dua himpunan fuzzy yaitu amat baik dan baik, dimana masing-masing mempunyai
72
domain yang tercakup dalam range 60–100 dengan parameter yaitu Amat Baik 80-100 dan Baik 70-79 dengan demikian fungsi keanggotaan yang digunakan adalah trapesium.g. Tampilan Variabel Peminatan Jurusan
Gambar 7. Tampilan Variabel Peminatan Output Peminatan Jurusan ini menggambarkan dua kondisi yang dimodelkan dalam dua himpunan fuzzy yaitu amat baik dan baik, dimana masing-masing mempunyai domain yang tercakup dalam range 60–100 dengan parameter yaitu Arus Kuat 80-100 dan Arus Lemah 70-79 dengan demikian fungsi keanggotaan yang digunakan adalah trapesium.
2. Tampilan Rules Editor
Setelah menentukan variabel masukan dan keluaran sebagai bahan data yang akan diolah dalam MATLAB maka selanjutnya adalah membuat aturanaturan didalam rule editor. Yang mana aturan-aturan ini dibuat berdasarkan kebiasaan yang terjadi dalam prediksi peminatan jurusan pada Universitas Pamulang yang dapat dilihat pada Gambar 8.
Gambar 8. Tampilan Rules Editor
3. Tampilan Komposisi Aturan
Dalam tampilan komposisi aturan ini ditampilkan aturan-aturan dan nilai dari setiap variabel amat baik dan baik / masukan maupun keluaran yang memungkinkan pengguna untuk melihat hasil dari prediksi dengan memasukan variabel inputan sesuai data yang ada. Nantinya akan mempermudah untuk menentukan peminatan yang akurat untuk mahasiswa untuk menentukan jurusan yang akan dipilih. Hal tersebut dapat dilihat pada Gambar 9.
Gambar 9. Tampilan komposisi aturan 4. Tampilan aturan Fuzzy Inference System
Mamdani
Gambar 8. Tampilan aturan Fuzzy
Inference System Mamdani
Surface Viewer di atas menampilkan komposisi masing-masing variabel dengan masukan yang telah dilakukan sebelumnya. Tampilan berupa grafik dengan sumbu X, sumbu Y sebagai masukannya dan sumbu Z sebagai keluarannya yang dapat memberikan informasi tentang perbandingan variabel yang dibandingkan dan keluarannya.
73
B. Evaluasi dan uji hasilNo Nama Mahasiswa Peminatan yang di Pilih Mahasiswa
Nilai Akademik (Arus Kuat dan Arus Lemah)
Keterangan
1 Responden 1 Arus Lemah
IBL 75
PBL 70
DKEL 70
DE 80
DT 85
ED 79
Diterima
2 Responden 2
Arus Lemah
IBL 79
PBL 87
DKEL 70
DE 70
DT 75
ED 75
Ditolak (Arus Kuat)
3 Responden 3
Arus Lemah
IBL 75
PBL 70
DKEL 70
DE 80
DT 85
ED 79
Diterima
4 Responden 4
Arus Lemah
IBL 75
PBL 78
DKEL 70
DE 80
DT 85
ED 79
Diterima
5 Responden 5
Arus Kuat
IBL 75
PBL 78
DKEL 70
DE 80
DT 85
ED 79
Ditolak (Arus
Lemah)
6 Responden 6
Arus Kuat
IBL 75
PBL 75
DKEL 70
DE 80
DT 85
ED 79
Ditolak (Arus
Lemah)
7 Responden 7
Arus Kuat
IBL 75
PBL 78
DKEL 70
DE 80
DT 85
ED 79
Ditolak (Arus
Lemah)
8 Responden 8
Arus Kuat
IBL 75
PBL 73
Ditolak (Arus
Lemah)
74
DKEL 70
DE 80
DT 85
ED 79
9 Responden 9
Arus Kuat
IBL 74
PBL 75
DKEL 78
DE 75
DT 78
ED 79
Ditolak (Arus
Lemah)
10 Responden 10Arus Kuat
IBL 75
PBL 72
DKEL 70
DE 80
DT 85
ED 79
Ditolak (Arus
Lemah)
11 Responden 11Arus Kuat
IBL 75
PBL 72
DKEL 70
DE 80
DT 85
ED 79
Ditolak (Arus
Lemah)
12 Responden 12Arus Kuat
IBL 79
PBL 87
DKEL 70
DE 77
DT 75
ED 75
Diterima
13 Responden 13Arus Lemah
IBL 79
PBL 87
DKEL 70
DE 79
DT 75
ED 75
Ditolak (Arus Kuat)
14 Responden 14Arus Lemah
IBL 79
PBL 87
DKEL 70
DE 76
DT 75
ED 75
Ditolak (Arus Kuat)
15 Responden 15Arus Lemah
IBL 79
PBL 87
DKEL 70
DE 80
DT 75
ED 75
Ditolak (Arus Kuat)
16 Responden 16Arus Lemah
IBL 79
PBL 87
DKEL 70
75
DE 85
DT 75
ED 75
17 Responden 17
Arus Kuat
IBL 75
PBL 78
DKEL 70
DE 80
DT 85
ED 79
Ditolak (Arus
Lemah)
18 Responden 18Arus Kuat
IBL 79
PBL 87
DKEL 70
DE 79
DT 75
ED 75
Diterima
19 Responden 19Arus Kuat
IBL 79
PBL 87
DKEL 70
DE 88
DT 75
ED 75
Diterima
20 Responden 20Arus Kuat
IBL 75
PBL 78
DKEL 70
DE 80
DT 85
ED 79
Ditolak (Arus
Lemah)
Dari hasil yang telah didapat pada sampel data dapat dilihat perbedaan prediksi peminatan jurusan menggunakan metode mamdani membuktikan bahwa prediksi peminatan jurusan arus kuat dan arus lemah di Universitas Pamulang yang dilakukan dengan Fuzzy inference system metode mamdani dapat membuat pemilihan jurusan untuk mahasiswanya jauh lebih efisien, lebih akurat dan sesuai dengan kemampuan akademik mahasiswanya .
KESIMPULAN
Berdasarkan rumusan masalah, hasil penelitian dan pembahasan mengenai penentuan pemilihan peminatan mahasiswa Teknik Elektro dapat diambil beberapa kesimpulan, yaitu:
1. Logika fuzzy (Mamdani) dalam menentukan jumlah peminatan yang telah dipilih oleh mahasiswa dapat digunakan untuk membantu mengurangi tingkat
kesalahan mahasiswa dalam memilih peminatan jurusan. Karena dari data yang ada sebanyak 20 sampel diperoleh hasil pemilihan peminatan jurusan mahasiswa dengan nilai akademik sebesar 30% (diterima) yang artinya nilai akademik mahasiswa sesuai dengan jurusan yang dipilih, sedangkan 70% (ditolak) yang artinya nilai akademik mahasiswa tidak sesuai dengan jurusan yang dipilih. Hal ini terjadi karena masih banyak mahasiswa yang memilih peminatan jurusan tidak sesuai dengan kemampuan akademik.
2. Logika fuzzy (mamdani) yang telah dimodelkan dalam sistem prediksi pemilihan jurusan ini dapat membantu mahasiswa dan universitas dalam mengurangi tingkat ketidak siapan dalam menjalani jurusan yang dipilihnya. Selain itu, dapat mengurangi meningkatnya angka Drop Out untuk mahasiswanya.
76
3. Logika fuzzy (Mamdani) dapatdijadikan bahan pembelajaran dan pengembangan pada studi kelayakan pemilihan jurusan untuk mahasiswa di Universitas Pamulang, agar dapat menciptakan mahasiswa yang berkompeten di bidangnya.
DAFTAR PUSTAKA
Aldyanto, F., Informatika, J. T., & Industri, F. T. (2016). Jurnal Teknoif Issn :
2338-2724 Prediksi Jumlah Produksi Roti Menggunakan Metode Logika Fuzzy ( Studi Kasus : Roti Malabar Bakery ) Jurnal TEKNOIF ISSN : 2338-2724 Metode Sistem Inferensi Fuzzy. 4(2), 59–
65.
Sri Kusuma Dewi, H. P. (2013). Aplikasi
Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.
Andani, S. R. (2013). Fuzzy Mamdani Dalam
Menentukan Tingkat. 2013(semnasIF),
57–65.
Widodo, P. P. (2012). Penerapan Soft
Computing dengan Matlab. Bandung:
Rekayasa Sains.
Bidang, P., Sains, K., & Buana, W. (n.d.).
Jurnal Edik Informatika Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler Jurnal Edik Informatika.
Lunak, D. P. (2018). Penerapan Metode Fuzzy
Mamdani Untuk Memprediksi Angka Penjualan Token Berdasarkan Persediaan Dan Jumlah. 5(1), 81–95.
Marbun, M., Sihotang, H. T., Marbun, N. V., Informatika, T., Pendahuluan, I., & Medan, J. B. (2016). Perancangan sistem
perencanaan jumlah produksi roti menggunakan metode fuzzy mamdani. 20(1), 48–54.
Minyak, P., Sawit, K., Pt, D. I., & Kaltim, W. (2017). Aplikasi Logika Fuzzy Dalam
Mengoptimalkan Plantation
Menggunakan Metode Mamdani. 12(2),
94–103.
Setyaningsih, R. (2017). Penggunaan Metode
Fuzzy Mamdani Untuk Rancang Bangun Sistem Pemilihan Program Studi PADA KAMPUS AMIK-BSI JAKARTA. 2(2),
15–21.
Yaqin, A. (2016). Sistem Pendukung
Keputusan Kelayakan Pemberian Bidikmisi Dengan Fuzzy Logic ( Studi Kasus STMIK AMIKOM Yogyakarta ). 2(1)