IMPLEMENTASI FUZZY LOGIC MAMDANI UNTUK MENENTUKAN KELAYAKAN

IMPLEMENTASI FUZZY LOGIC MAMDANI UNTUK MENENTUKAN KELAYAKAN CALON ANGGOTA TAMTAMA (CATAM) TENTARA NEGARA INDONESIA ANGKATAN DARAT (TNI-AD) Gusrio Tendra Akademi Manajemen Informatika dan Komputer “Tri Dharma” Pekanbaru [email protected]

Abstract. Fuzzy logic is a form of multi-valued logic derived from fuzzy set theory to deal with reasoning forecasts. Fuzzy provide a means to represent and process information linguistic and subjective attributes of the real world. Fuzzy logic is an extension Crisp Boolean Logic to handle the concept of partial truth. Use of Fuzzy Mamdani method in this study aims to determine the feasibility and inequities Member State Army Candidate Indonesia especially enlisted into an Army Soldier. Feasibility of a soldier assessed the level of speed, physical endurance, and discipline in the conduct Phase Selection. The system was designed by using fuzzy toolbox in Matlab is expected to be implemented to assist the management in the decision to choose a candidate Member State Army enlisted Indonesia in particular. Keywords: Fuzzy Logic, Mamdani, Matlab Abstrak. Fuzzy logic adalah bentuk logika multi-nilai yang berasal dari teori himpunan fuzzy untuk menangani penalaran perkiraan. Fuzzy menyediakan sarana untuk mewakili dan memproses informasi linguistik dan atribut subjektif dari dunia nyata. Logika fuzzy adalah perpanjangan Boolean Crisp Logic untuk menangani konsep kebenaran parsial. Penggunaan Metode Fuzzy Mamdani dalam penelitian ini bertujuan untuk menentukan kelayakan dan ketidaklayakan Calon Anggota Tentara Negara Indonesia khususnya Tamtama menjadi seorang Prajurit Angkatan Darat. Kelayakan seorang Prajurit dinilai dari tingkat Kecepatan, Ketahanan Fisik, serta Kedisiplinannya didalam melakukan Tahapan Seleksi. Sistem yang dirancang dengan menggunakan fuzzy toolbox pada Matlab diharapkan dapat di implementasikan untuk membantu pihak manajemen dalam mengambil keputusan untuk memilih Calon Anggota Tentara Negara Indonesia khususnya Tamtama. Kata Kunci: Fuzzy Logic, Mamdani, Matlab.

beberapa atribut dan fungsi keanggotaan mereka yang konsisten (Dereli et.al, 2010). Implementasi logika fuzzy juga telah diterapkan oleh Italian Triathlon Federation Roma dalam seleksi bakat pada Olympic Distance Triathlon yang bertujuan untuk mengoptimalkan sumber daya yang tersedia. Hal ini bertujuan untuk merancang strategi terbaik untuk mencapai hasil maksimal dalam bidang olahraga (Bottoni, 2011). Logika fuzzy juga dapat diterapkan dalam bidang pemasaran, untuk menentukan pelanggan terbaik. Hal ini berguna untuk meningkatkan daya beli konsumen terhadap produk yang dipasarkan. Penghargaan yang diberikan terhadap konsumen akan membuat konsumen sulit untuk mengalihkan pandangannya ke perusahaan lain yang sama-sama memasarkan produk yang sama (Siregar, 2013). Dalam pelaksanan kegiatan penerimaan Calon Anggota Tamtama (CATAM) ada beberapa

PENDAHULUAN Logika fuzzy sangat berguna dalam dua konteks umum yaitu dalam situasi yang melibatkan sistem yang sangat kompleks yang perilaku tidak dipahami dengan baik, dan dalam situasi di mana perkiraan, tapi cepat, solusi dijamin (Kaur, 2012). Logika fuzzy diterapkan dalam pengambilan keputusan yang sistematis yang meliputi teknik kualitatif dan kuantitatif. Sebuah pengambilan keputusan dan sistem evaluasi untuk perekrutan karyawan dapat menyederhanakan pekerjaan pengembangan sumber daya manusia di industri (Abhlamid et.al, 2013). Penerapan logika fuzzy juga dapat digunakan untuk mengevaluasi hasil wawancara dalam perekrutan karyawan sebuah perusahaan. Setiap atribut yang dievaluasi oleh pengambil keputusan untuk setiap pemohon kemudian dimasukkan ke dalam antarmuka fuzzy. Antarmuka fuzzy dapat dirancang dengan

1

2

Jurnal PI-Cache, Volume 5, Nomor 1, Maret 2016

tahapan test seleksi kekuatan fisik yang menjadi penilaian, seperti Kecepatan, Ketahanan Fisik, dan Kedisplinan. Dalam tahapan seleksi ini pelatih harus benar-benar melihat kemampuan terbaik dari Calon Anggota Tamtama (CATAM) dan menilai siapa yang layak menjadi Prajurit TNI-AD. Permasalahan yang muncul pada saat menentukan kelayakan Calon Anggota Tamtama (CATAM) yang layak menjadi Prajurit dan ketidaktepatan dalam memberikan kelayakan kepada Calon Prajurit yang dinilai subjektifitas oleh Calon Anggota Tamtama (CATAM). Sehingga kelayakan yang diberikan masih tidak pasti karena masih bersifat fuzzy (kabur/tidak jelas). Adapun kelayakan Calon Anggota Tamtama (CATAM) masih berdampak pada hasil yang diberikan kurang tepat. Salah satu metode yang dipakai untuk menentukan kelayakan adalah Metode Fuzzy Mamdani. TINJAUAN PUSTAKA Logika Fuzzy Logika fuzzy adalah alat matematika yang kuat untuk mewakili ketidakpastian di segala bidang. Peran logika fuzzy sangat penting bila diterapkan pada fenomena yang kompleks yang tidak mudah dijelaskan dengan metode matematika, terutama ketika tujuannya adalah untuk menemukan solusi pendekatan yang baik. Fuzzy set telah terbukti menjadi cara yang terkemuka untuk memecahkan masalah keputusan, di mana informasi yang tersedia adalah subjektif dan jelas (Banerje dan Ghosh, 2013). Dari banyak hal, logika fuzzy digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju ke output yang diharapkan. Logika fuzzy sangat berguna dalam dua konteks umum yaitu dalam situasi yang melibatkan sistem yang sangat kompleks yang perilaku tidak dipahami dengan baik, dan dalam situasi di mana perkiraan, tapi cepat, solusi dijamin (Kaur dan Kaur, 2012) Metode Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk memperoleh output, diperlukan 3 tahapan yaitu: 1. Pembentukan Himpunan Fuzzy (Fuzzifikasi)

Fuzzifikasi adalah suatu proses untuk merubah suatu masukan dari bentuk tegas (crisp) menjadi fuzzy (variabel linguistik) yang biasanya disajikan dalam bentuk himpunan-himpunan fuzzy dengan suatu fungsi keanggotaannya masing-masing. 2. Aplikasi Fungsi Implikasi (Aturan) Aplikasi Fungsi Implikasi berisikan aturanaturan fuzzy yang digunakan untuk mengontrol sistem. Aturan-aturan ini dibuat berdasarkan logika dan intuisi manusia, serta berkaitan erat dengan jalan pikiran dan pengalaman pribadi yang membuatnya. Jadi tidak salah bahwa aturan ini dikatakan tidak subjektif, tergantung dari ketajaman yang membuat. Aturan yang telah ditetapkan digunakan untuk menghubungkan antara variable-variabel masukan dengan variabelvariabel keluaran. Aturan ini berbentuk „JIKA-MAKA‟ (IF-THEN), sebagai contoh adalah: Aturan 1: Jika x adalah A1 dan y adalah B1 maka z adalah C1 Aturan 2: Jika x adalah A2 dan y adalah B2 maka z adalah C2 Aturan i: Jika x adalah A3 dan y adalah Bi maka z adalah Ci 3. Defuzzifikasi Defuzzifikasi dapat didefenisikan sebagai proses pengubahan besaran fuzzy yang disajikan dalam bentuk himpunan-himpunan fuzzy keluaran dengan fungsi keanggotaannya untuk mendapatkan kembali bentuk tegasnya (crisp). Hal ini diperlukan sebab dalam aplikasi nyata yang dibutuhkan adalah nilai tegas (crips). METODOLOGI PENELITIAN Dalam penelitian ini bertujuan untuk lebih memahami bagaimana cara yang tepat untuk menganalisa kelayakan Calon Anggota Tamtama (CATAM). Penelitian ini menggunakan metode fuzzy logic Mamdani. 1. Mengidentifikasi Permasalahan Pada tahap ini dirumuskan masalah yang akan menjadi objek penelitian. Perumusan masalah dilakukan untuk menentukan masalah apa saja yang terdapat pada objek penelitian serta memberikan batasan dari permasalahan yang akan diteliti. 2. Menganalisa Permasalahan Langkah analisis masalah adalah langkah untuk dapat memahami masalah yang telah ditentukan ruang lingkup atau batasannya.

Tendra, Implementasi Fuzzy Logic Mamdani Untuk Menentukan Kelayakan Calon Anggota Tamtama 1- 11

Dengan menganalisa masalah yang telah ditentukan tersebut. Teknik analisis yang digunakan dapat dilakukan dengan beberapa tahap berikut: a. Tahap identify yaitu, mengidentifikasi permasalahan yang terjadi. b. Tahap understand yaitu, memahami lebih lanjut tentang permasalahan yang ada dengan cara melakukan pengumpulan data yang dibutuhkan, yakni berupa Melakukan studi dari jurnal, buku, dan artikel di internet yang berhubungan penelitian, dan melakukan wawancara. c. Tahap analyze yaitu, mencari kelemahankelemahan sistem yang ada, dan mengumpulkan informasi tentang kebutuhan-kebutuhan lebih lanjut yang diperlukan oleh pemakai. 3. Mempelajari Literatur Berdasarkan permasalahan yang ada maka ditentukan tujuan yang akan dicapai dari penulisan ini. Pada tujuan ini ditentukan target yang akan dicapai, terutama yang dapat mengatasi masalah-masalah yang ada. Setelah masalah dianalisa, maka dipelajari literatur yang berhubungan dengan permasalahan tersebut. 4. Mengumpulkan Data Dalam pengumpulan data dapat dilakukan dengan beberapa cara, yaitu: a. Pengamatan b. Wawancara c. Studi pustaka 5. Analisa dan Rancangan Setelah menentukan metode yang akan digunakan maka selanjutnya adalah merancang sistem. Pada perancangan sistem akan dilakukan beberapa kegiatan sebagai berikut : a. Membuat variabel input, domain dan nilai keanggotaan pada fuzzy b. Membuat inferensi yang nantinya nilai fuzzy diubah ke bentuk bilang crisp c. Membuat rule-rule inferensi fuzzy yang telah ditentukan guna mendapatkan nilai yang diharapkan. d. Merancang arsitektur fuzzy logic Mamdani. 6. Menguji Perhitungan Fuzzy Logic Mamdani Setelah variabel dan rule-rule inferensi fuzzy ditentukan maka tahap selanjutnya ialah melakukan proses perhitungan secara manual terhadap data yang didapat sebagai acuan untuk membandingkan data yang dihitung

3

secara manual dengan data yang didapat dengan menggunakan sistem. 7. Implementasikan Fuzzy Logic Mamdani pada Matlab Pada tahap Implementasi penulis mengimplementasikan hasil perancangan sistem menggunakan TOOLBOX. Sistem diuji dengan melakukan pencocokan hasil dari analisa dan perancangan sistem yang telah dirancang untuk melihat konsistensi data. 8. Menguji Hasil Evaluasi akhir yang dirancang untuk mengetahui apakah sistem yang dirancang tersebut sesuai yang diharapkan. Evaluasi dilakukan untuk membandingkan hasil yang didapatkan pada tahap perancangan sistem yang dibuat secara manual dan membandingkannya dengan hasil yang didapatkan dengan menggunakan sistem (MATLAB). 9. Menarik Kesimpulan Pada tahap ini penulis melakukan kesimpulan penelitian yang telah dilakukan untuk menganalisa kelayakan Calon Anggota Tamtama (CATAM) pada KOREM 031WIRABIMA Pekanbaru-Riau. HASIL DAN PEMBAHASAN Analisa Masalah Dalam melakukan analisa data pada penelitian ini dilakukan dengan menggunakan fuzzy logic Mamdani. Di mana logika fuzzy adalah logika yang dapat mereprentasikan keadaan linguistik seperti sedikit, lumayan, banyak dan sebagainya. Oleh karena itu fuzzy logic dapat memungkinakan nilai keanggotaan antara 0 sampai dengan 1 atau sesuatu dapat dinyatakan sebagian benar atau sebagian salah pada saat yang sama. Fuzzy logic juga mempunyai tingkat toleransi pada data yang diolah tanpa mengabaikan kaidah dari data tersebut. Identifikasi data untuk evaluasi belajar mahasiswa dilakukan dengan menentukan variabel yang diperlukan dalam pengolahan dan analisis, di mana variabel / kriteria untuk dapat menentukan kelayakan Calon Anggota Tamtama (CATAM) adalah Kecepatan, Ketahanan, dan Kedisiplinan Perancangan Sistem Setelah dilakukan analisa terhadap data yang ada, maka tahap yang berikutnya dilakukan desain sistem. Desain sistem dilakukan berdasarkan variabel-variabel input, proses, output. Pada bagian desain ini penulis akan

4


membahas mengenai perancangan dari model yang akan digunakan dalam mendapatkan daftar Calon Anggota Tamtama (CATAM) yang layak menjadi Anggota Tamtama. Pada perancangan ini penulis akan menentukan pengkodean dari item-item yang akan digunakan di dalam melakukan perekrutan Anggota Tamtama. Berikut ini akan ditampilkan bagaimana sistem fuzzy Mamdani dapat melakukan seleksi kelayakan untuk mendapatkan kandidat Anggota Tamtama melalui proses fuzzy Mamdani pada gambar 1 berikut ini:

Gambar

1.

Arsitektur Fuzzy Mamdani Kelayakan CATAM

Input Data Input data merupakan langkah awal dalam memberikan tanggapan dari sistem inferensi fuzzy di mana dengan diinputkan data tersebut maka proses pengolahan akan berlangsung / dimulai. Data yang akan diinputkan adalah tabel data Calon Anggota Tamtama (CATAM) pada KOREM 031 Wirabima Pekanbaru-Riau. Tabel 1: Data Catam Berdasarkan Test Kekuatan Fisik

Data yang telah disebutkan pada tabel 1 di atas merupakan sebagian dari beberapa data Calon Anggota Tamtama (CATAM) yang terdapat pada KOREM 031 Wirabima Pekanbaru-Riau tahun 2015. Setelah data Calon Anggota Tamtama (CATAM) didata seperti di atas, maka disusunlah cara-cara untuk mengklasifikasikan data Calon Anggota Tamtama (CATAM) tersebut menjadi suatu kesimpulan bahwasanya seorang Calon Anggota Tamtama (CATAM) dapat menjadi Anggota Tamtama. Adapun Calon Anggota

Tamtama (CATAM) yang dapat dikategorikan layak sebagai Anggota Tamtama adalah seorang CATAM yang mampu menyelesaikan tahapan test fisik dengan nilai dan waktu yang terbaik. 1. Kecepatan Pada variabel Kecepatan memiliki 3 (Tiga) himpunan fuzzy yaitu “Rendah”, “Sedang”, dan “Tinggi”. Pada kriteria ini penulis memberikan kesimpulan tentang data Kecepatan yang didapat, di antaranya penulis menyimpulkan bahwa yang termaksud himpunan “Rendah” jika catatan waktu yang didapat 15:33 – 21:10 Menit, yang termaksud himpunan “Sedang” jika catatan waktu yang didapat 13:15 – 15:41 Menit, dan yang termaksud himpunan “Tinggi” jika catatan waktu yang didapat 0 - 15:33 Menit. 2. Ketahanan Pada variabel Ketahanan memiliki 3 (Tiga) himpunan fuzzy yaitu “Rendah”, “Sedang”, dan “Tinggi”. Pada kriteria ini penulis memberikan kesimpulan tentang data Ketahanan yang didapat, di antaranya penulis menyimpulkan bahwa yang termaksud himpunan “Rendah” jika nilai Ketahanan 0-30, yang termaksud himpunan “Sedang” jika nilai Ketahanan 20–37, dan yang termaksud himpunan “Tinggi” jika nilai Ketahanan 3045. 3. Kedisiplinan Pada variabel Kedisiplinan memiliki 3 (Tiga) himpunan fuzzy yaitu “Rendah”, “Sedang”, dan “Tinggi”. Pada kriteria ini penulis memberikan kesimpulan tentang data Kedisiplinan yang didapat, di antaranya penulis menyimpulkan bahwa yang termaksud himpunan “Rendah” jika catatan waktu yang didapat 21:00 – 25:09 Menit, yang termaksud himpunan “Sedang” jika catatan waktu yang didapat 18:09 – 21:09 Menit, dan yang termaksud himpunan “Tinggi” jika catatan waktu yang didapat 0 – 20:09 Menit. Tabel 2. Himpunan Fuzzy Mamdani Kelayakan CATAM


Perancangan Model Sistem Fuzzy Mamdani Dalam menyelesaikan permasalahan ini dengan menggunakan sistem fuzzy dapat digunakan langkah-langkah sebagai berikut: 1. Fuzzyfikasi Melakukan spesifikasi masalah dan mendefinisikan linguistik variabel, menentukan variabel input dan variabel output. Pada permasalahan ini yang menjadi input adalah Kecepatan, Ketahanan, dan Kedisiplinan. Untuk output dari penelitian ini adalah rekomendasi kelayakan Calon Anggota Tamtama (CATAM). Awalnya akan dirancang knowledge base yaitu input dan output membership function serta fuzzy if then rule. Pembuatan fuzzy if then rule diekstrak berdasarkan kemampuan manusia, berikut akan dimasukkan nilai dalam tahapan pertama atas nama Josafat dengan waktu tempuh Kecepatan = 13,21 , Ketahanan = 35, dan Kedisiplinan = 17,02. a. Kecepatan terdiri dari 3 himpunan fuzzy, Rendah, Sedang dan Tinggi.

μ Rendah x 0, z − 15,33 = , 15,41 − 15,33 1,

5

x ≤ 15,33 15,33 ≤ x ≤ 15,41 x ≥ 15,41

Nilai keanggotaan himpunan Rendah, Sedang, dan Tinggi dari variabel Kecepatan bisa dicari dengan cara sebagai berikut, di mana variabel data Calon Anggota Tamtama (CATAM) pertama sebagai acuan dengan catatan waktu 13.21. µTinggi [13.21] = (15.33-13.21) / (15.3313.15) = 0.97 µSedang [13.21] = (13.27-13.15) / (15.3313.15) = 0.03 µRendah [13.21] = 0 Untuk fuzzyfikasi data Calon Anggota Tamtama (CATAM) lainnya sama dengan perhitungan fuzzyfikasi di atas, atas nama Josafat. Berikut tabel 3 Hasil perhitungan fuzzyfikasi data Calon Anggota Tamtama (CATAM) dengan variabel Kecepatan.

Tabel 3: Hasil Fuzzyfikasi Variabel Kecepatan

Gambar 2: Fungsi Keanggotaan Kecepatan Fungsi keanggotaan pada variabel Kecepatan dapat dirumuskan sebagai berikut.

μ Tinggi x 1, x ≤ 13,15 15,33 − z = , 13,15 ≤ x ≤ 15,33 15,33 − 13,15 0, x ≥ 15,33 b. Ketahanan terdiri dari tiga himpunan variabel fuzzy, Rendah, Sedang dan Tinggi. μ Sedang x 0, x ≤ 13,15/ x ≥ 15,41 z − 13,15 , 13,15 ≤ x ≤ 15,33 = 15,33 − 13,15 15,41 − x , 15,33 ≤ x ≤ 15,41 15,41 − 15,33

6


Gambar 3 Fungsi Keanggotaan Variabel Ketahanan Fungsi keanggotaan pada variabel Ketahanan dapat dirumuskan sebagai berikut:

μ Rendah x 1, 30 − z = 30 − 20 0, μ Sedang x 0, z − 20 = 30 − 20 37 − x 37 − 30 μ Tinggi x 0, z − 30 = 37 − 30 1,

x ≤ 20 ,

20 ≤ x ≤ 30 x ≥ 30 ≤ 20/ x ≥ 30

,

20 ≤ x ≤ 30

,

30 ≤ x ≤ 37 x ≤ 30

,

30 ≤ x ≤ 37 x ≥ 37

Nilai keanggotaan himpunan Redah, Sedang dan Tinggi dari variabel Ketahanan dapat dicari dengan cara sebagai berikut. Dimana variabel Ketahanan data Calon Anggota Tamtama (CATAM) pertama sebagai acuan dengan jumlah Ketahanan = 35. µRendah [35] = 0 µSedang [35] = (37-35) / (37-27) = 0.3 µTinggi [35] = 0.7 Untuk fuzzyfikasi data Calon Anggota Tamtama (CATAM) lainnya sama dengan perhitungan fuzzyfikasi di atas, atas nama Josafat. Berikut tabel 4 Hasil perhitungan fuzzyfikasi data Calon Anggota Tamtama (CATAM) dengan variabel Ketahanan. Tabel 4: Hasil Fuzzyfikasi Variabel Ketahanan

Gambar 4 Fungsi Keanggotaan Variabel Kedisiplinan Fungsi keanggotaan pada Kedisiplinan dapat dirumuskan berikut:

variabel sebagai

μ Tinggi x 1, x ≤ 18,09 20,9 − z = , 18,09 ≤ x ≤ 20,09 20,9 − 18,09 0, x ≥ 20,09 μ Sedang x 0, x ≤ 18,09/ x ≥ 21,09 z − 18,09 , 18,09 ≤ x ≤ 20,09 = 20,09 − 18,09 21,09 − x , 20,09 ≤ x ≤ 210,9 21,09 − 20,09 μ Rendah x 0, x ≤ 21,0 z − 21,09 = , 21,0 ≤ x ≤ 21,09 21,09 − 21,0 1, x ≥ 21,09 Nilai keanggotaan himpunan Rendah, Sedang dan Tinggi dari variabel Kedisiplinan dapat dicari dengan cara sebagai berikut. Dimana variabel Kedisiplinan data Calon Anggota Tamtama (CATAM) pertama sebagai acuan dengan catatan waaktu Kedisiplinan = 17.02. µTinggi [17.02] = 1; µSedang [17.02] = 0; µRendah [17.02] = 0 Untuk fuzzyfikasi data Calon Anggota Tamtama (CATAM) lainnya sama dengan perhitungan fuzzyfikasi di atas, atas nama Josafat. Berikut tabel 5 Hasil perhitungan fuzzyfikasi data Calon Anggota Tamtama (CATAM) dengan variabel Kedisiplinan. Tabel 5 Hasil Fuzzyfikasi Variabel Kedisiplinan

c. Kedisiplinan terdiri dari tiga himpunan variabel fuzzy, Rendah, Sedang dan Tinggi.


μCukup Layak 0, z − 30 = 50 − 30 70 − x 70 − 50 μLayak x 0, z − 50 = 70 − 50 80 − x 80 − 70 Variabel Output (Hasil) Rekomendasi Kelayakan terdiri dari empat himpunan variabel fuzzy, Tidak Layak, Kurang Layak, Cukup Layak, Layak, dan Sangat Layak.

x

7

x ≤ 30/x ≥ 70

,

30 ≤ x ≤ 50

,

50 ≤ x ≤ 70 x ≤ 30/x ≥ 80

,

50 ≤ x ≤ 70

,

70 ≤ x ≤ 80

μSangat Layak x 0, z − 70 = , 80 − 70 1,

x ≤ 70 70 ≤ x ≤ 80 x ≥ 80

2. Linguistic Rules Di sini dilakukan pemetaan dari Input dan Output pada sistem fuzzy, yang akhirnya akan di setting ke dalam bentuk Condition dan Action. Hal ini bisa disebut dengan IF – Then – Rule, dengan format If Antecedent then Consequent. Antecedent yang dimaksud adalah Input dari sistem fuzzy, sedangkan untuk Consequent diasosiasikan terhadap Output.

Gambar 5. Fungsi Variabel Kelayakan

Keanggotaan

Output

Fungsi keanggotaan pada variabel Rekomendasi Kelayakan dapat dirumuskan sebagai berikut:

μTidak Layak x 1, 30 − z = , 30 − 20 0, μKurang Layak x 0, z − 20 , = 30 − 20 50 − x , 50 − 30

x ≤ 20 20 ≤ x ≤ 30 x ≥ 30 ≤ 20/ x ≥ 50 20 ≤ x ≤ 30 30 ≤ x ≤ 50

Tabel 6: Hasil Fuzzyfikasi Input Data Josafat Varia Kecep Ketaha Kedisipli bel atan nan nan µRend µRenda µRendah ah h [35] = [17.02] = [13.21] 0 0 =0 µSedan µSedan µSedang Himpu g g[35] = [17.02] = nan [13.21] 0.3 0 = 0.03 µTingg µTinggi µTinggi[1 i [35] = 7.02] = 1 [13.21] 0.7 = 0.97 Tiga variabel masukan dan sebuah variabel keluaran yang telah didefinisikan dengan melakukan analisa data batas tiap-tiap himpunan fuzzy pada tiap-tiap variabelnya maka dibentuk 19 rule (aturan) fuzzy dalam menentukan rekomendasi kelayakan untuk menjadi Anggota Tamtama, yaitu: 1. IF Kecepatan = Rendah Then Rekomendasi = Tidak Layak.

8


2. IF Kecepatan = Sedang AND Ketahanan = Rendah AND Kedisplinan = Rendah Then Rekomendasi = Kurang Layak. 3. IF Kecepatan = Sedang AND Ketahanan = Rendah AND Kedisiplinan = Sedang Then Rekomendasi = Kurang Layak. 4. IF Kecepatan = Sedang AND Ketahanan = Sedang AND Kedisiplinan = Rendah Then Rekomendasi = Kurang Layak. 5. IF Kecepatan = Tinggi AND Ketahanan = Rendahi AND Kedisiplinan = Rendah Then Rekomendasi = Cukup Layak. 6. IF Kecepatan = Tinggi AND Ketahanan = Rendah AND Kedisiplinan = Sedang Then Rekomendasi = Cukup Layak. 7. IF Kecepatan = Tinggi AND Ketahanan = Rendah AND Kedisiplinan = Tinggi Then Rekomendasi = Cukup Layak. 8. IF Kecepatan = Sedang AND Ketahanan = Tinggi AND Kedisiplinan = Tinggi Then Rekomendasi = Layak. 9. IF Kecepatan = Tinggi AND Ketahanan = Sedang AND Kedisiplinan = Sedang Then Rekomendasi = Layak. 10. IF Kecepatan = Tinggi AND Ketahanan = Sedang AND Kedisiplinan = Tinggi Then Rekomendasi = Layak. 11. IF Kecepatan = Tinggi AND Ketahanan = Tinggi AND Kedisiplinan = Rendah Then Rekomendasi = Cukup Layak. 12. IF Kecepatan = Tinggi AND Ketahanan = Tinggi AND Kedisiplinan = Sedang Then Rekomendasi = Layak. 13. IF Kecepatan = Sedang AND Ketahanan = Rendah AND Kedisiplinan = Tinggi Then Rekomendasi = Cukup Layak. 14. IF Kecepatan = Sedang AND Ketahanan = Sedang AND Kedisiplinan = Sedang Then Rekomendasi = Cukup Layak. 15. IF Kecepatan = Sedang AND Ketahanan = Sedang AND Kedisiplinan = Tinggi Then Rekomendasi = Cukup Layak. 16. IF Kecepatan = Sedang AND Ketahanan = Tinggi AND Kedisiplinan = Rendah Then Rekomendasi = Cukup Layak. 17. IF Kecepatan = Sedang AND Ketahanan = Tinggi AND Kedisiplinan = Sedang Then Rekomendasi = Cukup Layak. 18. IF Kecepatan = Tinggi AND Ketahanan = Sedang AND Kedisiplinan = Rendah Then Rekomendasi = Cukup Layak. 19. IF Kecepatan = Tinggi AND Ketahanan = Tinggi AND Kedisiplinan = Tinggi Then Rekomendasi = Sangat Layak.

Uji data pertama atas nama Josafat dengan input nilai kecepatan 13.21, nilai ketahanan 35, dan nilai kedisiplinan 17.02, dari uji data tersebut didapatlah rule ke 10, rule ke 15, dan rule ke 19 yang memiliki nilai sebagai berikut: [R10] IF Kecepatan = Tinggi AND Ketahanan = Sedang AND Kedisiplinan = Tinggi Then Rekomendasi = Layak. α-predikat 10 = µKecepatan Tinggi ^ µKetahanan Sedang ^ µKedisiplinan Tinggi. = Min(µTinggi[13.21] µSedang[35] ^ µTinggi[17.02] = Min(0.97; 0.3; 1) = 0.3

Gambar 6: Aturan Fuzzy 10 Komposisi Rule Dari aplikasi fungsi implikasi dari tiap aturan, digunakan metode MAX untuk melakukan komposisi antarsemua aturan. Berikut ini gambar 7 komposisi keseluruhan aturan fuzzy.

Gambar 7: Komposisi Seluruh Aturan (Rule) Rekomendasi Berdasarkan data gabungan seperti pada gambar 7, maka kita bisa melihat di mana gambar lebih dominan pada garis himpunan Layak.


Gambar 8: Hasil Komposisi Arsir

9

menggunakan metode Mamdani dapat dilakukan dengan menggunakan Tool yang mendukung untuk menyelesaikan penelitian ini, salah satunya adalah dengan Toolbox fuzzy menggunakan Matlab Versi R2008a. Software ini berfungsi untuk menghitung nilai variabel Calon Anggota Tamtama (CATAM) yang melakukan test kekuatan fisik dalam perekrutan Prajurit Tamtama. Data yang digunakan ialah dalam bentuk linguistik. Bentuk rule yang diuji dengan menggunakan Software Matlab dengan kasus evaluasi sistem di atas dengan memasukan nilai variabel pada input data pertama atas nama Josafat di form Editor rule [13.21 35 17.2] dapat dilihat pada gambar 9 berikut:

Defuzzyfikasi (Tegas) Metode penegasan yang akan digunakan adalah metode centroid. Rumus yang digunakan adalah (2, 6): Z=(30*0)+(40*0.03)+(50*0.03)+(60*0.3)+(70 *0.3)+(80*0.7)+(90*0.7)+(100*0.7) / 0+0.03+0.03+0.3+0.3+0.7+0.7+0.7 z = 83.5 Jadi dari hasil proses Defuzzyfikasi di atas dapat dilihat bahwa data Calon Anggota Tamtama (CATAM) atas nama Josafat dengan nilai 83.5 sehingga bisa disimpulkan bahwa Calon Anggota Tamtama (CATAM) atas nama Josafat “Sangat Layak” untuk direkomendasikan. Dalam perhitungan Defuzzyfikasi Calon Anggota Tamtama (CATAM) lainnya dapat dilakukan dengan cara yang sama seperti di atas. Tabel 7. Hasil Defuzzyfikasi Data Calon Anggota Tamtama (CATAM)

IMPLEMENTASI Implementasi data Calon Anggota Tamtama (CATAM) dengan logika fuzzy dengan

Gambar 9 : Editor Rule Evaluasi Atas Nama Josafat Pada gambar 9 telah dimasukkan nilai variabel evaluasi untuk mendapatkan nilai rekomendasi, terlihat bahwa hasil rekomendasi menyatakan Lulus dengan nilai selisih dari hitung manual 83,5 dengan sistem 80,5 dan dinyatakan Sangat Layak. Dari gambar 5.7 dapat kita tampilkan dalam bentuk tampilan grafik yang disebut dengan surface viewer pada Rekomendasi dan ditampilkan pada gambar 10 berikut:

10


Gambar 10: Surface Viewer Rekomendasi Atas Nama Josafat Dalam perhitungan Defuzzyfikasi Calon Anggota Tamtama (CATAM) lainnya dapat dilakukan dengan cara yang sama seperti di atas. Tabel

8.

Hasil Selisih Perhitungan Defuzzyfikasi Data Calon Anggota Tamtama (CATAM)

SIMPULAN Dari hasil penelitian ini baik yang dihitung secara manual maupun dengan bantuan Matlab dalam menganalisa metode Mamdani berbasis logika fuzzy maka dapat ditarik beberapa kesimpulan: 1. Logika fuzzy dapat digunakan untuk mengembangkan model dan menganalisa kelayakan dan ketidak layakan Calon Anggota Tamtama (CATAM). 2. Sistem yang telah dirancang dapat di implementasikan untuk membantu pihak manajemen dalam mengambil keputusan

untuk memilih Calon Anggota Tamtama (CATAM). 3. Pada perangkat lunak ini logika fuzzy berhasil dimasukkan kedalam proses Matlab. 4. Visualisasi Metode Mamdani proses dapat memudahkan user dalam menyelesaikan perhitungan penerimaan Calon Anggota Tamtama (CATAM) yang melibatkan beberapa alternatif untuk menghasilkan sebuah keputusan yang tepat dan benar berdasarkan kriteria tertentu dengan penilaian riil dan preferensi. 5. Dengan visualisasi dapat diketahui langkah-langkah dalam penyelesaian permasalahan dengan menggunakan metode Mamdani. 6. Dari hasil perhitungan Metode Mamdani didapat kelayakan dan ketidak layakan Calon Anggota Tamtama (CATAM) mana saja yang menjadi prioritas utama untuk dijadikan rekomendasi tersebut. 7. Perangkat lunak ini hanya memberikan nilai derajat rekomendasi, keputusan yang sebenarnya tergantung pada pengguna. DAFTAR RUJUKAN [1] Ablhamid, R. K., Santoso, B., & Muslim, M. A. (2013). Decision Making And Evaluation System For Employee Recruitment Using Fuzzy Analytic Hierarchy Process. Interational Refereed Journal Of Engineering And Science (IRJES) ISSN (Online) 2319-183X, (Print) 2319-1821 Volume 2, Issue7, 1-8. [2] Banerjee, R., & Ghosh, D. N. (2013). Faculty Recruitment In Engineering Organization Through Fuzzy MultiCriteria Group Decision Making Methods. International Journal Of UAnd E- Science And Technology, 1-16. [3] Bottoni, A., Gianfelici, A., Tamburri, R., & Faina, M. (2011). Talent Selecion Criteria For Olympic Distance Triathon. Journal Of Human Sport And Exercise ISSN 1988-52, 1-12. [4] Dereli, T. (2010). A Fuzzy Approach For Personal Selection Process. Turkish Journal Of Fuzzy System (eISSN: 13091190) An Official Journal Of Turkish Fuzzy System Association Vol.2, 1-15. [5] Harmoko, i. W. (2012). Prototipe Model Prediksi Peluang Kejadian Hujan Menggunakan Metode Fuzzy Logic Tipe Mamdani dan Sugeno. Jurnal TICOM Vol.1 No.1, 59-70.


[6] Irmawan, D., & Herusantoso, K. (2011). Penerapan Logika Fuzzy Sebagai Sistem Pendukung Keputusan Prakiraan Cuaca. Konferensi Teknologi Informasi dan Komunikasi Untuk Indonesia, 1-10. [7] Kamboj, V., & Kaur, A. (2013). Comparison Of Constant Sugeno-Type And Mamdani-Type Fuzzy Inference System For Load Sensor. International Journal Of Soft Computing And Engineering (IJSCE) ISSN: 2231-2307, Volume-3, Issue-2, 1-4. [8] Kaur, A., & Kaur, A. (2012). Comparison Of Mamdani-Type And Sugeno-Type Fuzzy Inference System For Air Conditioning System. International Journal Of Soft Computing And Engineering (IJSCE) ISSN: 2231-2307, Volume-2, Issue-2, 1-3. [9] Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Edisi 2. Yogyakarta: Graha Ilmu. [10] Mustafidah, H., & Aryanto, D. (2012). Sistem Inferensi Fuzzy Untuk Memprediksi Prestasi Belajar Mahasiswa Berdasarkan Nilai Ujian Nasional, Tes Potensi Akademik, dan Motivasi Belajar. JUITA ISSN: 20869398 Vol. II No 1, 1-7. [11] Ojokoh, Omisore, Samuel, & Ogunniyi. (2012). A Fuzzy Logic Based Personalized Recommender System. International Journal Of Computer Science And Information Technology & Security (IJCSITS), ISSN: 2249-9555, Vol 2, NO 5, 1-8. [12] Poonam. (2012). Uncertainty Handlin Fuzzy Logic In Rule Based System. International Journal Of Advanced Science And Technology Vol. 45, 1-16. [13] Siregar, S. H. (2013). Sistem Penunjang Keputusan Untuk Menentukan Pelanggan Terbaik Menggunakan Metode Fuzzy Mamdani. Pelita Informatika Budi Dharma, Volume: IV, Nomor: 2, 1-5. [14] Tarigan, P. (2013). Sistem Pengendali Pendingin Ruangan Menggunakan Fuzzy Logic Berbasis MIcrocontroler ATMega 8535. Informasi dan Teknologi Ilmiah (INTI) ISSN: 2339-219X Volume 1, Nomor 1, 1-7. [15] Triayudi, A. (2012). Analisa Sistem Penilaian Kinerja Guru Menggunakan

11

Fuzzy Inference System Mamdani: Studi Kasus UPT Dinas Pendidkan Kec. Penengahan Lampung Selatan. Jurnal TICOM Vol.1 No 1, 24-28.

IMPLEMENTASI FUZZY LOGIC MAMDANI UNTUK MENENTUKAN KELAYAKAN

Recommend Documents