Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani

  

Mengukur Tingkat Kepuasan Mahasiswa

Terhadap Kinerja Dosen Menggunakan

Metode Fuzzy Mamdani Sepri Yanti Br Tarigan

  Program Studi S2 Teknik Infomatika USU saveyanti@gmail.com

  Melva Lumban Tobing

  Program Studi S2 Teknik informatika USU naiposposmelva@yahoo.co.id

  Zakarias Situmorang

  Program Studi S2 Teknik informatika USU

  

Abstrak

Untuk meningkatkan kualitas mahasiswa pada perguruan tinggi tidak terlepas dari bagaimana kinerja

dosen dalam proses belajar-mengajar. Kualitas dosen sangat mempengaruhi bagaimana kualitas lulusan nantinya. Dosen yang berkualitas dapat dilihat dari kinerja dosen tersebut dalam penyampaian materi pembelajaran, penilaian, disiplin, perilaku serta penampilan. Studi kasus yang diambil dalam penulisan ini yaitu bagaimana analisa tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar pada STT Poliprofesi Medan. Evaluasi kinerja dosen dapat dinilai oleh mahasiswa dan penilai oleh prodi melalui kuesioner yang didalamnya terdapat beberapa aspek penilaian. Pengolahan data kuesioner tersebut akan menggunakan metode fuzzy mamdani. Metode Mamdani sering juga dikenal dengan metode Max-Min, metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975 (Kusuma Dewi, 2003). Pada metode ini, terdapat 4 tahap untuk mendapatkan output, yaitu pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan dan penegasan (defuzzification). Dengan adanya metode fuzzy mamdani ini maka akan dihasilkan informasi berupa output tingkat keberhasilan dosen mengajar.

  Keywords: Logika fuzzy, fuzzy mamdani, kinerja dosen.

  I. BELAKANG menentukan bagaimana tingkat keberhasilan dosen LATAR

  Mentransformasikan, mengembangkan dan mengajar. menyebarluaskan ilmu pengetahuan, teknologi dan

INJAUAN USTAKA

  seni melalui pendidikan, penelitian dan pengabdian kepada masyarakat merupakan tugas seorang A. Logika Fuzzy dosen (Undang Undang RI No.14 tentang Guru

  II. P T

  Konsep tentang logika fuzzy diperkenalkan oleh dan Dosen, 2005). Mengajar merupakan salah satu Prof. Lotfi Astor Zadeh pada 1962. Logika fuzzy aktifitas dosen yang langsung berhubungan dengan adalah metodologi sistem kontrol pemecahan mahasiswa. Aktifitas belajar mengajar di masalah yang cocok untuk diimplementasikan perguruan tinggi tidak hanya memberikan materi, pada sistem, mulai dari sistem yang sederhana, tetapi juga menumbuhkan sikap kreatif, inovatif, sistem kecil, jaringan PC, multi-channel atau proaktif, serta mengembangkan potensi mahasiswa workstation berbasis akuisisi data, dan sistem juga membentuk pola fikir. bagi mahasiswa. kontrol. Dalam logika fuzzy memungkinkan nilai Organisasi dan manajemen yang sehat dan efektif keanggotaan berada diantara 0 dan 1. serta didukung dosen yang profesional sangat 1.

  Himpunan Fuzzy menunjang mutu proses belajar mengajar, mutu Pada himpunan tegas (crisp), nilai keanggotaan lulusan dan mutu pelayanan Tri Dharma pada suatu item x dalam suatu himpunan A, yang stakeholder (Kustono, 2010). Sehingga dapat sering ditulis dengan µ A(X), memiliki dua meningkatkan nilai akreditasi perguruan tinggi kemungkinan, yaitu : tersebut. Dengan demikian proses belajar mengajar a.

  Satu (1), yang berarti bahwa suatu item merupakan proses utama dalam suatu institusi menjadi anggota dalam suatu himpunan, pendidikan dan kualitas pengajar/dosen sangat atau penting untuk peningkatan kualitas institusi (Dong b.

  Nol (0), yang berarti bahwa suatu item & Dai, 2009). Dengan kata lain evaluasi terhadap tidak menjadi anggota dalam suatu kualitas mengajar dapat meningkatkan antusias kinerja dosen serta meningkatkan manajemen dan himpunan. kualitas pengajaran (XiuHong, GuiXiang, JunQing 2.

  Fungsi Keanggotaan & Lan, Nov 21-22, 2009). Evaluasi terhadap

  Fungsi keanggotaan adalah suatu kurva yang kinerja dosen ini dapat dilakukan dengan berbagai menunjukkan pemetaan titik-titik input data cara, diantaranya adalah dengan memberikan kedalam nilai keanggotaannya (sering juga angket kuisioner kepada mahasiswa dan tim disebut dengan derajat keanggotaan) yang penilai untuk menilai kualitas dosen yang memiliki interval antara 0 sampai 1. mengajar suatu matakuliah.

  3. Operator Dasar Zadeh Untuk Operasi Salah satu metode yang digunakan untuk himpunan Fuzzy mengukur kinerja dosen mengajar yaitu dengan

  Seperti halnya himpunan konvensional, ada logika fuzzy. Alasan digunakannya logika fuzzy beberapa operasi yang didefenisikan secara dikarenakan logika fuzzy mudah dimengerti, sangat khusus untuk mengkombinasi dan fleksibel, dapat digabungkan dengan teknik-teknik memodifikasi himpunan fuzzy . Nilai kendali didasarkan pada bahasa alami. Metode keanggotaan sebagai hasil dari operasi 2 mamdani paling sering digunakan dalam

  fuzzy

  himpunan sering dikenal dengan nama fire aplikasi-aplikasi karena strukturnya yang strength. Ada 3 operator dasar yang diciptakan sederhana, yaitu menggunakan operasi MIN-MAX oleh Zadeh, yaitu (Kusumadewi, 1994) : (Kusumadewi 2003).

  a.

  Operator AND Dalam menentukan tingkat kepuasan

  Operator ini berhubungan dengan operasi mahasiswa terhadap kinerja dosen mengajar interseksi pada himpunan. Fire strength dengan menggunakan metode fuzzy mamdani pada

  STT Poliprofesi Medan terdapat tiga variabel yaitu sebagai hasil operasi dengan operator kuisioner mahasiswa, kuisioner tim penilai dan AND diperoleh dengan mengambil nilai tingkat kinerja dosen. Penelitian ini diharapkan keanggotaan terkecil antar elemen pada dapat memberikan informasi yang akurat dalam himpunan-himpunan yang bersangkutan. µA∩B= min(µA(x), µB(y)) b.

  Operator OR Opertor ini berhubungan dengan operasi union pada himpunan. Fire strength sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antarelemen pada himpunan-himpunan yang bersangkutan.

  Dalam menentukan tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar pada STT Poliprofesi Medan menggunakan 3 variabel yaitu variabel mahasiswa, variabel penilai dan variabel tingkat. Setiap variabel memiliki masing- masing nilai linguistik, yaitu 1). Variabel mahasiswa : buruk, cukup , baik. 2). Variabel penilai : buruk, cukup, baik. 3). Variabel tingkat :rendah, sedang,tinggi.

  1

  1

  Fungsi keanggotaan untuk variabel Mahasiswa: Buruk = Cukup = Baik =

  Cukup = [25,65] Baik = [50,85]

  1. Himpunan Fuzzy untuk variabel Mahasiswa (x) Semesta pembicara untuk variabel Mahasiswa: [0,85] Domain himpunan fuzzy: Buruk = [0,25]

  Pembentukan Himpunan Fuzzy Selanjutnya akan ditentukan himpunan fuzzy dari setiap variabel.

  A.

  Untuk mendapatkan output, diperlukan 4 tahapan yaitu pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan dan penegasan.

  IV. H ASIL D AN P EMBAHASAN

  µAUB= max(µ A(x), µB(y)) c. Operator NOT

  Metode pengumpulan data yang dilakukan yaitu dengan cara memberikan kuisioner kepada mahasiswa dan tim penilai. Selain itu juga digunakan studi pustaka yaitu mencari sumber dari buku, jurnal mengenai logika fuzzy khususnya fuzzy mamdani.

  Jenis data yang digunakan adalah data primer dan sata sekunder. Data Prime yaitu data yang diperoleh secara langsung dari sumber data yang berhubungan dengan penelitian yang dilakukan, yaitu data-data yang diperoleh dari pengamatan langsung bagaimana proses belajar-mengajar pada STT Poliprofesi Medan. Sedangkan data sekunder yaitu data yang diperoleh penulis dalam bentuk yang sudah jadi yang bersifat informasi dan kutipan, baik dari internet maupun literatur, pustaka, jurnal yang berhubungan dengan penelitian yang dibuat.

  Studi kasus dalam penelitian ini yaitu menentukan tingkat kepuasan mahasiswa terhadap kinerja dosen pada STT Poliprofesi Medan yang beralamat di Jl. Sei batanghari No.3&4 Medan.

  c. Komposisi aturan

  b. Aplikasi fungsi implikasi

  a. Pembentukan himpunan fuzzy

  B. Fuzzy Mamdani Metode mamdani sering digunakan dalam aplikasi-aplikasi karena strukturnya yang sederhana, yaitu menggunakan operasi MIN-MAX atau MAX-PRODUK. Untuk mendapatkan output diperlukan empat tahapan, yaitu:

  operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1. µA’=1- µA (x)

  Fire strength sebagai hasil operasi dengan

d. Defuzzyfikasi

III. M ETODOLOGI P ENELITIAN

  Tinggi =[60,100]

  1 Rendah = Sedang =

  Gambar 1. Grafik Himpunan Fuzzy Pada Variabel Mahasiswa 2.

  Himpunan Fuzzy untuk variabel Tim Penilai (y)

  Semesta pembicara untuk variabel Penilai: [0,75] Tinggi =

  Domain himpunan fuzzy : Buruk =[0,20] Cukup =[20,60]

  1 Baik =[50,75]

  1 Buruk = Cukup =

  Gambar 3. Grafik Himpunan Fuzzy Pada Variabel Tingkat

  B. Aplikasi Fungsi Implikasi Baik =

  1 Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. Secara umum dapat dituliskan:

  Setelah pembentukan variabel pada himpunan

  fuzzy , maka dibentuk aturan yang bersesuian

  dengan penelitian yang dilakukan. Adapun aturan-aturan yang dimaksud adalah: [R1] IF Mahasiswa Buruk And Penilai Buruk

  Then Tingkat Rendah [R2] IF Mahasiswa Buruk And Penilai Cukup

  Then Tingkat Sedang

  Gambar 2. Grafik Himpunan Fuzzy Pada Variabel Penilai

  [R3] IF Mahasiswa Buruk And Penilai Baik Then Tingkat Tinggi 3. Himpunan Fuzzy untuk variabel Tingkat (z)

  [R4] IF Mahasiswa Cukup And Penilai Buruk Semesta pembicara untuk variabel Penilai: [0,100]

  Then Tingkat Rendah Domain himpunan fuzzy : Rendah =[0,50]

  [R5] IF Mahasiswa Cukup And Penilai Cukup Sedang =[50,70]

  Then Tingkat Sedang

  [R6] IF Mahasiswa Cukup And Penilai Baik Then Tingkat Tinggi

  Then Tingkat Sedang αPredikat

  = min(µMhsBaik(50), µPenilaiBaik(60)) = min(0,75;0,5) = 0,5

  9 = µMhsBaik ∩ µPenilaiBaik

  Tingkat Tinggi αPredikat

  = min(µMhsBaik(50), µPenilaiCukup(60)) = min(0,75;0,5) = 0,5 [R9] IF Mahasiswa Baik And Penilai Baik Then

  8 = µMhsBaik ∩ µPenilaiCukup

  Then Tingkat Sedang αPredikat

  = min(µMhsBaik(50), µPenilaiBuruk(60)) = min(0,75;0) = 0 [R8] IF Mahasiswa Baik And Penilai Cukup

  7 = µMhsBaik ∩ µPenilaiBuruk

  Then Tingkat Rendah αPredikat

  = min(µMhsCukup(50), µPenilaiBaik(60)) = min(0,25;0,5) = 0,25 [R7] IF Mahasiswa Baik And Penilai Buruk

  6 = µMhsCukup ∩ µPenilaiBaik

  Then Tingkat Tinggi αPredikat

  = min(µMhsCukup(50), µPenilaiCukup (60)) = min(0,25;0,5) = 0,25 [R6] IF Mahasiswa Cukup And Penilai Baik

  5 = µMhsCukup ∩ µPenilaiCukup

  = min(µMhsCukup(50), µPenilaiBuruk(60)) = min(0,25;0) = 0 [R5] IF Mahasiswa Cukup And Penilai Cukup

  [R7] IF Mahasiswa Baik And Penilai BurukThen Tingkat Rendah

  4 = µMhsCukup ∩ µPenilaiBuruk

  Then Tingkat Rendah αPredikat

  = min(µMhsBuruk(50), µPenilaiBaik(60)) = min(0;0,5) = 0 [R4] IF Mahasiswa Cukup And Penilai Buruk

  3 = µMhsBuruk ∩ µPenilaiBaik

  Then Tingkat Tinggi αPredikat

  = min(µMhsBuruk(50), µPenilaiCukup(60)) = min(0;0,5) = 0 [R3] IF Mahasiswa Buruk And Penilai Baik

  2 = µMhsBuruk ∩ µPenilaiCukup

  Then Tingkat Sedang αPredikat

  = min(µNhsBuruk(50),µPenilaiBuruk(60)) = min(0;0) = 0 [R2] IF Mahasiswa Buruk And Penilai Cukup

  1 = µMhsBuruk ∩ µPenilaiBuruk

  Then Tingkat Rendah αPredikat

  Contoh kasus: Berapa nilai tingkat kepuasan mahasiswa, jika nilai mahasiswa 50 dan nilai dari penilai 60 (menggunakan fungsi MIN). [R1] IF Mahasiswa Buruk And Penilai Buruk

  [R9] IF Mahasiswa Baik And Penilai Baik Then Tingkat Tinggi

  [R8] IF Mahasiswa Baik And Penilai Cukup Then Tingkat Sedang

  C. Komposisi Aturan Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari gabungan antar aturan. Ada tiga metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: Max-min, additive dan probabilistik OR (probor). Dari aturan α-predikat yang ada, dapat dihasilkan daerah fuzzy menggunakan fungsi MAX. Pada metode MAX, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikas daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR(union). Jika semua proposisi telah dievaluasi, Then output akan berisi suatu himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi, dapat ditulis sebagai berikut: dengan: Darri contoh kasus diatas, daerah hasil komposisi menggunakan fungsi MAX adalah sebagai berikut:

• – 60) / 70 = 0 a

  Metode Defuzzyfikasi yang digunakan adalah metode centroid. Pada metode centroid

  Ilmu.Yogyakarta. [5] Kusumadewi, Sri & Hari Purnomo (2004). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan.

  2007. [4] Kusumadewi, S, and Purnomo, H, 2010, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Graha

  Dosen Oleh Mahasiswa, Kehadiran Dosen dan Nilai Kelulusan Mahasiswa, Media Informatika, Volume 2. No 1. [3] Kusumadewi, S, 2007, Sistem Fuzzy Untuk Klasifikasi Indikator Kesehatan Daerah, Seminar TEKNOIN

  Seminar Nasional Informatika 2013 (semnasIF 2013), UPN ”Veteran” Yogyakarta. [2] Kusumadewi, S, 2004, Fuzzy Quantification Theory I Untuk Analisis Hubungan Antara penilaian Kinerja

  D AFTAR P USTAKA [1] Andani, Sundari Retno. Fuzzy Mamdani Dalam Menentukan Tingkat Keberhasilan Dosen Mengajar.

  Dalam penerapan metode mamdani untuk menentukan tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar memiliki 4 tahapan yaitu penentuan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan dan defuzzyfikasi. Diperoleh suatu model yang dapat memperlihatkan aturan keterhubungan antara motivasi dosen, persiapan mengajar dosen dan pelaksanaan perkuliahan dengan nilai mahasiswa. Penelitian ini telah menunjukkan korelasi variabel mahasiswa dengan variabel penilai, dalam menentukan tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar.

  V. K ESIMPULAN

  = 80 Jadi tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar adalah 80.

  z = =

  solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy. Secara umum dapat dituliskan: Gambar 5. Metode centroid

  linguistik yang nantinya akan dikelompokkan menjadi himpunan fuzzy. Dengan demikian, tahap ini mengambil nilai-nilai crisp dan menentukan derajat di mana nilai-nilai tersebut menjadi anggota dari setiap himpunan fuzzy yang sesuai.

  Gambar 4. Daerah Hasil Komposisi

  crisp ke dalam variabel fuzzy yang berupa variabel

  Fuzzifikasi adalah proses perubahan suatu nilai

  = 95 Dengan demikian, fungsi keanggotaan untuk hasil komposisi ini adalah : D. Defuzzyfikasi

  2

  1 – 60) / 70 = 0,5 a

  = 60 (a

  1

  1

  (a

  1 .

  Pada gambar di atas, daerah hasil dibagi menjadi dua bagian, yaitu A1 dan A2. Sekarang kita mencari nilai a

  Yogyakarta : Graha Ilmu [6] Undang-Undang Dasar RI No.14 Tentang Guru Dan Dosen, 2005 [7] Zadeh, Lotfi A. 1975. Fuzzy Sets and Their Applications to Cognitive and Decision Processes. Academic Press, Inc. New York.