SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN DI PT. CONBAT MENGGUNAKAN LOGIKA FUZZY : METODE SUGENO.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN DI PT.
CONBAT MENGGUNAKAN LOGIKA FUZZY : METODE SUGENO
PENYUSUN
: NANANG KURNIAWAN
DOSEN PEMBIMBING I
: FETTY TRI A., S.Kom, M.Kom
DOSEN PEMBIMBING II
: EVA YULIA P., S.Kom
ABSTRAK
Dalam sector perdagangan, perkembangan teknologi akan informasi –
informasi terbaru dan terlengkap dalam suatu produk maupun jasa sangatlah
diperlukan. Bahkan menjadi kebutuhan primer dalam perusahaan saat ini,
sehingga berpengaruh sangat besar terhadap segala aktivitas. Pegawai yang
berkompeten akan dapat menghasilkan produk yang lebih berkualitas. Sehingga
proses pemilihan karyawan yang berkualitas menjadi sangat penting. Sedangkan
kita tahu bahwa proses pemilihan karyawan yang bagus memerlukan waktu yang
panjang dan dapat mengganggu proses produksi karyawan lain apabila proses
penerimaan dilakukan di wilayah pabrik.
Sehingga diperlukan sebuah perangkat lunak yang dibangun untuk
mengatasi permasalahan tersebut. Salah satu solusinya adalah menggunakan
metode pengambilan keputusan. Dalam logika fuzzy terdapat banyak sekali
jenisnya. Maka yang akan saya gunakan dalam Tugas Akhir ini adalah logika
fuzzy dengan metode sugeno.
Berdasarkan system penerimaan karyawan yang ada di PT.Conbat,
diperlukan perangkat lunak dengan metode diatas untuk membantu proses
penerimaan karyawan berbasis web. PT.Conbat membutuhkan ketersediaan
informasi yang dapat dengan mudah diakses dan akurat. Sistem informasi yang
dibangun diharapkan dapat meningkatkan efisien, produktivitas, dan efektivitas
dalam upaya peningkatan penerimaan karyawan.
Kata kunci : Penerimaan karyawan, logika fuzzy, metode sugeno.
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat ALLAH SWT., karena berkat
limpahan Rahmat-Nya, seluruh rangkaian Tugas Akhir dapat terlaksana sesuai
dengan rencana dan jadwal yang telah disusun. Tak lupa shalawat dan salam
penulis panjatkan kepada Nabi akhir zaman Muhammad S.A.W., karena berkat
perjuangannyalah karunia Iman dan Islam senantiasa menjadi inspirasi bagi
penulis.
Adapun maksud penulisan Skripsi ini adalah sebagai gambaran terhadap apa
yang penulis kerjakan pada Skripsi. Selain itu juga skripsi ini sebagai syarat untuk
menyelesaikan program studi strata satu (S-1) di Universitas Pembangunan
Nasional “VETERAN” Jawa Timur.
Tak lupa penulis mengucapkan terima kasih sebesar – besarnya kepada
pihak – pihak yang telah mendukung dan membantu baik secara materiil maupun
dorongan spiritual untuk menyelesaikan penyusunan laporan Tugas Akhir,
terutama kepada :
1. Orang tua dan kelurga tercinta atas motivasi dan doanya sehingga semua
yang dikerjakan dapat berjalan lancer.
2. Bapak Ir. Sutiyono, MT selaku Dekan FTI UPN “VETERAN” Jatim.
3. Ibu Dr. Ir. Ni Ketut Sari, MT selaku Kepala Jurusan Teknik Informatika,
FTI UPN “VETERAN” Jatim.
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4. Ibu Fetty Tri Anggraeny, S.kom, M.kom dan Ibu Eva Yulia P., S.kom
selaku dosen pembimbing yang telah meluangkan waktu untuk
memberikan bimbingan selama proses pelaksanaan Tugas Akhir.
5. Bapak dan Ibu Dosen yang telah memberikan ilmu berarti bagi penulis.
6. Seseorang yang sangat spesial, Epii Beibii LupciQii, terima kasih banyak
untuk dukungan dan doanya.
7. Mas Dhenz dan sodaraku Noy Brandalz, terima kasih untuk dukungan.
8. Teman – teman yang tidak dapat disebutkan namanya satu per satu.
9. Alm. Ayah yang selalu ada disampingku menemani setiap saat dan waktu.
Penulis mendoakan untuk semua pihak yang telah membantu penulis
semoga mendapatkan imbalan yang setimpal dan senantiasa di berkahi rahmat
berlimpah dari Allah S.W.T. Amin.
Penulis menyadari bahwa masih banyak kekurangan dalam pelaksanaan
Tugas Akhir ini mengingat terbatasnya pengetahuan dan kemampuan penulis,
namun penulis berharap semoga pelaksanaan Tugas Akhir ini dapat ikut
menunjang perkembangan ilmu pengetahuan, khususnya ilmu komputer. Kritik
dan saran yang membangun penulis harapkan untuk kesempurnaan penulisan
laporan ini.
Akhirnya dengan ridho Allah S.W.T., penulis berharap semoga laporan
Tugas Akhir ini dapat memberikan manfaat bagi pembaca sekalian.
Surabaya, Februari 2014
Penulis
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR ISI
Halaman
ABSTRAK................................................................................................
i
KATA PENGANTAR ................................................................................
ii
DAFTAR ISI .............................................................................................
iv
DAFTAR GAMBAR.................................................................................
vii
DAFTAR TABEL .....................................................................................
ix
BAB I PENDAHULUAN ..................................................................
1
1.1 Latar Belakang .................................................................
1
1.2 Rumusan Masalah ............................................................
2
1.3 Batasan Masalah ...............................................................
2
1.4 Tujuan Penelitian ..............................................................
3
1.5 Manfaat Penelitian ............................................................
3
1.6 Metodologi .......................................................................
4
1.7 Sistematika Penulisan Laporan .........................................
5
BAB II LANDASAN TEORI ............................................................
7
2.1. Logika Fuzzy...................................................................
7
2.1.1 Himpunan Fuzzy ....................................................
9
2.1.2. Fungsi Keanggotaan .............................................
10
2.2. Fuzzy Sugeno ..................................................................
16
2.3. PT. Conbat.......................................................................
19
iv
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.3.1. Proses Recruitment............................................
20
2.3.2. Parameter pemilihan Karyawan .........................
20
BAB III PERANCANGAN................................................................
21
3.1 Analisa Sistem ................................................................
21
3.2 Variabel Pada Fuzzy .......................................................
22
3.2.1 Kriteria Pengalaman Kerja ................................
23
3.2.2 KriteriaBidang keahlian ....................................
25
3.2.3 Kriteria Nilai UN ..............................................
26
3.2.4 Kriteria NilaiWawancara ...................................
29
3.3 Rules ..............................................................................
32
3.4 Implementasi Data……………………………………….
47
3.5 Conseptual Data Model …………………………….. ......
47
3.6 Physical Data Model………………………………….....
47
3.7 Implementasi Aplikasi Desain Antarmuka………………
48
3.7.1 Data Tabel User ...............................................
48
3.7.2 Data Tabel Berita .............................................
49
3.7.3 Data Table Pelamar .........................................
50
3.7.4 Data Table Karyawan ......................................
51
3.7.5 Data Table Hubungi……………………...........
52
3.7.6 Data Table Jadwal……………………………... 53
3.7.7 Data Table Komentar………………………….. 54
v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB IV HASIL DAN PEMBAHASAN .........................................
56
4.1 Implementasi Aplikasi Desain...........................................
56
4.1.1 Tampilan Halaman Menu ................................
56
4.1.2 Tampilan Register ...........................................
57
4.1.3 Tampilan halaman Admin ................................
58
4.1.4 Tampilan SPK Tahap 1 ....................................
58
4.1.5 Tampilan Hasil SPK Tahap 1 ...........................
59
4.1.6 Tampilan SPK Tahap 2 ....................................
61
4.1.7 Tampilan Hasil SPK Tahap 2 ...........................
61
4.1.8 Tampilan Pelamar............................................
63
4.1.9 Tampilan Pengumuman ...................................
64
BAB V PENUTUP ............................................................................
65
5.1 Kesimpulan ......................................................................
65
5.2 Saran ................................................................................
66
DAFTAR PUSTAKA .........................................................................
67
vi
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR GAMBAR
Gambar
Halaman
Gambar 2.1. Himpunan Fuzzy Untuk Ketinggian ...............................
9
Gambar 2.2 Representasi Linear Naik ................................................
11
Gambar 2.3 Representasi Linear Turun ..............................................
12
Gambar 2.4 Representasi Kurva Segitiga ...........................................
13
Gambar 2.5 Representasi Kurva Trapesium ........................................
14
Gambar 2.6 Representasi Kurva Bahu ................................................
15
Gambar 3.1 Gambaran Alur Kerja Sistem ..........................................
22
Gambar 3.2 Representasi Kurva Pengalaman Kerja………………….. 23
Gambar 3.3 Representasi Kurva Nilai UN ..........................................
26
Gambar 3.4 Representasi Kurva Nilai Wawancara …………………… 29
Gambar 3.5 Gambar CDM Aplikasi SPK ...........................................
47
Gambar 3.6 Gambar PDM Aplikasi SPK............................................
48
Gambar 4.1 Tampilan Halaman Menu ................................................
57
Gambar 4.2 Tampilan Halaman Register ............................................
57
Gambar 4.3 Tampilan Admin .............................................................
58
Gambar 4.4 Tampilan SPK Tahap 1....................................................
59
Gambar 4.5 Tampilan Rules Tahap 1 ..................................................
59
Gambar 4.6 Tampilan Proses Fuzzy Tahap 1 ......................................
60
Gambar 4.7 Tampilan Hasil Fuzzy Tahap 1 ........................................
60
Gambar 4.8 Tampilan SPK Tahap 2. ...................................................
61
Gambar 4.9 Tampilan Rules Tahap 2 ..................................................
62
vii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 4.10 Tampilan Proses Fuzzy Tahap 2 ....................................
62
Gambar 4.11 Tampilan Hasil Fuzzy Tahap 2 ......................................
63
Gambar 4.12 Tampilan Form Data Personal .......................................
63
Gambar 4.13 Tampilan Pengumuman…...............................................
64
viii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR TABEL
Tabel
Halaman
Tabel 3.1 Rules ..................................................................................
30
Tabel 3.2 struktur table data user ........................................................
49
Tabel 3.3 struktur table data berita......................................................
49
Tabel 3.4 struktur table data pelamar ..................................................
51
Tabel 3.5 struktur table data karyawan ...............................................
52
Tabel 3.6 struktur table data hubungi ..................................................
52
Tabel 3.7 struktur table data jadwal ....................................................
53
Table 3.8 struktur table data komentar ................................................
54
ix
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB I
PENDAHULUAN
1.1.Latar Belakang
Pada sektor perdagangan khususnya pabrik, kehadiran teknologi informasi
menjadi salah satu aspek penting. karena kebutuhan akan informasi – informasi
terbaru dan terlengkap dalam suatu produk maupun jasa untuk pembeli sangatlah
diperlukan. Oleh karena itu diharapkan kemajuan teknologi dapat mengiringi
kemajuan di sector perdagangan sehingga jumlah penjualan dapat semakin
meningkat.
PT. Conbat merupakan perusahaan penyedia baterai mobil ternama di
Surabaya yang sudah berjalan 20tahun lebih dan dapat menyediakan baterai
mobil yang dibutuhkan di pasaran. Untuk memenuhi kebutuhan konsumen yang
semakin banyak PT.Conbat sehingga memiliki karyawan yang sangat banyak
untuk melakukan proses produksi yang sesuai dengan kebutuhan pasar.
Pegawai yang berkompeten akan dapat menghasilkan produk yang lebih
berkualitas dibandingkan pegawai yang kurang kompeten. Sehingga proses
pemilihan karyawan yang berkualitas menjadi sangat penting. Sedangkan kita
tahu bahwa proses pemilihan karyawan yang bagus memerlukan waktu yang
panjang dan dapat mengganggu proses produksi karyawan lain apabila proses
penerimaan dilakukan di wilayah pabrik.
1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2
Sehingga diperlukan sebuah perangkat lunak yang dibangun untuk
mengatasi permasalahan tersebut. Salah satu solusinya adalah menggunakan
metode pengambilan keputusan. Dalam logika fuzzy terdapat banyak sekali
jenisnya. Maka yang akan digunakan dalam Tugas Akhir ini adalah logika fuzzy
dengan metode sugeno. Perangkat lunak yang dibangun haruslah berbasis web
dikarenakan pemasalahan utama yang timbul adalah pengelolaan data pelamar di
PT.Conbat. PT.Conbat membutuhkan ketersediaan informasi yang dapat dengan
mudah diakses dan akurat. Sistem informasi yang dibangun diharapkan dapat
meningkatkan efisien, produktivitas, dan efektivitas dalam upaya peningkatan
penerimaan karyawan.
1.2.Rumusan Masalah
Berdasarkan latar belakang di atas, maka dapat dirumuskan masalah :
a. Sistem pendukung keputusan apa yang digunakan dalam proses
penerimaan karyawan oleh pegawai HRD di PT Conbat?
b. Bagaimana
membuat
berita
terkait
tentang
lowongan,
jadwal
wawancara, dan pengumuman hasil wawancara?
c. Bagaimana menjaga kerahasiaan data perusahaan?
1.3.Batasan Masalah
Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan
aplikasi ini dapat berjalan dengan baik adalah sebagai berikut :
a. Pembuatan aplikasi sistem pendukung keputusan untuk penerimaan karyawan
pada PT. CONBAT berbasis web.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3
b. Aplikasi
SPK(Sistem
Pendukung
Keputusan)
menggunakan
bahasa
pemrograman php.
c. Aplikasi SPK menggunakan fuzzy logic metode sugeno.
1.4.Tujuan Penelitian
Mengacu pada perumusan masalah, tujuan yang hendak dicapai
dalampenyusunan skripsi ini adalah :
a. Membuat suatu sistem informasi SPK(Sistem Pendukung keputusan).
b. Mengimplementasikan system penerimaan karyawan yang sudah
dibuat menjadi sebuah sistem informasi yang nantinya bisa benar –
benar dinikmati manfaatnya oleh Pelamar dan Pegawai PT. Conbat.
c. Membentuk suatu sistem program yang bertujuan untuk memberikan
efektifitas waktu dengan menggunakan sistem metode fuzzy.
1.5.Manfaat Penelitian
Adapun manfaat yang dapat diambil dari skripsi ini antara lain sebagai
berikut:
a. Memberikan kemudahan bagi Pelamar Untuk mendapatkan dan mengetahui
informasi terbaru tentang kegiatan Penerimaan Karyawan.
b. Petugas PT. Conbat akan dapat dengan mudah memberikan informasi terbaru
terkait perusahaan kepada karyawan maupun calon karyawan.
Para Pelamar bisa mengakses berita mengenai penerimaan karyawan maupun
berita yang terkait PT. Conbat dengan mengakses web SI ini.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4
1.6.Metodologi Penelitian
1.STUDI LITERATUR
Pada tahap ini dilakukan upaya memahami materi dari beberapa literatur
yang digunakan baik berupa buku, website atau jurnal ilmiah tentang website,
webserver, php, mysql, html, css, metode fuzzy sugeno dan lain-lain yang dapat
membantu penyelesaian proyek akhir ini.
2. PENGUMPULAN DAN PENGAMATAN DATA
Melakukan pengumpulan data tentang data pelamar PT.CONBAT,
mendefinisikannya dengan tepat data yang dibutuhkan untuk membuat tugas
akhir.
3. PERANCANGAN SISTEM
Melakukan perancangan sistem, yakni merancang aplikasi system
pendukung keputusan yang dapat memudahkan direktur PT.CONBAT dalam
memilih karyawan baru yang berbasiskan website sehingga mudah diakses
anatara lain melalui PC, laptop, notebook, maupun mobile device. Aplikasi SPK
dengan menggunakan logika fuzzy metode sugeno.
4. PEMBUATAN PROGRAM
Pada tahap ini yang dilakukan adalah membuat program SPK dengan
merancang logika fuzzy metode sugeno dalam bahasa php (website). Yang
nantinya aplikasi SPK ini akan dapat di upload di webserver maupun server
local.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
5
5. PENGUJIAN DAN PERBAIKAN
Dalam proses pembuatan proyek akhir ini akan selalu dilakukan pengujian
dan perbaikan secara berkala agar tingkat kekurangan dan kesalahan dalam
proyek akhir ini semakin berkurang.
6. ANALISA
Disetiap pengujian akan dilakukan analisa untuk mendeteksi kesalahan dan
kekurangan yang terdapat dalam aplikasi ini. Sehingga bisa melakukan perbaikan
secara tepat dan benar.
1.7.Sistematika Penelitian
Sistematika pembahasan dalam penyusunan buku proyek akhir ini adalah
sebagai berikut :
BAB I. PENDAHULUAN
Menguraikan secara singkat latar belakang, tujuan proyek akhir,
perumusan masalah, batasan masalah, metodologi dan sistematika pembahasan.
BAB II. TEORI PENUNJANG
Pada tahap ini dilakukan upaya memahami materi dari beberapa literatur
yang digunakan baik berupa buku, website atau jurnal ilmiah tentang website,
webserver, php, mysql, html, css, metode fuzzy sugeno dan lain-lain yang dapat
membantu penyelesaian proyek akhir ini.
BAB III. PERANCANGAN & PEMBUATAN SOFTWARE
Melakukan perancangan sistem, yakni merancang aplikasi system
pendukung keputusan yang dapat memudahkan direktur PT.CONBAT dalam
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
6
memilih karyawan baru yang berbasiskan website sehingga mudah diakses
anatara lain melalui PC, laptop, notebook, maupun mobile device. Aplikasi SPK
dengan menggunakan logika fuzzy metode sugeno.
BAB IV. ANALISA HASIL PENGUJIAN
Bab ini menjelaskan tentang hasil pengujian program yang telah di buat
serta analisa-analisa mengenai hasil yang telah di peroleh.
BAB V. KESIMPULAN DAN SARAN
Bab ini merupakan bab penutup dimana pengambilan kesimpulan dari
analisa dan hasil pengujian yang telah di peroleh.
BAB VI. DAFTAR PUSTAKA
Pada bagian ini berisi tentang referensi-referensi yang telah dipakai oleh
penulis sebagai acuan dan penunjang serta parameter yang mendukung
penyelesaian proyek akhir ini baik secara praktis maupun teoritis.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
LANDASAN TEORI
2.1. Logika Fuzzy
Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan
dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala
hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau
tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.
Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat
keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak
pasti seperti "sedikit", "lumayan", dan "sangat". Logika ini berhubungan dengan
set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi
Zadeh dari Universitas California, Berkeley pada 1965.
Logika fuzzy dapat dianggap sebagai kotak hitam yang berhubungan
antara ruang input menuju ruang output (Kusuma Dewi, 2003). Kotak hitam
tersebut berisi cara atau metode yang dapat digunakan untuk mengolah data input
menjadi output dalam bentuk informasi yang baik.
Dalam Logika Fuzzy proses dilakukan dalam 5 tahap. Yakni :
a. Data Input.
Dalam proses ini data input berupa data real yang didapatkan oleh user untuk
diproses. Data didapatkan dari hasil pengukuran, hasil wawancara, maupun
data hasil penetapan dari suatu sistem yang sudah ada. Misal data nilai dari
7
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
8
suatu siswa pada sekolah tertentu. Data berupa nilai siswa berupa tabel. Data
akan di sorting dan diproses pada logika fuzzy sesuai kebutuhan.
b. Fuzzification.
Dalam proses ini data real belum dapat di masukkan dalam sistem logika
fuzzy. Adapun caranya yakni dengan mengkonversi data tersebut menjadi
data yang dapat diproses fuzzy, proses yang dilakukan adalah fuzzification.
Merupakan proses konversi data real menjadi data yang berisi range nilai dari
suatu ketentuan. Misal data nilai dari suatu siswa tadi memiliki range nilai
dari 0-100, maka dibagi-bagi menjadi beberapa bagian. Semisal kita bagi
menjadi 3 : baik, sedang, kurang baik. Dari 3 bagian tersebut memiliki range
tertentu. Sehingga data nilai dari siswa dapat masuk dalam proses fuzzy
sesuai bagian-bagian tersebut.
c. Rules.
Rules merupakan proses fuzzy ketiga, dimana data yang sudah di proses pada
fuzzification akan diproses lebih lanjut. Pada rules beberapa variabel / kriteria
data pada proses fuzzification akan digabungkan dan di proses dalam suatu
tabel rules. Sehingga berdasarkan nilai beberapa kriteria akan menghasilkan
satu nilai kriteria yang baru yang sebagai ouput.
d. Defuzzification.
Setelah proses rules, data yang sudah diproses berupa data kriteria baru,
dilakukan proses defuzzification yakni konversi dari data fuzzy menjadi data
real. Dengan menggunakan perhitungan sesuai dengan metode fuzzy tertentu.
Defuzzification akan menghasilkan prosentase dari proses fuzzy.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
9
e. Output.
Pada proses terakhir adalah output dari logika fuzzy, output adalah berupa
decision / prosentase sehingga dapat memudahkan user dalam mengambil
suatu keputusan terhadap suatu permasalahan dengan data tertentu (terutama
permasalahan yang memiliki banyak data sebagai parameternya).
2.1.1. Himpunan Fuzzy
Dalam teori logika fuzzy dikenal himpunan fuzzy (fuzzy set) yang
merupakan pengelompokan sesuatu berdasarkan variabel bahasa (linguistik
variable), yang dinyatakan dalam fungsi keanggotaan. Didalam semesta
pembicaraan (universe of discourse) U, fungsi keanggotaan dari suatu himpunan
fuzzy tersebut bernilai antara 0 sampai dengan 1.
Contoh dari himpunan variabel bahasa antara lain:
Himpunan dari ketinggian dapat dinyatakan dengan: rendah sekali, rendah,
sedang, tinggi, tinggi sekali. Grafik dari himpunan suhu ini ditunjukkan pada
gambar 2.1 :
Gambar 2.1 Himpunan Fuzzy Untuk Ketinggian.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
10
2.1.2. Fungsi Keanggotaan
Fungsi Keanggotaan Logika Fuzzy digunakan untuk menghitung derajat
keanggotaan suatu himpunan fuzzy. Setiap istilah linguistik diasosiasikan dengan
fuzzy set, yang masing-masing memiliki fungsi keanggotaan yang telah
didefinisikan. Fungsi keanggotaan (membership function) adalah suatu kurva
yang menunjukan pemetaan titik input data ke dalam nilai keanggotaannya
(sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0
sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan melalui pendekatan fungsi. Adalah fungsi
keanggotaan yang biasa digunakan dalam penalaran logika fuzzy, diantaranya :
a) Representasi Linier
Pada representasi linear, pemetaan input ke derajat keanggotaannya
digambarkan sebagai sebuah garis lurus. Bentuk ini paling sederhana dan
menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.
Ada dua keadaan himpunan fuzzy linear. Pertama, kenaikan himpunan
dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke
kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi
yang disebut dengan representasi fungsi linear naik.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
11
Representasi fungsi keanggotaan untuk linear naik terdapat pada gambar
2.2 :
Gambar 2.2 Representasi Linear Naik
Berikut rumus Representasi Linear Naik :
0;
;
[ , , ]=
1;
≤
≤ ;
≤ ; ………. 2.1
≥ ;
Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
x = nilai input yang akan di ubah ke dalam bilangan fuzzy
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai
domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak
menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
12
Representasi fungsi keanggotaan untuk linear turun adalah sebagai berikut:
Gambar 2.3 Representasi Linear Turun.
Berikut Rumus Representasi Linear Turun :
[ , , ]=
;
0;
≤
≤
; ………. 2.2
≥
;
Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan satu
b = nilai domain yang mempunyai derajat keanggotaan nol
x = nilai input yang akan di ubah ke dalam bilangan fuzzy.
b) Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear).
Nilai-nilai disekitar b memiliki derajat keanggotaan turun cukup tajam (menjauhi
1).
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
13
Representasi dari fungsi keanggotaan kurva segitiga terdapat pada gambar
2.4 ::
Gambar 2.4Representasi Kurva Segitiga
Representasi fungsi keanggotaan untuk kurva segitiga adalah :
≤
0;
[ , , ]=
;
;
≤
;
≤
≥ ;
≤ ; ………. 2.3
≤ ;
Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan nol
c) Representasi Kurva Trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada
beberapa titik yang memiliki nilai keanggotaan 1.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
14
Representasi kurva keanggotaan trapezium :
Gambar 2.5 Representasi Kurva Trapesium
Representasi fungsi keanggotaan untuk kurva trapesium adalah:
0;
;
[ , , ]=
≤
1;
;
0;
≤
≤
≤
≤
;
;
≤ ; ………. 2.4
≤ ;
≥
;
Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol
b = nilai domain terkecil yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan satu
d = nilai domain terbesar yang mempunyai derajat keanggotaan nol
x = nilai input yang akan di ubah ke dalam bilangan fuzzy.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
15
d) Representasi Kurva bentuk Bahu
Daerah
yang
terletak
di
tengah-tengah
suatu
variabel
yang
direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik
turun. Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami
perubahan.
Himpunan fuzzy “bahu”,
bukan
segitiga,
digunakan
untuk
mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah,
demikian juga bahu kanan bergerak dari salah ke benar.
Gambar 2.6 Representasi Kurva Bahu
Representasi fungsi keanggotaan untuk kurva bahu adalah :
0;
;
[ , , ]=
≤
1;
0;
;
1;
≤
≤
≤
≥
≤
≤
;
;
;
≥
;
;
;
………. 2.5
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
Selain fungsi di atas, masih ada beberapa fungsi keanggotaan logika
fuzzy lainnya, seperti Representasi Kurva S dan Representasi Kurva Bentuk
Lonceng (Bell Curve). Tetapi kedua Fungsi Keanggotaan Logika Fuzzy tersebut
jarang dipakai untuk penelitian.
2.2.Fuzzy 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. Metode ini diperkenalkan
oleh Takagi-Sugeno Kang pada tahun 1985. Ada beberapa model dari fuzzy
sugeno :
a) Model Fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy SUGENO Orde-Nol adalah:
IF (x1 is A1) o (x2 is A2) o (x3 is A3) o ...... o (xN is AN) THEN z=k
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah
suatu konstanta (tegas) sebagai konsekuen.
b) Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy SUGENO Orde-Satu adalah:
IF (x1 is A1) o ...... o (xN is AN) THEN z = p1*x1 + … + pN*xN + q
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan pi adalah
suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
17
Apabila komposisi aturan menggunakan metode SUGENO, maka
deffuzifikasi dilakukan dengan cara mencari nilai rata-ratanya.
………. 2.6
Contoh :
Kita kembali pada contoh yang sama seperti pada contoh sebelumnya.
Himpunan fuzzy pada variabel permintaan dan persediaan juga sama seperti
penyelesaian pada contoh tersebut. Hanya saja aturan yang digunakan sedikit
dimodifikasi, sebagai berikut (dengan asumsi bahwa jumlah permintaan selalu
lebih tinggi disbanding dengan jumlah persediaan):
[R1] IF Permintaan TURUN And Persediaan BANYAK
THEN Produksi Barang = Permintaan - Persediaan;
[R2] IF Permintaan TURUN And Persediaan SEDIKIT
THEN Produksi Barang = Permintaan;
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang = Permintaan;
[R4] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang = 1,25*Permintaan - Persediaan;
Sekarang kita cari α-predikat dan nilai z untuk setiap aturan:
[R1] IF Permintaan TURUN And Persediaan BANYAK
THEN Produksi Barang = Permintaan - Persediaan;
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
18
α-predikat1 = µ PmtTURUN ∩ PsdBANYAK
= min(µ PmtTURUN[4000], µ PsdBANYAK[300])
= min(0,25; 0,4)
= 0,25
Nilai z1: z1 = 4000 – 300 = 3700
[R2] IF Permintaan TURUN And Persediaan SEDIKIT
THEN Produksi Barang = Permintaan;
α-predikat2 = µ PmtTURUN ∩ PsdSEDIKIT
= min(µ PmtTURUN[4000], µ PsdSEDIKIT[300])
= min(0,25; 0,6)
= 0,25
Nilai z2: z2 = 4000
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang = Permintaan;
α-predikat3 = µ PmtNAIK ∩ PsdBANYAK
= min(µ PmtNAIK[4000], µ PsdBANYAK[300])
= min(0,75; 0,4)
= 0,4
Nilai z3: z3 = 4000
[R4] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang = 1,25*Permintaan - Persediaan;
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
19
α-predikat4 = µ PmtNAIK ∩ PsdSEDIKIT
= min(µ PmtNAIK[4000], µ PsdSEDIKIT[300])
= min(0,75; 0,6)
= 0,6
Nilai z4: z4 = 1,25*4000 – 300 = 4700
Dari sini kita dapat mencari berapakah nilai z, yaitu:
z=
αpred1 ∗z1 + αpred2 ∗z2 + αpred3 ∗z3 + αpred4 ∗z4
αpred1 + αpred2 + αpred3 + αpred4
=
0,25 ∗ 3700 + 0,25 ∗ 4000 + 0,4 ∗ 4000 + 0,6 ∗ 4700
0,25 + 0,25 + 0,4 + 0,6
=
6345
1,5
= 4320
Sesuai dengan hasil perhitungafuzyydiatasmaka jumlah makanan kaleng
jenis ABC yang harus diproduksi sebanyak 4230 kemasan.
Keterangan :
- Z adalah nilai rata – rata
- αpred adalah nilai keanggotaan sebagai hasil dari operasi 2 himpunan
2.3.PT. CONBAT
Berkembangnya usaha – usaha perdagangan yang sangat pesat pada saat
ini menjadikan informasi sebagai salah satu peranan yang sangat penting dalam
menunjang jalannya operasi demi tercapainya tujuan dan harapan yang di
inginkan oleh suatu perusahaan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
20
PT. Conbat bergerak dibidang pembuatan baterai aki mobil dengan target
pasar di dalam dandi luar negeri. PT.Conbat mengalami kendala terutama dalam
penerimaan karyawan. Selama ini perusahaan masih menggunakan sistem manual
dalam hal menerima karyawan. Sehingga PT. Conbat membutuhkan waktu yang
cukup lama dalam memilih dan menyeleksi para pelamar.
Oleh karena itu dirancang suatu sistem pendukung keputusan penerimaan
karyawan untuk mempermudah dalam memilih dan menyeleksi para pelamar
dengan waktu yg singkat.
2.3.1. Proses Recuitment
Proses recuitment di PT. Conbat saat ini masih manual. Melalui karyawan
tetap yang membawa pelamar dan melalui pelamar yang bawa surat lamarannya
untuk ditujukan kepada personalia. Kemudian personalia melihat data – data
pelamar dan memilih pelamar yang pantas diterima.
2.3.2. Parameter Pemilihan Karyawan
Berdasarkan pertimbangan Sumber Daya Manusia (SDM) adapun
parameter yang di pertimbangkan dalam perusahaan PT. Conbat yaitu dalam segi
pendidikan minimum Sekolah Menengah Atas (SMA).Memiliki kepribadian yang
baik dan tidak pernah terlibat tindak pidana serta mempunyai kemampuan dalam
teamwork dan bekerja keras. Diutamakan domisili jawa timur.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB III
PERANCANGAN
3.1. Analisa Sistem
Dari analisis permasalahan yang telah dilakukan pada perusahaan, maka
akan dirancang suatu sistem pendukung keputusan untuk penerimaan karyawan
pada PT. Conbat. Pada aplikasi tersebut akan digambarkan proses seleksi
penerimaan karyawan di PT. Conbat secara terstruktur dan jelas. Sehingga dapat
menjadi salah satu acuan untuk direktur maupun bagian HRD dalam menyeleksi
karyawan yang melamar pada PT. Conbat.
Dengan Aplikasi yang berbasiskan web, maka pegawai/karyawan, direktur,
maupun pelamar PT. Conbat dapat mengakses aplikasi ini melalui berbagai
device (computer, laptop/notebook, dan mobile device) selama device tersebut
terkoneksi jaringan local PT. Conbat maupun memiliki jaringan internet.
Sehingga proses seleksi penerimaan karyawan dapat lebih praktis dan mudah
dilaksanakan.
Berikut tahapan dari sistem yaitu pelamar mengirim data personalia kepada
HRD PT.Conbat, kemudian data tersebut dimasukkan kedalam aplikasi sistem
pendukung keputusan yang saya buat, lalu dalam sistem akan diproses dengan
menggunakan logika fuzzy dalam menentukan bobot dari pelamar berdasarkan
kriteria perusahaan / standarisasi karyawan di PT. Conbat yang di jadikan
parameter dalam metode penyelesaian fuzzy sehingga akan didapatkan output
dari metode fuzzy tersebut sebagai acuan untuk direktur maupun HRD dalam
menerima calon karyawan di PT. Conbat.
21
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
22
Berikut adalah gambaran alur kerja dari aplikasi sistem pendukung
keputusan penerimaan karyawan di PT. Conbat :
Gambar 3.1 Gambaran Alur Kerja Sistem
3.2. Variabel Pada Fuzzy
Dalam logika fuzzy terdapat beberapa parameter sebagai bahan dalam
proses perhitungan logika fuzzy, dalam metode fuzzy sugeno ini menggunakan
parameter yang merepresentasikan kurva bahu. Daerah yang terletak di tengahtengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi
kanan dan kirinya akan naik turun. Tetapi terkadang salah satu sisi dari variabel
tersebut tidak mengalami perubahan[4]. Himpunan fuzzy “bahu”, bukan segitiga,
digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari
benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
23
Pada sistem pendukung keputusan untuk penerimaan karyawan pada PT.
CONBAT, menggunakan 4 kriteria sebagai parameter :
3.2.1. Kriteria Pengalaman Kerja
Kriteria pengalaman kerja dapat dilakukan proses fuzzifikasi. Maka
didapatkan 3 poin, yakni sedikit, cukup, banyak. Sehingga didapatkan representasi
kurva seperti pada gambar 3.2 :
Gambar 3.2 Representasi Kurva Pengalaman Kerja.
Pada variable pengalaman kerja, data yang dimiliki adalah 6 bulan, 24
bulan dan 48 bulan. Dengan demikian pada variable ini dapat dibagi menjadi 3
himpunan fuzzy, yaitu SEDIKIT, CUKUP, BANYAK. Himpunan fuzzy
SEDIKIT akan memiliki domain [0,24] dengan derajat keanggotaan SEDIKIT
tertinggi (=1) terletak pada domain [0,6]. Apabila pengalaman kerja semakin
melebihi 6 bulan, maka nilai pengalaman kerja akan mendekati CUKUP. Pada
kriteria pengalaman kerja, fungsi keanggotaan yang dimiliki oleh SEDIKIT
adalah fungsi keanggotaan linear turun.sehingga apabila jumlah bulan semakin
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
24
banyak sampai melebihi 6, maka nilai derajat keanggotaan untuk SEDIKIT adak
semakin kecil. Kemudian pada derajat keanggotaan CUKUP merupakan fungsi
keanggotaan segitiga. Dengan jumlah pengalaman kerja (bulan) yang semakin
naik mendekati nilai 24, maka nilai derajat keanggotaan CUKUP akan semakin
naik, begitu pula sebaliknya apabila melebihi 24 maka nilai keanggotaan akan
semakin sedikit. Untuk derajat keanggotaan BANYAK hampir sama dengan
derajat kenggotaan SEDIKIT, yakni memiliki fungsi keanggotaan linear naik.
Sehingga berdasarkan pada kurva pengalaman kerja diatas didapatkan
beberapa rumus berikut :
≤
;
=
≤
;
≥
;
≤
; ………. 3.1
≤
:
≤
;
Himpunan fuzzy SEDIKIT memiliki domain [6,24], dengan nilai derajat
keanggotaan SEDIKIT tertinggi (=1) terletak pada nilai dalam domain[0,6].
Apabila pengalaman kerja memiliki nilai yang semakin mendekati 24, maka akan
semakin berkurang derajat keanggotaan SEDIKIT dan semakin mendekati fungsi
keanggotaan CUKUP.
≤ 6
0;
≤
;
=
;
1;
≤
≥ 48;
≤ 24; 6
………. 3.2
≤ 48;
24
= 24;
Himpunan CUKUP merupakan fungsi keanggotaan segitiga dimana
himpunan fuzzy CUKUP memiliki domain [6,48], dengan nilai derajat
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
25
keanggotaan CUKUP tertinggi (=1) terletak pada nilai dalam nilai 24. Apabila
pengalaman kerja memiliki nilai yang semakin mendekati 24, maka akan semakin
tinggi dan mendekati nilai 1, apabila nilai dari pengalaman kerja melebihi titik 24
dan mendekati nilai 48 maka derajat keanggotaan CUKUP akan semakin
berkurang dan mendekati nilai 0.
0;
;
=
1:
≤
≤ 6;
≤ 24;
6 ………. 3.3
≥ 24;
Himpunan BANYAK merupakan fungsi keanggotaan linear naik dimana
himpunan fuzzy BANYAK memiliki domain [24,48], dengan nilai derajat
keanggotaan BANYAK tertinggi (=1) terletak pada nilai dalam domain[48,∞].
Apabila pengalaman kerja memiliki nilai yang semakin mendekati titik 48, maka
akan semaki tinggi dan mendekati nilai 1, apabila nilai dari pengalaman kerja
melebihi titik 24 maka derajat keanggotaan BANYAK akan tetap memiliki nilai 1,
sedangkan apabila nilai pengalaman kerja kurang dari 24, maka derajat
keanggotaan akan bernilai 0.
3.2.2. Kriteria Bidang Keahlian
Dalam kriteria bidang keahlian merupakan suatu parameter yang pasti
sehingga tidak dapat dilakukan proses fuzzifikasi. Tidak seperti kriteria lain yang
berupa angka-angka yang dapat bervariasi, pada kriteria ini hanya berupa
beberapa item/parameter yang memiliki bobot tertentu.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
26
Pada criteria ini dapat dimisalkan seperti:
a. Bidang keahlian mesin
: memiliki bobot 0,33.
b. Bidang keahlian listrik
: memiliki bobot 0,66.
c. Bidang keahlian Elektronika
: memiliki bobot 1.
3.2.3. Kriteria Nilai UN
Kriteria pengalaman kerja dapat dilakukan proses fuzzifikasi. Maka
didapatkan 3 poin, yakni sedikit, cukup, dan banyak. Sehingga didapatkan
representasi kurva seperti pada gambar 3.3. :
Gambar 3.3. Representasi Kurva Nilai UN.
Pada variable nilai UN, data yang dimiliki adalah 45, 50 dan 55. Dengan
demikian pada variable ini dapat dibagi menjadi 3 himpunan fuzzy, yaitu
SEDIKIT, CUKUP, BANYAK. Himpunan fuzzy SEDIKIT akan memiliki
domain [0,45] dengan derajat keanggotaan SEDIKIT tertinggi (=1) terletak pada
domain [0,45]. Apabila nilai UN semakin melebihi 45, maka derajat keanggotaan
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
27
dari nilai UN akan mendekati CUKUP. Pada kriteria nilai UN, fungsi keanggotaan
yang dimiliki oleh SEDIKIT adalah fungsi keanggotaan linear turun.sehingga
apabila jumlah nilai semakin banyak sampai melebihi 45, maka nilai derajat
keanggotaan untuk SEDIKIT akan semakin kecil sehingga nilai dari derajat
keanggotaan akan masuk di domain CUKUP. Kemudian pada derajat keanggotaan
CUKUP merupakan fungsi keanggotaan segitiga. Dengan jumlah nilai UN yang
semakin naik mendekati nilai 50, maka nilai derajat keanggotaan CUKUP akan
semakin naik, begitu pula sebaliknya apabila melebihi 50 maka nilai keanggotaan
akan semakin sedikit. Untuk derajat keanggotaan BANYAK hampir sama dengan
derajat kenggotaan SEDIKIT, yakni memiliki fungsi keanggotaan linear naik.
Sehingga berdasarkan pada kurva Nilai UN (Ujian Nasional) diatas
didapatkan beberapa rumus :
≤ 0
0;
;
=
1:
≤
≥ 50;
≤ 50;
45 ………. 3.4
≤
≤ 45;
0
Himpunan fuzzy SEDIKIT memiliki domain [45,50], dengan nilai derajat
keanggotaan SEDIKIT tertinggi (=1) terletak pada nilai dalam domain[0,45].
Apabila nilai UN memiliki nilai yang semakin mendekati 50, maka akan semakin
berkurang derajat keanggotaan SEDIKIT dan semakin mendekati fungsi
keanggotaan CUKUP.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
28
≤ 45
0;
≥ 55;
;
≤
≤ 50;45
;
≤
≤ 55;50
………. 3.5
=
1;
= 50;
Himpunan CUKUP merupakan fungsi keanggotaan segitiga dimana
himpunan fuzzy CUKUP memiliki domain [45,55], dengan nilai derajat
keanggotaan CUKUP tertinggi (=1) terletak pada nilai dalam nilai 50. Apabila
nilai UN memiliki nilai yang melebihi titik 45 dan semakin mendekati 50, maka
derajat keanggotaan CUKUP akan semakin tinggi dan mendekati nilai 1, apabila
nilai dari nilai UN melebihi titik 50 dan mendekati nilai 55 maka derajat
keanggotaan CUKUP akan semakin berkurang dan mendekati nilai 0.
≤ 45;
0;
;
=
1:
≤
≤ 50;
45 ………. 3.6
≥ 50;
Himpunan BANYAK merupakan fungsi keanggotaan linear naik dimana
himpunan fuzzy BANYAK memiliki domain [50,55], dengan nilai derajat
keanggotaan BANYAK tertinggi (=1) terletak pada nilai dalam domain[55,∞].
Apabila nilai UN memiliki nilai yang melebihi 50 dan semakin mendekati titik 55,
maka derajat keanggotaan BANYAK akan semaki tinggi dan mendekati nilai 1,
apabila nilai dari pengalaman kerja melebihi titik 55 maka derajat keanggotaan
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
29
BANYAK akan tetap memiliki nilai 1, sedangkan apabila nilai pengalaman kerja
kurang dari 50, maka derajat keanggotaan akan bernilai 0.
3.2.4. Kriteria Nilai Wawancara
Kriteria pengalaman kerja dapat dilakukan proses fuzzifikasi. Maka
didapatkan 3 poin, yakni sedikit, cukup, banyak. Sehingga didapatkan representasi
kurva seperti pada gambar 3.4. :
Gambar 3.4. Representasi Kurva Nilai Wawancara
Pada variable nilai wawancara, data yang dimiliki adalah 50, 70 dan 90.
Dengan demikian pada variable ini dapat dibagi menjadi 3 himpunan fuzzy, yaitu
SEDIKIT, CUKUP, BANYAK. Himpunan fuzzy SEDIKIT akan memiliki
domain [0,70] dengan derajat keanggotaan SEDIKIT tertinggi (=1) terletak pada
domain [0,50]. Apabila nilai wawancara semakin melebihi 50, maka derajat
keanggotaan dari nilai wawancara akan mendekati CUKUP. Pada kriteria nilai
wawancara, fungsi keanggotaan yang dimiliki oleh SEDIKIT adalah fungsi
keanggotaan linear turun.sehingga apabila jumlah nilai semakin banyak sampai
melebihi 50, maka nilai derajat keanggotaan untuk SEDIKIT akan semakin kecil
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
30
sehingga nilai dari derajat keanggotaan akan masuk di domain CUKUP.
Kemudian pada derajat keanggotaan CUKUP merupakan fungsi keanggotaan
segitiga. Dengan jumlah nilai wawancara yang semakin naik mendekati nilai 70,
maka nilai derajat keanggotaan CUKUP akan semakin naik, begitu pula
sebaliknya apabila melebihi 70 maka nilai keanggotaan akan semakin sedikit.
Untuk derajat keanggotaan BANYAK hampir sama dengan derajat kenggotaan
SEDIKIT, yakni memiliki fungsi keanggotaan linear naik.
Sehingga berdasarkan pada kurva Nilai diatas didapatkan beberapa rumus
sedikit, cukup, banyak :
≤ 0
0;
≥ 70;
;
=
1:
≤
≤ 70; 50………. 3.7
≤
≤ 50;
0
Himpunan fuzzy SEDIKIT memiliki domain [50,70], dengan nilai derajat
keanggotaan SEDIKIT tertinggi (=1) terletak pada nilai dalam domain[0,50].
Apabila nilai wawancara memiliki nilai yang semakin mendekati 70, maka akan
semakin berkurang derajat keanggotaan SEDIKIT dan semakin mendekati fungsi
keanggotaan CUKUP.
≤ 50
;
≤
≥ 90;
≤ 70;
50
;
≤
≤ 90;
70
0;
=
………. 3.8
1;
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
= 70;
31
Dimana pada rumus diatas a adalah titik sedikit, b adalah titik cukup, c
adalah titik banyak.
Himpunan CUKUP merupakan fungsi keanggotaan segitiga dimana
himpunan fuzzy CUKUP memiliki domain [50,90], dengan nilai derajat
keanggotaan CUKUP tertinggi (=1) terletak pada nilai dalam nilai 70. Apabila
nilai wawancara memiliki nilai yang melebihi titik 50 dan semakin mendekati 70,
maka derajat keanggotaan CUKUP akan semakin tinggi dan mendekati nilai 1,
apabila nilai dari nilai UN melebihi titik 70 dan mendekati nilai 90 maka derajat
keanggotaan CUKUP akan semakin berkurang dan mendekati nilai 0.
≤ 70;
0;
;
=
1:
≤
≤ 90;
70 ………. 3.9
≥ 90;
Himpunan BANYAK merupakan fungsi keanggotaan linear naik dimana
himpunan fuzzy BANYAK memiliki domain [70,90], dengan nilai derajat
keanggotaan BANYAK tertinggi (=1) terletak pada nilai dalam domain[90,∞].
Apabila nilai UN memiliki nilai yang melebihi 70 dan semakin mendekati titik 90,
maka derajat keanggotaan BANYAK akan semaki tinggi dan mendekati nilai 1,
apabila nilai dari pengalaman kerja melebihi titik 90 maka derajat keanggotaan
BANYAK akan tetap memiliki nilai 1, sedangkan apabila nilai pengalaman kerja
kurang dari 70, maka derajat keanggotaan akan bernilai 0.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
32
3.3 Rules
Pada proses metode fuzzy terdapat beberapa aturan / rules yang berlaku.
Hal ini ditujukan agar proses perhitungan bobot lebih mudah dan cepat. Berikut
beberapa rules yang dihasilkan dari beberapa parameter fuzzy :
Tabel 3.1. Rules
Pengalaman Kerja (bulan)
Nilai UN SMA
Nilai Wawancara
Hasil Diterima (%)
S
S
S
10
S
S
C
10
S
S
B
30
S
C
S
20
S
C
C
40
S
C
B
30
S
B
S
30
S
B
C
40
S
B
B
60
C
S
S
40
C
S
C
50
C
S
B
60
C
C
S
40
C
C
C
30
C
C
B
40
C
B
S
60
C
B
C
60
C
B
B
70
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
33
B
S
S
50
B
S
C
60
B
S
B
60
B
C
S
60
B
C
C
70
B
C
B
80
B
B
S
80
B
B
C
90
B
B
B
100
Ke
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN DI PT.
CONBAT MENGGUNAKAN LOGIKA FUZZY : METODE SUGENO
PENYUSUN
: NANANG KURNIAWAN
DOSEN PEMBIMBING I
: FETTY TRI A., S.Kom, M.Kom
DOSEN PEMBIMBING II
: EVA YULIA P., S.Kom
ABSTRAK
Dalam sector perdagangan, perkembangan teknologi akan informasi –
informasi terbaru dan terlengkap dalam suatu produk maupun jasa sangatlah
diperlukan. Bahkan menjadi kebutuhan primer dalam perusahaan saat ini,
sehingga berpengaruh sangat besar terhadap segala aktivitas. Pegawai yang
berkompeten akan dapat menghasilkan produk yang lebih berkualitas. Sehingga
proses pemilihan karyawan yang berkualitas menjadi sangat penting. Sedangkan
kita tahu bahwa proses pemilihan karyawan yang bagus memerlukan waktu yang
panjang dan dapat mengganggu proses produksi karyawan lain apabila proses
penerimaan dilakukan di wilayah pabrik.
Sehingga diperlukan sebuah perangkat lunak yang dibangun untuk
mengatasi permasalahan tersebut. Salah satu solusinya adalah menggunakan
metode pengambilan keputusan. Dalam logika fuzzy terdapat banyak sekali
jenisnya. Maka yang akan saya gunakan dalam Tugas Akhir ini adalah logika
fuzzy dengan metode sugeno.
Berdasarkan system penerimaan karyawan yang ada di PT.Conbat,
diperlukan perangkat lunak dengan metode diatas untuk membantu proses
penerimaan karyawan berbasis web. PT.Conbat membutuhkan ketersediaan
informasi yang dapat dengan mudah diakses dan akurat. Sistem informasi yang
dibangun diharapkan dapat meningkatkan efisien, produktivitas, dan efektivitas
dalam upaya peningkatan penerimaan karyawan.
Kata kunci : Penerimaan karyawan, logika fuzzy, metode sugeno.
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat ALLAH SWT., karena berkat
limpahan Rahmat-Nya, seluruh rangkaian Tugas Akhir dapat terlaksana sesuai
dengan rencana dan jadwal yang telah disusun. Tak lupa shalawat dan salam
penulis panjatkan kepada Nabi akhir zaman Muhammad S.A.W., karena berkat
perjuangannyalah karunia Iman dan Islam senantiasa menjadi inspirasi bagi
penulis.
Adapun maksud penulisan Skripsi ini adalah sebagai gambaran terhadap apa
yang penulis kerjakan pada Skripsi. Selain itu juga skripsi ini sebagai syarat untuk
menyelesaikan program studi strata satu (S-1) di Universitas Pembangunan
Nasional “VETERAN” Jawa Timur.
Tak lupa penulis mengucapkan terima kasih sebesar – besarnya kepada
pihak – pihak yang telah mendukung dan membantu baik secara materiil maupun
dorongan spiritual untuk menyelesaikan penyusunan laporan Tugas Akhir,
terutama kepada :
1. Orang tua dan kelurga tercinta atas motivasi dan doanya sehingga semua
yang dikerjakan dapat berjalan lancer.
2. Bapak Ir. Sutiyono, MT selaku Dekan FTI UPN “VETERAN” Jatim.
3. Ibu Dr. Ir. Ni Ketut Sari, MT selaku Kepala Jurusan Teknik Informatika,
FTI UPN “VETERAN” Jatim.
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4. Ibu Fetty Tri Anggraeny, S.kom, M.kom dan Ibu Eva Yulia P., S.kom
selaku dosen pembimbing yang telah meluangkan waktu untuk
memberikan bimbingan selama proses pelaksanaan Tugas Akhir.
5. Bapak dan Ibu Dosen yang telah memberikan ilmu berarti bagi penulis.
6. Seseorang yang sangat spesial, Epii Beibii LupciQii, terima kasih banyak
untuk dukungan dan doanya.
7. Mas Dhenz dan sodaraku Noy Brandalz, terima kasih untuk dukungan.
8. Teman – teman yang tidak dapat disebutkan namanya satu per satu.
9. Alm. Ayah yang selalu ada disampingku menemani setiap saat dan waktu.
Penulis mendoakan untuk semua pihak yang telah membantu penulis
semoga mendapatkan imbalan yang setimpal dan senantiasa di berkahi rahmat
berlimpah dari Allah S.W.T. Amin.
Penulis menyadari bahwa masih banyak kekurangan dalam pelaksanaan
Tugas Akhir ini mengingat terbatasnya pengetahuan dan kemampuan penulis,
namun penulis berharap semoga pelaksanaan Tugas Akhir ini dapat ikut
menunjang perkembangan ilmu pengetahuan, khususnya ilmu komputer. Kritik
dan saran yang membangun penulis harapkan untuk kesempurnaan penulisan
laporan ini.
Akhirnya dengan ridho Allah S.W.T., penulis berharap semoga laporan
Tugas Akhir ini dapat memberikan manfaat bagi pembaca sekalian.
Surabaya, Februari 2014
Penulis
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR ISI
Halaman
ABSTRAK................................................................................................
i
KATA PENGANTAR ................................................................................
ii
DAFTAR ISI .............................................................................................
iv
DAFTAR GAMBAR.................................................................................
vii
DAFTAR TABEL .....................................................................................
ix
BAB I PENDAHULUAN ..................................................................
1
1.1 Latar Belakang .................................................................
1
1.2 Rumusan Masalah ............................................................
2
1.3 Batasan Masalah ...............................................................
2
1.4 Tujuan Penelitian ..............................................................
3
1.5 Manfaat Penelitian ............................................................
3
1.6 Metodologi .......................................................................
4
1.7 Sistematika Penulisan Laporan .........................................
5
BAB II LANDASAN TEORI ............................................................
7
2.1. Logika Fuzzy...................................................................
7
2.1.1 Himpunan Fuzzy ....................................................
9
2.1.2. Fungsi Keanggotaan .............................................
10
2.2. Fuzzy Sugeno ..................................................................
16
2.3. PT. Conbat.......................................................................
19
iv
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.3.1. Proses Recruitment............................................
20
2.3.2. Parameter pemilihan Karyawan .........................
20
BAB III PERANCANGAN................................................................
21
3.1 Analisa Sistem ................................................................
21
3.2 Variabel Pada Fuzzy .......................................................
22
3.2.1 Kriteria Pengalaman Kerja ................................
23
3.2.2 KriteriaBidang keahlian ....................................
25
3.2.3 Kriteria Nilai UN ..............................................
26
3.2.4 Kriteria NilaiWawancara ...................................
29
3.3 Rules ..............................................................................
32
3.4 Implementasi Data……………………………………….
47
3.5 Conseptual Data Model …………………………….. ......
47
3.6 Physical Data Model………………………………….....
47
3.7 Implementasi Aplikasi Desain Antarmuka………………
48
3.7.1 Data Tabel User ...............................................
48
3.7.2 Data Tabel Berita .............................................
49
3.7.3 Data Table Pelamar .........................................
50
3.7.4 Data Table Karyawan ......................................
51
3.7.5 Data Table Hubungi……………………...........
52
3.7.6 Data Table Jadwal……………………………... 53
3.7.7 Data Table Komentar………………………….. 54
v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB IV HASIL DAN PEMBAHASAN .........................................
56
4.1 Implementasi Aplikasi Desain...........................................
56
4.1.1 Tampilan Halaman Menu ................................
56
4.1.2 Tampilan Register ...........................................
57
4.1.3 Tampilan halaman Admin ................................
58
4.1.4 Tampilan SPK Tahap 1 ....................................
58
4.1.5 Tampilan Hasil SPK Tahap 1 ...........................
59
4.1.6 Tampilan SPK Tahap 2 ....................................
61
4.1.7 Tampilan Hasil SPK Tahap 2 ...........................
61
4.1.8 Tampilan Pelamar............................................
63
4.1.9 Tampilan Pengumuman ...................................
64
BAB V PENUTUP ............................................................................
65
5.1 Kesimpulan ......................................................................
65
5.2 Saran ................................................................................
66
DAFTAR PUSTAKA .........................................................................
67
vi
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR GAMBAR
Gambar
Halaman
Gambar 2.1. Himpunan Fuzzy Untuk Ketinggian ...............................
9
Gambar 2.2 Representasi Linear Naik ................................................
11
Gambar 2.3 Representasi Linear Turun ..............................................
12
Gambar 2.4 Representasi Kurva Segitiga ...........................................
13
Gambar 2.5 Representasi Kurva Trapesium ........................................
14
Gambar 2.6 Representasi Kurva Bahu ................................................
15
Gambar 3.1 Gambaran Alur Kerja Sistem ..........................................
22
Gambar 3.2 Representasi Kurva Pengalaman Kerja………………….. 23
Gambar 3.3 Representasi Kurva Nilai UN ..........................................
26
Gambar 3.4 Representasi Kurva Nilai Wawancara …………………… 29
Gambar 3.5 Gambar CDM Aplikasi SPK ...........................................
47
Gambar 3.6 Gambar PDM Aplikasi SPK............................................
48
Gambar 4.1 Tampilan Halaman Menu ................................................
57
Gambar 4.2 Tampilan Halaman Register ............................................
57
Gambar 4.3 Tampilan Admin .............................................................
58
Gambar 4.4 Tampilan SPK Tahap 1....................................................
59
Gambar 4.5 Tampilan Rules Tahap 1 ..................................................
59
Gambar 4.6 Tampilan Proses Fuzzy Tahap 1 ......................................
60
Gambar 4.7 Tampilan Hasil Fuzzy Tahap 1 ........................................
60
Gambar 4.8 Tampilan SPK Tahap 2. ...................................................
61
Gambar 4.9 Tampilan Rules Tahap 2 ..................................................
62
vii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 4.10 Tampilan Proses Fuzzy Tahap 2 ....................................
62
Gambar 4.11 Tampilan Hasil Fuzzy Tahap 2 ......................................
63
Gambar 4.12 Tampilan Form Data Personal .......................................
63
Gambar 4.13 Tampilan Pengumuman…...............................................
64
viii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR TABEL
Tabel
Halaman
Tabel 3.1 Rules ..................................................................................
30
Tabel 3.2 struktur table data user ........................................................
49
Tabel 3.3 struktur table data berita......................................................
49
Tabel 3.4 struktur table data pelamar ..................................................
51
Tabel 3.5 struktur table data karyawan ...............................................
52
Tabel 3.6 struktur table data hubungi ..................................................
52
Tabel 3.7 struktur table data jadwal ....................................................
53
Table 3.8 struktur table data komentar ................................................
54
ix
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB I
PENDAHULUAN
1.1.Latar Belakang
Pada sektor perdagangan khususnya pabrik, kehadiran teknologi informasi
menjadi salah satu aspek penting. karena kebutuhan akan informasi – informasi
terbaru dan terlengkap dalam suatu produk maupun jasa untuk pembeli sangatlah
diperlukan. Oleh karena itu diharapkan kemajuan teknologi dapat mengiringi
kemajuan di sector perdagangan sehingga jumlah penjualan dapat semakin
meningkat.
PT. Conbat merupakan perusahaan penyedia baterai mobil ternama di
Surabaya yang sudah berjalan 20tahun lebih dan dapat menyediakan baterai
mobil yang dibutuhkan di pasaran. Untuk memenuhi kebutuhan konsumen yang
semakin banyak PT.Conbat sehingga memiliki karyawan yang sangat banyak
untuk melakukan proses produksi yang sesuai dengan kebutuhan pasar.
Pegawai yang berkompeten akan dapat menghasilkan produk yang lebih
berkualitas dibandingkan pegawai yang kurang kompeten. Sehingga proses
pemilihan karyawan yang berkualitas menjadi sangat penting. Sedangkan kita
tahu bahwa proses pemilihan karyawan yang bagus memerlukan waktu yang
panjang dan dapat mengganggu proses produksi karyawan lain apabila proses
penerimaan dilakukan di wilayah pabrik.
1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2
Sehingga diperlukan sebuah perangkat lunak yang dibangun untuk
mengatasi permasalahan tersebut. Salah satu solusinya adalah menggunakan
metode pengambilan keputusan. Dalam logika fuzzy terdapat banyak sekali
jenisnya. Maka yang akan digunakan dalam Tugas Akhir ini adalah logika fuzzy
dengan metode sugeno. Perangkat lunak yang dibangun haruslah berbasis web
dikarenakan pemasalahan utama yang timbul adalah pengelolaan data pelamar di
PT.Conbat. PT.Conbat membutuhkan ketersediaan informasi yang dapat dengan
mudah diakses dan akurat. Sistem informasi yang dibangun diharapkan dapat
meningkatkan efisien, produktivitas, dan efektivitas dalam upaya peningkatan
penerimaan karyawan.
1.2.Rumusan Masalah
Berdasarkan latar belakang di atas, maka dapat dirumuskan masalah :
a. Sistem pendukung keputusan apa yang digunakan dalam proses
penerimaan karyawan oleh pegawai HRD di PT Conbat?
b. Bagaimana
membuat
berita
terkait
tentang
lowongan,
jadwal
wawancara, dan pengumuman hasil wawancara?
c. Bagaimana menjaga kerahasiaan data perusahaan?
1.3.Batasan Masalah
Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan
aplikasi ini dapat berjalan dengan baik adalah sebagai berikut :
a. Pembuatan aplikasi sistem pendukung keputusan untuk penerimaan karyawan
pada PT. CONBAT berbasis web.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3
b. Aplikasi
SPK(Sistem
Pendukung
Keputusan)
menggunakan
bahasa
pemrograman php.
c. Aplikasi SPK menggunakan fuzzy logic metode sugeno.
1.4.Tujuan Penelitian
Mengacu pada perumusan masalah, tujuan yang hendak dicapai
dalampenyusunan skripsi ini adalah :
a. Membuat suatu sistem informasi SPK(Sistem Pendukung keputusan).
b. Mengimplementasikan system penerimaan karyawan yang sudah
dibuat menjadi sebuah sistem informasi yang nantinya bisa benar –
benar dinikmati manfaatnya oleh Pelamar dan Pegawai PT. Conbat.
c. Membentuk suatu sistem program yang bertujuan untuk memberikan
efektifitas waktu dengan menggunakan sistem metode fuzzy.
1.5.Manfaat Penelitian
Adapun manfaat yang dapat diambil dari skripsi ini antara lain sebagai
berikut:
a. Memberikan kemudahan bagi Pelamar Untuk mendapatkan dan mengetahui
informasi terbaru tentang kegiatan Penerimaan Karyawan.
b. Petugas PT. Conbat akan dapat dengan mudah memberikan informasi terbaru
terkait perusahaan kepada karyawan maupun calon karyawan.
Para Pelamar bisa mengakses berita mengenai penerimaan karyawan maupun
berita yang terkait PT. Conbat dengan mengakses web SI ini.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4
1.6.Metodologi Penelitian
1.STUDI LITERATUR
Pada tahap ini dilakukan upaya memahami materi dari beberapa literatur
yang digunakan baik berupa buku, website atau jurnal ilmiah tentang website,
webserver, php, mysql, html, css, metode fuzzy sugeno dan lain-lain yang dapat
membantu penyelesaian proyek akhir ini.
2. PENGUMPULAN DAN PENGAMATAN DATA
Melakukan pengumpulan data tentang data pelamar PT.CONBAT,
mendefinisikannya dengan tepat data yang dibutuhkan untuk membuat tugas
akhir.
3. PERANCANGAN SISTEM
Melakukan perancangan sistem, yakni merancang aplikasi system
pendukung keputusan yang dapat memudahkan direktur PT.CONBAT dalam
memilih karyawan baru yang berbasiskan website sehingga mudah diakses
anatara lain melalui PC, laptop, notebook, maupun mobile device. Aplikasi SPK
dengan menggunakan logika fuzzy metode sugeno.
4. PEMBUATAN PROGRAM
Pada tahap ini yang dilakukan adalah membuat program SPK dengan
merancang logika fuzzy metode sugeno dalam bahasa php (website). Yang
nantinya aplikasi SPK ini akan dapat di upload di webserver maupun server
local.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
5
5. PENGUJIAN DAN PERBAIKAN
Dalam proses pembuatan proyek akhir ini akan selalu dilakukan pengujian
dan perbaikan secara berkala agar tingkat kekurangan dan kesalahan dalam
proyek akhir ini semakin berkurang.
6. ANALISA
Disetiap pengujian akan dilakukan analisa untuk mendeteksi kesalahan dan
kekurangan yang terdapat dalam aplikasi ini. Sehingga bisa melakukan perbaikan
secara tepat dan benar.
1.7.Sistematika Penelitian
Sistematika pembahasan dalam penyusunan buku proyek akhir ini adalah
sebagai berikut :
BAB I. PENDAHULUAN
Menguraikan secara singkat latar belakang, tujuan proyek akhir,
perumusan masalah, batasan masalah, metodologi dan sistematika pembahasan.
BAB II. TEORI PENUNJANG
Pada tahap ini dilakukan upaya memahami materi dari beberapa literatur
yang digunakan baik berupa buku, website atau jurnal ilmiah tentang website,
webserver, php, mysql, html, css, metode fuzzy sugeno dan lain-lain yang dapat
membantu penyelesaian proyek akhir ini.
BAB III. PERANCANGAN & PEMBUATAN SOFTWARE
Melakukan perancangan sistem, yakni merancang aplikasi system
pendukung keputusan yang dapat memudahkan direktur PT.CONBAT dalam
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
6
memilih karyawan baru yang berbasiskan website sehingga mudah diakses
anatara lain melalui PC, laptop, notebook, maupun mobile device. Aplikasi SPK
dengan menggunakan logika fuzzy metode sugeno.
BAB IV. ANALISA HASIL PENGUJIAN
Bab ini menjelaskan tentang hasil pengujian program yang telah di buat
serta analisa-analisa mengenai hasil yang telah di peroleh.
BAB V. KESIMPULAN DAN SARAN
Bab ini merupakan bab penutup dimana pengambilan kesimpulan dari
analisa dan hasil pengujian yang telah di peroleh.
BAB VI. DAFTAR PUSTAKA
Pada bagian ini berisi tentang referensi-referensi yang telah dipakai oleh
penulis sebagai acuan dan penunjang serta parameter yang mendukung
penyelesaian proyek akhir ini baik secara praktis maupun teoritis.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
LANDASAN TEORI
2.1. Logika Fuzzy
Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan
dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala
hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau
tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.
Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat
keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak
pasti seperti "sedikit", "lumayan", dan "sangat". Logika ini berhubungan dengan
set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi
Zadeh dari Universitas California, Berkeley pada 1965.
Logika fuzzy dapat dianggap sebagai kotak hitam yang berhubungan
antara ruang input menuju ruang output (Kusuma Dewi, 2003). Kotak hitam
tersebut berisi cara atau metode yang dapat digunakan untuk mengolah data input
menjadi output dalam bentuk informasi yang baik.
Dalam Logika Fuzzy proses dilakukan dalam 5 tahap. Yakni :
a. Data Input.
Dalam proses ini data input berupa data real yang didapatkan oleh user untuk
diproses. Data didapatkan dari hasil pengukuran, hasil wawancara, maupun
data hasil penetapan dari suatu sistem yang sudah ada. Misal data nilai dari
7
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
8
suatu siswa pada sekolah tertentu. Data berupa nilai siswa berupa tabel. Data
akan di sorting dan diproses pada logika fuzzy sesuai kebutuhan.
b. Fuzzification.
Dalam proses ini data real belum dapat di masukkan dalam sistem logika
fuzzy. Adapun caranya yakni dengan mengkonversi data tersebut menjadi
data yang dapat diproses fuzzy, proses yang dilakukan adalah fuzzification.
Merupakan proses konversi data real menjadi data yang berisi range nilai dari
suatu ketentuan. Misal data nilai dari suatu siswa tadi memiliki range nilai
dari 0-100, maka dibagi-bagi menjadi beberapa bagian. Semisal kita bagi
menjadi 3 : baik, sedang, kurang baik. Dari 3 bagian tersebut memiliki range
tertentu. Sehingga data nilai dari siswa dapat masuk dalam proses fuzzy
sesuai bagian-bagian tersebut.
c. Rules.
Rules merupakan proses fuzzy ketiga, dimana data yang sudah di proses pada
fuzzification akan diproses lebih lanjut. Pada rules beberapa variabel / kriteria
data pada proses fuzzification akan digabungkan dan di proses dalam suatu
tabel rules. Sehingga berdasarkan nilai beberapa kriteria akan menghasilkan
satu nilai kriteria yang baru yang sebagai ouput.
d. Defuzzification.
Setelah proses rules, data yang sudah diproses berupa data kriteria baru,
dilakukan proses defuzzification yakni konversi dari data fuzzy menjadi data
real. Dengan menggunakan perhitungan sesuai dengan metode fuzzy tertentu.
Defuzzification akan menghasilkan prosentase dari proses fuzzy.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
9
e. Output.
Pada proses terakhir adalah output dari logika fuzzy, output adalah berupa
decision / prosentase sehingga dapat memudahkan user dalam mengambil
suatu keputusan terhadap suatu permasalahan dengan data tertentu (terutama
permasalahan yang memiliki banyak data sebagai parameternya).
2.1.1. Himpunan Fuzzy
Dalam teori logika fuzzy dikenal himpunan fuzzy (fuzzy set) yang
merupakan pengelompokan sesuatu berdasarkan variabel bahasa (linguistik
variable), yang dinyatakan dalam fungsi keanggotaan. Didalam semesta
pembicaraan (universe of discourse) U, fungsi keanggotaan dari suatu himpunan
fuzzy tersebut bernilai antara 0 sampai dengan 1.
Contoh dari himpunan variabel bahasa antara lain:
Himpunan dari ketinggian dapat dinyatakan dengan: rendah sekali, rendah,
sedang, tinggi, tinggi sekali. Grafik dari himpunan suhu ini ditunjukkan pada
gambar 2.1 :
Gambar 2.1 Himpunan Fuzzy Untuk Ketinggian.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
10
2.1.2. Fungsi Keanggotaan
Fungsi Keanggotaan Logika Fuzzy digunakan untuk menghitung derajat
keanggotaan suatu himpunan fuzzy. Setiap istilah linguistik diasosiasikan dengan
fuzzy set, yang masing-masing memiliki fungsi keanggotaan yang telah
didefinisikan. Fungsi keanggotaan (membership function) adalah suatu kurva
yang menunjukan pemetaan titik input data ke dalam nilai keanggotaannya
(sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0
sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan melalui pendekatan fungsi. Adalah fungsi
keanggotaan yang biasa digunakan dalam penalaran logika fuzzy, diantaranya :
a) Representasi Linier
Pada representasi linear, pemetaan input ke derajat keanggotaannya
digambarkan sebagai sebuah garis lurus. Bentuk ini paling sederhana dan
menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.
Ada dua keadaan himpunan fuzzy linear. Pertama, kenaikan himpunan
dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke
kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi
yang disebut dengan representasi fungsi linear naik.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
11
Representasi fungsi keanggotaan untuk linear naik terdapat pada gambar
2.2 :
Gambar 2.2 Representasi Linear Naik
Berikut rumus Representasi Linear Naik :
0;
;
[ , , ]=
1;
≤
≤ ;
≤ ; ………. 2.1
≥ ;
Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
x = nilai input yang akan di ubah ke dalam bilangan fuzzy
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai
domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak
menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
12
Representasi fungsi keanggotaan untuk linear turun adalah sebagai berikut:
Gambar 2.3 Representasi Linear Turun.
Berikut Rumus Representasi Linear Turun :
[ , , ]=
;
0;
≤
≤
; ………. 2.2
≥
;
Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan satu
b = nilai domain yang mempunyai derajat keanggotaan nol
x = nilai input yang akan di ubah ke dalam bilangan fuzzy.
b) Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear).
Nilai-nilai disekitar b memiliki derajat keanggotaan turun cukup tajam (menjauhi
1).
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
13
Representasi dari fungsi keanggotaan kurva segitiga terdapat pada gambar
2.4 ::
Gambar 2.4Representasi Kurva Segitiga
Representasi fungsi keanggotaan untuk kurva segitiga adalah :
≤
0;
[ , , ]=
;
;
≤
;
≤
≥ ;
≤ ; ………. 2.3
≤ ;
Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan nol
c) Representasi Kurva Trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada
beberapa titik yang memiliki nilai keanggotaan 1.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
14
Representasi kurva keanggotaan trapezium :
Gambar 2.5 Representasi Kurva Trapesium
Representasi fungsi keanggotaan untuk kurva trapesium adalah:
0;
;
[ , , ]=
≤
1;
;
0;
≤
≤
≤
≤
;
;
≤ ; ………. 2.4
≤ ;
≥
;
Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol
b = nilai domain terkecil yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan satu
d = nilai domain terbesar yang mempunyai derajat keanggotaan nol
x = nilai input yang akan di ubah ke dalam bilangan fuzzy.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
15
d) Representasi Kurva bentuk Bahu
Daerah
yang
terletak
di
tengah-tengah
suatu
variabel
yang
direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik
turun. Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami
perubahan.
Himpunan fuzzy “bahu”,
bukan
segitiga,
digunakan
untuk
mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah,
demikian juga bahu kanan bergerak dari salah ke benar.
Gambar 2.6 Representasi Kurva Bahu
Representasi fungsi keanggotaan untuk kurva bahu adalah :
0;
;
[ , , ]=
≤
1;
0;
;
1;
≤
≤
≤
≥
≤
≤
;
;
;
≥
;
;
;
………. 2.5
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
Selain fungsi di atas, masih ada beberapa fungsi keanggotaan logika
fuzzy lainnya, seperti Representasi Kurva S dan Representasi Kurva Bentuk
Lonceng (Bell Curve). Tetapi kedua Fungsi Keanggotaan Logika Fuzzy tersebut
jarang dipakai untuk penelitian.
2.2.Fuzzy 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. Metode ini diperkenalkan
oleh Takagi-Sugeno Kang pada tahun 1985. Ada beberapa model dari fuzzy
sugeno :
a) Model Fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy SUGENO Orde-Nol adalah:
IF (x1 is A1) o (x2 is A2) o (x3 is A3) o ...... o (xN is AN) THEN z=k
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah
suatu konstanta (tegas) sebagai konsekuen.
b) Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy SUGENO Orde-Satu adalah:
IF (x1 is A1) o ...... o (xN is AN) THEN z = p1*x1 + … + pN*xN + q
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan pi adalah
suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
17
Apabila komposisi aturan menggunakan metode SUGENO, maka
deffuzifikasi dilakukan dengan cara mencari nilai rata-ratanya.
………. 2.6
Contoh :
Kita kembali pada contoh yang sama seperti pada contoh sebelumnya.
Himpunan fuzzy pada variabel permintaan dan persediaan juga sama seperti
penyelesaian pada contoh tersebut. Hanya saja aturan yang digunakan sedikit
dimodifikasi, sebagai berikut (dengan asumsi bahwa jumlah permintaan selalu
lebih tinggi disbanding dengan jumlah persediaan):
[R1] IF Permintaan TURUN And Persediaan BANYAK
THEN Produksi Barang = Permintaan - Persediaan;
[R2] IF Permintaan TURUN And Persediaan SEDIKIT
THEN Produksi Barang = Permintaan;
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang = Permintaan;
[R4] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang = 1,25*Permintaan - Persediaan;
Sekarang kita cari α-predikat dan nilai z untuk setiap aturan:
[R1] IF Permintaan TURUN And Persediaan BANYAK
THEN Produksi Barang = Permintaan - Persediaan;
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
18
α-predikat1 = µ PmtTURUN ∩ PsdBANYAK
= min(µ PmtTURUN[4000], µ PsdBANYAK[300])
= min(0,25; 0,4)
= 0,25
Nilai z1: z1 = 4000 – 300 = 3700
[R2] IF Permintaan TURUN And Persediaan SEDIKIT
THEN Produksi Barang = Permintaan;
α-predikat2 = µ PmtTURUN ∩ PsdSEDIKIT
= min(µ PmtTURUN[4000], µ PsdSEDIKIT[300])
= min(0,25; 0,6)
= 0,25
Nilai z2: z2 = 4000
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang = Permintaan;
α-predikat3 = µ PmtNAIK ∩ PsdBANYAK
= min(µ PmtNAIK[4000], µ PsdBANYAK[300])
= min(0,75; 0,4)
= 0,4
Nilai z3: z3 = 4000
[R4] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang = 1,25*Permintaan - Persediaan;
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
19
α-predikat4 = µ PmtNAIK ∩ PsdSEDIKIT
= min(µ PmtNAIK[4000], µ PsdSEDIKIT[300])
= min(0,75; 0,6)
= 0,6
Nilai z4: z4 = 1,25*4000 – 300 = 4700
Dari sini kita dapat mencari berapakah nilai z, yaitu:
z=
αpred1 ∗z1 + αpred2 ∗z2 + αpred3 ∗z3 + αpred4 ∗z4
αpred1 + αpred2 + αpred3 + αpred4
=
0,25 ∗ 3700 + 0,25 ∗ 4000 + 0,4 ∗ 4000 + 0,6 ∗ 4700
0,25 + 0,25 + 0,4 + 0,6
=
6345
1,5
= 4320
Sesuai dengan hasil perhitungafuzyydiatasmaka jumlah makanan kaleng
jenis ABC yang harus diproduksi sebanyak 4230 kemasan.
Keterangan :
- Z adalah nilai rata – rata
- αpred adalah nilai keanggotaan sebagai hasil dari operasi 2 himpunan
2.3.PT. CONBAT
Berkembangnya usaha – usaha perdagangan yang sangat pesat pada saat
ini menjadikan informasi sebagai salah satu peranan yang sangat penting dalam
menunjang jalannya operasi demi tercapainya tujuan dan harapan yang di
inginkan oleh suatu perusahaan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
20
PT. Conbat bergerak dibidang pembuatan baterai aki mobil dengan target
pasar di dalam dandi luar negeri. PT.Conbat mengalami kendala terutama dalam
penerimaan karyawan. Selama ini perusahaan masih menggunakan sistem manual
dalam hal menerima karyawan. Sehingga PT. Conbat membutuhkan waktu yang
cukup lama dalam memilih dan menyeleksi para pelamar.
Oleh karena itu dirancang suatu sistem pendukung keputusan penerimaan
karyawan untuk mempermudah dalam memilih dan menyeleksi para pelamar
dengan waktu yg singkat.
2.3.1. Proses Recuitment
Proses recuitment di PT. Conbat saat ini masih manual. Melalui karyawan
tetap yang membawa pelamar dan melalui pelamar yang bawa surat lamarannya
untuk ditujukan kepada personalia. Kemudian personalia melihat data – data
pelamar dan memilih pelamar yang pantas diterima.
2.3.2. Parameter Pemilihan Karyawan
Berdasarkan pertimbangan Sumber Daya Manusia (SDM) adapun
parameter yang di pertimbangkan dalam perusahaan PT. Conbat yaitu dalam segi
pendidikan minimum Sekolah Menengah Atas (SMA).Memiliki kepribadian yang
baik dan tidak pernah terlibat tindak pidana serta mempunyai kemampuan dalam
teamwork dan bekerja keras. Diutamakan domisili jawa timur.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB III
PERANCANGAN
3.1. Analisa Sistem
Dari analisis permasalahan yang telah dilakukan pada perusahaan, maka
akan dirancang suatu sistem pendukung keputusan untuk penerimaan karyawan
pada PT. Conbat. Pada aplikasi tersebut akan digambarkan proses seleksi
penerimaan karyawan di PT. Conbat secara terstruktur dan jelas. Sehingga dapat
menjadi salah satu acuan untuk direktur maupun bagian HRD dalam menyeleksi
karyawan yang melamar pada PT. Conbat.
Dengan Aplikasi yang berbasiskan web, maka pegawai/karyawan, direktur,
maupun pelamar PT. Conbat dapat mengakses aplikasi ini melalui berbagai
device (computer, laptop/notebook, dan mobile device) selama device tersebut
terkoneksi jaringan local PT. Conbat maupun memiliki jaringan internet.
Sehingga proses seleksi penerimaan karyawan dapat lebih praktis dan mudah
dilaksanakan.
Berikut tahapan dari sistem yaitu pelamar mengirim data personalia kepada
HRD PT.Conbat, kemudian data tersebut dimasukkan kedalam aplikasi sistem
pendukung keputusan yang saya buat, lalu dalam sistem akan diproses dengan
menggunakan logika fuzzy dalam menentukan bobot dari pelamar berdasarkan
kriteria perusahaan / standarisasi karyawan di PT. Conbat yang di jadikan
parameter dalam metode penyelesaian fuzzy sehingga akan didapatkan output
dari metode fuzzy tersebut sebagai acuan untuk direktur maupun HRD dalam
menerima calon karyawan di PT. Conbat.
21
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
22
Berikut adalah gambaran alur kerja dari aplikasi sistem pendukung
keputusan penerimaan karyawan di PT. Conbat :
Gambar 3.1 Gambaran Alur Kerja Sistem
3.2. Variabel Pada Fuzzy
Dalam logika fuzzy terdapat beberapa parameter sebagai bahan dalam
proses perhitungan logika fuzzy, dalam metode fuzzy sugeno ini menggunakan
parameter yang merepresentasikan kurva bahu. Daerah yang terletak di tengahtengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi
kanan dan kirinya akan naik turun. Tetapi terkadang salah satu sisi dari variabel
tersebut tidak mengalami perubahan[4]. Himpunan fuzzy “bahu”, bukan segitiga,
digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari
benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
23
Pada sistem pendukung keputusan untuk penerimaan karyawan pada PT.
CONBAT, menggunakan 4 kriteria sebagai parameter :
3.2.1. Kriteria Pengalaman Kerja
Kriteria pengalaman kerja dapat dilakukan proses fuzzifikasi. Maka
didapatkan 3 poin, yakni sedikit, cukup, banyak. Sehingga didapatkan representasi
kurva seperti pada gambar 3.2 :
Gambar 3.2 Representasi Kurva Pengalaman Kerja.
Pada variable pengalaman kerja, data yang dimiliki adalah 6 bulan, 24
bulan dan 48 bulan. Dengan demikian pada variable ini dapat dibagi menjadi 3
himpunan fuzzy, yaitu SEDIKIT, CUKUP, BANYAK. Himpunan fuzzy
SEDIKIT akan memiliki domain [0,24] dengan derajat keanggotaan SEDIKIT
tertinggi (=1) terletak pada domain [0,6]. Apabila pengalaman kerja semakin
melebihi 6 bulan, maka nilai pengalaman kerja akan mendekati CUKUP. Pada
kriteria pengalaman kerja, fungsi keanggotaan yang dimiliki oleh SEDIKIT
adalah fungsi keanggotaan linear turun.sehingga apabila jumlah bulan semakin
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
24
banyak sampai melebihi 6, maka nilai derajat keanggotaan untuk SEDIKIT adak
semakin kecil. Kemudian pada derajat keanggotaan CUKUP merupakan fungsi
keanggotaan segitiga. Dengan jumlah pengalaman kerja (bulan) yang semakin
naik mendekati nilai 24, maka nilai derajat keanggotaan CUKUP akan semakin
naik, begitu pula sebaliknya apabila melebihi 24 maka nilai keanggotaan akan
semakin sedikit. Untuk derajat keanggotaan BANYAK hampir sama dengan
derajat kenggotaan SEDIKIT, yakni memiliki fungsi keanggotaan linear naik.
Sehingga berdasarkan pada kurva pengalaman kerja diatas didapatkan
beberapa rumus berikut :
≤
;
=
≤
;
≥
;
≤
; ………. 3.1
≤
:
≤
;
Himpunan fuzzy SEDIKIT memiliki domain [6,24], dengan nilai derajat
keanggotaan SEDIKIT tertinggi (=1) terletak pada nilai dalam domain[0,6].
Apabila pengalaman kerja memiliki nilai yang semakin mendekati 24, maka akan
semakin berkurang derajat keanggotaan SEDIKIT dan semakin mendekati fungsi
keanggotaan CUKUP.
≤ 6
0;
≤
;
=
;
1;
≤
≥ 48;
≤ 24; 6
………. 3.2
≤ 48;
24
= 24;
Himpunan CUKUP merupakan fungsi keanggotaan segitiga dimana
himpunan fuzzy CUKUP memiliki domain [6,48], dengan nilai derajat
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
25
keanggotaan CUKUP tertinggi (=1) terletak pada nilai dalam nilai 24. Apabila
pengalaman kerja memiliki nilai yang semakin mendekati 24, maka akan semakin
tinggi dan mendekati nilai 1, apabila nilai dari pengalaman kerja melebihi titik 24
dan mendekati nilai 48 maka derajat keanggotaan CUKUP akan semakin
berkurang dan mendekati nilai 0.
0;
;
=
1:
≤
≤ 6;
≤ 24;
6 ………. 3.3
≥ 24;
Himpunan BANYAK merupakan fungsi keanggotaan linear naik dimana
himpunan fuzzy BANYAK memiliki domain [24,48], dengan nilai derajat
keanggotaan BANYAK tertinggi (=1) terletak pada nilai dalam domain[48,∞].
Apabila pengalaman kerja memiliki nilai yang semakin mendekati titik 48, maka
akan semaki tinggi dan mendekati nilai 1, apabila nilai dari pengalaman kerja
melebihi titik 24 maka derajat keanggotaan BANYAK akan tetap memiliki nilai 1,
sedangkan apabila nilai pengalaman kerja kurang dari 24, maka derajat
keanggotaan akan bernilai 0.
3.2.2. Kriteria Bidang Keahlian
Dalam kriteria bidang keahlian merupakan suatu parameter yang pasti
sehingga tidak dapat dilakukan proses fuzzifikasi. Tidak seperti kriteria lain yang
berupa angka-angka yang dapat bervariasi, pada kriteria ini hanya berupa
beberapa item/parameter yang memiliki bobot tertentu.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
26
Pada criteria ini dapat dimisalkan seperti:
a. Bidang keahlian mesin
: memiliki bobot 0,33.
b. Bidang keahlian listrik
: memiliki bobot 0,66.
c. Bidang keahlian Elektronika
: memiliki bobot 1.
3.2.3. Kriteria Nilai UN
Kriteria pengalaman kerja dapat dilakukan proses fuzzifikasi. Maka
didapatkan 3 poin, yakni sedikit, cukup, dan banyak. Sehingga didapatkan
representasi kurva seperti pada gambar 3.3. :
Gambar 3.3. Representasi Kurva Nilai UN.
Pada variable nilai UN, data yang dimiliki adalah 45, 50 dan 55. Dengan
demikian pada variable ini dapat dibagi menjadi 3 himpunan fuzzy, yaitu
SEDIKIT, CUKUP, BANYAK. Himpunan fuzzy SEDIKIT akan memiliki
domain [0,45] dengan derajat keanggotaan SEDIKIT tertinggi (=1) terletak pada
domain [0,45]. Apabila nilai UN semakin melebihi 45, maka derajat keanggotaan
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
27
dari nilai UN akan mendekati CUKUP. Pada kriteria nilai UN, fungsi keanggotaan
yang dimiliki oleh SEDIKIT adalah fungsi keanggotaan linear turun.sehingga
apabila jumlah nilai semakin banyak sampai melebihi 45, maka nilai derajat
keanggotaan untuk SEDIKIT akan semakin kecil sehingga nilai dari derajat
keanggotaan akan masuk di domain CUKUP. Kemudian pada derajat keanggotaan
CUKUP merupakan fungsi keanggotaan segitiga. Dengan jumlah nilai UN yang
semakin naik mendekati nilai 50, maka nilai derajat keanggotaan CUKUP akan
semakin naik, begitu pula sebaliknya apabila melebihi 50 maka nilai keanggotaan
akan semakin sedikit. Untuk derajat keanggotaan BANYAK hampir sama dengan
derajat kenggotaan SEDIKIT, yakni memiliki fungsi keanggotaan linear naik.
Sehingga berdasarkan pada kurva Nilai UN (Ujian Nasional) diatas
didapatkan beberapa rumus :
≤ 0
0;
;
=
1:
≤
≥ 50;
≤ 50;
45 ………. 3.4
≤
≤ 45;
0
Himpunan fuzzy SEDIKIT memiliki domain [45,50], dengan nilai derajat
keanggotaan SEDIKIT tertinggi (=1) terletak pada nilai dalam domain[0,45].
Apabila nilai UN memiliki nilai yang semakin mendekati 50, maka akan semakin
berkurang derajat keanggotaan SEDIKIT dan semakin mendekati fungsi
keanggotaan CUKUP.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
28
≤ 45
0;
≥ 55;
;
≤
≤ 50;45
;
≤
≤ 55;50
………. 3.5
=
1;
= 50;
Himpunan CUKUP merupakan fungsi keanggotaan segitiga dimana
himpunan fuzzy CUKUP memiliki domain [45,55], dengan nilai derajat
keanggotaan CUKUP tertinggi (=1) terletak pada nilai dalam nilai 50. Apabila
nilai UN memiliki nilai yang melebihi titik 45 dan semakin mendekati 50, maka
derajat keanggotaan CUKUP akan semakin tinggi dan mendekati nilai 1, apabila
nilai dari nilai UN melebihi titik 50 dan mendekati nilai 55 maka derajat
keanggotaan CUKUP akan semakin berkurang dan mendekati nilai 0.
≤ 45;
0;
;
=
1:
≤
≤ 50;
45 ………. 3.6
≥ 50;
Himpunan BANYAK merupakan fungsi keanggotaan linear naik dimana
himpunan fuzzy BANYAK memiliki domain [50,55], dengan nilai derajat
keanggotaan BANYAK tertinggi (=1) terletak pada nilai dalam domain[55,∞].
Apabila nilai UN memiliki nilai yang melebihi 50 dan semakin mendekati titik 55,
maka derajat keanggotaan BANYAK akan semaki tinggi dan mendekati nilai 1,
apabila nilai dari pengalaman kerja melebihi titik 55 maka derajat keanggotaan
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
29
BANYAK akan tetap memiliki nilai 1, sedangkan apabila nilai pengalaman kerja
kurang dari 50, maka derajat keanggotaan akan bernilai 0.
3.2.4. Kriteria Nilai Wawancara
Kriteria pengalaman kerja dapat dilakukan proses fuzzifikasi. Maka
didapatkan 3 poin, yakni sedikit, cukup, banyak. Sehingga didapatkan representasi
kurva seperti pada gambar 3.4. :
Gambar 3.4. Representasi Kurva Nilai Wawancara
Pada variable nilai wawancara, data yang dimiliki adalah 50, 70 dan 90.
Dengan demikian pada variable ini dapat dibagi menjadi 3 himpunan fuzzy, yaitu
SEDIKIT, CUKUP, BANYAK. Himpunan fuzzy SEDIKIT akan memiliki
domain [0,70] dengan derajat keanggotaan SEDIKIT tertinggi (=1) terletak pada
domain [0,50]. Apabila nilai wawancara semakin melebihi 50, maka derajat
keanggotaan dari nilai wawancara akan mendekati CUKUP. Pada kriteria nilai
wawancara, fungsi keanggotaan yang dimiliki oleh SEDIKIT adalah fungsi
keanggotaan linear turun.sehingga apabila jumlah nilai semakin banyak sampai
melebihi 50, maka nilai derajat keanggotaan untuk SEDIKIT akan semakin kecil
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
30
sehingga nilai dari derajat keanggotaan akan masuk di domain CUKUP.
Kemudian pada derajat keanggotaan CUKUP merupakan fungsi keanggotaan
segitiga. Dengan jumlah nilai wawancara yang semakin naik mendekati nilai 70,
maka nilai derajat keanggotaan CUKUP akan semakin naik, begitu pula
sebaliknya apabila melebihi 70 maka nilai keanggotaan akan semakin sedikit.
Untuk derajat keanggotaan BANYAK hampir sama dengan derajat kenggotaan
SEDIKIT, yakni memiliki fungsi keanggotaan linear naik.
Sehingga berdasarkan pada kurva Nilai diatas didapatkan beberapa rumus
sedikit, cukup, banyak :
≤ 0
0;
≥ 70;
;
=
1:
≤
≤ 70; 50………. 3.7
≤
≤ 50;
0
Himpunan fuzzy SEDIKIT memiliki domain [50,70], dengan nilai derajat
keanggotaan SEDIKIT tertinggi (=1) terletak pada nilai dalam domain[0,50].
Apabila nilai wawancara memiliki nilai yang semakin mendekati 70, maka akan
semakin berkurang derajat keanggotaan SEDIKIT dan semakin mendekati fungsi
keanggotaan CUKUP.
≤ 50
;
≤
≥ 90;
≤ 70;
50
;
≤
≤ 90;
70
0;
=
………. 3.8
1;
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
= 70;
31
Dimana pada rumus diatas a adalah titik sedikit, b adalah titik cukup, c
adalah titik banyak.
Himpunan CUKUP merupakan fungsi keanggotaan segitiga dimana
himpunan fuzzy CUKUP memiliki domain [50,90], dengan nilai derajat
keanggotaan CUKUP tertinggi (=1) terletak pada nilai dalam nilai 70. Apabila
nilai wawancara memiliki nilai yang melebihi titik 50 dan semakin mendekati 70,
maka derajat keanggotaan CUKUP akan semakin tinggi dan mendekati nilai 1,
apabila nilai dari nilai UN melebihi titik 70 dan mendekati nilai 90 maka derajat
keanggotaan CUKUP akan semakin berkurang dan mendekati nilai 0.
≤ 70;
0;
;
=
1:
≤
≤ 90;
70 ………. 3.9
≥ 90;
Himpunan BANYAK merupakan fungsi keanggotaan linear naik dimana
himpunan fuzzy BANYAK memiliki domain [70,90], dengan nilai derajat
keanggotaan BANYAK tertinggi (=1) terletak pada nilai dalam domain[90,∞].
Apabila nilai UN memiliki nilai yang melebihi 70 dan semakin mendekati titik 90,
maka derajat keanggotaan BANYAK akan semaki tinggi dan mendekati nilai 1,
apabila nilai dari pengalaman kerja melebihi titik 90 maka derajat keanggotaan
BANYAK akan tetap memiliki nilai 1, sedangkan apabila nilai pengalaman kerja
kurang dari 70, maka derajat keanggotaan akan bernilai 0.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
32
3.3 Rules
Pada proses metode fuzzy terdapat beberapa aturan / rules yang berlaku.
Hal ini ditujukan agar proses perhitungan bobot lebih mudah dan cepat. Berikut
beberapa rules yang dihasilkan dari beberapa parameter fuzzy :
Tabel 3.1. Rules
Pengalaman Kerja (bulan)
Nilai UN SMA
Nilai Wawancara
Hasil Diterima (%)
S
S
S
10
S
S
C
10
S
S
B
30
S
C
S
20
S
C
C
40
S
C
B
30
S
B
S
30
S
B
C
40
S
B
B
60
C
S
S
40
C
S
C
50
C
S
B
60
C
C
S
40
C
C
C
30
C
C
B
40
C
B
S
60
C
B
C
60
C
B
B
70
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
33
B
S
S
50
B
S
C
60
B
S
B
60
B
C
S
60
B
C
C
70
B
C
B
80
B
B
S
80
B
B
C
90
B
B
B
100
Ke