IMPLEMENTASI FUZZY TOOLBOX UNTUK EVALUAS

SOFT COMPUTING
IMPLEMENTASI FUZZY TOOLBOX
UNTUK EVALUASI PERFORMA MAHASISWA TAHUN PERTAMA
DENGAN INFERENSI MAMDANI

Oleh:
IDA AYU PUTU FEBRI IMAWATI
1491761016

PROGRAM PASCASARJANA
MAGISTER TEKNIK ELEKTRO
KONSENTRASI MANAJEMEN INFORMASI DAN KOMPUTER

2014

Evaluasi kinerja akademik mahasiswa tahun pertama dapat diamati dari indeks
prestasi (IP) semester satu dan semester dua atau jika digabungkan maka akan diperoleh
indeks prestasi kumulatif (IPK) sampai semester dua. Penilaian kinerja akademik
mahasiswa yang digunakan saat ini masih menggunakan acuan Keputusan menteri
Pendidikan Nasional Republik Indonesia nomor: 232/U/2000 tentang Pedoman
Penyusunan Kurikulum pendidikan Tinggi dan Penilaian Hasil belajar Mahasiswa yaitu

dengan huruf A, B, C, D, dan E yang masing-masing bernilai 4, 3, 2, 1 dan 0. Predikat
kelulusan terdiri atas 3 tingkat yaitu IPK 2.00-2.75: memuaskan; IPK 2.76-3.50 : sangat
memuaskan; IPK 3.51-4.00: dengan pujian. Pada umumnya menilai kinerja akademik
mahasiswa masih menggunakan metode statistika deskriptif yaitu perhitungan rata-rata
untuk mendapatkan nilai indeks prestasi kumulatif. Kondisi tersebut masih memiliki
kekurangan karena menerapkan crisp sets bukan fuzzy sets. (Abidin dan Zulkifli, 2013)
Pada kasus ini digunakan dua variabel input yaitu nilai IP semester 1 dan IP
semester 2 serta 1 output yaitu nilai IP Kumulatif semester 1 dan 2. Variabel input IP
Semester 1 dan 2 terdiri atas 5 himpunan fuzzy: SANGAT KURANG, KURANG,
CUKUP, BAIK, SANGAT BAIK. Variabel output adalah penilaian performa nilai indeks
prestasi kumulatif dari semester 1 dan semester 2 yang terdiri dari 5 himpunan fuzzy
yaitu: SANGAT BURUK, BURUK, RATA-RATA, MEMUASKAN, SANGAT
MEMUASKAN. Berikut merupakan penggambaran kasus ini ke dalam FIS editor dengan
inferensi menggunakan metode Mamdani.

Untuk variabel input yang pertama yaitu IP Semester 1 digambarkan dalam
bentuk trimf dengan range [0 4]. Focal element terdiri atas: sangat kurang (sk) dengan
params [-1 0 1]; kurang (k) dengan params [0 1 2]; cukup (c) dengan params [1 2 3]; baik
(b) dengan params [2 3 4] dan sangat baik (sb) dengan params [3 4 5]. Deskripsi tersebut
dapat dilihat dari gambar berikut:

Gambar berikut merupakan ilustrasi variabel input yang kedua yaitu IP Semester 2. Input
ini masih digambarkan dalam bentuk yang sama dengan IP semester 1 yaitu trimf dengan
range [0 4]. Focal element terdiri dari: sangat kurang (sk) dengan params [-1 0 1]; kurang
(k) dengan params [0 1 2]; cukup (c) dengan params [1 2 3]; baik (b) dengan params [2 3
4] dan sangat baik (sb) dengan params [3 4 5].

Untuk variabel output yaitu berupa IP kumulatif semester 1 dan semester 2, yang disebut
sebagai performa mahasiswa di tahun pertama. Bentuknya berupa trimf dengan range [0
4]. Dengan focal element : sangat kurang (sk) dengan params [-1 0 1]; kurang (k) dengan
params [0 1 2]; cukup (c) dengan params [1 2 3]; baik (b) dengan params [2 3 4] dan
sangat baik (sb) dengan params [3 4 5] seperti gambar berikut:

Pada dasarnya untuk membentuk sistem pakar dibutuhkan akuisisi pengetahuan pakar,
basis pengetahuan, mesin inferensi dan antarmuka sistem. Akuisisi pengetahuan dan
basis pengetahuan penulis adopsi dari referensi jurnal (Abidin dan Zulkifli, 2013)
sedangkan antarmuka tidak dibahas disini. Mesin inferensi biasanya menggunakan kaidah
produksi atau aturan (rule). Rule pada kasus ini dipilih inferensi Mamdani yang dibuat
berdasarkan tabel keputusan berikut:

Semester 1

Tabel Rule
Semester 2
SK
K
C
B
SB

SK
SB
SB
B
B
R

K
SB
B

B
R
M

C
B
B
R
M
M

B
B
R
M
M
SM

SB
R

R
M
SM
SM

Keterangan:
Untuk IP Semester 1 dan 2 SK: Sangat Kurang; K: Kurang; C: Cukup; B: Baik; SB: Sangat
Baik.
Untuk Performa (IPK) tahun ke-1 SB: Sangat Buruk; B: Baik; R : Rata-Rata; M: Memuaskan;
SM: Sangat Memuaskan

Berdasarkan tabel keputusan diatas, dapat diambil 25 buah rule dengan menggunakan
operator and. Seperti pada gambar berikut:

Berdasarkan 25 rule tersebut didapatkan hasil seperti pada tabel hasil akhir dengan
melakukan pengujian seperti gambar-gambar berikut:
input yang pertama [3.26 2.89] menghasilkan performa sebesar 3.04

input kedua [2.32 2.67] menghasilkan performa sebesar 2.64

inputan ketiga [1.58 0.28] menghasilkan performa sebesar 0.908

input keempat [3.58 3.67] menghasilkan performa sebesar 3.21

input kelima [2.79 2.67] menghasilkan performa sebesar 2.73

Berdasarkan 5 buah uji inputan sebelumnya dan dengan cara yang sama untuk 5 uji input
tambahan, dengan total 10 uji input didapatkan tabel hasil akhir sebagai berikut:
Tabel Hasil Akhir
No

IPSEM1

IPSEM2

RATA-RATA =
(IPSEM1+IPSEM2)/2

1
2

3
4
5
6
7
8
9
10

3.26
2.32
1.58
3.58
2.79
3.11
2.42
0.53
4
1.89

2.89
2.67
0.28
3.67
2.67
1.44
1.72
0.83
3.61
2.5

3.075
2.495
0.93
3.625
2.73
2.275
2.07
0.68
3.805

2.195

PERFORMA (IP
KUMULATIF
TAHUN KE-1)
3.04
2.64
0.908
3.21
2.73
2.45
2.11
0.886
3.64
2.34

Dari tabel diatas dapat disimpulkan ada perbedaan yang relatif signifikan jika penilaian
performa terhadap mahasiswa dilakukan dengan menggunakan crisp sets dibandingkan
dengan menggunakan fuzzy set.

Referensi
Abidin, Z., Zulkifli, 2013. Model Evaluasi Performa Mahasiswa Tahun Pertama
Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto . Seminar
Nasional Aplikasi Teknologi Informasi (SNATI), Yogyakarta, 15 Juni 2013.