KOMPARASI PERHITUNGAN PEMILIHAN MAHASISWA
TERBAIK MENGGUNAKAN METODE STATISTIK
KLASIK DENGAN LOGIKA FUZZY (TSUKAMOTO DAN
MAMDANI) STUDI KASUS : STMIK TEKNOKRAT
Agus Wantoro
1), Adhie Thyo Priandika
2)1)2)
Sistem Informasi STMIK Teknokrat
Jl.ZA Pagar Alam No.9-11 Kedaton Bandar Lampung Telp.0721 – 702022
e-mail : aguswantoro.ilkom@gmail.com1) thyopriandika919@gmail.com2)ABSTRACT
The selection of outstanding students in STMIK Teknokrat Lampung has not been effective since the completion of the study program, the Head of Student Affairs, BAAKU Staff and the Chairman of the student organization. Based on the data generated, it will be given by the head of the Study Program and will be elected. Classic Calculations and Fuzzy Logic is a method that can be used to perform the best student selection based on predetermined criteria. These criteria will be given the value or range to be calculated. The fuzzy method to be used for doing the calculations is Tsukamoto and Mamdani. With this second method, it will be comparative comparison with classical method to know the difference of calculation result from Tsukamoto and Mamdani. Based on the data and calculations that have been done, then there is the result of calculation using fuzzy tsukamoto with mamdani, if the minimum and maximum limits have the difference <5, then the result of calculation tsukamoto greater than fuzzy mamdani. If the minimum and maximum limits have a difference of> = 5, then the calculation results mamdani greater than the calculation by tsukamoto method. From the calculation results using the classical method, fuzzy tsukamoto and mamdani, the calculation of fuzzy approaching with the classical calculation method is fuzzy tsukamoto. For the calculation results with fuzzy mamdani greater value than fuzzy tsukamoto
Keyword : Decision Making, Comparative, Classic
Calculation, Fuzzy, Best Student System
1.
Pendahuluan
Saat ini STMIK Teknokrat Lampung dalam menentukan mahasiswa terbaik selalu menemui permasalahan. Pemilihan mahasiswa berprestasi di STMIK
Teknokrat Lampung selama ini dilakukan belum efektif yaitu mulai dari pengumpulan nilai-nilai yang melibatkan Ketua Program Studi, Ketua Kemahasiswaan, dan Staf BAAKU. Berdasarkan data-data yang diperoleh, maka akan diberikan oleh ketua Program Studi dan akan dilakukan pemilihan. Cara tersebut masih kurang efektif karena dilakukan dengan perhitungan manual dan terdapat ketidakobjektifan terhadap penilaian mahasiswa dimana kepala Program Studi hanya memperkirakan dan kedekatan mahasiswa dengan ketua Program Studi dan terkadang hasilnya tidak akurat, selain itu tidak adanya aplikasi yang mendukung pengambilan keputusan dalam menentukan mahasiswa terbaik, oleh karena itu diperlukan metode yang dapat memberikan perhitungan dan pemilihan mahasiswa terbaik yang akurat
Metode Klasik dan Logika fuzzy adalah metode yang dapat digunakan untuk melakukan pemilihan mahasiswa terbaik berdasarkan kriteria-kriteria yang telah ditentukan. Metode fuzzy yang akan digunakan adalah Tsukamoto dan Mamdani. Dari kedua metode tersebut, maka akan dilakukan perhitungan untuk mengetahui perbedaaan hasil perhitungan dari Tsukamoto dan Mamdani dengan hasil perhitungan statistik klasik
Terdapat penelitian perbandingan fuzzy tsukamoto, mamdani dan sugeno yang menunjukkan metode terbaik dalam hal pengurangan konsumsi energi listrik dari sistem pendingin udara adalah metode Tsukamoto dengan efisiensi energi listrik yang dicapai 74,27%. Mamdani 52,85% dan sugeno 62,52% [1]. Penelitian ke 2 mengenai perbandingan akurasi logika fuzzy dengan statistik klasik menunjukan bahwa tsukamoto memiliki akurasi 78%, mamdani 82% dan sugeno 100% [5]. Penelitian perbadingan fuzzy pada diagnosa tuberkulosis anak, berdasarkan hasil analisa Sugeno memiliki akurasi yang lebih baik dibandingkan dengan Mamdani dan Tsukamoto dengan akurasi 93%, Mamdani memiliki akurasi
diagnostik 89% dan Tsukamoto dengan akurasi diagnostik 92% [12].
Berdasarkan analisa perbandingan yang telah dilakukan, terdapat hasil yang berbeda dalam kasus tertentu, untuk itu perlu dilakukan analisa perbandingan antara logika fuzzy tsukamoto dan mamdani dengan data center pada kasus lain yaitu untuk menentukan mahasiswa lulusan terbaik.
2. Tinjauan Pustaka
2.1. Sistem Penunjang Keputusan
Sistem Penunjang Keputusan merupakan sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para manajer mengambil keputusan [4]
2.2. Metode Pehitungan Statistik Klasik
Merupakan perhitungan menggunakan cara klasik (lama) dengan menggunakan perhitungan dasar matematika. Jika suatu nilai berbentuk kategori, misalnya : rusak, baik, senang, puas, berhasil, gagal dan sebagainya maka akan dibuat penilaian berupa angka atau pemberian jangkauan (Range) [9]
Statistik merupakan disiplin matematika dan konseptual yang berfokus pada hubungan antara data dan hipotesis. Data yang rekaman pengamatan atau peristiwa dalam sebuah penelitian ilmiah, misalnya, satu set pengukuran individu dari suatu populasi. Data sebenarnya yang diperoleh bervariasi disebut sampel, data sampel, atau hanya data, dan semua sampel yang mungkin dari sebuah penelitian yang dikumpulkan dalam apa yang disebut ruang sampel [2]
Perhitungan klasik atau kalkulus merupakan metode perhitungan dengan ketelitian yang cukup tinggi [7]
2.3. Logika Fuzzy
Logika Fuzzy merupakan satu komponen pembentuksoftcomputing. Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai dapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotaan yang memiliki rentang nilai 0 (Nol) hingga 1(Satu) [4]
Gambar 1 Pemetaan Input-Output
2.4. Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan μA[x], memiliki 2 kemungkinan, yaitu Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan [4].
2.5. Fungsi Keanggotaan Kurva Segitiga
Fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan.
Gambar 2 Kurva Segitiga
2.6. Fuzzy Tsukamoto
Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot [4]
Gambar 3 Infrensi Fuzzy Tsukamoto
Kotak Hitam
Input Output
2.7. Fuzzy Mamdani
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan [4]:
1. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi (aturan) 3. Komposisi aturan
4. Penegasan (deffuzy)
Gambar 4 Proses Defuzzifikasi Mamdani
2.8. Mahasiswa Terbaik
Mahasiswa terbaik adalah hasil pengolahan data-data mahasiswa yang memenuhi kriteria seperti IPK, Lama Kuliah, Organisasi dan Prestasi. Data-data mahasiswa yang memenuhi kriteria akan dihitung oleh Kepala Program Studi dalam kegiatan wisuda tahunan oleh Perguruan Tinggi [8]
a. UML
Unified Modeling Language (UML) yang berarti bahasa pemodelan standar. Jika menggunakan UML harus dapat membuat model-model yang dapat berhubungan satu dengan yang lainnya dengan mengikuti standar yang ada. UML diaplikasikan untuk maksud tertentu, biasanya digunakan untuk merancang sebuah perangkat lunak, sebagai sarana komunikasi antara perangkat lunak dengan proses bisnis, digunakan pula untuk menjabarkan sistem secara rinci untuk analisa dan mencari apa yang diperlukan suatu sistem, serta sebagai dokumentasi sistem yang ada, proses-proses dan organisasinya. UML menyediakan beberapa jenis diagram yang menggambarkan model-model perangkat lunak yang akan dibuat [5]
2.9. Study Literatur
Tabel 1 Penelitian Terdahulu Hasil Penelitian Sebelumnya
Judul Peneliti Hasil
Sistem Pendukung Keputusan Kelompok Pemilihan Mahasiswa Berprestasi Berbasis Web Dengan Metode Fuzzy Query Debi Nurhidayat , Dewi Kurnia, Entin [6] Mengimplementasikan logika fuzzy ke dalam Fuzzy Query Database. Mahasiswa yang akan direkomendasikan menjadi mahasiswa berprestasi memiliki kriteria-kriteria yang bernilai fuzzy. Sedangkan data yang ada pada database bernilai pasti. Kriteria-kriteria yang dibutuhkan antara lain nilai IPK, nilai TOEFL, kegiatan ekstra kulikuler, Karya Tulis Komparasi
Perhitungan IPK dengan Perhitungan Klasik dan Logika Fuzzy
Zaenal Zaenal Abidin [13]
Membahas hasil komparasi perhitungan dengan menggunakan metode Perhitungan Klasik dengan Tsukamoto, Mamdani dan Takage Sugeno. Dari ketiga logika fuzzy yang digunakan akan dilihat hasil perhitungan yang mendekati dengan perhitungan statistic klasik. Dari ketiga metode fuzzy, yang lebih mendekati adalah metode fuzzy sugeno Studi Perbandingan
Metode Fuzzy Tsukamoto Dan Fuzzy Mamdani Untuk Seleksi Pegawai Teladan Pada PT Gracia Pharmindo Agus Triyanto, Febri, Shinta [10] Hasil perbandingan menggunakan metode tsukamoto dan mamdani, maka hasil dari perhitungan mamdani lebih besar dibanding perhitungan menggunakan tsukamoto. Lama proses perhitungan mamdani lebih lama dibanding dengan metode tsukamoto
Analisis komparatif Logika Fuzzy Tsukamoto, Mamdani, Sugeno untuk Hemat Energi AC Sugeno
Aep & Romi [1]
Penelitian perbandingan fuzzy tsukamoto, mamdani dan sugeno menunjukkan metode terbaik dalam hal pengurangan konsumsi energi listrik dari sistem pendingin udara adalah metode Tsukamoto dimana efisiensi energi listrik yang dicapai 74,27%. Mamdani 52,85% dan sugeno 62,52% Perbandingan Logika
fuzzy (Tsukamoto, Mamdani & Sugeno) pada diagnosa tuberkulosis anak
Wahyun, Oyas & Silmi [12]
Hasil perbandingan fuzzy pada diagnosa tuberkulosis anak, fuzzy Sugeno memiliki akurasi yang lebih baik dibandingkan dengan Mamdani dan Tsukamoto dengan akurasi 93%, Mamdani memiliki akurasi diagnostik 89% dan Tsukamoto dengan akurasi diagnostik 92%
2.10. Tempat Penelitian
Penelitian ini dilakukan pada mahasiswa prodi sistem informasi di STMIK Teknokrat Lampung, jalan Z.A pagar alam no.9-11 Kedaton Bandar Lampung.
2.11.
Metode Pengumpulan Data
1. WawancaraPengumpulan data melalui wawancara yang dilakukan dengan pihak Perguruan Tinggi yaitu Ibu Rusliyawati, M.T.I selaku Kepala Program Studi Sistem Informasi. Pertanyaan yang diajukan berupa kendala-kendala yang dihadapi dalam pemilihan mahasiswa terbaik dan solusi yang diinginkan oleh pihak terkait.
2. Pengamatan
Pengamatan merupakan salah satu teknik pengumpulan data yang efektif untuk mengetahui proses kerja yang terjadi pada perusahaan / instansi secara langsung terhadap objek-objek studi yang menjadi pokok permasalahan. Pengamatan dilakukan pada Jurusan Sistem Informasi STMIK Teknokrat
3. Tinjauan Pustaka
Penelitian ini dilakukan dengan mempelajari atau membaca, mengutip dari proses penelitian yang dilakukan dengan cara mempelajari berbagai bentuk bahan berupa buku-buku seperti karangan dari karang Sri Kusuma Dewi, Purnomo, Jurnal, Skripsi dan artikel-artikel yang berkaitan dengan pokok bahasan
4. Pemilihan Sampling
Pengumpulan data dari beberapa bagian diantaranya kemahasiswaan memberikan data keaktifan organisasi dan prestasi, bagian Baaku memberikan data mahasiswa menempuh lama perkuliahan dan IPK. Pemilihan data calon mahasiswa lulusan terbaik berdasarkan nilai yang memenuhi kriteria yang telah ditetapkan perguruan tinggi. Dari 500 mahasiswa program studi Sistem Informasi yang telah telah lulus ujian akhir, maka yang memenuhi kriteria hanya 10 mahasiswa. Dari 10 mahasiswa, akan dilakukan perhitungan
3. Analisis Dan Perancangan
3.1. Kerangka Pemikiran
Kerangka pemikiran merupakan tahapan-tahapan penelitian yang dilakukan yang dapat dilihat pada gambar berikut :
Identifikasi Permasalahan Inisialisasi Permasalahan, Rumusan Masalah
Pengumpulan Data Observasi,Wawancara dan Dokumentasi
Identifikasi Data 1. Penentuan Variabel 2. Pembentukan Himpunan Fuzzy
Pengolahan Data 1. Aplikasi Fungsi Implikasi 2. Dekomposisi Aturan (RULE)
3. Defuzzyfikasi
Penerapan dan Pengujian GUI Perancangan Form dan Laporan
Gambar 5 Langkah Penelitian
3.2. Analisis Masalah
Terdapat beberapa permasalahan yang terdapat pada sistem pemilihan mahasiswa terbaik yaitu :
1. Ketua Program Studi kesulitan dalam menentukan mahasiswa yang terbaik karna hanya melihat kriteria yang ada
2. Menentukan mahasiswa terbaik kadang tidak akurat karna hanya melihat data-data yang memenuhi kriteria dengan perhitungan manual 3. Proses perhitungan pemilihan mahasiswa terbaik
yang lambat dan membutuhkan waktu yang cukup lama
3.3. Rancangan Sistem
1. Usecase DiagramGambar 6 Usecase Diagram
2. Activity Diagram
Ketua Program Study
Login
Input Data Mahasiswa
Input Parameter & Kriteria
Input Nilai
Sistem
Menghitung Nilai dengan Statisik &
Fuzzy Menyimpan Keputusan Cetak Laporan Mahasiswa Lulusan Terbaik Melihat Laporan Pimpinan
Gambar 7 Activity Diagram 3. Sequence Diagram
Merupakan diagram yang digunakan untuk menggambarkan aktivitas penggunaan form pada aplikasi secara komputerisasi
Form Login Ketua
Program Study
Form Menu Utama
1: Username & Password
2: Username & Password Benar
Form Mahasiswa
3:Input Data Mahasiswa
Form Parameter Kriteria
4:Input Parameter dan Kriteria
Form Hitung Statistik
5: Input Nilai Mahasiswa
Form Hitung Fuzzy
6: Input Nilai Mahasiswa
Gam bar 8 SequenceDiagram
4. Class Diagram
Class diagram mendeskripsikan objek-objek yang terdapat di dalam 29ystem. Class diartikan satu set objek yang memiliki atribut dan perilaku yang sama
Gambar 9 Class Diagram
4. Hasil Dan Pembahasan
4.1. Metode Perhitungan Klasik
Tabel 2 Perhitungan KlasikAlternatif IPK LK P O Nilai
Ari Sulistiono 3,4 4,0 6 2 4,23 Reni 3,6 3,5 1 4 3,14 Puji Astuti 3,7 4,5 3 1 3,25 Ervan 3,5 4,5 3 5 3,57 Roni Irawan 3,6 5,0 2 3 3,04 Jaka Persada 3,4 5,0 5 6 4,16 Anisa Ulfa R. 3,2 4,5 2 7 3,35 Teguh 3,5 4,0 7 2 4,57 Dyan Eryanto 3,7 3,5 2 3 3,38 Fahri 3,3 4,5 4 6 3,89 Bobot 0,4 0,2 0,3 0,1
Berdasarkan perhitungan menggunakan metode perhitungan klasik, maka yang menjadi mahasisa lulusan terbaik 1 adalah Teguh Darminto dan terbaik 2 adalah Reni Anggraini.
4.2. Himpunan Fuzzy
Tabel 3 Himpunan Fuzzy Variabel
Input
Himpunan Domain Output
IPK Coumloude Sangat Memuskan Memuaskan 2.76 – 4.00 2.00 – 3.50 1.00 - 2.76 Terbaik Bukan Lama Kuliah Cepat Tepat Waktu Lambat 3.5 – 4.0 4.1 – 4.5 4.6 – 5.0 Terbaik Bukan Prestasi Baik Cukup Kurang 6 – 9 3 – 9 0 – 6 Terbaik Bukan Organisasi Aktif Cukup Kurang 6 – 9 3 – 9 0 – 6 Terbaik Bukan Keputusan (Output) 1 – 9 Terbaik
Bukan
4.3. Kurva Kriteria
1. Kurva IPK 2.0 2.76 3.50 0 1Memuaskan MemuaskanSangat Coumloud
1.00 4.0
Gambar 10 Kurva Kriteria IPK
2.
Kurva Lama Kuliah
3.5 4.0 4.5
0 1
Cepat Tepat Lambat
3.0 5.0
Gambar 11 Kurva Kriteria Lama Kuliah 3
.
Kurva Prestasi
3 6 9
0 1
Kurang Cukup Baik
1
Gambar 12 Kurva Kriteria Prestasi
4.
Kurva Organisasi
3 6 9
0 1
Kurang Cukup Aktif
1
Gambar 13 Kurva Kriteria Organisasi
5.
Kurva Output
1 9
0 1
Bukan Terbaik Terbaik
Gambar 14 Kurva Kriteria Output
c. Aturan Fuzzy (Rule Base)
Pada pemilihan mahasiswa terbaik menggunakan 4 parameter dan 3 kriteria, maka terdapat 64 aturan fuzzy : [R1] IF μIPK Memuaskan dan μLamaKuliah lambat dan
μpKurang dan μOrganisasi Kurang Then Keputusan Bukan Terbaik
[R2] IF μI Coumloud dan μL Tepat dan μP Cukup dan μG Kurang Then Terbaik
[R64] IF μI SangatMemuaskan dan μL Cepat dan μP Baik dan μG Kurang Then Terbaik
d. Penegasan (Defuzzifikasi) 1. Metode Tsukamoto
Mencari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi fungsi implikasi.
[R1] IF μIPK Memuaskan dan μLamaKuliah lambat dan μpKurang dan μOrganisasi Kurang Then Keputusan Bukan Terbaik
α1 = min (0;0;0;0,6) = 0
[R52] IF μI Coumloud dan μL Tepat dan μP Cukup dan μG Kurang Then Terbaik
α52 = min (1; 0; 0; 0,3) = 0
[R64] IF μI SangatMemuaskan dan μL Cepat dan μP Baik dan μG Kurang Then Terbaik
α64 = min (0,13; 0; 0; 0,6) = 0
Selanjutnya mencari nilai z = α * (zmax - zmin) + zmin z52 = 0 * (9-1) + 1
z52 = 1
Perhitungan untuk mendapatkan nilai deffuzyfikasi dengan menjumlahkan rules hingga rules 64 untuk mendapatkan nilai rata-rata terbobot (Weight Average) :
Gambar 15 Perhitungan Tsukamoto
2.
Metode Mamdani
Berdasarkan perhitungan menggunakan metode mamdani dengan mengambil 1 nilai mahasiswa, jika IPK 3,5, Lama Kuliah 4,5 tahun, Prestasi 3 dan Organisasi 5 maka nilai mamdani 4,36
Gambar 16 Perhitungan Mamdani
5. Hasil Perbadingan (Comparision)
Berdasarkan hasil perhitungan dengan etode perhitungan klasik dan perhitungan menggunakan fuzzy tsukamoto dan mamdani serta menampilkan hasil perhitungan terbesar. Berdasarkan nilai rata-rata dari perhitungan ketiga metode, maka didapat mahasiwa dengan nilai tertinggi adalah Ervan Ubaidillah dan Fahri A Wahyudi
Tabel 4 Hasil Perbandingan
No Nama Klasik Tsu Mam
Nilai % Nilai % 1 Ari S 4,23 6,6 41,91 5,94 58,08 2 Reni 3,14 3,66 78,15 5 21,84 3 Puji A 3,25 6,33 35,84 5 63,55 4 Ervan 3,57 6,33 22,26 4,36 77,75 5 Roni I 3,04 3,67 62,04 4,07 37,95 6 Jaka P 4,16 4,89 70,52 3,84 29,52 7 Anisa 3,35 6,11 25,80 4,31 74,4 8 Teguh 4,57 6,33 40,13 5,75 59,86 9 Dyan 3,38 6,33 46,36 5,93 53,64 10 Fahri 3,89 6,64 13,24 4,31 86,75 Rata-rata Tsu 19,62 Mam 56,33
5.1 Analisis Hasil
Berdasarkan pada hasil perhitungan menggunakan metode perhitungan klasik, fuzzy tsukamoto dan mamdani, maka perhitungan fuzzy yang mendekati dengan metode perhitungan klasik adalah fuzzy tsukamoto. Untuk hasil perhitungan dengan fuzzymamdani nilainya lebih besar dibanding dengan fuzzy tsukamoto
VI. PENUTUP
6.1. Simpulan
1. Penerapan perhitungan dengan statistic klasik menggunakan perhitungan nilai dikalikan dengan bobot dan dihitung jumlah nilai keseluruhan. Penerapan perhitungan logika fuzzy menggunakan himpunan, lalu hitung derajat keanggotaan, predikat aturan dan penegasan. Kriteri yang telah ditetapkan oleh perguruan tinggi yaitu IPK, Lama Kuliah, Prestasi dan Organisasi.
2. Pengembangan sistem menggunakan tahapan identifikasi permasalahan, kebutuhan sistem, rancangan sistem yang akan dibuat, pembuatan kode program dan penerapan. Dengan adanya langkah-langkah yang terstruktur, maka akan menghasilkan sistem lebih baik 3. Agar perhitungan pemilihan mahasiswa lulusan terbaik
lebih cepat dan akurat, maka dibutuhkan aplikasi pendukung keputusan yang terkomputerisasi yang dapat membantu ketua program studi dalam mengambil keputusan. Aplikasi ini dibangun menggunakan Borland Delphi dan basisdata MYSQL.
4. Berdasarkan nilai rata-rata dari perhitungan ketiga metode, maka didapat mahasiwa dengan nilai tertinggi adalah Ervan Ubaidillah dan Fahri A Wahyudi
5. Dari hasil analisis perhitungan menggunakan metode perhitungan klasik, fuzzy tsukamoto dan mamdani, maka perhitungan fuzzy yang mendekati dengan metode statistic klasik adalah fuzzy tsukamoto. Untuk hasil perhitungan dengan fuzzy mamdani nilainya lebih besar dibanding dengan fuzzy tsukamoto
6.2. Saran
1. Berdarkan pembahasan diatas, maka perlu dilakukan penelitian lebih lanjut mengenai penggunaan fuzzy untuk kasus yang berbeda yang dapat dijadikan referensi untuk penelitian yang akan datang.
2. Pada perhitungan ini, perlu dilakukan analisis perbandingan kecepatan antara tsukamoto dan mamdani
3. Perlu adanya analisis rate eror pada metode tsukamoto dan mamdani
4. Sebelum sistem diterapkan, maka perlu dilakukan pelatihan terhadap pengguna sistem agar memahami penggunaan sistem dan mengurangi kesalahan
DAFTAR PUSTAKA
[1] Aep & Romi, 2014. “Analisis komparatif Logika Fuzzy Tsukamoto, Mamdani, Sugeno untuk Hemat Energi AC Sugeno”, ISSN, Vol.9, (Oktober, 2014) : 1-7
[2] arnett, V., 1999, Comparative Statistical Inference, Wiley Series in Probability and Statistics, New York: Wiley
[3] Istraniadi, Andrian, P. Mardiani, 2013. “Analisis perbandingan metode fuzzy tsukamoto dan metode fuzzy Mamdani pada perbandingan Harga sepeda motor bekas”, Electrans, Vol.9, (Juli, 2013) : 3-8 [4] Kusumadewi, Sri. &Purnomo, 2010. Logika
Fuzzy,Yogyakarta : Graha Ilmu : 3-4
[5] Munawar, 2010.Rekayasa Perangkat Lunak, Bandung : Informatika, 2010
[6] Nurhidayat, D.Kurnia, Dewi. Entin, M, 2009. “Sistem Pendukung Keputusan Kelompok Pemilihan Mahasiswa Berprestasi Berbasis Web Dengan Metode Fuzzy Query”, ISSN, Vol.10, (Desember, 2009) : 3-8
[7] Newton, Issac, 1687.“Prinsip Matematika dari Filsafat Alam, Cambride Univesity Press, PP [8] STMIK Teknokrat Lampung Lampung,2010. Buku
Panduan Mahasiswa TA 2010, Bandar Lampung, 2010
[9] Sudjana, Perhitungan Metode Perhitungana Klasik,Yogyakarta : Graha Ilmu, 2012
[10] Triyanto, Agus. Febri, B.K., Shinta Puspasari, 2014.Studi Perbandingan Metode Fuzzy Tsukamoto Dan Fuzzy Mamdani Untuk Seleksi Pegawai Teladan Pada PT Gracia Pharmindo, ISSN, Vol.4, (September, 2014) : 2-6
[11] Widiyantoro, Andreas. 2013.“Penerapan Metode Algoritma Fuzzy Tsukamoto dan Mamdani pada Aplikasi Penunjang Keputusan untuk Menentukan Jumlah Produksi Barang pada CV. Kurnia Alam, Electrans, Vol.11, (Juli, 2013) : 4-8
[12] Wahyu, Oyas, Silmi, 2012.“Perbandingan Logika fuzzy (Tsukamoto, Mamdani & Sugeno) pada diagnosa tuberkulosis anak”, Vol.11, (Oktober) : 1-6
[13] Zaenal Abidin, 2014.“Komparasi Perhitungan IPK antara Metode Perhitungan Klasik dengan Logika Fuzzy, Tekno Info, (Oktober, 2014
