Plagiarism Checker X Originality Report
Similarity Found: 21%
Date: Tuesday, June 30, 2020
Statistics: 655 words Plagiarized / 3136 Total words
Remarks: Medium Plagiarism Detected - Your Document needs Selective Improvement. --- Perancangan Aplikasi Fuzzy Inference System Metode Sugeno Untuk Penilaian Kinerja Dosen Pada Universitas Mitra Karya Fuzzy Inference System Application Design Sugeno Method For Performance Assessment Selected at Mitra Karya University Wowon
Priatna1, Rakhmat Purnomo2 1,2Teknik Informatika, Teknik, Universitas Bhayangkara Jakarta E-mail:
1wowon.priatna@dsn.ubharajaya,2rakhmat.purnomo@dsn.ubharajaya.ac.id Abstrak Universitas Mitra Karya mempunyai 60 dosen yang bekerja pada 3 fakultas dan 9 prodi. Universitas Mitra karya selama ini penilaian kinerja dosen masih menggunakan cara manual menggunakan kertas sebagai bahan laporan kemudian data diolah melalui Microsoft excel dan Microsoft word, sehingga berdampak laporan sering kececer, rentan hilang. Dalam proses untuk menghasilkan informasi cukup lama/lambat baik dalam melakukan penilaian ataupun dalam pembuatan laporan hasil kinerja dosen.
Hal itu disebabkan tidak adanya sistem terprogram yang dapat mempercepat dalam input ataupun rekapitulasi data dengan proses yang berupa hasil keluaran secara pasti. Maka peran sebuah sistem aplikasi sebagai alat penunjang keputusan sangatlah
diperlukan untuk kesesuaian penilaian prestasi kerja pada universitas Mitra Karya. Penelitian ini bertujuan untuk membangun aplikasi kinerja dosen menggunakan fuzzy inference System metode Sugeno berdasarkan data daru laporan dosen dalam
pengajaran, penelitian & publikasi, abdimas dan penunjang yang selanjutnya dijadikan varibel-variabel fuzzy.
Hasil penelitian ini menghasilkan Aplikasi kinerja dosen yang di dimulai dengan merancang use case diagram, class diagram sebagai bagian dari unified modeling
Berdasarkan penilaian kinerja dosen yang dilakukan oleh aplikasi menggunakan sample 10 dosen, diperoleh skor terendah 78.8 dan skor tertinggi dengan nilai 85.8.
Kata kunci: Fuzzy Inference System, Metode Sugeno, system penilian kinerja, aplikasi kinerja dosen, Unified Modeling Language. Abstract Mitra Karya University has 60 lecturers working in 3 faculties and 9 study programs. Until now, Mitra Karya University has been evaluating the performance of lecturers using the manual method of using paper as report material, then the data is processed through Microsoft Excel and Microsoft Word, so that the impact of reports is often scattered, vulnerable to loss. In the process of producing information quite long / slow both in making assessments or in making reports on the results of lecturers' performance. That is due to the absence of a programmed system that can accelerate the input or recapitulation of data with a process in the form of outputs with certainty. Then the role of an application system as a decision support tool is needed for the suitability of work performance appraisal at Mitra Karya University.
This study aims to build the application of lecturer performance using the Sugeno fuzzy inference system based on data from lecturer reports in teaching, research &
publication, abdimas and support which are then used as fuzzy variables. The results of this study produce lecturer performance applications that begin with designing use case diagrams, class diagrams as part of the unified modeling language for modeling
software, then designing application interfaces.
Based on the performance evaluation of lecturers conducted by the application using a sample of 10 lecturers, the lowest score was 78.8 and the highest score was 85.8.
Keywords: Fuzzy Inference System, Sugeno Method, performance appraisal system, lecturer performance information system, unified modeling languange PENDAHULUAN Universitas Mitra Karya adalah penggabungan dari 3 lembaga antara lain; STMIK
(sekolah Tinggi Manajemen dan Ilmu Komputer), STT (Sekolah Tinggi dan Teknologi) dan STIES (Sekolah Tinggi ilmu ekonomi Syariah). Univesitas Mitra Karya dalam dalam rangka meningkatkan kinerja sumber daya manusianya, adalah dalam kaitannya terhadap dosen.
Secara berkala mengadakan evaluasi kinerja dosen setiap akhir perkuliahan seperti pada waktu Ujian Akhir Semester. Evaluasi kinerja dosen ini dititik beratkan pada hasil laporan dosen seperti pengajaran, penelitian & publikasi, Abdimas dan pendukung. Kegiatan penilaian kinerja dosen dimulai oleh kaprodi sebagai koordinator dosen program studi, kemudian melaporkan kedekan yang betugas sebagai verifikator yang memeriksa kelengkapan dan merekap hasil kinerja dosen yg bernaung dalam fakultas yang sama.
Hasil rekap kinerja dosen sebagai salah satu lampirkan dalam laporan kinerja fakultas yg diserahkan setiap semester kepada Rektor Umika. Namun selama ini dalam penilaian kinerja dosen masih dengan cara manual menggunakan kertas yang diolah melalu Microsoft excel dan word, laporan sering kececer serta laporan rentan hilang, sehingga dalam proses untuk menghasilkan informasi cukup lama/lambat baik dalam melakukan penilaian ataupun dalam pembuatan laporan hasil kinerja dosen.
Hal itu disebabkan tidak adanya sistem terprogram yang dapat mempercepat dalam input ataupun rekapitulasi data dengan proses yang berupa hasil keluaran secara pasti. Maka peran sebuah sistem aplikasi sebagai alat penunjang keputusan sangatlah
diperlukan untuk kesesuaian penilaian prestasi kerja pada universitas Mitra Karya. Afriliana dkk [1] menggunakan fuzzy metode Sugeno untuk mengukur kinerja dosen melalui pengajaran dengan variabel yang digunakan adalah silabus pengajaran, penguasaan materi, metode pengajaran, keterbukaan menerima kritik, kedispilan dan pemenuhan kebutuhan prodi.
Penelitian menghasilkan tingkat error yang dihasilkan maka Fuzzy Sugeno tepat
diimplementasikan untuk pengelompokkan kinerja pengajaran dosen pengampu adalah dengan 32 rules. Pada penelitian Simanjuntak dan fauzi [2] menilai kinerja dosen
menggunakan fuzzy logic dengan menggunakan 3 variabel diantaranya fisik, materi dan prilaku dosen, system aplikasi dirancang menggunakan bahasa pemograman php dan database Mysql.
Sedangkan Pada penelitian Purnomo dkk [3] menilai kinerja dosen dengan
membandingkan metode fuzzy dah Ahp, dengan menggunakan kriteria penilaian dosen berdasarkan pengajaran, penelitian & publikasi, abdimas dan penunjang. Risky Pratama dan Susanty [4] merancang aplikasi untuk mengukur kinerja dosen menggunakan pemograman php dan metode yang digunakan adalah metode fuzzy Tsukamoto. Variabel yang digunakan untuk mengukur kinerja adalah Fisik, Materi, Perilaku sehingga menhasilkan aplikasi kinerja pegawai yang akurat. Dari latar belakang dan penelitian diatas fuzzy logic dan fuzzy dan fuzzy interference sistem dapat digunakan sebagai metode untuk menilai kinerja dosen dengan terlebih dahulu menentukan kriteria yang selanjutnya akan digunakan sebagai variable.
METODE PENELITIAN Diagram alir yang dalam menjelaskan tahapan dalam penelitian ini dapat dilihat pada gambar 1. / Gambar 1. Tahap Penelitian Berdasarkan alur proses di atas, penelitian ini membagi metode penelitian menjadi beberapa tahap sebagai berikut: 2.1 Mengumpulkan data Tahapan ini pengumpulan data untuk menerapakan metode
Fuzzy Inference System dalam menilai kinerja dosen. 2.2
Analisa penentuan nilai kriteria Sebelum melakukan penghitungan dengan system fuzzy inference system, perlu ditentukan terlebih dahulu data rentang nilai kriteria yang akan dijadikan data penilaian kinerja dosen. 2.3 Menentukan Himpunan Logika Fuzzy Logika fuzzy secara umum memiliki tahapan pengerjaan sebagai[5,6]: Menentukan variabel linguistik Membentuk fungsi keanggotaan Membentuk rule base Mengubah data crisp menjadi nilai fuzzy menggunakan fungsi keanggotaan Melakukan evaluasi rule pada rule base Menggabungkan hasil yang didapatkan pada setiap rute Mengubah output data menjadi nilai non fuzzy Himpunan fuzzy dapat diartikan sebagai suatu kesatuan yang mewakili keadaan tertentu dalam sebuah variabel fuzzy. 2.4 Fuzzyfikasi Proses Proses fuzzyfikasi merupakan perhitungan nilai crisp atau nilai input menjadi derajat keanggotaan.
Perhitungan dalam proses fuzzyfikasi berdasarkan batas-batas fungsi keanggotaan[7]. 2.5 Perhitungan dengan Metode FIS Sistem Inferensi Fuzzy merupakan suatu kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan berbentuk IF – THEN, dan penalaran fuzzy. Secara garis besar, diagram blok proses sistem inferensi fuzzy terlihat pada Gambar 2. / Gambar 2.
Blok Sistem Inferensi Fuzzy Metode sistem inferensi fuzzy sugeno disebut juga metode sistem inferensi fuzzy TSK yang diperkenalkan oleh Takagi, Sugeno dan Kang. Output dari sistem inferensi fuzzy diperlukan 4 tahap [8,9,10] adalah: Tahap Fuzzyfikasi
Fuzzifikasi merupakan proses mentransformasikan data pengamatan kedalam bentuk himpunan fuzzy. Pembentukan aturan dasar data fuzzy Aturan dasar fuzzy
mendefinisikan hubungan antara fungsi keanggotaan dan bentuk fungsi keanggotaan hasil.
Pada metode sugeno output (konsekuen) sistem tidak berupa himpunan fuzzy tetapi berupa konstanta atau persamaan linier. Menurut Cox (1994)[11] metode TSK (Takagi Sugeno Kang) terdiri dari dua jenis, yaitu : Model fuzzy sugeno orde nol. Secara umum bentuk fuzzy sugeno orde nol adalah : IF (X1 is A1 )(X2 is A2 )(X3 is A3)(XN is AN) THEN z=k (1) Dengan Ai adalah himpunan fuzzy ke –i sebagai anteseden dan k adalah
konstanta tegas sebagai konsekuen.
Secara umum bentuk fuzzy sugeno orde satu adalah : IF (X1 is A1 )(X2 is A2 )(X3 is A3) (XN is AN) THEN z=p1*x1+…+pn*xn+q (2). Dengan: Ai adalah himpunan fuzzy ke–i sebagai anteseden, Pi konstanta tegas ke-i dan q konstanta pada konsekuen. 3.
Komposisi Aturan (Agregasi) Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan yaitu menghitung hasil.
??=1 ?? ? ?? . ?? ?? (3) Dengan: R= banyaknya rule ar = fire strength ke-r zr = output pada anteseden aturan ke-r. 4. Pembentukan aturan dasar data fuzzy Pada proses ini output berupa bilangan crisp. Defuzifikasi dilakukan dengan cara mencari nilai
rata-ratanya adalah : ??= ?? ?? 1 ? ?? .
?? ?? ?? ?? 1 ? ?? (4) Metode defuzzifikasi ini dinamakan metode bobot rata-rata terpusat. 2.6 Analisa Hasil Perhitungan Pada tahap ini adalah analisa hasil dari
perhitungan system inference fuzzy tentang penilaian kinerja dosen sebagai panduan untuk merancang aplikasi kinerja dosen. 2.7 Perancangan Aplikasi Kinerja Dosen Tahap ini adalah perancangan Aplikasi system pendukung keputusan.
Untuk perancangan system menggunakan Use case Diagram, Class diagram yang
merupakan bagian dari Unified Modeling language (UML) dan merancang interface dari aplikasi [12]. Berikut flow rancangan aplikasi sistem kinerja dosen dapat dilihat pada gambar 3. / Gambar 3. Alur system aplikasi kinerja dosen HASIL DAN PEMBAHASAN Berdasarkan data yang didapat, maka dibuatlah rentang nilai kriteria dari 4 kriteria yaitu Pengajaran (Pj), Penelitian & publikasi (PP), abdimas (Ad) dan penunjang (Pg).
Berdasarkan data yang didapat, maka berikut penjelasan mengenai rentang nilai penilaian kinerja dosen yang ditampilkan pada Tabel 1. Tabel 1 Rentang Nilai Kriteria Penelian Kinerja Kriteria _Range Nilai _ _Pengajaran (Pj) _0-100 _ _Penelitian & publikasi (PP) _0-100 _ _Abdimas (Ad) _0-100 _ _Penunjang (Pg) _0-100 _ _ Setelah mendefinisikan data rentang nilai, berikut ini disajikan satu data dosen yang akan dijadikan nilai input pada setiap kriteria.
Data salah satu dosen dapat dilihat pada Tabel 2. Tabel 2. Data Dosen Variable Input _Nilai Input _ _Pj _77.5 _ _PP _83 _ _Ad _62 _ _Pg _77 _ _ 3.1 Menentukan Logika Fuzzy Himpunan fuzzy dalam penelitian ini menggunakan tiga nilai liguistik adalah kurangt, cukup, baik. Pembentukan himpunan fuzzy ini disesuaikan dengan data input kinerja dosen. Data himpunan fuzzy dan nilai linguistiknya data dilihat pada Tabel 3. Tabel 3. Himpunan Fuzzy Variable Input _Nilai Linguistik _ _Pengajaran _Kurang _ _ _Cukup _ _ _Baik _ _Penelitian & Publikasi _Kurang _ _ _Cukup _ _ _Baik _ _Abdimas _Kurang _ _ _Cukup _ _ _Baik _ _Penunjang _Kurang _ _ _Cukup _ _ _Baik _ _ 3.2 Fuzzyfikasi Proses Berikut ini adalah fungsi keanggotaan himpunan fuzzy dengan 3 kriteria input: 1. Himpunan fuzzy Pj / Gambar 4.
Kurva fungsi keanggotaan himpunan fuzzy variable pj Fungsi derajat keanggotaan dari variabel pengajaran seperti yang ditunjukkan pada Gambar 4 didefinisikan dibawah ini:
Fungsi keanggotan variable input pengajaran: ? ???????????? ?? = 1;??=50 60-?? 60-50 ;50=?? =60 0; ??=70 ? ?????????? ?? = 0;??=0 ??-50 60-50 ; 50=??=60 1;60=??=80 0; ??=80 ? ???????? ?? = 0;??=70 ??-70 80-70 ;70=?? =80 1; ??=80 2. Himpunan fuzzy PP / Gambar 5.
Kurva fungsi keanggotaan himpunan fuzzy variable Pp Fungsi derajat keanggotaan dari variabel penelitian dan publikasi seperti yang ditunjukkan pada Gambar 5, didefinisikan dibawah ini: Fungsi keanggotan variable input penelitian dan publikasi: ? ???????????? ?? = 1;??=50 60-?? 60-50 ;50=?? =60 0; ??=70 ? ?????????? ?? = 0;??=0 ??-50 60-50 ;
50=??=60 1;60=??80 0; ??=80 ? ???????? ?? = 0;??=70 ??-70 80-70 ;70=?? =80 1; ??=80 3.
Himpunan fuzzy Ad Representasi kurva fungsi keanggotaan himpunan fuzzy input abdimas ditampilkan pada Gambar 6. / Gambar 6. Kurva fungsi keanggotaan himpunan fuzzy variable Ad Fungsi keanggotan variable input abdimas: ? ???????????? ?? = 1;??=50 60-?? 60-50 ;50=?? =60 0; ??=70 ? ?????????? ?? = 0;??=0 ??-50 60-50 ; 50=??=60
1;60=??80 0; ??=80 ? ???????? ?? = 0;??=70 ??-70 80-70 ;70=?? =80 1; ??=80 4.
Himpunan Fuzzy Input Pg Representasi kurva fungsi keanggotaan himpunan fuzzy input penunjang ditampilkan pada Gambar 7. / Gambar 7. Kurva fungsi keanggotaan
himpunan fuzzy variable pg Fungsi keanggotan variable input abdimas: ? ???????????? ?? = 1;??=50 60-?? 60-50 ;50=?? =60 0; ??=70 ? ?????????? ?? = 0;??=0 ??-50 60-50 ;
50=??=60 1;60=??80 0; ??=80 ? ???????? ?? = 0;??=70 ??-80 90-80 ;70=?? =80 1; ??=80 3.3
Menentukan Logika Fuzzy Dalam system inferensi fuzzy di tentukan basis rule terlebih dahulu. basis aturan atau rule base jumlah seluruhnya terdapat 38 aturan, tetapi disini hanya 10 rule base yang disajikan pada Tabel 4. Tabel 4. Rule Base Fuzzy No _Pj _PP _Ad _pg _Keputusan _ _1 _kurang _kurang _kurang _kurang _kurang _ _2 _kurang _kurang _kurang _cukup _kurang _ _3 _kurang _kurang _cukup _cukup _cukup _ _4 _kurang
_cukup _cukup _cukup _cukup _ _5 _cukup _cukup _cukup _cukup _cukup _ _6 _baik _baik _baik _baik _Baik _ _7 _baik _baik _kurang _cukup _Baik _ _8 _cukup _kurang _cukup _baik _Cukup _ _9 _cukup _kurang _kurang _baik _Cukup _ _10 _cukup _kurang _baik _baik _Baik _ _ Dari Tabel 4 digunakan untuk memproses perhitungan rule Base Fuzzy
menggunakan rumus persaman (2-3). Hasil perhitungan ditunjukan pada tabel 5. Tabel 5.Hasil Perhitungan Rule Base Fuzzy Pj _PP _Ad _pg _?-predikat _z _?-predikat * z _ _0 _0 _0 _0 _0 _60 _0 _ _0 _0 _0 _1 _0 _65 _0 _ _0 _0 _1 _1 _0 _70 _0 _ _0 _0.7
_1 _1 _0 _70 _0 _ _1 _0.7 _1 _1 _0.7 _80 _56 _ _0.75 _1 _0 _0.7 _0 _95 _0 _ _0.75 _1 _0 _1 _0 _85 _0 _ _1 _0 _1 _0.7 _0 _80 _0 _ _1 _0 _0 _0.7 _0 _75 _0 _ _1 _0 _0 _0.7 _0 _85 _0 _ _
Setelah didapat output dari setiap aturan (?_r.z_r), maka dilakukan defuzzifikasi dengan menghitung rata-rata bobot terpusat dari masing-masing aturan berdasarkan
persamaan (2-4). Sehingga didapatkan nilai z: = 0.7*80 0.7 ??=80 3.4 Analisis Hasil Perhitungan Setelah dilakukan analisis fuzzy inference systems diperoleh hasil skor kinerja.
Tahap selanjutnya adalah melakukan penggolongan predikat kinerja berdasarkan hasil skor kinerja. Adapun predikat kinerja yang digunakan dalam penelitian ini dapat dilihat pada Tabel 6. Tabel 6. Penggolongan Predikat Kinerja Rentang Skor _Predikat Kinerja _ _0 = Skor = 60 _kurang _ _61 = Skor =80 _cukup _ _81 <Skor = 100 _Baik _ _ Dari Tabel 6 diperoleh kesimpulan bahwa predikat kinerja salah satu dosen dengan nilai 80 termasuk ke dalam kategori cukup. 3.5
Merancang Aplikasi Penilian Kinerja Aplikasi ini menggunakan perhitungan Fuzzy Logic berdasrkan metode Sistem Inferensi Fuzzy Sugeno. Diharapkan dengan adanya metode penalaran tersebut, sebagai usulan kepada Universitas Mitra Karya dapat
mempermudah dalam menilai kinerja dosen. Untuk perancangan system di modelkan mengunakan use case dan class diagram yang merupakan diagram UML (Unified
modeling Language) yang berfungsi memodelkan user yang berinteraksi dengan sistem. Diagram Use Case dan Class diagram untuk aplikasi penilaian kinerja dosen ditunjukan pada gambar 8 dan gambar 9. / Gambar 8.
Use Case Diagram Use case diagram pada gambar 8 menjelaskan fitur-fitur atau menu yang ada di aplikasi sistem penilaian kinerja terdapat dua aktor pejabat dan admin sebagai pengguna sistem sedangkan class diagram pada gambar 9 menjelaskan relasi antar class untuk membangun sistem. / Gambar 9. Class Diagram 3.6 Hasil Perancangan Aplikasi Berikut adalah sebagian interface dari dari tampilan aplikasi penilaian kinerja dosen. 1.
Halaman Data Dosen Pada halaman data dosen berfungsi untuk input, edit, delete data dosen yang dilakukan oleh admin. Tampilan halaman data dosen dapat dilihat pada gambar 10. / Gambar 10. Halaman data Dosen 2. Halaman Lember penilaian Halaman penilian berfungsi untuk melakukan input laporan dosen.
Halaman ini sebagai data untuk sebagai input laporan dari dosen mengenai pengajaran, penelitian & publikasi, abdimas dan penunjang. Tampilan lembar penilaian dapat dilihat pada gambar 11. / Gambar 11. Halaman Hitung fuzzy 3. Halaman dosen yang sudah dinilai Pada halaman ini dapat dilihat dosen yang sudah dan belum dinilai. Halaman ini diakses oleh pejabat yang berwenang.
Tampilan halaman untuk melihat dosen sudah dinilai dapat dilihat pada gambar 12. / Gambar 12. Halaman dosen sudah dinilai 4. Halaman Hasil Penilaian Pada halaman ini adalah hasil penilian yang telah dilakukan oleh pejabat berwenang untuk menilai dosen. Halaman hasil penilaian dapat dilihat pada gambar 13. / Gambar 13.
Halaman hasil penilian Berdasarkan penilaian kinerja dosen yang dilakukan oleh aplikasi, diperoleh skor kinerja untuk 10 orang dosen yang tersaji pada Tabel 7. Tabel 7. Hasil Kinerja Dosen Berdasarkan Aplikasi Nama Pegawai _PJ _PP _AD _PG _Penilaian Aplikasi _Sebutan Fuzzy _ _fajar _77.5 _83 _62 _77 _80 _cukup _ _muji _78 _83 _60 _78 _74,8 _cukup _ _puji _77 _92 _87 _87 _85,8 _baik _ _ima _85 _83 _60 _78 _76.5 _Baik _ _Hadi _80 _92 _60 _87 _79.8
_cukup _ _Sigit _79 _88 _60 _83 _77.5 _cukup _ _Elkin _89 _83 _60 _78 _77.5 _cukup _ _Tiara _81 _95 _60 _90 _81.5 _baik _ _Retno _84 _88 _78 _83 _83.3 _baik _ _tri _86 _88 _82 _83 _84.7 _baik _ _ Hasil penilaian menunjukkan bahwa dosen yang memiliki nilai
terendah adalah dosen dengan nama Muji dengan skor nilai 78.8
dan dosen yang memperoleh skor nilai tertinggi adalah Tri dengan skor nilai 85.8. Ini berarti kinerja dosen secara keseluruhan mendapat predikat cukup. KESIMPULAN DAN SARAN Sudah dibangun sebuah aplikasi untuk menilai kinerja dosen menggunakan fuzzy interference system berdasarkan pengajaran, penelitian & publikasi, abdimas dan penunjang.
Pengimplementasian aplikasi ini diterapkan pada tahap kalkulasi penilaian kinerja dosen dimana nilai dari tiap-tiap variabel yang telah diinputkan dilakukan fuzzifikasi terlebih dahulu. Selanjutnya dilakukan inferensi terhadap aturan yang dipakai dan diakhiri dengan tahap defuzzifikasi yang berupa penghitungan skor menggunakan metode berbobot rata– rata. Dengan metode ini diperoleh skor kinerja tertinggi yaitu 85.8 dan skor kinerja terendah adalah sebesar 78.8. DAFTAR PUSTAKA [1] Afriliana, I.,
Haqiqi Sulasmoro, A., & Sofyan, A. (2019). Implementasi Fuzzy Sugeno Untuk Kinerja Pengajaran Dosen. Smart Comp: Jurnalnya Orang Pintar Komputer, 8(2), 74–77. [2] Simanjuntak, M., & Fauzi, A. (2017). Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai), 2(2), 143–149 [3] Purnomo, R., Priatna, W., & Fathurrozi, A. (2019). Perbandingan Logika Fuzzy Dan Analytic Hierarchy Process Untuk Menilai Kinerja Dosen. XIV(1), 48–59.
[4] Pratama, Andyka Risky, W. S. (2010). Aplikasi kinerja dosen berbasis fuzzy untuk mengukur tingkat kinerja mengajar dosen pada fakultas ilmu komputer bandar lampung. 1–10. [5] Utomo, MCC & Mahmudy, WF 2015, 'Penerapan FIS-Tsukamoto
untuk menentukan potensi seseorang mengalamivsudden cardiac death', Seminar Nasional Sistem Informasi Indonesia (SESINDO), Institut Teknologi Sepuluh Nopember (ITS), Surabaya, 2-3 November, pp. 239-244. [6] Hadi, H. N., Mahmudy, W. F., &
Brawijaya, U. (2015).
Penilaian Prestasi Kinerja Pegawai Menggunakan Fuzzy. 2(1), 41–48. [7] Restuputri, B. A., Mahmudy, W. F. & Cholissodin, I. 2015. Optimasi fungsi keanggotaan fuzzy Tsukamoto dua tahap menggunakan algoritma genetika pada pemilihan calon penerima beasiswa dan BBP-PPA (studi kasus: PTIIK Universitas Brawijaya Malang). DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, 5.SANTIKA. [8] Jokar, M., Ghannadpour, S. F., & Makui, A. (2018).
Fuzzy analytical network process logic for performance measurement system of
e-learning centers of Universities. 11(3), 261–280. [9] Mohammad Syarif Irfan, Much Aziz Muslim, F. Y. A. (2017). Implementasi Fuzzy Inference System Metode Sugeno Pada. 6(2), 178–188. [10] Kusumadewi, S, Purnomo, H. 2010. Aplikasi Logika Fuzzy untuk
Pendukung Keputusan. Yogyakarta: Graha Ilmu. [11] Cox, Earl, 1994, “The Fuzzy System handbook”.
Massachusetts: Academic Press - Inc [12] Priatna, W., & Nugroho, A. (2019). Sistem Pendukung Keputusan Untuk Penentuan Dosen Favorit Menggunakan Simple Additive Weighting ( SAW ). (4), 181–190 INTERNET SOURCES: --- <1% - http://repository.unugha.ac.id/id/eprint/311 <1% - http://teknik.unej.ac.id/skripsi-dan-ta/ 1% - http://ojs.stmik-banjarbaru.ac.id/index.php/jutisi/article/view/88 <1% - https://rabbainsihombing.blogspot.com/2017/02/judul-skripsi.html <1% - http://seminar.bsi.ac.id/snit/index.php/snit-2011/article/view/403/400 <1% - https://www.researchgate.net/publication/311309536_Ethical_Reasoning_in_STEM_Discip lines <1% - https://www.researchgate.net/publication/264121274_Online_fuzzy_based_decision_sup port_system_for_human_resource_performance_appraisal <1% - https://www.researchgate.net/publication/221002191_Transformation_of_B_Specification s_into_UML_Class_Diagrams_and_State_Machines <1% - https://wildaafrina.blogspot.com/2015/10/
<1% - https://darmadi18.files.wordpress.com/2014/04/earn-value-paper_2.pdf <1% - http://ejournal.poltektegal.ac.id/index.php/smartcomp/article/view/1487 <1% - https://www.sarjanakomedi.com/2019/05/03/sistem-informasi-rumah-sakit-php-mysql/ <1% - https://dekabopass2.blogspot.com/2014/12/makalah-pengaruh-sistem-informasi.html <1% - http://eprints.undip.ac.id/34592/6/2036_chapter_III.pdf <1% - https://www.researchgate.net/profile/Hilman_Nuril_Hadi2/publication/304279213_Penila ian_Prestasi_Kinerja_Pegawai_Menggunakan_Fuzzy_Tsukamoto/links/576b7ca108ae5b9a 62b3acb0/Penilaian-Prestasi-Kinerja-Pegawai-Menggunakan-Fuzzy-Tsukamoto.pdf <1% - https://core.ac.uk/download/pdf/35380755.pdf 1% - http://seminar.uny.ac.id/semnasmatematika/sites/seminar.uny.ac.id.semnasmatematika/f iles/full/T-20.pdf 2% - http://jtiik.ub.ac.id/index.php/jtiik/article/download/129/pdf <1% - https://jurnal.wicida.ac.id/index.php/sebatik/article/download/330/128/ 1% - http://journal.uin-alauddin.ac.id/index.php/msa/article/download/4504/4115 <1% - http://jurnal.unma.ac.id/index.php/ST/article/download/225/209 1% - https://core.ac.uk/download/pdf/11064715.pdf 1% - https://jurnal.umj.ac.id/index.php/semnastek/article/download/798/726 <1% - https://myteks.files.wordpress.com/2012/05/04-produksi-air-mineral.pdf <1% - https://id.scribd.com/presentation/320257583/12-Fuzzy-Inference-System-Metode-Ma mdani-Metode-Sugeno 1% - https://www.ilmuskripsi.com/2016/05/model-fuzzy-sugeno.html <1% - http://library.binus.ac.id/eColls/eThesisdoc/Bab2DOC/2012-1-00224-if%20bab%202.doc <1% - https://www.researchgate.net/publication/326913879_Perhitungan_Metode_Fuzzy_Suge no_Dan_Antropometri_Dalam_Memprediksi_Status_Gizi_Indeks_Massa_Tubuh <1% - http://www.digilib.its.ac.id/public/ITS-Master-16955-Paper-pdf.pdf <1% - https://www.elhasanysoftware.com/2019/02/cara-hitung-nilai-rata-rata-di-excel.html <1% - https://www.codepolitan.com/mengenal-diagram-uml-unified-modeling-language <1% - https://www.researchgate.net/publication/321474269_PEMBANGUNAN_APLIKASI_SISTE M_INFORMASI_SURAT_TUGAS_MENGAJAR_DAN_SURAT_KERJA_PRAKTEK_PADA_FAKUL TAS_TEKNIK_UNIVERSITAS_SANGGA_BUANA_DENGAN_MEMANFAATKAN_TEKNOLOGI_
FRAMEWORK_CODEIGNITER <1% - https://ml.scribd.com/doc/45235629/Muara-Dadap <1% - https://doczz.net/doc/396873/susunan-panitia---teknik-elektro <1% - https://mafiadoc.com/download-full-stkip-siliwangi-bandung_5a1a45711723dde22f228 42e.html 1% - https://www.researchgate.net/publication/283873343_Fuzzy_inference_system_Tsukamo to_untuk_menentukan_kelayakan_calon_pegawai <1% - https://docplayer.info/387922-Program-studi-teknik-informatika-stmik-gi-mdp.html <1% - https://www.researchgate.net/publication/319932353_Prediksi_Cuaca_Pada_Data_Time_S eries_Menggunakan_Adaptive_Neuro_Fuzzy_Inference_System_ANFIS <1% - https://www.researchgate.net/publication/301636771_SELEKSI_CALON_KARYAWAN_ME NGGUNAKAN_METODE_FUZZY_TSUKAMOTO <1% - http://digilib.uinsby.ac.id/9099/6/bab3.pdf <1% - https://issuu.com/hmplits/docs/pkm_pkti_2016 1% - http://ejurnal.tunasbangsa.ac.id/index.php/jurasik/article/download/131/115 <1% - https://www.slideshare.net/Uofa_Unsada/penerapan-notifikasi-android-untuk-membant u-penyebaran-informasi-dan-komunikasi-sivitas-universitas-darma-persada <1% - https://kumpulanaplikasiahp.blogspot.com/2014/02/source-code-sistem-pendukung-ke putusan.html <1% - https://www.researchgate.net/publication/283083606_APLIKASI_PENGOLAHAN_CITRA_U NTUK_IDENTIFIKASI_KEMATANGAN_MENTIMUN_BERDASARKAN_TEKSTUR_KULIT_BUAH _MENGGUNAKAN_METODE_EKSTRAKSI_CIRI_STATISTIK <1% - https://lldikti12.ristekdikti.go.id/2010/08/03/seputar-jabatan-struktural-dan-jabatan-fun gsional-pns.html <1% - http://spmi.its.ac.id/files/Manual%20User%20(Auditor).pdf <1% - http://lukito.staff.ugm.ac.id/2014/03/08/memanfaatkan-doi-dalam-review-karya-ilmiah-dalam-penilaian-angka-kredit-di-dikti/ <1% - http://tanamanpangan.pertanian.go.id/assets/front/uploads/document/juknismutu.pdf <1% -
https://id.123dok.com/document/qmj4254q-pengembangan-media-model-bangunan-t ahan-gempa-sebagai-pembelajaran-pada-mata-pelajaran-ilmu-bangunan-gedung-di-s mk-negeri-1-purworejo.html 1% - https://www.scribd.com/document/334900543/Metode-Fuzzy-Inference-System-Untuk-Penilaian-Kinerja-Pegawai-Perpustakaan-Dan-Pustakawan 1% - http://jtiik.ub.ac.id/index.php/jtiik/article/view/129 <1% - https://www.researchgate.net/publication/304279213_Penilaian_Prestasi_Kinerja_Pegawa i_Menggunakan_Fuzzy_Tsukamoto 1% - http://www.jise.ir/author.index?vol=0 <1% - https://www.scribd.com/doc/239350395/Implementasi-Metode-Fuzzy-AHP 1% - https://tunasbangsa.ac.id/ejurnal/index.php/jurasik/article/download/131/115
