130 likes | 260 Views
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY. ADE SYAYUTI MANNAF K11109012. LATAR BELAKANG.
E N D
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY ADE SYAYUTI MANNAF K11109012
LATAR BELAKANG • Dalampenentukanpenerimabeasiswatelahmenggunakanbantuankomputer, tetapipenggunaanyabelum optimal. Hal inimenyebabkanpengelolaan data beasiswa yang tidakefisienterutamadarisegiwaktudanbanyaknyaperulanganproses yang sebenarnyadapatdiefisienkan. • Olehkarenaitu, perluadanyasuatusistem yang mendukungprosespenentuanpenerimabeasiswa, sehinggadapatmempersingkatwaktupenyeleksiandandapatmeningkatkankualitaskeputusandalampenentukanpenerimabeasiswa
PerumusanMasalah Bagaimanamengimplementasikan Fuzzy untukmenentukanmahasiswa yang berhakmenerimabeasiswaberdasarkankriteria yang diberikan, yaitunilaiindeksprestasiataunilaikelulusan , penghasilanorangtua, dantanggunganorangtua.
Tujuan MengimplementasikanFuzzy untukmembuatperangkatlunak yang dapatmenentukanmahasiswa yang berhakmendapatkanbeasiswa
MetodePenyelesaianMasalah • MetodeObservasi Melihatsertamempelajaripermasalahan yang adadilapangan yang eratkaitannyadenganobjek yang ditelitiyaituinformasimengenaisistempenentuanbeasiswa. • MetodeStudiPustaka Mencaribahan yang mendukungdalampendefinisianmasalahmelaluibuku-buku, internet, yang eratkaitannyadenganobjekpermasalahan.
DeskripsiSistem Input adalah : data mahasiswa Keluarandarisisteminiadalah: • Rule fuzzy danbatas-batashimpunan fuzzy untuk parameter masukandan parameter keluaran. • Hasilperhitungankelayakanbeasiswa
Kriteria yang telahditentukan(berdasarkan input) • NilaiIPK (C1) • Penghasilanorangtua (C2) • Jumlahtanggunganorangtua (C3) Dari kriteriatersebut, makatingakatkepentingankriteriaberdasarkannialaibobot yang telahditentukankedalambilanganfuzzy sebagaiberikut: SangatRendah (SR) = 0 Rendah (R) = 2,5 Cukup (C) = 5 Tinggi (T) = 7,5 SangatTinggi (ST) = 10
Nilaibobottersebutdibuatdalamsebuahgrafiksupayalebihjelas, sepertidibawahini.
AturanIF-THEN • Fuzzy if – then rules yang digunakandisinisebanyak 64 aturan fuzzy dasar yang dibuatsesuaiuntukmenggambarkankeadaandengancatatanbahwasetiapaturan yang dibentukmenyertakansemuavariabel. Contohbeberapabentukaturan, yaitu : • Aturan 1 :IF C1 = R AND C2 = R AND C3 = R THEN B = R • Aturan 2 :IF C1 = R AND C2 = R AND C3 = C THEN B = R • Aturan 3 :IF C1 = R AND C2 = R AND C3 = T THEN B = S • Aturan 4 :IF C1 = R AND C2 = R AND C3 = ST THEN B = S • Aturan 5 :IF C1 = R AND C2 = C AND C3 = R THEN B = R • Aturan 6 :IF C1 = R AND C2 = C AND C3 = C THEN B = C • Aturan 7 :IF C1 = R AND C2 = C AND C3 = T THEN B = C • Aturan 8 :IF C1 = R AND C2 = C AND C3 = ST THEN B = T
Inferensi Fuzzy Adabeberapametodeinferensilogika fuzzy yang dapatdilakukan, diantaranyaadalah : 1. Metode Tsukamoto Setiapkonsekuenpadaaturan yang berbentuk IF-Then harusdirepresentasikandengansuatuhimpunan fuzzy denganfungsikeanggotaan yang monoton. Sebagaihasilnya, output hasilinferensidaritiap-tiapaturandiberikansecarategas (crisp) berdasarkan α-predikat (fire strength). 2. MetodeMamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkanolehEbrahimMamdanipadatahun 1975. Untukmendapatkan output, diperlukan 4 tahapan: A. Pembentukanhimpunan fuzzy B. Aplikasifungsiimplikasi (aturan) C. Komposisiaturan D. Penegasan (deffuzy) 3. MetodeSugeno PenalarandenganmetodeSugenohampirsamadenganpenalaranMamdani, hanyasaja output (konsekuen) sistemtidakberupahimpunan fuzzy, melainkanberupakonstantaataupersamaan linear.