SISTEM PAKAR BERBASIS FUZZY UNTUK MENENTUKAN PENERIMA

Jurnal Pendidikan dan Teknologi Informasi Vo. 2, No. 1, September 2015, Hal. 52-63 Copyright©2015 by LPPM UPI YPTK Padang

ISSN : 2355-9977

Sistem Pakar Berbasis Fuzzy Untuk Menentukan Penerima Beasiswa Kopertis (Studi Kasus UMMY Solok) Meryatul Husna Universitas Putra Indonesia YPTK Padang, Indonesia e-mail : [email protected]

Abstract Artificial intelligence is one part knowladge computer that makes the computer can perform such work and best done by humans. Therefore, the computer should also be given a stock of knowledge, and ability to reason. Expert systems as a branch of artificial intelligence trying to adopt human knowledge to solve problems kekomputer for such an expert. One method that is used in an expert system is fuzzy logic. In this research, fuzzy logic is used to assist in the uncertainty of language used by experts in selecting students who passed in receiving a scholarship. Fuzzy logic fuzzy databases used were tahani. The principle of fuzzy tahani with regular database, only more emphasized in the assessment of degrees of membership for each variable. The results of this research is to develop a fuzzy expert system that helps the university to determine which eligible students receive scholarships. In the test phase the authors use the software Visual Basic 6.0 and MYSQL database. Keywords

1.

: Artificial Intelligence, Fuzzy Expert System, Fuzzy Database.

PENDAHULUAN

Beasiswa merupakan pemberian bantuan keuangan dan dukungan yang diberikan kepada perorangan untuk kelangsungan pendidikan yang ditempuh (www.wikipedia.org). Beasiswa dapat diberikan oleh lembaga pemerintah, swasta ataupun yayasan. Beasiswa diberikan untuk membantu biaya pendidikan, dan mendorong prestasi belajar mahasiswa. Oleh karena itu tidak semua berhak mendapatkan beasiswa. Ada ketentuan yang ditetapkan agar bisa mendapatkannya. Kopertis merupakan suatu instansi pemerintah yang peduli terhadap kelangsungan pendidikan. Kopertis selalu membantu dengan berbagai cara, diantaranya pemberian beasiswa pada mahasiswa. Kopertis setiap tahunnya selalu memberikan beasiswa kepada perguruan tinggi swasta yang ada dalam wilayahnya. Universitas Mahaputra Muhammad Yamin (UMMY) Solok merupakan salah satu perguruan tinggi swasta yang berada didalam wilayah kopertis X. Dimana mayoritas mahasiswa yang berkuliah pada UMMY Solok berasal dari kalangan menengah kebawah. Sehingga banyak mahasiswa yang ingin mendapatkan beasiswa untuk membantu melanjutkan perkuliahannya. Selama ini UMMY Solok menyalurkan beasiswa tersebut hanya berdasarkan rekomendasi jurusan. Hal ini menyebabkan beasiswa diberikan kepada mahasiswa yang kurang tepat menerimanya. Karena ada kemungkinan jurusan hanya merekomendasikan mahasiswa yang dikenal oleh jurusan saja. Sehingga sering terjadi kecemburuan oleh mahasiswa lain. Sistem pakar (Expert System) adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut (Martin dan Oxman, 1998). Pembangunan sebuah sistem pakar dilakukan untuk memecahkan masalah spesifik yang membutuhkan keahlian tertentu. Untuk membangun sistem pakar, pengetahuan sang pakar diimplementasikan kedalam sistem yang kemudian disimpan dalam basis pengetahuan. Sistem

52


ISSN : 2355-9977

pakar sebagai alternatif pengambilan keputusan sangat dibutuhkan untuk menyelesaikan masalah, bahkan yang tidak terpecahkan oleh pemrograman konvensional. Dalam membantu membangun sistem pakar ada beberapa teknik yang digunakan, salah satunya fuzzy. Fuzzy logic (logika samar) merupakan suatu logika yang dapat merupakan suatu logika yang dapat merepresentasikan keadaan yang ada di dunia nyata (Ismail N, Jane, Vha, Enric dan Zevy_r. , 2006). Pada dasarnya logika samar berhubungan dengan manusia menangani ketidaktepatan (imprecise) dan informasi yang tidak pasti (uncertain). Ia menirukan bagaimana manusia menggunakan perkiraan pertimbangan (approximate reasoning) dalam hal berhubungan dengan ketidaktepatan (impression), ketidakpersisan (inexactness), kerancuan (ambiguity), ketidak jelasan (vagueness), kekualitatifan (qualitativeness), subjektifitas (subjectivity) dan persepsi (perception) yang dialami setiap hari dalam pengambilan keputusan. Logika samar mampu menangani istilah–istilah samar seperti quite (sungguh) very (amat) dan extremely (ekstrim) yang normal dipakai dalam bahasa sehari–hari.

2.

LANDASAN TEORI

Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Oleh karena itu komputer juga harus diberi bekal pengetahuan, dan mempunyai kemampuan untuk menalar (Kusumadewi, 2003). Sistem pakar (Expert System) secara umum adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Atau dengan kata lain sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli. Diharapkan dengan sistem ini, orang awam dapat menyelesaikan masalah tertentu baik „sedikit‟ rumit ataupun rumit sekalipun „tanpa‟ bantuan para ahli dalam bidang tersebut. Sedangkan bagi para ahli, sistem ini dapat digunakan sebagai asisten yang berpengalaman. (Kusumadewi, 2003). Suatu sistem dikatakan sistem pakar apabila memiliki ciri-ciri sebagai berikut (Kusumadewi, 2003): 1. Terbatas pada domain keahlian tertentu 2. Dapat memberikan penalaran untuk data-data yang tidak pasti 3. Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara yang dapat dipahami 4. Berdasarkan pada kaidah atau rule tertentu 5. Dirancang untuk dikembangkan sacara bertahap 6. Keluarannya atau output bersifat anjuran. Adapun banyak manfaat yang dapat diperoleh dengan mengembangkan sistem pakar, antara lain (Kusumadewi, 2003): 1. Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang tertentu tanpa kesadaran langsung seorang pakar 2. Meningkatkan produktivitas kerja, yaitu bertambahnya efisiensi pekerjaan tertentu serta hasil solusi kerja 3. Penghematan waktu dalam menyelesaikan masalah yang kompleks 4. Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan berulangulang 5. Pengetahuan dari seorang pakar dapat dikombinasikan tanpa ada batas waktu 6. Memungkinkan penggabungan berbagai bidang pengetahuan dari berbagai pakar untuk dikombinasikan.

53


ISSN : 2355-9977

Adapun arsitektur sistem pakar terlihat pada gambar 2.2 berikut ini : Lingkungan Konsultasi

Lingkungan Pengembang

Pemakai Fakta Tentang Kejadian Tertentu

Antar Muka (Interface)

Basis Pengetahuan Fakta dan Aturan

Fasilitas Penjelasan

Knowledge Engineer

Akuisisi Pengetahuan

Mesin Inferensi Pakar

Aksi yang Di rekomendasikan Workplace

Perbaikan pengetahuan

Gambar 2.2 Arsitektur Sistem Pakar Komponen-komponen yang biasanya terdapat dalam sebuah sistem pakar terdiri dari: 1. Antarmuka pengguna (user interface) 2. Basis pengetahuan (knowledge base) 3. Akuisisi pengetahuan (knowledge acqusition) 4. Mesin inferensi 5. Memori kerja (working memory) 6. Subsistem penjelasan (explanation subsystem) 7. Perbaikan pengetahuan Secara umum, fuzzy logic adalah sebuah metodologi “berhitung” dengan variable kata-kata (linguistic variable), sebagai penggantian berhitung dengan bilangan. Kata-kata yang digunakan dalam logika fuzzy memang tidak sepresisi bilangan, namun kata-kata jauh lebih dekat dengan intuisi manusia (Eng Agus Naba, 2009). Salah satu contoh pemetaan suatu input-output dalam bentuk grafis seperti terlihat pada gambar 2.3: Ruang Input (Semua total persediaan barang yang mugkin)

Persediaan Barang Akhir Minggu

Ruang Output (Semua jumlah produksi barang yang mungkin)

Kotak Hitam Persediaan Barang Esok Hari

Pemetaan input-output pada masalah produksi “Diberikan data persediaan barang, berapa jumlah barang yang harus diproduksi?

Gambar 2.3 Pemetaan Input Output Pendapat lain dari (Sri Kusumadewi dan Hari Purnomo, 2010), Himpunan fuzzy (fuzzy set) adalah adalah sebuah himpunan di mana keanggotaan dari tiap elemennya tidak mempunyai batas yang jelas. Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µ A(x), memiliki dua kemungkinan, yaitu: Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Logika fuzzy didalam sistem pakar diaplikasikan untuk menangani ketidakpastian bahasa yang digunakan oleh pakar ketika mengungkapkan dengan kata-kata pengetahuan mengenai domain tertentu. Derajat ketidakpastian digunakan tidak hanya digunakan dalam 54


ISSN : 2355-9977

mempresentasikan pengetahuan pakar, tetapi juga dalam pemrosesan tugas-tugas pakar. Pengetahuan dipresentasikan dalam sistem pakar fuzzy menggunakan variabel linguistik, nilai linguistik, fungsi keanggotaan dan rule ( Irfan Subakti, 2006 ). Sebagian besar basis data standar diklasifikasikan berdasarkan bagaimanan data tersebut dipandang oleh user dan menggunakan query untuk mencari data yang diinginkan. Namun terkadang dibutuhkan suatu basis data yang bersifat ambigous, maka digunakan basis data fuzzy. Salah satu diantaranya adalah model tahani. Basis data fuzzy model tahani masih menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada querynya (Agus Purwanto, 2008)

3.

METODE PENELITIAN Adapun kerangka kerja penelitian ini dapat di gambarkan pada gambar 3.1 berikut:

Gambar 3.1 Kerangka Kerja Penelitian Berdasarkan kerangka kerja pada gambar 3.1, maka masing-masing tahapannya dapat dijelaskan sebagai berikut : 1. Mendefinisikan Masalah Tahap ini merupakan langkah awal untuk menentukan rumusan masalah. Dalam memberikan beasiswa selama ini UMMY hanya memberikan hak dan wewenang penuh kepada jurusan untuk memilih mahasiswa yang akan menerima. Seringkali jurusan memberikan beasiswa hanya kepada mahasiswa yang dikenal saja. 2. Menganalisa Masalah a. Menganalisa data dalam pemberian beasiswa. b. Menganalisa kriteria yang ditetapkan dalam memilih mahasiswa yang akan diberikan beasiswa. c. Menganalisa kriteria-kriteria yang akan menjadi prioritas. d. Menganalisa masalah dengan algoritma fuzzy tahani. 3. Menentukan Tujuan Berdasarkan pemahaman dari masalah, maka yang menjadi tujuan pada penelitian ini adalah mencari mahasiswa yang mendapatkan prioritas utama berdasarkan kriteria yang telah ditetapkan.

55


ISSN : 2355-9977

4.

Pengumpulan Data Metode yang digunakan penulis untuk pengumpulan data dengan berbagai metode observasi, interview, studi literatur. 5. Pengolahan Data Pengolahan data dimulai dari menetapkan variabel, menetapkan himpunan fuzzy, himpunan semesta, menetapkan domain, menganalisa query. 6. Perancangan Sistem Perancangan basis data untuk menampung data-data yang didapatkan dengan menggunakan MySQL, merancang interface yang merupakan tampilan yang muncul saat user mengkases aplikasi. 7. Pengujian Pengujian sistem dilakukan dengan cara manual, microsoft excel dan pembuatan program. 8. Evaluasi Evaluasi dilakukan untuk membandingkan hasil yang dibuat secara manual dengan menggunakan perangkat lunak. Mengevaluasi penerapan sistem pakar berbasis fuzzy dengan perangkat lunak dalam pemberian beasiswa.

4.

ANALISA DAN PERANCANGAN SISTEM

Setelah melakukan penelitian pada kampus UMMY, ternyata pemberian beasiswa selama ini tidak diumumkan secara resmi dari pihak kampus. Apabila ada permintaan penerima beasiswa dari Kopertis maka Pembantu Rektor III hanya memberikan informasi tersebut kepada jurusan. Kemudian jurusan yang menentukan mahasiswa yang berhak mendapatkannya. Dari pengamatan tersebut dapat diambil kesimpulan bahwa pemilihan dilakukan bersifat subyektif sehingga keputusan yang dihasilkan bukan merupakan hasil terbaik. Kemungkinan besar jurusan hanya memilih mahasiswa yang dikenal saja. Permasalahan di atas dapat dipecahkan dengan membuat teknologi kecerdasan buatan yang menyediakan kepakaran dengan hasil terbaik. Sedangkan fuzzy digunakan untuk merubah input yang berupa data ambigu kedalam himpunan fuzzy kemudian mencari nilai derajat keanggotaan masing-masing variabel input. Kemudian metode penalaran (inferensi) menggunakan database tahani digunakan untuk proses pencarian query yang digunakan untuk mencari mahasiswa yang direkomendasikan untuk mendapatkan beasiswa.

Sistem Pakar Fuzzy Database Beasiswa

IPK

Jumlah Penghasilan Ortu

Jumlah Tanggungan Ortu

Semester

F U Z Z I F I K A S I

Inferensi Fuzzy DatabaseTahani

Query

D E F U Z Z I F I K A S I

Mahasiswa yang Direkomendasikan

Gambar 4.1 Model Sistem Pakar Fuzzy Pada penelitian ini fungsi keanggotaan yang digunakan adalah kurva bentuk bahu dan variabel yang dipakai mengacu kepada persyaratan yang telah ditentukan oleh pihak Kopertis tapi tidak semua persyaratan tersebut diambil. Pihak kampus hanya memilih beberapa variabel yaitu IPK, penghasilan orang tua, jumlah tanggungan orang tua, lama studi. Dalam penelitian ini terdapat 4 variabel fuzzy setiap variabel terdapat 3 himpunan fuzzy sehingga banyak kombinasi pilihan untuk kriteria = 3 4 maka dapat dibuat 81 kombinasi 56


ISSN : 2355-9977

himpunan dari tiap variabel yang akan ditetapkan untuk menentukan output berupa mahasiswa yang akan direkomendasikan mendapatkan beasiswa. Pada penelitian ini defuzzifikasi yang digunakan adalah metode fuzzy tahani. Dimana nantinya pengguna memasukan query dengan kombinasi himpunan dari variabel fuzzy. Kombinasi himpunan akan digabungkan dengan penggunaan variabel yang bervariasi juga sehingga akan mendapatkan hasil berupa derajat perekomendasian. Dari derajat perekomendasian (fire strengh) tersebut pimpinan dapat menentukan siapa mahasiswa yang berhak mendapatkan beasiswa. Pada bagian ini akan dijelaskan tentang fungsi keanggotaan setiap variabel fuzzy seperti yang dibahas pada penelitian ini yaitu : IPK, Jumlah Penghasilan Orang tua, Jumlah Tanggungan Orang tua, Masa Studi. Setiap variabel mempunyai 3 himpunanan fuzzy. Himpunan fuzzy ditentukan dari aturan yang telah ditetapkan oleh pihak akademik kampus UMMY Diagram arus data merupakan alat pembuatan model yang memungkinkan profesional sistem untuk menggambarkan sistem sebagai suatu jaringan proses fungsional yang dihubungkan satu sama lain dengan alur data, baik secara manual maupun terkomputerisasi yang bertujuan untuk memudahkan dalam melihat arus data dalam sistem Data Nilai

Data Mahasiswa

User Data Nilai

1 Input/Edit Data Mahasiswa

Tabel Nilai Data Nilai

Data Nilai

3 Pencarian Kriteria

Tabel Mahasiswa Data Nilai Data Mahasiswa 2 Perhitungan derajat keanggotaan & Fire Strength

Kriteria yang di inginkan

Mahasiswa yang di rekomendasikan

PR III

Gambar 4.2 Diagram Arus Data Dalam penelitian ini menggunakan basis data tahani. Ada 2 file yang dapat dibuat untuk menyelesaikan kasus ini yaitu file mahasiswa yang berisi data mahasiswa dan file nilai yang berisi file nilai dan derajat keanggotaan masing-masing himpunan. Relasi antar tabel dirancang untuk melihat hubungan antar tabel, seperti yang terlihat pada gambar 4.3 Tabel Mahasiswa NIM Nama Jurusan

Relasi One to Many

Tabel Nilai NIM Nama NIPK Irendah Icukup Itinggi Ngaji Grendah Gcukup Gtinggi Ntanggungan Tsedikit Tcukup Tbanyak Nsemester Sbaru Smenengah Slama

Gambar 4.3 Relasi Antar Tabel Relasi antar tabel pada gambar 4.3 terlihat bahwa tabel mahasiswa dengan tabel nilai mempunyai relasi M : 1 (many to one) dimana satu mahasiswa hanya mempunyai satu nilai, tapi nilai bisa dipunyai oleh banyak mahasiswa. 57


ISSN : 2355-9977

Rancangan antar muka atau Grafik User Interface (GUI) serta pemrograman untuk aplikasi ini menggunakan Microsoft Visual Basic untuk menguji rule yang akan digunakan yang akan mendukung proses. Merupakan tampilan awal sistem, kemudian user tinggal memilih salah satu item seperti yang terlihat pada gambar 4.8. Gambar 4.7 Relasi Antar Tabel

Gambar 4.4 Form Menu Rancangan form fuzzifikasi dirancang untuk mencari nilai derajat keanggotaan pada masing-masing variabel seperti yang terlihat pada gambar 4.5.

Gambar 4.5 Form Fuzzifikasi Rancangan form query dirancang untuk memilih kriteria yang diinginkan oleh user seperti yang terlihat pada gambar 4.6.

Gambar 4.6 Form Query 58


ISSN : 2355-9977

Setelah melakukan pengujian dengan menggunakan rumus untuk setiap variabel, pada bagian ini akan dilakukan pengujian ke empat variabel dengan mengambil contoh untuk 3 orang mahasiswa. Tabel 4.4 Data Pengujian Manual NO

NIM

NAMA

1 07-10-004-62-201-004 Arlis Medawati 2 08-10-004-57-401-062 Septi Mardianto 3 09-10-004-57-401-030 Yulianti

JURUSAN

IPK

Akuntansi Manajemen Informatika Akuntansi

3.14 2.94 3.01

PENGHASILAN JUMLAH ORTU TANGGUNGAN 500000 1 500000 4 1000000 4

Masa Studi 7 3 3

a. Mahasiswa 1 IPK = 3.14 Mahasiswa 1 mempunyai IPK = 3.14, maka nilai tersebut termasuk kepada himpunan IPK Cukup dan IPK Tinggi, jadi derajat keanggotaan masing-masing adalah sebagai berikut :  Himpunan IPK µCukup = (3.50 – 3.14) / (3.50 – 3.00) = 0.36/0.50 = 0.72  Himpunan IPK µTinggi = (3.14 – 3.00) / (3.50 – 3.00) = 0.14 / 0.50 = 0.28 Jumlah penghasilan Orang tua = 500.000 Mahasiswa 1 mempunyai penghasilan orang tua = 500rb, maka termasuk kehimpunan rendah. Domain himpunan rendah adalah 0 – 1jt, jadi secara otomanis nilai 500rb adalah 1. Jumlah tanggungan orang tua = 1 Mahasiswa 1 Jumlah tanggungan orang tua = 1, maka termasuk kehimpunan sedikit. Domain himpunan sedikti adalah 0 – 3, jadi secara otomanis nilai 1 adalah 1. Masa Studi = 7 Mahasiswa 1 berada pada masa studi = 7, maka termasuk kehimpunan Lama. Maka perhitungannya sebagai berikut  µLama = (7-5)/7-5) = 2/2 =1 b. Mahasiswa 2 IPK = 2.94 Mahasiswa 2 mempunyai IPK = 2.94, maka nilai tersebut termasuk kepada himpunan IPK Rendah dan IPK Cukup, jadi derajat keanggotaan masing-masing adalah sebagai berikut :  Himpunan IPK µRendah = (3.00 – 2.94) / (3.00 – 2.50) = 0.06/0.50 = 0.12  Himpunan IPK µCukup = (2.94 – 2.5) / (3.00 – 2.50) = 0.44 / 0.50 = 0.88 Jumlah penghasilan Orang tua = 500.000 Mahasiswa 2 mempunyai penghasilan orang tua = 500rb, maka termasuk kehimpunan rendah. Domain himpunan rendah adalah 0 – 1jt, jadi secara otomanis nilai 500rb adalah 1. Jumlah tanggungan orang tua = 4 Mahasiswa 2 Jumlah tanggungan orang tua = 4, maka termasuk kehimpunan Cukup dan Banyak. Maka perhitungannya sebagai berikut :  Himpunan Jumlah Tanggungan µCukup = (5 – 4) / 5 – 3) =1/2 = 0.5  Himpunan Jumlah Tanggungan µBanyak = (4 – 3) / 5 – 3) =1/2 59


ISSN : 2355-9977

= 0.5 Masa Studi= 3 Mahasiswa 2 berada pada masa studi = 3, maka termasuk kehimpunan Baru dan Menengah. Maka perhitungannya sebagai berikut:  µBaru = (5-3)/(5-2) = 2/3 = 0.67  µMenengah = (3-2)/(5-2) = 1/3 = 0.33 c.

Mahasiswa 3 IPK = 3.01 Mahasiswa 3 mempunyai IPK = 3.01, maka nilai tersebut termasuk kepada himpunan IPK Cukup dan IPK Tinggi, jadi derajat keanggotaan masing-masing adalah sebagai berikut :  Himpunan IPK µCukup = (3.50 – 3.01) / (3.50 – 3.00) = 0.49/0.50 = 0.98  Himpunan IPK µTinggi = (3.01 – 3.00) / (3.50 – 3.00) = 0.0.01 / 0.50 = 0.02 Jumlah penghasilan Orang tua = 1.000.000 Mahasiswa 3 mempunyai penghasilan orang tua = 1jt, maka termasuk kehimpunan cukup dan tinggi. Jadi derajat keanggotaan masing-masing adalah sebagai berikut :  Himpunan IPK µCukup = (1jt – 500rb) / (1jt – 500rb) = 500rb/500rb =1  Himpunan IPK µTinggi = (1jt – 1jt) / (1.5jt – 1jt) = 0 / 500 =0 Jumlah tanggungan orang tua = 4 Mahasiswa 3 Jumlah tanggungan orang tua = 4, maka termasuk kehimpunan Cukup dan Banyak. Maka perhitungannya sebagai berikut :  Himpunan Jumlah Tanggungan µCukup = (5 – 4) / 5 – 3) =1/2 = 0.5  Himpunan Jumlah Tanggungan µBanyak = (4 – 3) / 5 – 3) =1/2 = 0.5 Masa Studi = 3 Mahasiswa 1 berada pada masa studi = 3, maka termasuk kehimpunan Baru dan Menengah. Maka perhitungannya sebagai berikut:  µBaru = (5-3)/(5-2) = 2/3 = 0.67  µMenengah = (3-2)/(5-2) = 1/3 = 0.33 Jadi jika seandainya akan ditampilkan IPK = tinggi, jumlah penghasilan = rendah, jumlah tanggungan = Cukup, Masa Studi = Menengah, maka:

60


ISSN : 2355-9977

Tabel 4.5 Data Pengujian Manual Untuk Rekomendasi NO

NIM

NAMA

JURUSAN

1 07-10-004-62-201-004 Arlis Medawati 2 08-10-004-57-401-062 Septi Mardianto 3 09-10-004-57-401-030 Yulianti

5.

Akuntansi Manajemen Informatika Akuntansi

IPK Penghasilan Tanggungan Masa Studi Tinggi Rendah Cukup Menengah 0.28 1 0 0 0 1 0.5 0.33 0.02 0 0.05 0.33

Total

Rekomendasi

1.28 Lulus 1.83 Lulus 0.40 Ditolak

IMPLEMENTASI DAN PENGUJIAN SISTEM

Setelah desain sistem selesai, maka tahap berikutnya adalah tahap implementasi sistem. Implementasi dilakukan untuk mendapatkan hasil mahasiswa yang layak mendapatkan beasiswa dengan memasukkan data mengenai mahasiswa dan variabel-variabel yang menjadi kriteria yang diinginkan. Untuk implementasi pengujian data dilakukan dengan merancang sebuah program aplikasi dengan menggunakan software Microsoft Visual Basic 6.0 dan database MY SQL. Adapun user interface yang telah dirancang untuk pengujian sistem adalah sebagai berikut:

Gambar 5.1 Tampilan Menu Utama

Gambar 5.2 Tampilan Form fuzzifikasi

61


ISSN : 2355-9977

Pada gambar 5.2 pertama yang dilakukan adalah mencari nilai NIM mahasiswa, kemudian secara otomatis program akan menampilkan nama dan jurusan. Setelah itu baru entrykan nilai dari keempat variabel. Ketika nilai di enter program akan memunculkan langsung nilai dari derajat keanggotaan untuk tiap-tiap himpunan dari masing-masing variabel. Kemudian disimpan pada file nilai. Pada bagian bawah form terdapat tampilan data mahasiswa yang telah dilakukan proses fuzzifikasi. Apabila user salah menginputkan data nilai variabel maka dapat dilakukan edit data dengan cara mencari NIM mahasiswa tersebut maka akan muncul nilai yang telah diinputkan, kemudian lakukan perubahan dan simpan dengan tombol update. Jika ingin menghapus seorang mahasiswa maka dengan cara yang sama dan pilih tombol delete. Query merupakan tahap inferensi dari database fuzzy tahani. Proses inferensi dilakukan dengan memilih salah satu himpunan dari variabel yang diinginkan oleh user. Pada penelitian ini terdapat 4 variabel dan masing-masing variabel mempunyai 3 himpunan. Apabila dilakukan kombinasi maka terdapat 81 kali pemilihan. Adapun contoh dari beberapa query adalah sebagai berikut : a. Query 1 Query yang pertama yang akan disimulasikan merupakan kriteria yang paling diutamakan memilih mahasiswa yang mendapatkan beasiswa. Kriteria yang dipilih ini seperti merupakan kriteria untuk mendapatkan beasiswa PPA (Penunjang Prestasi Akademik). Adapun kriteria pemilihannya adalah mahasiswa yang memiliki IPK = Tinggi, Penghasilan Orang Tua = Rendah, Tanggungan = Banyak, dan Masa Studi = Lama? Maka akan tampil seperti gambar 5.3.

Gambar 5.3 Tampilan Menu Query 1 Dari gambar 5.3 pada tab tampilan query dari kategori yang dipilih oleh user, terdapat 25 orang mahasiswa yang dinyatakan lulus, 6 orang yang dipertimbangkan, serta 19 orang lagi yang ditolak dari 50 orang mahasiswa yang dijadikan sampel. Seandainya quota yang diberikan hanya 10 orang, maka hanya 10 orang pertama yang memiliki nilai fire strength tertinggi yang diterima. Nilai fire strength yang paling tinggi adalah mahasiswa dengan NIM = 07-10-004-62201-008 dengan nama = Dian Ferlina dari jurusan akuntansi.

6.

KESIMPULAN

Bedasarkan analisa dan pembahasan pada penelitian ini, maka didapat kesimpulan bahwa : 1. Proses penentuan penerima beasiswa dengan membuat suatu sistem pakar berbasis fuzzy database untuk mendapatkan mahasiswa yang akan direkomendasikan menerima beasiswa. Dengan memasukan pengetahuan yang dimiliki sang pakar dalam hal ini PR III untuk menentukan kriteria yang tepat sehingga keputusan yang diambil merupakan hasil terbaik. 62


2.

3.

ISSN : 2355-9977

Logika fuzzy database tahani dalam hal ini digunakan untuk memperjelas ketidakpastian bahasa yang digunakan oleh pakar. Sebagai contoh: yang mendapatkan beasiswa dalah mahasiswa yang mempunyai IPK = Tinggi. Tinggi yang dimaksud tidak tahu berapa nilainya. Hal ini dapat dipecahkan dengan teori himpunan fuzzy untuk mendapatkan berapa nilai dari tinggi tersebut. Perancangan sistem bagi pengguna dapat memberikan suatu rekomendasi/solusi untuk memilih mahasiswa yang mendapatkan beasiswa.

Referensi [1] Kusumadewi, Sri (2003). Artificial Intelligence (Teknik dan Aplikasinya). Penerbit Graha Ilmu. [2] Naba, Agus (2009). Belajar Cepat Fuzzy Logic Menggunakan MATLAB. Penerbit ANDI Yogyakarta [3] Kusumadewi dan Purnomo (2010), Aplikasi Logika Fuzzy untuk Pendukung Keputusan) edisi 2 , Penerbit Graha Ilmu. [4] Sutanta, Edhy (2004). Sistem Basis Data, Penerbit Graha Ilmu. [5] Fathansyah (1999). Buku Teks Komputer Basis Data, Penerbit Informatika. [6] Subakti, Irfan (2006). Sistem Berbasis Pengetahuan edisi Jurusan Teknik Informatika. ITS [7] Purwanto, Agus (2008). Logika Fuzzy. Institute Sains dan Teknologi, Jakarta [8] Fadli, ari (2003), Sistem Pakar Dasar. [9] www.ilmukomputer.com

63

SISTEM PAKAR BERBASIS FUZZY UNTUK MENENTUKAN PENERIMA

Recommend Documents