Nama : Pascal Aditia Muclis
Nim
: 20180040063
Kelas : TI18C
Tugas
sesi 13
Sistem
Inferencei Fuzzy
1.
Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada teori
himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dengan penalaran fuzzy. Sistem
inferensi fuzzy menerima input crisp. Input ini kemudian dikirim ke basis
pengetahuan yang berisi n aturan fuzzy dalam bentuk IF-THEN. Fire strength akan
dicari pada setiap aturan. Apabila jumlah aturan lebih dari satu, maka akan
dilakukan agregasi dari semua aturan. Selanjutnya, pada hasil agregasi akan
dilakukan defuzzy untuk mendapatkan nilai crisp sebagai output sistem.
Pendekatan fuzzy logic secara garis besar diimplementasikan dalam tiga tahapan
yang dapat dijelaskan sebagai berikut :
1.
Tahap pengaburan (fuzzification) yakni pemetaan dari masukan tegas ke himpunan
kabur.
2.
Tahap inferensi, yakni pembangkitan aturan kabur.
3.
Tahap penegasan (defuzzification), yakni tranformasi keluaran dari nilai
4.
Kabur ke nilai tegas.
2.
Jaringan Syaraf Tiruan Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu
informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak
yang memproses suatu informasi. Elemen ,mendasar dari paradigma tersebut adalah
struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan,
seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan dibentuk
untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau
klasifikasi karena proses pembelajaran.
3. Adaptive Neuro Fuzzy
Inference System
ANFIS
(Adaptive Neuro Fuzzy Inference Systems) merupakan salah satu sistem dalam
kelompok neuro-fuzzy yaitu sistem hybrid dalam soft computing. Sistem hybrid
merupakan padupadan atau gabungan dari setidaknya dua metode soft computing
dengan tujuan untuk memperoleh algoritma yang lebih sempurna.
4. Software yang
digunakan
4.1.
Matlab
Matlab
mengintegrasi komputasi, visualisaian pemrograman pada perangkat yang mudah
digunakan dimana permasalahan dan penyelesaia dapat diekspresikan dengan notasi
matematika yang familiar. Matlab dikembangkan oleh MathWork. Inc / /www
.mathwork.com. Penggunaan kata matlab sendiri memiliki kepanjangan “Matrix
Laboratory”, hal ini berkatian dengan penggunaan matlab untuk memanipulasi
matrik, melakukan plotting fungsi dan data, implementasi algoritma serta
penggunaan aljabar pada perangkat komputer. Matlab sendiri diciptakan pada
akhir tahun 1970-an oleh Cleve Moler dari Universitas New Mexico. Dalam
perkembangannya matlab versi setalah tahun 1980-an ditulis dengan bahasa
pemrograman C. Matlab dalam penggunaannya hingga saat ini lebih terkenal untuk
bidang aljabar linear, analisis numerik dan pengolahan citra.
5. Metodologi Penelitian
Dalam
melakukan penelitian ini yang dilakukan pada SMK Negeri 1 Kota Sukabumi,
langkah pertama yang dilakukan adalah mengumpulkan informasi yang dibutuhkan
antara lain komptensi pedagogik yang meliputi pelaksanaan pembelajaran di
kelas, kompetensi professional yang meliputi penilaian rencana pembelajaran dan
kehadiran jumlah jam wajib, kompetensi kepribadian yang meliputi kehadiran,
penampilan dan sikap dan kompetensi kedisiplinan yang meliputi kedisiplinan
datang dan pulang saat KBM sesuai dengan jadwal yang telah ditemtukan
kurikulum. Data yang diperoleh kemudian dimasukkan sebagai input dari Adaptive
Neuro Fuzzy Inference Sistem (ANFIS), Sedangkan outputnya adalah kelayakan sertifikasi
seorang guru dengan layak dan tidak layak.
5.1
Langkah Penelitian
Penelitian
ini meliputi beberapa langkah penelitian, yaitu sebagai berikut ini:
1.
Menentukan parameter yang digunakan yang nantinya digunakan untuk mendiagnosa
permasalahan
2.
Melakukan fuzzyfikasi parameter
3.
Membentuk jaringan syaraf tiruan
5.2
Metode pemilihan Sampel
Penelitian
ini menggunakan jenis penelitian kuantitatif, dimana proses pengambilan data
didapatkan dari supervise yang diadakan sekolah melalui pihak terkait, seperti
Pengawas Pembina Sekolah, Kepala Sekolah, Kepala Jurusan dan Ketua Program
Keahlian. Sampel yang diteliti adalah Guru PNS Pengajaran Umum dan Jurusan
Elektronika Industri yang berjumlah 53 Orang pada tahun ajaran 2012.
5.3
Metode pengumpulan data Dalam penelitian ini, penulis menggunakan metode
wawancara dan quisioner yang didapat dari dari pihak terkait, seperti kasubag
kepegawaian, Kepala Jurusan Pengajaran Umum, Kasie Operasional dan pengembangan
mutu dan lain sebagainya. Dimana semua data tersebut merupakan kegiatan
supervisi yang diadakan setiap tahun dan menjadiagenda rutin sekolah dalam
memonitor kinerja para karyawannya.
5.4
Instrument Penelitian
1.
Quisioner penilai kinerja guru
2.
Spesifikasi kelengkapan perangkat lunak dan perangkat keras yang digunakan
3.
Uji kehandalan GUI dengan Metode SQA
(Software Quality Assurance)
6.
Metode analisis Dalam penelitian ini
digunakan Matlab sebagai perangkat lunak yang digunakan implementasi model
simulasi dengan metode ANFIS, yang nantinya menghasilkan model FIS. Dengan
software ini akan didapatkan kemudahan dalam mengimplementasikan model FIS ke
dalam perangkat lunak.
6.1
Analisis Deskriptif Adapun tujuan dari
analisis ini adalah guna memperoleh data supervisi yang memang telah ada di SMK
Negeri 1 Kota Sukabumi pada tahun pelajaran 2012, dimana meliputi kompetensi
pedagogik, professional, kepribadian dan kompetensi kedisiplinan yang
masing-masing kompetensi tersebut terdiri dari beberapa indikator penilaian.
6.2
Analisis Inferential Dalam analisis ini
terdapat proses penganalisaan data dan pengujian hipotesis dengan menggunkana
algortima hybrid dan algoritma backpropagasi. Dimana tujuan dari analisis ini
yakni untuk menghasilkan parameter yang paling optimal dari masalah yang dikaji
dalam penelitian ini.
7. Hasil Penelitian
7.1
Hasil Data pada penelitian ini dibagi menjadi dua bagian, yaitu :
1.
40 data pertama digunakan sebagai data training (data pembelajaran)
2.
17 data kedua digunakan sebagai data testing (data validitas)
7.2
Simulasi ANFIS Adapun tahapan proses simulasi meliputi beberapa tahapan,
diantaranya sebagai berikut ini :
1.
Tahapan load data (pemasukan data)
2.
Tahapan generate FIS (membangkitkan FIS)
3.
Tahapan Training FIS (pembelaran FIS)
4.
Tahapan Testing FIS (validasi FIS)
7.2.1
Tahap Load Data Dalam tahapan ini, terjadi proses pemasukan data setelah
terlebih dahulu melalui pengolahan. Dalam hal ini data yang dimasukan
ber-ekstensi DAT yang diedit dari editor notepad. Data yang 7 dimasukan
merupakan data training yang terdiri dari 40 sampel guru dan 13 sampel untuk
data testing.
7.2.2
Tahap Generate FIS Pada tahapan ini dibangkitkan terlebij dahulu struktur dari
model FIS yang nantinya akan dibuat, sebelum melakukan proses pembelajaran
Kesimpulan
1.
Dari hasil simulasi ANFIS yang dilakukan dengan Matlab dengan dengan
menggunakan algoritma hybrid dan backpropasi serta proses pembelajaran dan
validasi yang dilakukan, diperoleh nilai yang paling optimal dari proses
pembelajaran menghasilkan RMSE 7,8166 x 10-5 menggunakan fungsi keanggotaan
Trimf dengan algoritma hybrid, sementara proses validasi nilai yang paling
optimal menghasilkan RMSE 23,995 menggunakan fungsi keanggotaan Gbellmf dengan
algoritma hybrid.
2.
Setelan dilakukan quisioner terhadap GUI yang dibuat, maka diperoleh nilai
rata-rata sekitar 81,7. Hal ini menunjukkan bahwa GUI yang dibuat memenuhi
standar SQA yakni 80, meskipun demikian nilai tersebut belum bisa dikatakan
sepenuhnya benar, karena audience yang menguji GUI ini hanya 5 orang dari
jabatan/posisi yang berbeda, sehingga nilai rata-rata yang sebaiknya minimal
terdiri ¾ dari sampling guru yang diuji dalam penelitian ini