IMPLEMENTASI METODE LOGIKA FUZZY TSUKAMOTO UNTUK PENENTUAN JURUSAN SISWA (Studi Kasus: SMA NEGERI 1 Cikalong Tasikmalaya) Rizkigus Herliana Program Studi Informatika, Fakultas Teknologi Informasi dan Elektro Universitas Teknologi Yogyakarta Jl. Ringrood U

  

IMPLEMENTASI METODE LOGIKA FUZZY TSUKAMOTO UNTUK

PENENTUAN JURUSAN SISWA

(Studi Kasus: SMA NEGERI 1 Cikalong Tasikmalaya)

  

Rizkigus Herliana

Program Studi Informatika, Fakultas Teknologi Informasi dan Elektro

Universitas Teknologi Yogyakarta

  

Jl. Ringrood Utara Jombor Seleman Yogyakarta

E-mail

ABSTRAK

  

SMA Negeri 1 Cikalong merupakan SMA Negeri yang berstatus sebagai rintisan sekolah kategori mandiri

berakreditasi A. SMA Negeri 1 Cikalong menerapkan kurikulum tingkat satuan pendidikan yang memiliki

jumlah kelas sebanyak 11 kelas parallel dari kelas X, dan kelas XI dan kelas XII yang terdiri dari 2 kelas

program Ilmu Pengetahuan Alam dan 2 kelas program Ilmu Pengetahuan Sosial. Dilihat dari segi waktu, proses

pemilihan jurusan yang masih berjalan di SMA Negeri 1 Cikalong membutuhkan waktu yang cukup lama, selain

itu proses pemilihan jurusan tersebut memungkinkan terjadinya kesalahan pemilihan jurusan yaitu jurusan yang

ditentukan oleh guru yang tidak sesuai dengan minat dan nilai siswa. Oleh karena itu melalui implementasi

metode fuzzy tsukamoto dengan proses fuzzyfikasi, inferensi dan defuzzyfikasi dengan memperhatikan nilai

siswa sehingga di proses secara aturan fuzzy tsukamoto. Sistem ini dirancang menggunakan DAD (Diagram

Alir Data), ERD (Entity Relationship Diagram), diagram jenjang dan database MySQL. Sedangkan bahasa

pemrograman menggunakan HTML(Hypertext Markup Language), PHP (Personal Home Page), Javascript,

dan CSS (Cascading Style Sheet), hasil yang didapat dari pembangunan sistem penjurusan menggunakan

metode fuzzy tsukamoto adalah sebuah website untuk menentukan jurusan siswa sehingga dapat membantu

kinerja guru menjadi lebih cepat dalam hal waktu dan lebih mudah dalam penentuan jurusan.

  Kata kunci : Pemilihan jurusan, Fuzzy Tsukamoto, Website .

1. PENDAHULUAN

1.1 Latar Belakang

  SMA Negeri 1 Cikalong merupakan SMA Negeri yang berstatus sebagai rintisan sekolah kategori mandiri. Dengan akreditasi A, SMA Negeri 1 Cikalong menerapkan kurikulum tingkat satuan pendidikan yang memiliki jumlah kelas sebanyak 11 kelas parallel dari kelas X, dan kelas

  XI dan kelas XII yang terdiri dari 2 kelas program

  IPA dan 2 kelas program IPS. Dilihat dari segi waktu, proses pemilihan jurusan yang masih berjalan di SMA Negeri 1 Cikalong membutuhkan waktu yang cukup lama, selain itu proses pemilihan jurusan tersebut memungkinkan terjadinya kesalahan pemilihan jurusan yaitu jurusan yang ditentukan oleh guru yang tidak sesuai dengan minat dan nilai siswa.

  Metode logika fuzzy tsukamoto adalah salah satu metode fuzzy inference system yang menggunakan aturan “if-then”, aturan yang terbentuk mewakili himpunan fuzzy, kemudian dihitung tingkat keanggotaan sesuai dengan aturan yang telah dibuat. (Perangin-angin dkk, 2017). Fungsi keanggotaan adalah kurva yang menunjukan pemetaan titik data masukan ke dalam nilai atau tingkat keanggotaan yang memiliki interval antara 0 dan 1. Salah satu cara untuk mendapatkan nilai keanggotaan adalah melalui pendekatan fungsi. (Harliana dan Rahim, 2017). Dalam FIS (fuzzy inference system) ada tiga metode yaitu tsukamoto, mamdani dan sugeno. Dalam metode tsukamoto masing-masing konsekuensi dari aturan “if-then” harus diwakili dengan himpunan fuzzy dengan fungsi keanggotaan yang monoton. Output aturannya berdasarkan α-predikat dengan nilai rata- rata terbobot. Metode mamdani aturannya menggunakan max-min, hasil akhirnya dalam domain himpunan fuzzy data diolah dengan menggunakan beberapa defuzzyfikasi untuk mendapatkan outputnya. Metode sugeno mirip dengan mamdani hasilnya sistem bukan himpunan fuzzy tapi konstanta atau persamaan linier. ( Ramlan dkk, 2016). Alasan menggunakan logika fuzzy karena konsep logika fuzzy mudah dimengerti, fleksibel dan dapat memodelkan nonlinier yang kompleks. (Siahaan, 2016). Fuzzy tsukamoto juga bisa diaplikasikan untuk mendukung penyelesaian, dengan metode tsukamoto bisa digunakan untuk menentukan jurusan yang sesuai dengan minat dan kemampuan siswa. (Arianai dan Endra, 2013).

  Oleh karena itu, penulis ingin membuat implementasi metode logika fuzzy tsukamoto untuk penentuan jurusan siswa yang mampu memberikan sasaran pemilihan jurusan, nilai mata pelajaran siswa serta proses pemilihan jurusan dapat lebih cepat karena proses pemilihan jurusan akan dilakukan oleh sistem. Sehingga penulis mencoba mengajukan judul Implementasi Metode Logika Fuzzy Tsukamoto Untuk Penentuan Jurusan Siswa. Dengan metode fuzzy tsukamoto tersebut diharapkan penilaian akan lebih tepat karena didasarkan pada nilai keanggotaan yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat untuk penjurusan siswa.

  1.2 Rumusan Masalah

  1.5 Manfaat Penelitian

  Sistem pendukung keputusan banyak didefinisikan dari sudut pandang yang berbeda. Berikut ini akan dipaparkan beberapa definisi. Definisi sistem pendukung keputusan menurut Oktovianny (2012), sistem pendukung keputusan merupakan sistem interaktif, yang pendukung keputusan dalam proses pengambilan keputusan melalui alternatif-alternatif yang diperoleh dari hasil pengolahan data imformasi dan rancangan model. Subakti (2014), juga mendefinisikan sistem pendukung keputusan dalam mencakup yang lebih sempit yaitu sistem pendukung keputusan merupakan suatu sistem berbasis komputer yang interaktif, yang membantu pengambilan keputusan memanfaatkan data dan model untuk meyelesaikan masalah-masalah yang seni tersetruktur.

  2.1 Sistem Pendukung Keputusan

  2. LANDASAN TEORI

  Negeri 1 Cikalong menjadi efektif, efisien dan lebih objektif.

  c. Diharapkan proses pemilihan jurusan di SMA

  pendukung keputusan pemilihan jurusan di SMA Negeri 1 Cikalong.

  b. Mengetahui bagaimana proses penerapan sistem

  pemilihan jurusan di SMA Negeri 1 Cikalong Tasikmalaya.

  a. Mempermudah kinerja guru BK dalam proses

  Dalam penelitian Tugas Akhir ini diharapkan mendapatkan manfaat antara lain :

  Tujuan dari penelitian ini adalah untuk membuat sistem yang dapat membantu kinerja guru dalam menentukan jurusan bagi para siswa di SMA Negeri 1 Cikalong yang sesuai dengan minat siswa dengan memperhatikan nilai mata pelajaran dari siswa yang bersangkutan sehingga proses pemilihan jurusan menjadi lebih cepat dan mudah serta meminimalisir adanya kesalahan yang disebabkan oleh manusia (human error).

  Berdasarkan latar belakang masalah yang telah diuraikan, maka rumusan masalah adalah bagaimana membuat sistem penentuan jurusan berbasis website dengan menggunakan metode fuzzy tsukamoto?

  1.4 Tujuan Penelitian

  f. Pengujian yang dilakukan pada penelitian adalah membandingkan hasil program dengan perhitungan manual.

  e. Output dari sistem adalah laporan hasil yang menentukan jurusan. Laporan hasil yang masuk kelas IPA dan kls IPS.

  d. Sistem akan menghitung nilai siswa dari setiap jurusan dengan proses menghitung nilai keanggotaan yang menghasilkan fuzzyfikasi, mencari nilai minimum dengan menggunakan rule yang akan menghasilkan inferensi dan menghasilkan nilai akhir defuzzyfikasi yang menentukan jurusan ipa atau ips.

  c. Sistem akan menggunakan nilai jurusan ipa dan nilai jurusan ips sebagai inputan pada metode fuzzy tsukamoto.

  3. NIPS adalah nilai jurusan ips yang terdiri dari nilai rata-rata mata pelajaran Sejarah, Ekonomi, Geografi, Sosiologi.

  2. NIPA adalah nilai jurusn ipa yang terdiri dari nilai rata-rata mata pelajaran Fisika, Kimia, Biologi, Matematika.

  1. Minat siswa, yaitu jurusan IPA dan jurusan IPS.

  b. Kriteria yang digunakan dalam menentukan jurusan meliputi:

  Meninjau dari luasnya permasalahan, maka penulis membatasi ruang lingkup permasalahan yang bertujuan agar pemecahan masalah dapat lebih terarah dan mencapai sasaran yang ditentuka Adapun masalah yang dibatasi antara lain sebagai berikut : a. Sistem ini digunakan untuk membantu dalam mengambil keputusan untuk pemilihan jurusan di SMA Negeri 1 Cikalong Tasikmalaya.

  1.3 Batasan Masalah

  Lalu Rijani (2013), yang menyebutkan bahwa sistem pendukung keputusan adalah bagian dari sistem informasi berbasis komputer yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi ataupun perusahaan. Bahwa sistem pendukung keputusan berbasis komputer yang dapat mendukung pengambilan keputusan untuk menyelesaikan masalah yang semi terstruktur dengan memanfaatkan data yang ada kemudian di olah menjadi suatu informasi berupa usulan menuju suatu keputusan tertentu.

  2.2 Logika Fuzzy

  Logika fuzzy merupakan salah satu komponen pembentukan soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzyy. Pada teori himpunan fuzzy peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat

  Gambar 1 Representasi Linier Naik

  keaanggotaan sangat lah penting. Nilai keanggotaan atau derajat keaanggotaan atau membership fuction Fungsi keanggotaan : menjadi ciri utama dari penalaran dengan logika fuzzy tersebut. Dalam banyak hal logika fuzzy

  0 ; x ≤ a

  digunakan sebagai suatu cara untuk memetakan µ[x] ¿

  ( x−a)/(b−a); a ≤ x ≤ b

  permasalahan dari input menuju ke output yang diharapkan.

  x ≥ b 1;

  {

  2.3Himpunan Fuzzy Ke dua, merupakan kebalikan yang pertama.

  Garis lurus dimulai dari nilai domin derajat Menurut Kusumadewi dan Purnomo, (2013), pada himpunan tegas (crisp), nilai keanggotaan keanggotaan tertinggi pada sisi kiri, kemudian suatu item x dalam suatu himpunan A, yang sering bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. ditulis dengan , memiliki dua kemungkinan

  μA (x)

  yaitu:

  a. Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau b. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpuanan.

  2.3 Fungsi keanggotaan Gambar 2 Representasi Linier Turun

  Kusumadewi dan Purnomo (2013) fungsi Fungsi keanggotaan : keanggotaan (membership function) adalah suatu kurva yang memiliki pemetaan titik-titik input data

  a ≤ x ≤ b ( b−x)/(b−a)

  kedalam nilai keanggotaannya, yang memilik

  µ[ x]= x ≤ b

  interval antara nol sama satu, salah satu cara yang 0 ;

  {

  dapat diguanakan untuk mendapat nilai keanggotaan adalah dengan melalui pendekatan b. Representasi Kurva Segitiga fungsi. Ada dua fungsi yang harus di gunakan.

  Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linier) a. Representasi Linear Pada representasi linear, pemetaan input kederajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas. Ada 2 kehimpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol (0) bergerak kekanan menuju kenilai domain yang memiliki derajat keanggotaan lebih tinggi.

  Gambar 3 Kurva segitiga

  Fungsi keanggotaan :

  0 ; x ≤ a atau x ≤ c

  ¿

  µ[x] ( x−a)/(b−a); a≤ x ≤ b

  ( c−x )/(c−b); b ≤ x ≤c {

2.4 Metode Tsukamoto suatu masalah sampai ditemukan suatu solusi,

  perancangan antarmuka (interface) dibagi Metode tsukamoto merupakan perluasan dari menjadi 3 yaitu : penalaran monoton, pada metode tsukamoto, setiap

  1. Input

  konsekuen pada aturan yang berbentuk IF-Then Suatu data bahan mentah sebelum di harus direpresentasikan dengan suatu himpunan proses didalam sistem implementasi fuzzy dengan fungsi fuzzy keanggotaan yang penentuan jurusan menggunakan fuzzy monoton. Sebagai hasilnya, output hasil inferensi tsukamoto. Penulis menginputkan dari tiap-tiap aturan diberikan secara tegas (crisp) beberapa data seperti data siswa, data berdasarkan α-predikat (fire strengeth). Hasil guru, data petugas dan nilai siswa yang akhirnya diperoleh dengan menggunakan rata-rata akan di peroses dengan metode fuzzy terbobot. tsukamoto.

  2. Proses

  Suatu sistem akan menghitung nilai siswa yang akan di peroses dengan fuzzy tsukamoto yang akan menentukan jurusan siswa.

  3. Output

  Suatu hasil (keluaran) dari proses yang di lakukan oleh sistem dengan menggunakan fuzzy tsukamoto yang akan menghasilkan output berupa laporan hasil perhitungan yang akan menentukan siswa masuk IPA atau IPS dan laporan guru yang melihat

  α 1 z 1+α 2 z 2 hasil siswa tersebut. z= α 1+α 2

  3.3 Flowchat Sistem Fuzzy Tsukamoto Gambar 4 Inferensi Dengan Menggunakan Metode Tsukamoto

  Bagian alir sistem (Flowchart Sistem) merupakan bagan-bagan dengan simbol-simbol

3. METODE PENELITIAN

  tertentu yang menggambarkan urutan prosedur atau langkah proses dari suatu sistem yang digunakan.

  3.1 Obyek Penelitian

  Dalam penulisan Tugas Akhir ini. Penulis melakukan penelitian yaitu tentang Implementasi Metode Logika Fuzzy Tsukamoto Untuk Penentuan Jurusan Siswa. Penelitian ini dilakukan di Jl. Raya Cikalong Km. 06, Singkir, Kec. Cikalong, Kab. Tasikmalaya Prop. Jawa Barat. Penelitian ini dilakukan untuk membangun pengetahuan tentang proses penentuan jurusan di sekolah tersebut.

  3.2 Perancangan Sistem

  Perancangan sistem adalah proses melakukan perancangan yang diterapkan dengan alat bantu sistem untuk menyelesaikan masalah yang terdapat pada sekolah SMAN 1 Cikalong Tasikmalaya yang akan dijelaskan sebagai berikut: Gambar 5 Gambaran Sistem Yang Dibangun

  a. Proses Fuzzy Tsukamoto

  4. ANALISIS DAN PERANCANGAN

  Tahap proses awal fuzzy tsukamoto mencari keaangotaan, fuzzyfikasi, inferensi dan

  4.1 Analisi Sistem

  defuzifikasi. Langkah untuk mencari nilai defuzifikasi dengan menggunakan rata-rata Analisis sistem merupakan tahap penguraian terbobot. dari suatu bagian-bagian komponennya dengan maksud untuk mengidentifikasi permasalahan- b. Perancangan Antarmuka permasalahan, kesempatan-kesempatan, hambatan-

  Merupakan mekanisme komunikasi untuk hambatan yang terjadi dan kebutuhan yang di membantu mengarahkan alur penelusuran terapkan dan diharapkan sehingga dapat diusulkan perbaikan-perbaikannya. Dalam penelitian ini,

  Tabel .2 Himpunan Input Fuzzy

  untuk melakuan implementasi pendukung Variabel Himpunan input Domain keputusan jurusan diperlukan metode fuzzy tsukamoto dan aplikasi untuk membantu guru fuzzy konseling (BK) dan siswa. Nam Notas Nam Notas

  Penentuan jurusan mempunyai variabel input a i a i dan output, dalam variabel input terdiri atas data Renda r [50,75] siswa NIPA dan NIPS. Pada variabel output terdiri

  NIPA A h atas laporan hasil penentuan jurusan untuk masuk Sedang s [50,100

  IPA atau IPS. Variabel NIPA adalah nilai-nilai dari ] mata pelajaran matematika, fisika, kimia dan

  Tinggi t [75,100 biologi. Pada variabel NIPS adalah nilai-nilai mata ] pelajaran sejarah, ekonomi, geograpi dan sosiologi. Renda r [50,75]

  NIPS B h Sedang s [50,100

4.2 Penyelesaian Dengan fuzzy Tsukamoto

  ] Tinggi t [75,100

  Untuk mencari nilai rata-rata dengan cara ] menambahkan nilai mata pelajaran dari masing- masing jurusan dan dibagi dengan jumlah mata

  Tabel 3 Output Fuzzy Kelayakan

  pelajaran, Variabel Himpunan fuzzy Domain

  IPS Nam Notasi Nama Notas a i

  nilai sejarah+nilaiekonomi+nilai geografi+nilai sosiologi

  IPA ip Tinggi t [50-

  jumlahmata pelajaran a 100]

  IPS ip Renda r [0-50]

  IPA

  s h

  nilaimatematika+nilai fisika+nilai kimia+nilai biologi

  4.3 Fungsi Keanggotaan Nilai jumlahmata pelajaran

  Fungsi derajat linier turun digunakan untuk Untuk dibangun semesta pembicaraan, semesta merepresentasikan himpunan fuzzy rendah pembicaraan yang dibentuk terlihat dalam tabel 1. dengan, , fungsi derajat linier naik untuk himpunan fuzzy tinggi dan fungsi derajat linier segitiga untuk

  Tabel 1 Semesta Pembicara

  himpunan fuzzy sedang. Masing-masing linier digunakan untuk mencari nilai fuzzyfikasi. Bentuk Semesta

  Fungsi Variabel Notasi Keteangan gabungan representasinya terlihat pada gambar Pembicara

  NIPA A [50-100] Nilai mata pelajaran Input

  IPA NIPS B [50-100] Nilai mata pelajaran

  IPS

  IPA C [50-100] Masuk Output kelas IPA

  Gambar 6 Keanggotaan Nilai

  IPS D [0-50] Masuk kelas IPS

  ( 100−x)/(100−50); ¿

  µRendah [x] Langkah dalam metode fuzzy tsukamoto untuk

  0 ; {

  mendapatkan nilai crisp adalah pembentukan

  50 ≤ x ≤100

  himpunan fuzzy (fuzzyfikasi), penentuan rule,

  x ≥75

  aplikasi fungsi, inference aturan dan penegasan (defuzzyfikasi). Himpunan fuzzyfikasi bisa dilihat di tabel 4.2

  [R4] If IPA = sedang AND IPS = rendah then NK

  0 ;

  = jurusan IPA

  x−50)/(75−50);

  µSedang[x]= ( [R5] If IPA = sedang AND IPS = sedang then NK

  75−x)/(100−75) (

  = jurusan IPS

  {

  [R6] If IPA = sedang AND IPS = tinggi then NK =

  x ≤ 50 atau x ≥100

  jurusan IPS

  50 ≤ x ≤ 75

  [R7] If IPA = tinggi AND IPS = rendah then NK =

  75 ≤ x ≤ 100

  jurusan IPA [R8] If IPA = tinggi AND IPS = sedang then NK =

  0 ;

  jurusan IPA µTinggi[x]=

  ( x−75)/(100−75); [R9] If IPA = tinggi AND IPS = tinggi then NK =

  jurusan IPA

  1 ; { x ≤75

  4.6 Diagram Alur Data 75 ≤ x ≤100

  Guru BK sebagai admin memiliki hak untuk

  x ≥100

  login ke sistem dan memasukan hak login lain seperti Guru wali dan Kepala sekolah. Siswa juga bisa meminta laporan yang sudah di cetak (hardcopy) kepada admin. Admin bertugas untuk memasukan data-data siswa dan nilai siswa. Admin juga dapat melihat laporan

  4.4 Fungsi Derajat Kelayakan

  dari seluruh siswa, guru wali dan kepala sekolah Fungsi ini digunakan untuk mempresentasikan juga dapat melihat laporan seluruh siswa . nilai akhir dari semua nilai siswa dan mengambil nilai tengah dari semua nilai. Derajat nilai kelayakan untuk menentukan jurusan ips atau ipa yang menggunakan nilai 0 sampai 100 dan nilai pembatasnya adalah 50, untuk masuk jurusan ips adalah 0 sampai 50, lebih dari 50 masuk jurusan ipa. Bentuk gabungan representasinya terlihat pada

gambar 4.2. Rumus predikat ips dan predikat ipa digunakan untuk mencari nilai Z.

  Gambar 8 Diagram konteks

  4.7 Diagram Jenjang

  Diagram pada implementasi penentuan jurusan ini digunakan untuk memperinci proses yang ada

  Gambar 7 Nilai Kelayakan

  pada sistem. Rancangan sistem digambarkan melalui diagram jenjang pada gambar 9.

  αPredikat IPA=(Z−a)/(b−a) ( Z−0) y

  ¿ = ( 100−0)

  αPredikat IPS=(b−Z )/(b−a) 100−Z ) (

  ¿ = y ( 100−0)

  Gambar 9 Diagram jenjang

  4.5. Rule

  4.8 Diagram Arus Data Level 1

  [RI] If IPA = rendah AND IPS = rendah then NK = Diagram arus data level 1, menggambarkan jurusan IPS hubungan seluruh proses yang terjadi pada sistem

  [R2] If IPA = rendah AND IPS = sedang then NK terhadap tabel-tabel penyimpanan data, beserta = jurusan IPS feedback dari hubungan tersebut secara [R3] If IPA = rendah AND IPS = tinggi then NK = menyeluruh. Pada gambar 10. jurusan IPS dari setiap matapelajaran lalu dijumlahkan dan dibagi dengan jumlah matapelajaran perjurusan. Bisa dilihat pada gam 13.

  Gambar 13 Tampilan Halaman Nilai Siswa

  5.3 Tampilan Halaman Fuzzyfikasi

  Halaman fuzzyfikasi ini adalah nilai dimana hasil dari rumus fuzzy yang menggunakan nilai siswa setiap jurusan yang menghasilkan skor dan kategori . Bisa dilihat pada gambar 14.

  Gambar 10 Dad level 1

  4.9 Relasi Tabel

  Relasi antar tabel menggambarkan hubungan antar tabel yang telah terbentuk dengan menghubungkan kunci primary key.

  Gambar 14 Tampilan Halaman Fuzzyfikasi

  5.4 Tampilan Halaman Inferensi

  Halaman inferensi ini adalaha halaman rule dimana nilai yang ada di halaman rule ini adalah nilai dari hasil fuzzifikasi, rule ini akan mengambil nilai minimal yang akan di proses lanjut ke defuzzifikasi. Halaman inferensi bisa dilihat pada gambar 15.

  Gambar 11 Relasi Tabel

5. Implementasi

  5.1 Tampilan Halaman Nilai Keanggotaan

  Halaman nilai keanggotaan ini menampilkan sesuai tahun ajaran. Nilai keanggotaan ini yang menentukan siswa masuk IPA atau IPS. Bisa dilihat pada gambar 12.

  Gambar 15 Tampilan Halaman Inferensi

  5.5 Tampilan Halaman Defuzzyfikasi

  Halaman defuzzyfikasi tsukamoto ini adalah halaman untuk menentukan nilai akhir, dan penetuan siswa masuk IPA atau IPS dengan hasil nilai yang sudah di proses dengan fuzzy tsukamoto.

  Gambar 12 Tampilan Halaman Perhitungan

  Halaman defuzzyfikasi tsukamoto bisa dilihat pada

  Fuzzy gamabar 16.

  5.2 Tampilan Halaman Nilai siswa

  Halaman nilai siswa ini adalah nilai dari mata pelajaran setiap jurusan. Siswa mempunyai nilai

  [2] Arief, M .R., (2011), Pemrograman Web

  Dinamis Menggunakan PHP & MySQL,

  Yogyakarta: Andi Offset [3] Boki, dkk,. Jul-Des 2016,sistem pendukung

  keputusanpenentuan calon guru berprestasi mengunakan metode fuzzy tsukamoto. Semantik , 2(2),93-102.

  Gambar 16 Tampilan Halaman Defuzzyfikasi

  [4] Pardede, M. (2014). Implikasi Sistem Pemilihan Umum Indonesia. Rechts Vinding Media Pembinaan Hukum Nasional, 3(1), 85–99.

6 Penutup

  [5] Fatta, H, A., (2007), Analisis Dan

  6.1 Kesimpulan Perancangan Sistem Informasi,

  Berdasarkan hasil perancangan sistem dan Yogyakarta: Andi Ofsset. implementasi sistem yang dilakukan penulis pada SMA N 1 Cikalong Tasikmalaya, maka dapat

  [6] Firgiawan, K, M., (2015), Trik Menguasai disimpulkan bahwa : HTML5, CSS3, PHP, PHP Aplikatif,

  a. Sistem penentuan jurusan SMA N 1 Cikalong Yogyakarta: Lokomedia. yang menggunakan metode fuzzy tsukamoto dapat memudahkan untuk menentukan jurusan siswa dan membantu pihak guru dalam

  [7] Hariyanto, B., (2008), Dasar Informatika Dan melakukan penentuan jurusan siswa.

  Ilmu Komputer, Yogyakarta: Graha Ilmu.

  b. Sistem implementasi jurusan ini telah berhasil dibuat dengan menerapkan metode fuzzy tsukamoto dan menggunakan bahasa

  [8] Harliana, P., Rahim, R., 2017. Comparative pemrograman PHP.

  Analysis Of Membership Function On

  c. Proses penentuan jurusan dengan metode fuzzy

  Mamdani Fuzzy Inference System For

  tsukamoto menggunkana inputan nilai mata

  Decision Making. International

  pelajaran siswa setiap jurusan. Dari hasil nilai

  Conference On Information And

  tersebut akan menghasilkan keputusan jurusan

  Communication Technology. Jurnal of IPA atau IPS.

  physics, 930,2-6. dOI:10.1088/1742- 6596/930/1/012029

  6.2 Saran

  [9] Jogiyanto, HM. 2005. Analisis dan Desain Berdasarkan kesimpulan diatas, didapatkan

  Sistem Informasi: Pendekatan

  saran-saran guna membangun sistem yang lebih

  Tersetruktur Teori dan Praktek Aplikasi

  baik lagi kedepannya menggunakan metode fuzzy Bisnis. Yogyakarta : Andi Offset. tsukamoto. Adapun saran saran dan kekuragan sistem sebagai berikut : a. Perlu menggabungkan metode lain selain fuzzy

  [10] Kadir , A,. (2009), Belajar Database tsukamoto supaya hasilnya lebih terperinci dan

  Menggunakan MySQL, Yogyakarta: Andi valid.

  Offset.

  b. Diharapkan sistem penentuan jurursan siswa kedepannya bisa menggunakan aplikasi berbasis

  mobile.

  [11] Kusumadewi, S., Purnomo, H,. 2013, Aplikasi

  Logika Fuzzy Untuk Pendukung

  Data nilai siswa belum menggunakan keamanan c.

  Keputusan, Graha Ilmu, Yogyakarta.

  sistem, karna takut terjadinya hal yang tidak diinginkan.

  [12] Kustiyahningsih, Y. dan Anamisa, Devie, R.,

DAFTAR PUSTAKA

  (2011), Pemrograman Basis Data

  Berbasis Web Menggunakan PHP &

  [1] Ariani, F., Endra, Y. R., 2013, MySQL, Yogyakarta: Graha Ilmu.

  Implementation Of Fuzzy Inference System With Tsukamoto Method For Study Programme Selection.

  [13] Nugroho, B., (2005), Database Relational

  International conference on engineering Dengan MySQL, Yogyakarta: Andi Offset. and

  [14] Perangin-angin, dkk, Jul-Aug 2017,

  Implementation Of Fuzzy Tsukamoto Algorithm In Determining Work Feasibility. Journal Of Computer Engineering, 19(4) 52-55.

  [15] Permatasari, dkk,. Februari 20015, sistem

  pendukung pemilihan program study di universitas mulawarman menggunakan metode tsukamoto. Jurnal Informatika Mulawarman, 10(1) 32-37.

  [16] Ramlan, dkk, march 2016, Implementasi Of

  Fuzzy Inference System For Producation Planning Optimisation. International

  conference on industrial engineering and operations management kuala lumput. 2151-2158

  [17] Prasojo, Lantip Diat., 2011, Teknologi

  Informasi Pendidikan, GavaMedia, Yogyakarta.