BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik - JEFRI SETIAWAN BAB II

BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik

  adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-

  IV), baik di dalam maupun di luar negeri. Khusus untuk peserta sertifikasi yang belum memenuhi kualifikasi akademik S-1/D-IV sesuai Ketentuan Peralihan pasal 66 PP 74 tahun 2008, komponen kualifikasi akademik adalah ijazah pendidikan terakhir yang dimiliki oleh guru perserta sertifikasi. Bukti fisik kualifikasi akademik berupa ijazah atau sertifikat diploma.

  B. Pengalaman Mengajar

  Ditjendikti - kemendiknas, (2010) menyatakan bahwa pengalaman mengajar adalah masa kerja sebagai guru pada jenjang, jenis dan satuan pendidikan formal tertentu. Bukti fisik dari komponen ini berupa surat keputusan, surat tugas, atau surat keterangan dari lembaga yang berwenang (pemerintah daerah, penyelenggara pendidikan, atau satuan pendidikan).

  C. Fuzzy Inference System

  Menurut Kusumadewi dan Purnomo (2010), sistem inferensi fuzzy (fuzzy

  

inference system/FIS) adalah sistem yang dapat melakukan penalaran dengan

  prinsip serupa seperti manusia melakukan penalaran dengan nalurinnya dalam membangun sebuah sistem fuzzy dikenal beberapa metode penalaran, antara lain: metode Tsukamoto, metode Mamdani dan metode Sugeno. Pada sistem ini akan digunakan metode Tsukamoto.

1. Metode Tsukamoto

  Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata- rata terbobot.

  Misalkan ada 2 variabel input, Var-1 (x) dan Var-2 (y), serta 1 variabel output, Var-3 (z), dimana Var-1 terbagi atas 2 himpunan, yaitu A ₁ dan A Var-2 terbagi atas 2 himpunan B dan B , Var-3 juga terbagi atas 2 _{2, 1 2} himpunan yaitu C ^{1 dan C 2 .} Ada 2 aturan yang digunakan, yaitu:

  [R1] IF (x is A1) and (y is B2) THEN (z is C1) [R2] IF (x is A2)and (y is B1) THEN (z is C2)

  Alur inferensi tersebut digunakan untuk mendapatkan satu nilai crisp z yang akan ditunjukkan pada Gambar 1.

  Gambar 1. Inferensi dengan Metode Tsukamoto Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaan.

  Salah satu cara yang dapat digunakan untuk mendapatkan nilai keaggotaan adalah dengan melalui pendekatan fungsi yang digunakan (Kusumadewi dan Purnomo, 2010).

a. Contoh Kasus

  Misalkan variabel umur dibagi menjadi 3 kategori, yaitu: MUDA umur < 35 tahun PAROBAYA 35 ≤ umur ≤ 55 tahun TUA umur ≥ 55 tahun

  Berdasarkan contoh di atas bisa dikatakan pemakaian himpunan

  crisp untuk menyatakan umur sangat tidak adil, adanya perubahan sedikit

  saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan. Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut.

  Seseorang dapat masuk dalam 2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dsb. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaan-nya.

  1) Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan μMUDA *40+ namun dia juga termasuk dalam himpunan PAROBAYA dengan μPAROBAYA*40+.

  2) Seseorang yang berumur 50 tahun, termasuk dalam himpunan MUDA dengan μTUA*40+ namun dia juga termasuk dalam himpunan PAROBAYA dengan μPAROBAYA*50+.

  Kalau pada himpunan crisp, nilai keanggotaan hanya ada 2 kemungkinan, yaitu 0 atau 1, pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy μA*x]=0 berarti x tidak menjadi anggota himpunan A, demikian pula apabila

  x memiliki nilai keanggotaan fuzzy

  μA*x]=1 berarti x menjadi anggota penuh pada himpunan A.

2. Metode Mamdani

  Menurut Kusumadewi dan Purnomo (2010), metode Mamdani sering juga dikenal dengan nama metode min-max. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output diperlukan 4 tahapan, diantaranya:

  Pembentukan Himpunan Fuzzy

  a) Pada metode mamdani baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.

  b) Aplikasi Fungsi Implikasi Pada metode mamdani, fungsi implikasi yang digunakan adalah min.

  c) Komposisi Aturan

  Metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu metode max (maximum).

  Secara umum dapat dituliskan seperti pada persamaan (1).

  ( ) ( ( ) ( )) …………………………………. (1) Dengan:

  ( ) = nilai keanggotaan solusi fuzzy sampai aturan ke -i ( ) = nilai keanggotaan konsekuan fuzzy aturan ke -i

  d) Penegasan (defuzzy)

  Defuzzyfikasi pada komposisi aturan mamdani dengan

  menggunakan metode centroid. Dimana pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy seperti pada persamaan (2) dan (3).

  .……………………………….. (2) atau .……………………………….. (3) 3.

   Metode Sugeno

  Menurut Kusumadewi dan Purnomo (2010), 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, sehingga metode ini sering juga dinamakan dengan Metode TSK. Menurut Cox(1994), Metode TSK terdiri dari 2 jenis yaitu : a) Model Fuzzy Sugeno Orde-Nol Secara umum bentuk model fuzzy Sugeno Orde-Nol dapat dituliskan seperti persamaan (4).

  IF THEN z=k

  ……….. (4) Dengan 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-Nol dapat dituliskan seperti persamaan (5).

  IF THEN z= …….. (5)

  Dengan adalah himpunan fuzzy ke-i sebagai anteseden, dan adalah suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam suatu konsekuen. Apabila komposisi aturan menggunakan Metode Sugeno, maka defuzzyfikasi dilakukan dengan cara mencari nilai rata- ratanya.

D. Dreamweaver CS4

  Aplikasi Dreamweaver CS4 merupakan salah satu aplikasi paling popular

  untuk digunakan membangun website. Dreamweaver memberikan fasilitas pengeditan HTML (Hypertext Markup Language) secara visual. Aplikasi ini menyertakan berbagai fasilitas dan teknologi pemrograman terkini seperti HTML, CSS, dan Javascript. Dreamweaver CS4 juga memungkinkan pengeditan Javascript,

  XML, dan dokumen teks lainnya secara langsung. Aplikasi ini mendukung pemrograman Script Server Side seperti PHP, Active Server Page (ASP), ASP.NET, ASP

  

Javascript, ASP VBScript, ColdFusion, dan Java Server Page (JSP) (Wahana Komputer,

2009).

  E.

   Website

  Menurut Purwanti (2008), website atau situs dapat diartikan sebagai kumpulan halaman yang menampilkan informasi data teks, data gambar diam atau gerak, data animasi, suara, video dan/atau gabungan dari semuanya, baik bersifat statis maupun dinamis yang membentuk satu rangkaian bangunan yang saling terkait dimana masing-masing dihubungkan dengan jaringan-jaringan halaman

  

(hyperlink). Website bersifat statis apabila isi informasi website tetap, jarang

  berubah dan isi informasinya searah hanya dari pemilik website. Website juga bersifat dinamis apabila isi informasinya selalu berubah-ubah dan isi informasinya interaktif dua arah berasal dari pemilik serta pengguna website.

  F.

   Penelitian-Penelitian tentang Fuzzy Inference System yang Pernah Dilakukan

  1. Simulasi Traffic Light Menggunakan Metode Tsukamoto (Wahyu dan Afriyanti, 2009).

  Pada contoh kasus simulasi lampu lalu lintas, digunakan dua parameter input yaitu banyaknya jumlah mobil dan jumlah jalur pada satu jalan. User akan memasukkan dua data di atas kemudian akan mendapatkan hasil yaitu lama lampu hijau menyala. Jumlah jalur yang dimaksud adalah lebar jalan pada satu arah. Ketika lampu merah pada satu jalur, ada enam mobil berhenti. Keenam mobil tersebut berhenti dan membentuk dua baris

  (tiga mobil di baris kiri dan tiga mobil di baris kanan) maka disebut sebagai 2 (dua) jalur. Variabel fuzzy yang dimodelkan terdiri dari 3 macam, yaitu:

  

a) Jumlah kendaraan (mobil), terdiri-atas 3 himpunan fuzzy yaitu: BANYAK,

SEDANG, dan SEDIKIT.

  

b) Jalur terdiri-atas 3 himpunan fuzzy yaitu: LEBAR, CUKUP LEBAR, dan

  SEMPIT

  

c) Lampu Hijau terdiri-atas 5 himpunan fuzzy yaitu: SANGAT LAMA, LAMA,

SEDANG, CEPAT dan SANGAT CEPAT .

  Fungsi keanggotaan linear naik digunakan untuk himpunan BANYAK variabel Mobil, dan himpunan LEBAR variabel Jalur. Fungsi linier naik dan turun digunakan untuk himpunan SEDANG variabel Mobil, dan himpunan CUKUP LEBAR variabel Jalur. Dan fungsi linier turun digunakan untuk himpunan SEDIKIT variabel Mobil, dan himpunan SEMPIT variabel Jalur.

  Kemudian mengaplikasikan himpunan yang telah ditentukan kedalam fungsi untuk mencari µ(bobot).

  2. Penentuan Tingkat Resiko Penyakit Menggunakan Tsukamoto Fuzzy

  Inference System (Kusumadewi, 2005)

  Pada contoh kasus ini, terdapat 38 gejala klinis yang mempengaruhi 23 penyakit. Setiap aturan hanya terdiri atas satu anteseden. Oleh karena itu, pada setiap penyakit bobot yang diberikan oleh setiap gejala melalui fire

  

strength yang diberikan pada aturan yang bersesuaian. Hasil akhir tingkat

  resiko penyakit dihitung dengan menggunakan rata-rata terbobot dari setiap aturan yang bersesuaian dengan penyakit tersebut. Basis pengetahuan yang menunjukkan hubungan antara gejala dengan penyakit disusun dengan menggunakan kaidah produksi IF-THEN. Tingkat resiko dialaminya suatu penyakit direpresentasikan dengan nilai antara 0 sampai 1. Semakin ke arah 1, maka tingkat resikonya semakin tinggi.