Analisa Perbandingan Membership Function Fuzzy Tsukamoto dalam Menentukan Dosen Berprestasi

Studi Kasus Universitas Harapan Medan

Abstract Views: 955   PDF Downloads: 725

Authors

  • Nenna Irsa Syahputri Universitas Harapan Medan, Medan
  • Kalvin Chiuloto Universitas Harapan Medan, Medan
  • Nadra Nur Aini Harahap Universitas Harapan Medan, Medan

DOI:

https://doi.org/10.56211/blendsains.v1i2.134

Keywords:

Fuzzy; Tsukamoto; Dosen Berprestasi; Perbandingan

Abstract

Fuzzy merupakan logika yang berhadapan langsung dengan konsep sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam salah atau benar. Logika fuzzy memungkinkan nilai keanggotaan antara salah dan benar. Logika fuzzy menyediakan cara sederhana untuk menggambarkan kesimpulan pasti dari informasi yang ambigu, sama-samar, atau tidak tepat. Sedikit banyak, logika fuzzy menyerupai pembuatan keputusan pada manusia dengan kemampuannya untuk bekerja dari data yang ditafsirkan dan mencari solusi yang tepat. Pengambilan keputusan dalam Teknik fuzzy dilakukan dalam beberapa tahapan yaitu pembentukan himpunan fuzzy (fuzzification), penentuan fungsi keanggotaan (membershipfunction), pembuatan aturan-aturan (rule), dan defuzzification. Rule merupakan konsep bagian utama dari fuzzy yang menjadi dasar untuk menentukan system menjadi pintar atau tidak. Salah satu faktor yang menentukan keakuratan hasil logika fuzzy adalah fungsi keanggotaan (membership function). Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input ke dalam nilai keanggotaannya yang memiliki nilai interval 0 sampai 1. Masing-masing fungsi keanggotaan memiliki banyak karakteristik yang berbeda-beda tergantung dari kasus yang diambil. Penelitian ini melakukan analisa perbandingan membership function (fungsi keanggotaan) fuzzy tsukamoto dalam menentukan dosen berprestasi di Universitas Harapan Medan dikarenakan pemilihan dosen berprestasi di Universitas Harapan Medan masih dilakukan secara manual dan penilaian dirasakan masih kurang objektif..

Downloads

Download data is not yet available.

References

Batra, G. & Trivedi, M. 2013. A fuzzy approach for software effort Estimation.International Journal on Cybernetics & Informatics2(1): 9-15 DOI: https://doi.org/10.5121/ijci.2013.2102

Kusumadewi, Sri & Purnomo, Hari. 2004. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta. Penerbit Graha Ilmu.

Mahaswari, T. & Asthana, A. 2013. Image Enhancement Using Fuzzy Technique. International Journal Of Research Review In Engineering Science & Technology.2(2): 1-4.

Nassa, V.K. & Yadav, S.K. 2012. Project Management Efficiency –A Fuzzy Logic Approach. International Journal of Engineering and Advanced Technology.1(3): 34-38.

Sutojo, T. Mulyanto, Edy & Suhartono, Vincent. Kecerdasan Buatan. 2011. Penerbit Andi

Sahadudheen, I. & Scholar, M.P. 2012. A Cointegration And Error Correction Approach To The Determinants Of Inflation In India. International Journal Economy3(1): 105-112.

Saxena, N., Saxena, K.K. 2010. Fuzzy Logic Based Students Performance Analysis Model for Educational Institutions. International Journal of Research1 :79 – 86.

Thamrin, F. 2012. Studi inferensi fuzzy tsukamoto untuk penentu faktor pembebanan trafo pln. Tesis. Universitas Diponegoro Semarang.

Downloads

Article History

Submitted: 2022-10-14
Published: 2022-10-27
Pages: 164-170

PlumX Metrics

How to Cite

Syahputri, N. I., Chiuloto, K., & Harahap, N. N. A. . (2022). Analisa Perbandingan Membership Function Fuzzy Tsukamoto dalam Menentukan Dosen Berprestasi: Studi Kasus Universitas Harapan Medan. Blend Sains Jurnal Teknik, 1(2), 164–170. https://doi.org/10.56211/blendsains.v1i2.134

Issue

Section

Teknik Informatika