MAKALAH LOGIKA SAMAR
APLIKASI LOGIKA FUZZY UNTUK PENDUKUNG KEPUTUSAN PEMILIHAN MAWAPRES
Disusun oleh :
Anis Fagustina M0509010
Aziz Rahmanto M0509014
Febrianti M0509028
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
2011
2011
DAFTAR ISI
DAFTAR ISI . 2
BAB I PENDAHULUAN . 3
1.1 Latar Belakang 3
1.2 Tujuan 3
1.3 Manfaat 3
BAB II PEMBAHASAN 5
2.1 Sekilas Tentang FMCDM Pemilihan Mahasiswa Berprestasi. 5
2.2 Prosedur Penentuan Penerimaan / Pemilihan 5
BAB III PENUTUP 11
3.1 Kesimpulan 11
3.2 Saran 11
DAFTAR PUSTAKA 12
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pendidikan dalam konteks upaya merekonstruksi suatu peradaban merupakan salah satu kebutuhan (jasa) asasi yang dibutuhkan oleh setiap manusia dan kewajiban yang harus diemban oleh negara agar dapat membentuk masyarakat yang memiliki pemahaman dan kemampuan untuk menjalankan fungsi-fungsi kehidupan selaras dengan fitrahnya serta mampu mengembangkan kehidupannya menjadi lebih baik dari setiap masa ke masa berikutnya.
Melalui pendidikan nasional-lah, pemerintah berusaha mengembangkan dan membentuk watak serta peradaban bangsa bermartabat dengan tujuan untuk pengembangan potensi mahasiswa menjadi manusia beriman dan bertaqwa kepada Tuhan Yang Maha Esa,berakhlak mulia,sehat, berilmu, cakap, kreatif,mandiri dan menjadi warga Negara yang demokratis,serta bertanggungjawab. Bentuk partisipasinya tersebut sering kali aku temui di kalangan perguruan tinggi dengan melakukan pengembangan ilmu akademis yang demokratis agar dapat mendukung pelaksanaan proses pembelajaran yang mengarah ke kelulusan mahasiswa sebagai insan pembelajaran.
Bekerja dengan penuh rasa tanggung jawab,cermat dan inisiatif sangat diharapkan dari mahasiswa ketika mulai menekuni dunia ilmu bidangnya maupun dalam pengembangan soft skill-nya yang di dapat dari pembekalan secara formal di kurikulum akademik dan ko-akademik, ekstra dan intra kurikuler. Tidak jarang mahasiswa kurang berimbang antara hasil kedua-duanya. Ada yang hanya baik di bidang akademik dank o-akademik saja, tapi tidak jarang ditemui mahasiswa yang baik di ekstra dan intra kurikuler akademiknya saja. Padahal dalam dunia kerja sangat dibutuhkan mahasiswa dengan lulusan memiliki hard skills dan soft skills seimbang. Bertumpu dari permasalahan itulah tiap perguruan tinggi berusaha memberikan penghargaan kepada mahasiswanya yang dapat melakukan keduanya dana yang terbaik dengan dijadikan sebagai mahasiswa yang berprestasi.
1.2 Tujuan
Makalah ini dibuat dengan tujuan utama untuk mengerjakan tugas Logika Samar. Selain itu, makalah ini juga dapat digunakan untuk menyelesaikan pemilihan mawapres dengan menggunakan logika fuzzy yang lebih akurat.
1.3 Manfaat
Manfaat dari laporan oleh kelompok antara lain:
1. Memahami lebih lanjut tentang operasi pemilihan mawapres serta dapat menyelesaikannya dengan cara memanfaatkan Fuzzy Multiple Attribute Decision Making FMADM
2. Membantu orang lain yang ingin memahami tata cara pemilihan mawapres yang telah ada.
BAB II
PEMBAHASAN
2.1 Sekilas Tentang FMCDM Pemilihan Mahasiswa Berprestasi
Mahasiswa Berprestasi adalah mahasiswa yang mampu menyeimbangkan hasil antara akademik dan non kademik dengan nilai tinggi serta mampu berkomunikasi dengan menggunakan bahasa Indonesia dan bahasa Inggris dengan baik disertai sikap positif jiwa Pancasila yang dimiliki. Penghargaan bisa berupa Piagam Penghargaan dan hadiah lainnya dari Menteri Pendidikan Nasional. Mahasiswa Berprestasi tingkat perguruan tinggi/Kopertis diberi penghargaan dari perguruan tinggi/Kopertis sesuai dengan kebijakan lembaga yang bersangkutan dengan dana dibebankan kepada anggaran Direktorat Jenderal Pendidikan Tinggi dan dana sumbangan lain yang sah dan tidak mengikat. Apibila telah memasuki lingkup pemilihan Mahasiswa Berprestasi tingkat nasional.
Dengan memanfaatkan FMCDM, bisa dilakukan pemilihan Mahasiswa Berprestasi. Dimana Fuzzy Multi Criteria Decision Making (FMCDM) sendiri adalah suatu metode pengambilan keputusan yang bertujuan untuk menetapkan alternatif keputusan terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu yang akan menjadi bahan pertimbangan (Sari, 2008). Beberapa pilihan umum yang akan digunakan dalam MCDM yaitu (Astika, 2010) :
a. Alternatif, adalah objek-objek yang berbeda dan memiliki kesempatan yang sama untuk dipiliholeh pengambil keputusan.
b. Atribut, atau karakteristik, yaitu komponen atau kriteria keputusan.
c. Konflik antar kriteria, misalnya kriteria benefit (keuntungan) akan mengalami konflik dengan kriteria cost (biaya). Kategori benefit bersifat monoton naik, artinya alternatif yang memiliki nilai lebih besar akan lebih dipilih. Sebaliknya, pada kategori cost bersifat monoton turun, alternatif yang memiliki nilai lebih kecil akan lebih dipilih (Kusumadewi, 2008).
d. Bobot keputusan, menunjukkan kepentingan relatif dari setiap kriteria, W = (W1, W2, ... Wn).
e. Matriks keputusan, suatu matriks keputusan X yang berukuran m x n, berisi elemen-elemen Xij, yang merepresentasikan rating dari alternatif Ai, (i=1,2,…,m) terhadap kriteria Ci, (j=1,2,…,n).
Ada 3 langkah penting penyelesaian yang harus dikerjakan (Kusumadewi, dkk., 2006), yaitu:
1. Representasi Masalah
a. Identifikasi tujuan keputusan, direpresentasikan dengan bahasa alami atau nilai numeris sesuai dengan karakteristik dari masalah tersebut.
b. Identifikasi kumpulan alternatif keputusannya. Jika ada n alternatif, maka dapat ditulis sebagai
A = {Ai | i = 1,2, ..., n}.
c. Identifikasi kumpulan kriteria. Jika ada k kriteria, maka dapat dituliskan C = {Ct | t = 1,2, ..., k}.
d. Membangun stuktur hirarki masalah.
2. Evaluasi Himpunan Fuzzy
a. Memilih himpunan rating untuk bobot-bobot kriteria, dan derajat kecocokan setiap alternative dengan kriterianya. Himpunan rating terdiri atas elemen, yaitu:
1) Variabel linguistik (x) yang merepresentasikan bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya;
2) T(x) yang merepresentasikan rating dari variabel linguistik;
3) Fungsi keanggotaan yang berhubungan dengan setiap elemen dari T(x). Setelah menentukan himpunan rating, maka harus ditentukan fungsi keanggotaan untuk setiap rating dengan menggunakan fungsi segitiga.
b. Mengevaluasi bobot-bobot pada setiap criteria dan derajat kecocokan dari setiap alternative terhadap kriteria.
c. Mengagregasikan bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dan kriterianya dengan metode mean. Penggunaan operator mean, Fi dirumuskan pada Persamaan (2) sbb.:
Dengan cara mensubstitusikan Sit dan Wt dengan bilangan Fuzzy segitiga, Sit = (oit, pit, qit); dan
Wt = (at, bt, ct); maka Ft dapat didekati sebagai Persamaan (3):
Dengan { Yi ,Qi , Zi } seperti di Persamaan (4), (5), dan (6) :
Dimana, i = 1,2,3,…,n.
3. Seleksi Alternatif Optimal
a. Memprioritaskan alternative keputusan berdasarkan hasil agregasi untuk proses perangkingan alternatif keputusan dengan menggunakan metode nilai total integral. Misalkan F adalah bilangan fuzzy segitiga, F = (a, b, c), maka nilai total integral dapat dirumuskan sebagai Persamaan (7) berikut:
Nilai adalah indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan (0≤≤1). Apabila nilai semakin besar mengindikasikan bahwa derajat keoptimisannya semakin besar.
b. Memilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal.
Analisis Kebutuhan Input
1. Tujuan
Universitas Sebelas Maret akan mencari mahasiswa dengan prestasi tinggi untuk dijadikan Mahasiswa Berprestasi Tingkat Universitas.
2. Kriteria dan Alternative
Data yang digunakan sebagai alternatif merupakan hasil pemilihan mawapres dari tiap fakultas.
A={A1, A2, A3, A4, A5, A6, A7, A8, A9}, dengan
A1 = F.MIPA,
A2 = F.Teknik,
A3 = F.Pertanian,
A4 = F.Hukum,
A5 = F.Kedokteran,
A6 = F.KIP,
A7 = F.SSR,
A8 = F.Ekonomi, dan
A9 = F.ISIP.
Data yang digunakan sebagai kriteria keputusan yang diberikan, yaitu :
C = {C1, C2, C3, C4, C5}, dengan
C1 = IPK
C2 = Karya Tulis Ilmiah
C3 = Kegiatan Ko dan Ekstrakurikuler
C4 = Bahasa Inggris
C5 = Kepribadian
3. Bobot kriteria
Kriteria keputusan adalah: T (kecocokan) S = {SK, K, C, B, SB}, dengan SK = Sangat Kurang, K = Kurang, C = Cukup, B = Baik, dan SB = Sangat Baik.
Bobot Kepentingan
Bobot kepentingan untuk setiap kriteria, adalah : T (kepentingan) W = {SR, R, C, T, ST} dengan: SR = Sangat Rendah, R = Rendah, C = Cukup, T = Tinggi, dan ST = Sangat Tinggi.
Fungsi keanggotaan yang digunakan :
SR = SK = (0; 0; 0,25)
R = K = (0; 0,25; 0,5)
C = C = (0,25; 0,5; 0,75)
T = B = (0,5; 0,75; 1)
ST = SB = (0,75; 1; 1)
Rating Keputusan :
Kriteria
|
C1
|
C2
|
C3
|
C4
|
C5
|
Rating Kepentingan
|
T
|
ST
|
ST
|
ST
|
T
|
Derajat Kecocokan Alternatif Terhadap Kriteria Keputusan
Alternatif
|
Rating Kecocokan
| ||||
C1
|
C2
|
C3
|
C4
|
C5
| |
A1
|
T
|
ST
|
T
|
C
|
ST
|
A2
|
C
|
T
|
T
|
ST
|
C
|
A3
|
T
|
T
|
T
|
C
|
ST
|
A4
|
ST
|
T
|
C
|
ST
|
C
|
A5
|
T
|
T
|
ST
|
C
|
T
|
A6
|
ST
|
ST
|
C
|
ST
|
C
|
A7
|
T
|
C
|
T
|
T
|
T
|
A8
|
C
|
T
|
ST
|
ST
|
T
|
A9
|
T
|
T
|
C
|
ST
|
T
|
Tabel nilai kecocokan menggunakan Fuzzy Logic FMCDM
Alternatif
|
Rating Kecocokan
|
Y
|
Q
|
Z
| ||||
C1
|
C2
|
C3
|
C4
|
C5
| ||||
A1
|
T
|
ST
|
T
|
C
|
ST
|
0
|
0.7125
|
0.95
|
A2
|
C
|
T
|
T
|
ST
|
C
|
0
|
0.65
|
0.9
|
A3
|
T
|
T
|
T
|
C
|
ST
|
0
|
0.6625
|
0.95
|
A4
|
ST
|
T
|
C
|
ST
|
C
|
0
|
0.675
|
0.9
|
A5
|
T
|
T
|
ST
|
C
|
T
|
0
|
0.675
|
0.95
|
A6
|
ST
|
ST
|
C
|
ST
|
C
|
0
|
0.725
|
0.9
|
A7
|
T
|
C
|
T
|
T
|
T
|
0
|
0.625
|
0.95
|
A8
|
C
|
T
|
ST
|
ST
|
T
|
0
|
0.7375
|
0.95
|
A9
|
T
|
T
|
C
|
ST
|
T
|
0
|
0.675
|
0.95
|
, dan dengan mengambil derajat keoptimisan (a) = 0 (tidak optimis), a = 0,5 dan a = 1 (sangat optimis), maka akan diperoleh nilai total integral seperti ini:
Alternatif
|
Nilai Total Integral
| ||
0
|
0.5
|
1
| |
A1
|
0.35625
|
0.35625
|
0.35625
|
A2
|
0.325
|
0.55
|
0.775
|
A3
|
0.500469
|
0.50046875
|
0.500469
|
A4
|
0.48375
|
0.585
|
0.68625
|
A5
|
0.575223
|
0.57522266
|
0.575223
|
A6
|
0.580188
|
0.62575
|
0.671313
|
A7
|
0.585731
|
0.58573076
|
0.585731
|
A8
|
0.644339
|
0.66598125
|
0.687623
|
A9
|
0.615722
|
0.61572211
|
0.615722
|
Melihat dari nilai integral dalam berapapun nilainya, alternatif A8 memiliki nilai terbesar sehingga A8 atau F.Ekonomi terpilih menjadi Mawapres tahun ini.
BAB III
PENUTUP
3.1 Kesimpulan
Pemilihan Mawapres yang menggunakan Fuzzy Logic Decision Making dengan metode FMCDM telah dapat menghasilkan output yang sesuai dengan criteria dan bobot criteria yang ada. Selain itu dapat disimpulkan juga bahwa semakin tinggi nilai derajat keoptimisan (alpha), maka semakin besar nilai total integral tingkat penilaian.
DAFTAR PUSTAKA
Novhirtamely Kahar (2011) APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK. Diakses pada 1 Juli 2011 pukul 08.00 WIB