BAB I

PENDAHULUAN

1. PENDAHULUAN

1.1. LATAR BELAKANG

Seiring dengan kemajuan teknologi yang semakin

cepat menyebabkan segala aspek kehidupan manusia selalu

dikaitkan dengan informasi. Perkembangan teknologi

informasi yang cepat tersebut banyak menguntungkan

dalam segala bidang baik dalam akademik maupun non-

akademik. Pemanfaatan teknologi tersebut digunakan agar

dapat menghasilkan informasi yang akurat atau tepat

serta dapat dihasilkan dalam waktu yang cepat.

Pemanfaatan teknologi tersebut dimanfaatkan dalam

bidang akademik yaitu pada proses pendidikan khususnya

untuk Sekolah Menengah Atas (SMA).

SMA GIKI 2 Surabaya merupakan sekolah yang

letaknya sangat strategis ditengah kota tepatnya di Jl.

Raya Gubeng 45 Surabaya dan juga merupakan sekolah yang

sudah mempunyai status TERAKREDITASI "A" (AMAT BAIK).

Diasuh oleh para guru yang berpengalaman, disiplin dan

dedikasi yang tinggi, sehingga dapat memberikan bekal

untuk memperkuat kesuksesan atau pengembangan potensi

diri baik dari segi intelektual, mental, akal dan sikap

peduli yang dikembangkan oleh SMA GIKI 2 Surabaya.

Melihat berkembangnya sekolah tersebut, teknologi yang

dapat mendukung keputusan pun harus berkembang

didalamya. Salah satunya informasi yang mendukung dalam

pengambilan keputusan proses penentuan jurusan bagi

siswa.

Proses penjurusan pada SMA GIKI 2 Surabaya

dilakukan pada saat akhir semester kelas X, karena

penjurusan dimulai pada saat kelas XI. Informasi yang

dibutuhkan dalam pengambilan keputusan penjurusan

adalah :

a. Minat siswa atau siswi ingin masuk jurusan IPA atau IPS

b. Disaring dari nilai akademik selama masih pada kelas X.

c. Disaring dari hasil psikotes yang dilakukan sekolah

untuk menguji psikologi siswa siswi SMA GIKI 2

Surabaya.

d. Surat rekomendasi dari pihak wali kelas.

Dari beberapa informasi diatas dapat diambil sebuah

keputusan untuk menentukan jurusan apa yang cocok atau

layak bagi kemampuan siswa. Terkadang minat tak sesuai

dengan akademik siswa sehingga sering terjadi miss

dalam pemilihan jurusan.

Banyak cara yang dilakukan untuk menentukan

penjurusan yang cocok untuk siswa sesuai dengan

informasi yang telah ditentukan,salah satunya adalah

dengan menggunakan logika fuzzy. Dengan menggunakan

metode tersebut diharapkan dapat membantu sekolah dalam

menentukan penjurusan untuk siswa. Dengan logika fuzzy,

akan dihasilkan suatu model dari suatu system yang

mampu memperkirakan jurusan apa yang cocok untuk siswa.

1.2. RUMUSAN MASALAH

Dari penjelasan latar belakang diatas, maka dapat

dirumuskan permasalahan yang ada adalah sebagai

berikut:

a. Bagaimana membuat sistem informasi dalam penentuan

jurusan pada SMA Giki Surabaya yang telah

terkomputerisasi?

b. Bagaimana membuat logika fuzzy dalam penentuan

jurusan pada SMA Giki 2 Suirabaya?

2.2. BATASAN MASALAH

Dari permasalahan di atas, kami sengaja membuat

batasan masalah untuk sistem yang akan kami buat

nantinya. Adapun batasan masalah tersebut meliputi:

a. Penjurusan hanya dilakukan untuk dua jurusan yaitu

IPA dan IPS.

b. …

c. …

3.2. TUJUAN

Tujuan yang diharapkan dalam pembuatan sistem

penjurusan pada SMA adalah sebagai berikut:

a. Sistem penentuan jurusan SMA dapat membantu menentukan

jurusan tiap siswa dengan cepat.

b. Sistem penentuan jurusan SMA menggunakan logika fuzzy

dapat menentukan jurusan tiap siswa dengan benar yang

sesuai berdasarkan aturan yang ada serta sesuai dengan

kemampuan tiap siswanya.

BAB II

DASAR TEORI

2. DASAR TEORI

2.1. SISTEM PENDUKUNG KEPUTUSAN

Istilah SPK mengacu pada suatu sistem yang

memanfaatkan dukungan komputer dalam proses pengambilan

keputusan. Untuk memberikan pengertian yang lebih

mendalam, akan diuraikan beberapa definisi mengenai SPK

yang dikembangkan oleh beberapa ahli, diantaranya oleh

Man dan Watson yang memberikan definisi sebagai

berikut, SPK merupakan suatu sistem yang interaktif,

yang membantu pengambil keputusan melalui penggunaan

data dan model-model keputusan untuk memecahkan masalah

yang sifatnya semi terstruktur maupun yang tidak

terstruktur.

SPK dapat memberikan berbagai manfaat dan

keuntungan. Manfaat yang dapat diambil dari SPK adalah:

a. SPK memperluas kemampuan pengambil keputusan dalam

memproses data/ informasi bagi pemakainya.

b. SPK membantu pengambil keputusan untuk memecahkan

masalah terutama berbagai masalah yang sangat

kompleks dan tidak terstruktur.

c. SPK dapat menghasilkan solusi dengan lebih cepat

serta hasilnya dapat diandalkan.

d. Walaupun suatu SPK, mungkin saja tidak mampu

memecahkan masalah yang dihadapi oleh pengambil

keputusan, namun ia dapat menjadi stimulan bagi

pengambil keputusan dalam memahami persoalannya,

karena mampu menyajikan berbagai alternatif

pemecahan.

Jadi dapat dikatakan bahwa SPK dapat memberikan

manfaat bagi pengambil keputusan dalam meningkatkan

efektifitas dan efisiensi kerja terutama dalam proses

pengambilan keputusan.

2.2. VISUAL BASIC

Basic adalah salah suatu developement tools untuk

membangun aplikasi dalam lingkungan Windows. Dalam

pengembangan aplikasi, Visual Basic menggunakan

pendekatan Visual untuk merancang user interface dalam bentuk

form, sedangkan untuk kodingnya menggunakan dialek

bahasa Basic yang cenderung mudah dipelajari. Visual

Basic telah menjadi tools yang terkenal bagi para pemula

maupun para developer.Visual Basic adalah bahasa pemrograman

berbasis Microsoft Windows yang merupakan Object Oriented

Programming (OOP), yaitu pemrograman berorientasi objek,

Visual Basic menyediakan objek-objek yang sangat kuat,

berguna dan mudah. Dalam lingkungan Windows, User-

interface sangat memegang peranan penting, karena dalam

pemakaian aplikasi yang kita buat, pemakai senantiasa

berinteraksi dengan User-interface tanpa menyadari bahwa

dibelakangnya berjalan instruksi-instruksi program yang

mendukung tampilan dan proses yang dilakukan. Pada

pemrograman Visual, pengembangan aplikasi dimulai dengan

pembentukkan user interface, kemudian mengatur properti

dari objek-objek yang digunakan dalam user interface, dan

baru dilakukan penulisan kode program untuk menangani

kejadian-kejadian (event). Tahap pengembangan aplikasi

demikian dikenal dengan istilah pengembangan aplikasi

dengan pendekatan Bottom Up.

2.3. LOGIKA FUZZY

Fuzzy secara bahasa diartikan sebagai kabur atau

samar-samar. Suatu nilai dapat bernilai besar atau

salah secara bersamaan. Dalam fuzzy dikenal derajat

keanggotaan yang memiliki rentang nilai 0 (nol) hingga

1(satu). Berbeda dengan himpunan tegas yang memiliki

nilai 1 atau 0 (ya atau tidak).

Logika Fuzzy merupakan seuatu logika yang memiliki

nilai kekaburan atau kesamaran (fuzzyness) antara benar

atau salah. Dalam teori logika fuzzy suatu nilai bias

bernilai benar atau salah secara bersama. Namun berapa

besar keberadaan dan kesalahan suatu tergantung pada

bobot keanggotaan yang dimilikinya. Logika fuzzy memiliki

derajat keanggotaan dalam rentang 0 hingga 1. Berbeda

dengan logika digital yang hanya memiliki dua nilai 1

atau 0. Logika fuzzy digunakan untuk menterjemahkan suatu

besaran yang diekspresikan menggunakan bahasa

(linguistic), misalkan besaran kecepatan laju kendaraan

yang diekspresikan dengan pelan, agak cepat, cepat, dan

sangat cepat. Dan logika fuzzy menunjukan sejauh mana

suatu nilai itu benar dan sejauh mana suatu nilai itu

salah. Tidak seperti logika klasik (scrisp)/ tegas, suatu

nilai hanya mempunyai 2 kemungkinan yaitu merupakan

suatu anggota himpunan atau tidak. Derajat keanggotaan

0 (nol) artinya nilai bukan merupakan anggota himpunan

dan 1 (satu) berarti nilai tersebut adalah anggota

himpunan.

Parameter :

No

.

Paramet

er

Nilai Ukuran Range Nilai

(Variabel)

Domain

1 NIPA Rendah NRIPAmin-NRIPAmax [55,75]

Tinggi NTIPAmin-NTIPAmax [65,100]

2 NIPS Rendah NRIPSmin-NRIPSmax [55,78]

Tinggi NTIPSmin-NTIPSmax [63,100]

3 NMIPA Tidak MRIPAmin-MRIPAmax [0,90]

Minat MTIPAmin-MTIPAmax [10,100]

4 NMIPS Tidak MRIPSmin-MRIPSmax [0,90]

Minat MTIPSmin-MTIPSmax [10,100]

5 NPsikot

es

Tidak

Disarankan

PRmin-PRmax [90,110]

Disarankan PRTmin-PRTmax [108,120

]

Lebih

Disarankan

PDmin-PDmax [118,130

]

a. Fungsi derajat keanggotaan variabel nilai IPA (a)

nIPArendah = { 175−a150 |;55≤a≤60;60≤a≤75

;a≥75

nIPAtinggi = { 0a−65151

| ;a≤65;65≤a≤80;80≤a≥100

b. Fungsi derajat keanggotaan variabel nilai IPS (b)

nIPSrendah = { 175−b150

|;55≤b≤58;58≤b≤73;b≥75

nIPStinggi = { 0b−65151

| ;b≤63;63≤b≤78;78≤b≥100

c. Fungsi derajat keanggotaan variabel minat IPA

( c )

nMIPAtidak = {90−c90c |0≤c≤90c>90

nMIPAminat = { 0c−1090 | c<10

10≤c≤100

d. Fungsi derajat keanggotaan variabel minat IPS (d)

nMIPStidak = {90−d90d |0≤d≤90d>90

nMIPSminat = { 0d−1090 | d<10

10≤d≤100

e. Fungsi derajat keanggotaan variabel Nilai Psikotes

nPRendah = { 1110−e

20 |90≤e≤108108<e<110

e≥110

nPRata ={e−118

21

120−e20

| 108≤e≤110110<e<118118<e<120

e≤108ataue≥120

nPTinggi = { 0e−118

21 | e≤118

118<e<120120≤e≤130

Mata

Pelajaran

Nilai Rata-rata

Matematika 71 72.5Biologi 73Fisika 72Kimia 74Ekonomi 75 68.5Sosiologi 70Geografi 69Sejarah 60

1. NIPA

a. Himpunan fuzzy rendah(75−72.5)

15 = 0.17

b. Himpunan fuzzy tinggi

(72.5−65)15 = 0.50

2. NIPS

a. Himpunan fuzzy rendah

(73−68.5)15 = 0.30

b. Himpunan fuzzy tinggi

(68.5−63)15 = 0.37

3. NPsikotes = 125 , maka derajat keanggotaan fuzzy

pada himpunan fuzzy tinggi adalah 1

4. Nilai minat masuk IPA = 100 maka

derajatkeanggotaan fuzzy pada himpunan fuzzy minat

adalah 1

5. Nilai minat masuk IPS = 0 maka derajat keanggotaan

fuzzy pada himpunan fuzzy minat adalah 1

1. Terdapat lima input pada proses penjurusan SMA, yaitu NIPA,

NIPS, NMIPA, NMIPS, NPsikotes. Kemudian menghasilkan satu

hasil yang terdiri dari dua pilihan yaitu IPA dan IPS.

Gambar 1 Parameter Jurusan

2. Pada variabel

NIPA disini,

memiliki

fungsi derajat keanggotaan

nIPArendah = { 175−a150

|;55≤a≤60;60≤a≤75;a≥75

Gambar 2 Keterangan Parameter

No Nama

Variabel

Keterangan

1 NIPA Nilai akademik IPA2 NIPS Nilai akademik IPS3 NMIPA Nilai minat IPA4 NMIPS Nilai minat IPS5 NPsikotes Nilai psikotes

nIPAtinggi = { 0a−65151

| ;a≤65;65≤a≤80;80≤a≥100

3. Pada variabel NIPS disini, memiliki fungsi derajat

keanggotaan

nIPSrendah = { 175−b150

|;55≤b≤58;58≤b≤73;b≥75

nIPStinggi = { 0b−65151 | ;b≤63

;63≤b≤78;78≤b≥100

Gambar 3 Fungsi Keanggotaan NIPA

Gambar 4 Fungsi Keanggotaan NIPS

4. Pada variabel NMIPA disini, memiliki fungsi derajat

keanggotaan

nMIPAtidak = {90−c90c |0≤c≤90c>90

nMIPAminat = { 0c−1090 | c<10

10≤c≤100

Gambar 5 Fungsi Keanggotaan NMIPA

5. Pada variabel NMIPS disini, memiliki fungsi derajat

keanggotaan

nMIPStidak = {90−d90d |0≤d≤90d>90

nMIPSminat = { 0d−1090 | d<10

10≤d≤100

Gambar 6 Fungsi Keanggotaan NMIPS

6. Pada variabel NPsikotes disini, memiliki fungsi derajat

keanggotaan

Tidak Disarankan = { 1110−e

20

|90≤e≤108108<e<110e≥110

Disarankan ={e−118

21

120−e20

| 108≤e≤110110<e<118118<e<120

e≤108ataue≥120

Lebih Disarankan = { 0e−118

21

| e≤118118<e<120120≤e≤130

Gambar 7 Fungsi Keanggotaan NPsikotes

1. Rule yang dimasukkan

Gambar 8 Rule

BAB III

PEMODELAN

3. PEMODELAN

3.1. TIGA KOMPONEN PENDUKUNG KEPUTUSAN

Tiga komponen pendudukung keputusan di aplikasi kami

yaitu :

Subtsistem manajemen data

Subsistem manajemen data memasukan satu database

yang berisi data yang relevan untuk situasi dan

dikelola oleh perangkat lunak yang disebut system

manajemen database (DBMS/ Data Base Management

System) untuk pengambilan keputusan.

Subsistem manajemen berbasis pengetahuan

(knowledge base)

Subsistem antarmuka pengguna

3.2. ARSITEKTUR SISTEM

3.2.1. FLOWCHART

3.2.2. DIAGRAM CONTEXT

3.2.3. DATA FLOW DIAGRAM

3.2.3.1. DFD LEVEL 0

3.2.3.2. DFD LEVEL 1

3.2. CDM

3.3. PDM

3.4. DESAIN I/O

BAB IV

EVALUASI

4. EVALUASI

BAB V

KESIMPULAN

5. KESIMPULAN

Berdasarkan hasil pengujian dan analisa pada system,

maka dapat diambil beberapa kesimpulan sebagai berikut :

1. Minat tanpa didukung dengan nilai akademik yang tinggi

tidak banyak pengaruhnya terhadap nilai hasil.

2. Pembuatan rule adalah hal yang paling berpengaruh pada

siistem karena menentukan bobot setiap parameternya.

LAMPIRAN

Lampiran 1 Pembentukan aturan untuk rule yang digunakan

If And Then

Rul

e

Nilai

IPA

Nilai

IPS

Minat

IPA

Minat

IPS

Nilai

Psikotes

Jurus

an1 Rendah Rendah Tidak Minat Tidak

Disarankan

IPS

2 Rendah Rendah Tidak Minat Disarankan IPS3 Rendah Rendah Tidak Minat Lebih

Disarankan

IPS

4 Rendah Rendah Minat Tidak Tidak

Disarankan

IPS

5 Rendah Rendah Minat Tidak Disarankan IPS6 Rendah Rendah Minat Tidak Lebih

Disarankan

IPS

7 Rendah Tinggi Tidak Minat Tidak

Disarankan

IPS

8 Rendah Tinggi Tidak Minat Disarankan IPS9 Rendah Tinggi Tidak Minat Lebih

Disarankan

IPS

10 Rendah Tinggi Minat Tidak Tidak

Disarankan

IPS

11 Rendah Tinggi Minat Tidak Disarankan IPA12 Rendah Tinggi Minat Tidak Lebih

Disarankan

IPA

13 Tinggi Rendah Tidak Minat Tidak IPA

Disarankan14 Tinggi Rendah Tidak Minat Disarankan IPA15 Tinggi Rendah Tidak Minat Lebih

Disarankan

IPA

16 Tinggi Rendah Minat Tidak Tidak

Disarankan

IPA

17 Tinggi Rendah Minat Tidak Disarankan IPA18 Tinggi Rendah Minat Tidak Lebih

Disarankan

IPA

19 Tinggi Tinggi Tidak Minat Tidak

Disarankan

IPS

20 Tinggi Tinggi Tidak Minat Disarankan IPS21 Tinggi Tinggi Tidak Minat Lebih

Disarankan

IPA

22 Tinggi Tinggi Minat Tidak Tidak

Disarankan

IPA

23 Tinggi Tinggi Minat Tidak Disarankan IPA24 Tinggi Tinggi Minat Tidak Lebih

Disarankan

IPA