PROTOYPE LOGIKA FUZZY INFRENCE
SYSTEM DALAM PENILAIAN KINERJA
GURU: STUDI KASUS SMK XYZ MUHAMMAD MAHMUD, M.ENG1 DUDIH GUSTIAN, S.T, M.KOM2 PROGRAM STUDI TEKNIK INFORMATIKA1, PROGRAM STUDI SISTEM
INFORMASI2, STT NUSA PUTRA SUKABUMI, INDONESIA (Email: [email protected] dan [email protected])
ABSTRAK:
Guru adalah komponen kunci dari pencapaian target pemerintah. Oleh karena itu, pemerintah memberikan aturan
yang pasti untuk meningkatkan kinerja guru dalam proses belajar dapat berjalan seperti yang diharapkan. Namun,
kondisi lapangan, harapan pemerintah ini belum terealisasi sepenuhnya, ini disebabkan kasus maksimal dalam
pengawasan khusus dari manajemen sekolah dalam menilai kinerja guru yang ditemukan di beberapa mengajar di
sekolah dan kegiatan belajar yang tidak diharapkan untuk mengalami kualitas. Salah satu kendala tersebut adalah
tidak adanya sistem informasi tertentu yang dapat memberikan dukungan bagi para pengambil keputusan adalah
kepala sekolah, sehingga sulit menghasilkan keputusan yang optimal. Selain data pendukung yang diperlukan
sebagai dasar untuk pengambil keputusan harus menunggu hasil musyawarah, sehingga proses pengambilan
keputusan memakan waktu lama. Dalam rangka untuk menentukan kinerja guru yang buruk, dan cukup baik, maka
Kepala Sekolah harus membuat kriteria atau persyaratan yang digunakan sebagai dasar dalam menentukan penilaian
kinerja guru. Salah satu cara untuk melakukannya adalah dengan menggunakan pendekatan logika fuzzy Infrence
Sistem Mamdani. kriteria penilaian dapat dilakukan dengan melihat Pedagogik Kompetensi, Kompetensi Profesional,
Kompetensi Kepribadian dan Kompetensi Sosial dimiliki oleh guru masing-masing. Dari kriteria tersebut, maka dibuat
suatu Sistem Pendukung Keputusan. Penentuan kriteria kinerja guru yang kemudian diolah dengan pendekatan logika
fuzzy. Dengan bantuan software Matlab. Hasil penelitian ini diharapkan Principal mampu menentukan kinerja guru
dalam Islam SMK XYZ dengan efekif, efisien, dan obyektif dengan batas nilai ≥ 7,5, cukup <7,5 dan kurang dari <5
dengan kriteria yang layak untuk membatasi 8.53 dan setelah diuji pada guru menghasilkan nilai yang baik yaitu
sekitar 82, yang berarti bahwa GUI yang dibuat dapat diterima sehingga nantinya dapat diterapkan dilembagakan.
KATA KUNCI: Decision Support Systems, Fuzzy Logic, Master, Mamdani method, defuzzyfication, Matlab.
1. PENDAHULUAN 1.2 Masalah Penelitian 1.1. Latar Belakang Masalah 1.2.1 Identifikasi Identifikasi Masalah
Guru merupakan jabatan atau profesi yang memerlukan keahlian
khusus sebagai guru. Pekerjaan ini tidak bisa dilakukan oleh orang
yang tidak memiliki keahlian untuk melakukan kegiatan atau pekerjaan
sebagai guru.
Guru yang profesional diharapkan mampu berpartisipasi dalam
pembangunan nasional untuk mewujudkan insan Indonesia yang
bertakwa kepada Tuhan YME, unggul dalam ilmu pengetahuan dan
teknologi, memiliki jiwa estetis, etis, berbudi pekerti luhur, dan
berkepribadian. Oleh sebab itu, profesi guru perlu dikembangkan
secara terus menerus dan proporsional menurut jabatan fungsional
guru.
Dalam Panduan Sertifikasi Guru bagi LPTK Tahun 2006 yang
dikeluarkan Direktur Ketenagaan Dirjen Dikti Depdiknas disebutkan
bahwa kompetensi merupakan kebulatan penguasaan pengetahuan,
keterampilan dan sikap yang ditampilkan melalui unjuk kerja.
Untuk mewujudkan tujuan pendidikan nasional yaitu visi dan misi
sekolah, maka sekolah perlu memilih kinerja guru yang dijadikan
teladan atau contoh bagi guru lainnya dalam mengajar. Menetapkan
kinerja guru dapat mendorong peningkatan mutu pendidikan dan
meningkatkan motivasi dan profesionalisme guru dalam pelaksanaan
tugas, agar dapat diwujudkan kinerja guru tersebut, maka kepala
sekolah membuat kriteria atau persyaratan untuk menentukan kinerja
guru.
50
VOLUME 2 TAHUN II MARET 2016
Sistem verifikasi kelayakan masih belum obyektif.
Hasil pengukuran yang dilakukan oleh sekolah dengan
pengawas belum sinkron, sehingga terjadi dua kali pengukuran
1.2.2 Batasan Masalah
Penelitian ini dilaksanakan dengan 40 sampel dari total guru
sebanyak 120 yang ada.
Penelitian ini hanya merupakan pembuatan suatu model
dalam penentuan kinerja seorang guru yang dapat membantu
pihak manajemen Sekolah dalam penentuan kinerja guru agar
dapat meningkatkan mutu proses kegiatan belajar mengajar.
Penelitian ini dilakukan dengan sampel pada tahun 1993 dan
1994.
1.2.3 Rumusan Masalah
Bagaimana penilaian kinerja guru penentuan kinerja guru agar
dapat meningkatkan mutu proses kegiatan belajar mengajar
metode FIS?
Seberapa besar kehandalan GUI yang dibuat dapat diterima
oleh pihak manajemen dalam menentukan kelayakan seorang
guru agar dapat meningkatkan mutu proses kegiatan belajar
mengajar?
www.nusaputra.ac.id
JURNAL Nusa Putra 2.indd 50
4/7/2016 1:32:58 PM
ISSN 2407- 8301 SK N O. 0005.049/JI.3.2./SK.ISSN/2015.01 - 20 JANUAR I 2015
1.3 Tujuan dan Manfaat
1.3.1 Tujuan
Mengukur kelayakan kinerja guru dapat meningkatkan mutu
proses kegiatan belajar mengajar metode FIS Mamdani.
Menghasilkan kehandalam dari GUI yang dibuat agar dapat
diterima oleh pihak manajemen dalam menentukan kelayakan
seorang guru agar dapat meningkatkan mutu proses kegiatan
belajar mengajar.
1.3.2 Manfaat
Manfaat Praktis, Hasil penelitian ini diharapkan dapat
memberikan alternatif dalam penilaian kinerja Guru SMA XYZ.
Manfaat Teoritis, Hasil penelitian ini diharapkan dapat
memberikan bukti empiris terhadap penerapan metode Fuzzy
Inference System (FIS) Mamdani.
II. KAJIAN LITERATUR
2.1 Pengertian sistem
Sistem adalah suatu kesatuan usaha yang terdiri dari bagian-
bagian yang berkaitan satu sama lain yang berusaha mencapai suatu
tujuan dalam suatu lingkungan kompleks. Pengertian tersebut
mencerminkan adanya beberapa bagian dan hubungan antara
bagian, ini menunjukkan kompleksitas dari sistem yang meliputi kerja
sama antara bagian yang independent satu sama lain. Selain itu dapat
dilihat bahwa sistem berusaha mencapai tujuan. Pencapaian tujuan ini
menyebabkan timbulnya dinamika, perubahan-perubahan yang terus-
menerus perlu dikembangkan dan dikendalikan. Definisi tersebut
menunjukkan bahwa sistem sebagai gugus dari elemen-elemen yang
saling berinteraksi secara teratur dalam rangka mencapai tujuan atau
sub tujuan.
2.2 Pengertian Sistem Pendukung Keputusan
Sistem Pendukung Keputusan sebagai “Sekumpulan prosedur
berbasis model untuk data pemrosesan dan penilaian guna membantu
para manajer mengambil keputusan (Little, 1970). Dia menyatakan
bahwa untuk sukses, sistem tersebut haruslah sederhana, cepat,
mudah dikontrol, adaptif lengkap dengan isu-isu penting, dan mudah
berkomunikasi (Efraim 2005).
Dari definisi tersebut, dapat diindikasikan empat karakteristik
utama dari Sistem Pendukung Keputusan, yaitu:
Sistem Pendukung Keputusan menggabungkan data dan model
menjadi satu bagian.
Sistem Pendukung Keputusan dirancang untuk membantu para
manajer (pengambil keputusan) dalam proses pengambil keputusan
dari masalah yang bersifat semi struktural (tidak terstruktur).
Sistem Pendukung Keputusan lebih cenderung dipandang
sebagai penunjang penilaian manajer dan sama sekali bukan untuk
menggantikannya.
Teknik Sistem Pengambil Keputusan dikembangkan untuk meningkatkan efektivitas dari pengambil keputusan
2010).
2.3 Fuzzy Infrence System 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:
Pembentukan himpunan fuzzy. Pada proses fuzzifikasi langkah
yang pertama adalah menentukan Variabel fuzzy dan himpunan
fuzzinya. Kemudian tentukan derajat keanggotaan antara data
masukan fuzzy dengan himpunan fuzzy yang telah didefenisikan
www.nusaputra.ac.id
JURNAL Nusa Putra 2.indd 51
untuk setiap variabel masukan sistem dari setiap aturan fuzzy. Pada
metode mamdani, baik variabel input maupun variabel output dibagi
menjadi satu atau lebih himpunan fuzzy.
Aplikasi fungsi implikasi pada metode mamdani. Fungsi implikasi yang
digunakan adalah min. Hasil implikasi fuzzy dari setiap aturan ini kemudian
digabungkan untuk menghasilkan keluaran infrensi fuzzy.
Komposisi Aturan (rule). Tidak seperti penalaran monoton, apabila
sistem terdiri dari beberapa aturan, maka infrensi diperoleh dari
kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan
dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan
probabilistik OR.
Penegasan (defuzzy). Input dari proses defuzzifikasi adalah suatu
himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy,
sedangkan output yang dihasilkan merupakan suatu bilangan pada
domain himpunan fuzzy tersebut.
2.4 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi
yang didefinisikan secara khusus untuk mengkombinasikan dan
memodifikasi himpunan fuzzy. Fire strength atau α–predikat adalah
nilai keanggotaan yang didapat dari operasi himpunan fuzzy. Ada tiga
operator dasar yang diciptakan oleh Zadeh, yaitu:
1. Opertor AND
Operator ini berhubungan dengan operasi interseksi pada
himpunan. Fire Strength sebagai hasil operasi dengan operator AND
diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen
pada himpunan-himpunan yang bersangkutan. µ A
∩ B = min ( A[x], B[y]) misal nilai keanggotaan 27 tahun pada
himpunan MUDA adalah 0,6 ( MUDA[27]=0,6); dan nilai kenggotaan
Rp2.000.000 pada himpunan penghasilan TINGGI adalah 0,8 ((
GAJITINGGI[2x106]=0,8) maka fire strength untuk usia MUDA dan
berpenghasilan TINGGI adalah:
MUDA ∩
GAJITINGGI = min(
MUDA[27],
GAJITINGGI[2x106]) = min (0,6 ; 0,8)
= 0,6
2. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan.
Fire Strength sebagai hasil operasi dengan operator OR diperoleh
dengan mengambil nilai keanggotaan terbesar antar elemen pada
himpunan-himpunan yang bersangkutan.
A B = max( A[x], B[y])
Misal seperti contoh AND jika menggunakan operator OR, maka
fire strength-nya adalah:
MUDA GAJITINGGI =max( MUDA[27],
GAJITINGGI[2x106]) = max(0,6 ; 0,8)
= 0,8
3. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada
himpunan. Fire Strength sebagai hasil operasi dengan operator NOT
diperoleh dengan menguraikan nilai keanggotaan elemen pada
himpunan bersangkutan dari 1.
A’ = 1- A[x]
Misal seperti contoh AND dapat dihitung nilai fire strength untuk
usia Tidak MUDA adalah:
MUDA’ [27] = 1 - MUDA[27]
= 1 - 0,6
= 0,4
VOLUME 2 TAHUN II MARET 2016
51
4/7/2016 1:32:59 PM
(Marimin dan Nurul
ISSN 2407- 8301 SK N O. 0005.049/JI.3.2./SK.ISSN/2015.01 - 20 JANUAR I 2015
2.5 Matlab Toolbox: Fuzzy
Agar dapat menggunakan fungsi-fungsi logika fuzzy yang ada
pada Matlab, maka harus diinstalkan terlebih dahulu Toolbox Fuzzy.
fuzzy logic toolbox memberikan fasilitas Graphical User Interface
(GUI) untuk mempermudah dalam membangun, mengedit, dan
mengobservasi sistem penalaran fuzzy, yaitu:
Fuzzy Inference System (FIS) Editor Membership Function Editor Rule Editor Rule Viewer Surface Viewer (Prabowo Pujdo dan Rahmadya, 2009, p,4)
Motivasi utama teori fuzzy logic adalah memetakan sebuah ruang
input ke dalam ruang output dengan menggunakan IF – THEN rules.
Pemetaan dilakukan dalam suatu FIS, urutan rule bisa sembarang.
FIS mengevaluasi semua rule secara simultan untuk menghasilkan
kesimpulan. Oleh karenanya, semua rule harus didefinisikan lebih
dahulu sebelum kita membangun sebuah FIS yang akan digunakan
untuk menginterpretasikan semua rule tersebut.
2.6 Tinjauan Studi
Penelitian tentang penerapan logika fuzzy yang telah dilakukan
oleh orang lain:
1. Dalam penelitian yang dilakukan oleh(Maman,2006) membahas
Sistem Pendukung Keputusan: Model Penentuan Siswa Teladan
pada SMK YP-Karya 1 Tangerang dengan pendekatan logika
fuzzy. Pada penelitian ini untuk menentukan siswa teladan dilihat
dari tujuh kriteria yaitu:
Sikap
Kedisiplinan
Kerapihan
Terlibat narkoba dan barang terlarang
Nilai rata-rata raport
Nilai praktek kerja lapangan
Organisasi
Dimana kriteria-kriteria ini dijadikan variabel fuzzy untuk
menentukan siswa teladan dan hiimpunan fuzzy dapat berupan
BAIK, CUKUP, KURANG, TERLIBAT, TIDAK TERLIBAT, AKTIF,
PASIF, dan TIDAK ANDIL.
2. Pada penelitian lain oleh (Fatoni) membahas aplikasi perhitungan
kalori harian penderita diabetes melitus menggunakan logika fuzzy.
Pada penelitian terdapat tiga kriteria, yaitu:
Umur Berat
badan
Aktivitas
3. Pada penelitian lain oleh (Roni Kastaman, Sudaryanto Zain, Sigit B. Priyudo)
membahas penerapan logika fuzzy pada penilaian mutu teh hitam
orthodox. Menurut ketentuan SNI-1902-2000 (Badan Standarisasi
Industri, 2000, syarat mutu dari teh hitam ditentukan berdasarkan
karakteristik:
a. Ukuran partikel
b. Kenampakan teh hitam, yang meliputi:
1. Bentuk, ukuran, dan beratnya
2. Tip (jumlah, warna, dan keadaan)
3. Warna partikel
4. Kebersihan
c. Air seduhan, yang meliputi:
52
VOLUME 2 TAHUN II MARET 2016
1. Warna
2. Rasa
3. Bau
4. Kenampakan ampas seduhan teh, yang meliputi:
a. Warna
b. Kerataan
2.7 Kerangka Pemikiran
Variabel fuzzy untuk menentukan kinerja guru dan himpunan fizzy
dapat berupa KURANG, CUKUP, dan BAIK. Secara ringkas kerangka
pemikiran dimaksud dapat digambarkan dalam gambar skema di
bawah ini:
Gambar 1. Kerangka pemikiran kinerja guru
1. Kondisi saat ini: Proses penentuan kinerja guru pada Sekolah
berdasarkan hasil rapat musyawarah.
2. Input penentuan kinerja guru: Berdasarkan kompetensi
pedagogik, kompetensi profesional, kompetensi kepribadian,
kompetensi sosial.
3. Proses menggunakan TIK yaitu dengan: Pendekatan
komputasi berdasarkan kriteria penentuan kinerja guru,
menggunakan Toolbox Matlab dan menggunakan fuzzy logic.
4. Uji validasi: menguji hasil dari pemanfaatan TIK dan Data
validasi, bila terjadi ketidak akuratan, maka proses TIK kembali
dilakukan.
5. Hasil yang diharapkan: Model penentuan kinerja guru yang
akurat berdasarkan kriteria penentuan kinerja guru.
2.8 Hipotesis Penelitian
Berdasarkan dari kajian teoritis dan kerangka konsep yang telah
dikemukakan, diduga bahwa penentuan kinerja guru pada sistem
informasi belajar mengajar di SMK XYZ dapat membantu dalam
mengukur kinerja Guru.
III. METODOLOGI PENELITIAN
3.1 Metode Penelitian
Penelitian ini dilakukan untuk pembuatan model penilaian kinerja
guru dalam peningkatan kegiatan belajar mengajar dengan
menggunkan FIS (Fuzzy Inference System). Informasi yang
dibutuhkan dari objek yang diteliti ialah SMK XYZ.
www.nusaputra.ac.id
JURNAL Nusa Putra 2.indd 52 4/7/2016 1:32:59 PM
ISSN 2407- 8301 SK N O. 0005.049/JI.3.2./SK.ISSN/2015.01 - 20 JANUAR I 2015
1. Penelitian Pendahuluan. Penelitian ini dilakukan untuk
memperoleh kriteria-kriteria dalam penelitian yang diambil
sesuai dengan pedoman Kinerja Guru SMK XYZ.
2. Kuesioner. Setelah memperoleh kriteria-kriteria dari
penelitian pendahuluan selanjutnya akan dibuat kuesioner
penelitian
3. Mengelola hasil kuesioner. Data yang diperoleh dari
kuesioner akan diolah menggunakan pendekatan logika fuzzy
dengan Matlab.
3.2 Metode Pengumpulan Data
Penelitian yang dilakukan untuk menghasilkan data dan informasi
yang diperlukan serta berhubungan hal yang akan ditulis. Untuk
mengumpulkan data serta informasi yang diperlukan maka
menggunakan metode sebagai berikut:
1. Pengumpulan Data Primer. Untuk mengumpulkan data serta
informasi yg di perlukan dalam penelitian Berdasarkan data dari
Kepala Sekolah, wakil kepala sekolah bidang kurikulum, Sie.
Peng. Mutu. Yayasan. menggunakan data sebagai berikut:
a. Konfirmasi data identitas guru:
1. NUPTK
2. Nama
3. Tempat tanggal lahir
4. Alamat
5. Jenis kelamin
6. Tahun masuk
b. Konfirmasi administrasi guru:
1. Silabus
2. RPP
c. Jadwal pelajaran
1. Konfirmasi daftar hadir guru
Tabel 1. Variabel Penelitian Penilaian Kinerja Guru
No
Variabel Yang Diamati
Indikator
1 Pedagogik 5
2 Kepribadian 5
3 Sosial 3
4 Profesional 2
TOTAL 15
Tabel 2. Himpunan Fuzzy
2. Pengumpulan data sekunder. Data sekunder diperoleh
dengan cara mengamati data, membaca mempelajari dan
mengutip dari buku literature, jurnal, internet serta sumber-
sumber lain yang berhubungan erat dengan penulisan.
3.3 Logika FIS Mamdani
Teknik pendekatan menggunakan metode FIS Mamdani meliputi
5 tahapan, dimana 2 tahapan pertama merupakan tahap pengumpulan
data dan 3 tahapan selanjutnya merupakan tahap analisis data. a. Tahap pengumpulan data terdiri dari:
1. Dekomposisi input
2. Pembentukan himpunan fuzzy b. Tahap analisis data terdiri dari:
1. Aplikasi fungsi implikasi
2. Komposisi aturan
3. Defuzzifikasi
IV. HASIL DAN PEMBAHASAN 4.1 Analisis Masalah
Penelitian ini menggunakan batasan –batasan sebagai berikut: 1. Perancangan yang dibuat dengan penalaran fuzzy dengan
metode Mamdani. 2. Pembuatan aturan dalam basis pengetahuan yang dibantu oleh
kepala sekolah.
4.2 Hasil Penelitian
Kriteria yang dianalisis untuk dijadikan variabel fuzzy dalam
menentukan kinerja guru dengan Matlab, yaitu: 1. Kompetensi Pedagogik terdapat 5 Input dan 1 Output
2. Kompetensi Kepribadian terdapat 5 Input dan 1 Output
www.nusaputra.ac.id VOLUME 2 TAHUN II MARET 2016
53
JURNAL Nusa Putra 2.indd 53 4/7/2016 1:32:59 PM
ISSN 2407- 8301 SK N O. 0005.049/JI.3.2./SK.ISSN/2015.01 - 20 JANUAR I 2015
4.3 Menentukan fungsi implikasi
Fungsi implikasi yang digunakan adalah metode Min, rule yang
terpengaruh derajat keanggotaan adalah rule: 5
.5 = min{ Peda1(8), Peda2(9), Peda3(8), Peda4(8), Peda5(8),
Kepri1(9), Kepri2(8), Kepri3(8), Kepri4(9), Kepri5(8),
Sos1(9), Sos2(8), Sos3(9), Prof1(8), Prof2(7)}
= min (1;1;1;1;1;1;1;1;1;1;1;1;1;1;0.5) = 0.5
Berdasarkan fungsi keanggotan dari variable output himpunan
3. Kompetensi Sosial terdapat 3 Input dan 1 Output tinggi pada saat α2diperoleh nilai 0,5 d[2] sebagai berikut: b = (d5) = α 5 <->d [5 -7] = 0,5
1
d[5] = 7,5
Modifikasi Fungsi keanggotaan tinggi dari variable output
setelah diterapkan cut adalah:
(d5)= d [5] -7 ; 7≤ d5 ≤ 7.5
1
0,5 ; 7.5 ≤ d5 ≤ 8
Rule 9 .9= min{
LY1(9),
LY2(9),
TG1(9), TG2(8),
TG3(9),
TG4(8),
KD1(9),
KD2(9),
KJ1(9), KJ2(7),
KJ3(8),
KS1(8),
4. Kompetensi Profesional terdapat 2 Input dan 1 Output
KS2(8),
KS3(8),
KS4(8), KS5(7),
KP1(7),
KP2(7),
KP3(7),
KP4(5)}
= min (1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;0;0;0;0;1)
= 0
Berdasarkan fungsi keanggotan dari variable output himpunan
tinggi pada saat α9 diperoleh nilai 0 d[9] sebagai berikut:
b = (d9) = α9 <->d [9] -7 = 0
1
d[9] = 0
Modifikasi Fungsi keanggotaan tinggi dari variable output
setelah diterapkan cut adalah:
(d9)= 0 ;0≤ d9 ≤ 7.5
0.5 ;7.5≤ d9 ≤ 8
5. Penilaian Kinerja Guru terdapat 4 Input dan 1 Output 4.4 Fungsi Implikasi Fungsi implikasi yang digunakan adalah metode min dan rule
yang terpengaruh adalah rule 21 dan rule 22.
21 = min{
t(12),
t(12),
t(8),
t(22),
t(14),
t(12),
t(10),
t(6),
t(12),
t(10),
t(10),
t(16),
t(6),
t(6)}
= min (1; 0,66; 1; 0,73; 0,71; 0,66; 0,66; 1; 1; 0,75; 1; 1; 1; 1) = 0,66
Berdasarkan fungsi keanggotaan dari Variabel output himpunan
tinggi, pada saat α 21 = 0,66 diperoleh nilai:
b = (d21) = α 21(d[21]-3)/7 = 0,66
d[21] = 4,62 + 3 = 7,62
α 22= min{ t(12),
t(12),
t(8),
t(22),
t(14),
t(12),
t(10),
t(6),
t(12),
t(10),
t(10),
t(16),
t(6),
t(6)}
= min (1; 0,66; 1; 0,73; 0,71; 0,66; 0,2; 1; 1; 0,75; 1; 1; 1; 1) = 0,2
Berdasarkan fungsi keanggotaan dari variabel output himpunan
tinggi, pada saat α 22 = 0,2 diperoleh nilai:
b = (d22) = α 22(d[22]-3)/7 = 0,2
d[22] = 1,4 + 3 = 4,4
54
VOLUME 2 TAHUN II MARET 2016
www.nusaputra.ac.id
JURNAL Nusa Putra 2.indd 54
4/7/2016 1:33:00 PM
4.5 Komposisi Aturan
Metode Max digunakan untuk mentukan komposisi aturan. Variabel output. Derajat kebenaran himpunan BAIK
= Max (α 21 ; α22)
= Max (0,66 ; 0,2) = 0,66
Daerah hasil inferensi tertinggi adalah 0,66 dan terendah 0,2
4.6 Defuzzifikasi
Metode yang digunakan untuk fuzzifikasi adalah centroid.
(x)= 0,2
; 4,4 ≤ d_21 ≤7,62
0,66 ; 7,62 ≤ d_21 ≤10
M1 = 7,62▒
4,4 (0,2) xdx
= 0,1x2
7,62 ┤ = 5,81 – 1,9 = 3,91
4,4
M2 = 10 (0,66)xdx 7,62▒
= 0,33x2
10 = 33 – 19 = 14
7,62
L1 = 0,2 (7,62 – 4,4) = 0,6
L2 = 0,66 (10 – 7,62) = 1,5
Nilai crisp output dihitung dengan:
M1+M2 14 + 3,91
z* =
=
= 8,53 A1+A2 0,6 + 1,5
Batas nilai output kinerja guru yang telah ditetapkan oleh kepala sekolah selaku pimpinan yang melakukan penilaian
kinerja guru adalah:
a. Guru berkinerja “BURUK” batas nilai output < 5
b. Guru berkinerja “CUKUP” batas nilai output < 7,5
c. Guru berkinerja “BAIK” batas nilai output ≥ 7,5
4.7 Hasil Pengujian Prototipe Perangkat Lunak
Untuk memastikan bahwa perangkat lunak yang dibuat memiliki standar minimal kualitas, maka digunakan metoda untuk
pengukuran kualitas perangkat lunak secara kuantitatif adalah metoda SQA (Software Quality Assurance).
Tabel 10. Hasil Evaluasi SQA
Skor rata-rata yang dihasilkan adalah 82, sedangkan nilai optimal untuk sebuah perangkat lunak yang memenuhi standar
kualitas berdasarkan uji SQA adalah 80.
V. PENUTUP 5.1 Kesimpulan
Beberapa kesimpulan yang dapat dikemukakan, diantaranya sebagai berikut:
1. Dari hasil penelitian dengan metode FIS mamdani yang dilakukan dengan tools matlab diperoleh batasan baik dengan
batas nilai ≥ 7,5, cukup < 7,5 dan kurang < 5 dengan criteria layak dengan batas 8.53
2. Setelan dilakukan quisioner terhadap GUI yang dibuat, maka
diperoleh nilai rata-rata sekitar 82. Hal ini menunjukkan bahwa GUI yang dibuat memenuhi standar SQA yakni 80,
meskipun demikian nilai tersebut belum bisa dikatakan sepenuhnya benar, karena audience yang menguji GUI ini hanya
5 orang yang dilakukan secara acak.
5.2 SARAN
Beberapa saran yang dapat dikemukakan, diantaranya sebagai berikut ini: 1. Perlu adanya kesiapan sistem yang berjalan dengan baik. Hal ini dilakukan agar sistem dapat memberikan dukungan
hasil keputusan untuk pimpinan 2. Pihak sekolah hendaknya dapat menerapkan model perangkat lunak dalam penelitian ini, sehingga proses pemilihan
kelayakan seorang guru dalam mendapatkan sertifikasi dapat lebih objektif dengan menilai kinerja dari beberapa
kompetensi yang dinilai dari sekolah. Hal ini tentu saja berlainan dengan proses pemilihan selama ini yang digunakan
secara manual. 3. Sistem yang digunakan harus mendukung untuk memberikan hasil yang terbaik. Dengan ditunjang Sarana dan prasarana yang
diperlukan terdiri dari hardware, software, dan infrastruktur yang baik. 4. Hasil penelitian ini perlu disosialisasikan kepada seluruh guru, sehingga guru dapat diberikan reward dan punishment
sebagai tindakan dari hasil kerjanya masing-masing. 5. Implikasi aspek manajerial dapat ditinjau dari Organisasi dan Suber Daya Manusia (SDM) diperlukan Standard
Operasional Prosedur (SOP) yang mengatur tata laksana operasional bidang Teknologi Informasi. 6. Perlu diadakannya penelitian lebih lanjut dengan jarak penelitian
2 sampai 3 tahun dengan menambah kriteria (variabel maupun indikator). DAFTAR PUSTAKA [1] Kusumadewi, S. (2002). ”Analisis & Design Sistem Fuzzy Menggunakan Tool Box Matlab” [2] Kusumadewi, S. (2004). “Aplikasi Logika Fuzzy Untuk Pendukung
Keputusan”, Yogyakarta: Graha Ilmu [3] Klir, George J, Yuan, Bo. (1995). “Fuzzy Sets and Fuzzy Logic, Theory and
Application” Prentice Hall International, Inc [4] Mangkoesapoetra, Arief. (2004). “Statistika: Analisa Multivariat. Seri
metode Kuantitatif”. Jakarta: STMIK Nusa Mandiri [5] Maman. (2006). “Sistem Pendukung Keputusan: Model Penentuan Siswa Teladan pada SMK YP-KARYA 1 Tangerangdengan
Pendekatan Logika
Fuzzy”. Jakarta: Universitas Budi Luhur [6] Marimin, Nurul. (2010). “Aplikasi Teknik Pengambila Keputusan dalam
Rantai Pasok” , Bogor: Cetakan 1 IPB Press. [7] Sri, Hari. (2010). “Aplikasi Logika Fuzzy untuk Pendukung Keputusan” . Yogyakarta: Edisi 2 Graha Ilmu. [8] Agusnaba. (2009). “Belajar Cepat Fuzzy Logic Menggunakan Matlab” . Yogyakarta: Andi [9] Sri Kusuma Dewi, Hartati, ”Neuro Fuzzy, Integrasi Sistem Fuzzy dan
Jaringan Syaraf” Yogyakarta: Graha Ilmu. [10] Efraim Turban., Jay E. Aronson., & Ting-Peng Liang. (2005). “Decision
Support System And Intelligent System – 7th Ed”, Pearson Education, Inc. Upper Saddle River, New Jersey. [11] Prabowo, Rahmadya. (2009). “Data maining dengan Matlab“ [12] Prabowo, Rahmadya. ( ). “Soft computing “ [13] Sri, Hari. (2010). “Aplikasi Logika Fuzzy Untuk Pendukung Keputusan“ [14] Fatoni. (2011). “Aplikasi Perhitungan Kalori Harian Penderita Diabetes
Melitus Menggunakan Logika Fuzzy”, Palembang, Universitas Bina Darma.