SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY ADE SYAYUTI MANNAF K11109012.

Presentasi berjudul: "SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY ADE SYAYUTI MANNAF K11109012."— Transcript presentasi:

1 SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY
ADE SYAYUTI MANNAF K

2 LATAR BELAKANG Dalam penentukan penerima beasiswa telah menggunakan bantuan komputer, tetapi penggunaanya belum optimal. Hal ini menyebabkan pengelolaan data beasiswa yang tidak efisien terutama dari segi waktu dan banyaknya perulangan proses yang sebenarnya dapat diefisienkan. Oleh karena itu, perlu adanya suatu sistem yang mendukung proses penentuan penerima beasiswa, sehingga dapat mempersingkat waktu penyeleksian dan dapat meningkatkan kualitas keputusan dalam penentukan penerima beasiswa

3 Perumusan Masalah Bagaimana mengimplementasikan Fuzzy untuk menentukan mahasiswa yang berhak menerima beasiswa berdasarkan kriteria yang diberikan, yaitu nilai indeks prestasi atau nilai kelulusan , penghasilan orang tua, dan tanggungan orang tua.

4 Tujuan Mengimplementasikan Fuzzy untuk membuat perangkat lunak yang dapat menentukan mahasiswa yang berhak mendapatkan beasiswa

5 Metode Penyelesaian Masalah
Metode Observasi Melihat serta mempelajari permasalahan yang ada dilapangan yang erat kaitannya dengan objek yang diteliti yaitu informasi mengenai sistem penentuan beasiswa. Metode Studi Pustaka Mencari bahan yang mendukung dalam pendefinisian masalah melalui buku-buku, internet, yang erat kaitannya dengan objek permasalahan.

6 Deskripsi Sistem Input adalah : data mahasiswa
Keluaran dari sistem ini adalah: Rule fuzzy dan batas-batas himpunan fuzzy untuk parameter masukan dan parameter keluaran. Hasil perhitungan kelayakan beasiswa

7 Kriteria yang telah ditentukan (berdasarkan input)
Nilai IPK (C1) Penghasilan orang tua (C2) Jumlah tanggungan orang tua (C3) Dari kriteria tersebut, maka tingakat kepentingan kriteria berdasarkan nialai bobot yang telah ditentukan kedalam bilangan fuzzy sebagai berikut : Sangat Rendah (SR) = 0 Rendah (R) = 2,5 Cukup (C) = 5 Tinggi (T) = 7,5 Sangat Tinggi (ST) = 10

8 Nilai bobot tersebut dibuat dalam sebuah grafik supaya lebih jelas, seperti dibawah ini.

9 Kriteria yang telah ditentukan (berdasarkan output)
Label jangkauan rendah 2, sedang ,5 tinggi 7,

10 Himpunan fuzzy Fungsi Variabel Himpunan Input Nilai IPK
Penghasilan orangtua Tanggungan orangtua ( R , C , T, ST ) Output Penetapan Beasiswa ( Rendah , sedang , tinggi )

11 Aturan IF-THEN Fuzzy if – then rules yang digunakan disini sebanyak 64 aturan fuzzy dasar yang dibuat sesuai untuk menggambarkan keadaan dengan catatan bahwa setiap aturan yang dibentuk menyertakan semua variabel. Contoh beberapa bentuk aturan, 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

12 Inferensi Fuzzy Ada beberapa metode inferensi logika fuzzy yang dapat dilakukan, diantaranya adalah : 1. Metode Tsukamoto Setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). 2. Metode Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun Untuk mendapatkan output, diperlukan 4 tahapan: A. Pembentukan himpunan fuzzy B. Aplikasi fungsi implikasi (aturan) C. Komposisi aturan D. Penegasan (deffuzy) 3. Metode Sugeno Penalaran dengan metode Sugeno hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear.