PENERAPAN FUZZY-QUERY DATABASE PADA SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN BEASISWA

Beasiswa indentik dengan penghargaan yang diberikan kepada mahasiswa berprestasi dalam studi yang ditempuhnya. STMIK P3M dalam menumbuhkan dan meningkatkan semangat mahasiswa untuk berprestasi dilakukan dengan memberikan penghargaan berupa beasiswa tiap semester.. Ada beberapa jenis beasiswa yang salurkan oleh STMIK P3M, baik dari Yayasan maupun dari Pemerintah Indonesia, diantaranya adalah Beasiswa Mahasiswa Berprestasi, PPA, BBM, dan Supersemar. Beasiswa tersebut diberikan kepada mahasiswa yang memenuhi kriteria persyaratan dan kuota calon penerima beasiswa untuk tiap-tiap jenis beasiswa. Persyaratan diberikan sebagai langkah awal penyaringan kepada mahasiswa yang paling berhak menerimanya secara objektive dan transparan. Sebagaimana hal beasiswa yang diberikan oleh berbagai lembaga pada umumnya, beasiswa di STMIK P3M pun memberikan beberapa persyaratan diantaranya adalah penghasilan orang tua, semester yang ditempuh, dan IPK yang diperoleh. Memilih calon penerima dengan tiga kriteria tersebut merupakan permasalahan yang harus bisa dijawab relatif cepat dengan tingkat keakuratan analisa dan hasil keputusan yang paling obyektif, agar tidak bersifat intuitif dan subjektif. Kecepatan, keakuratan dan obyektifitas tersebut relatif sulit dicapai bila sistem penentuan penerima beasiswa tersebut menggunakan metode seleksi konvensional. Inilah yang menjadi alasan utama, disamping kebutuhan akan kemudahan proses seleksi calon penerima beasiswa, bahwa STMIK P3M membutuhkan aplikasi aplikasi sistem pendukung keputusan berbasis komputer untuk penentuan mahasiswa penerima beasiswa. Permasalahan dalam melakukan penentuan mahasiswa penerima beasiswa dari tiga persyaratan yang diberikan, dari kuota tiga jenis beasiswa adalah membangaun Sistem Pendukung Keputusan yang dapat membantu bagian kemahasiswaan dalam menentukan seorang mahasiswa yang dapat direkomendasikan mendapat beasiswa, adalah menggabungakan Fuzzy logic dan Query database (Fuzzy-Query) untuk mengolah data calon penerima beasiswa. Gabungan dua metode ini merupakan metode baru dalam pengolahan database. Sehingga secara khusus metode Fuzzy-Qurey ini dapat menjadi metode alternatif dalam membangun pengolahan database. Lingkup pembahasan difokuskan pada beberapa variabel yang terkait dengan pembangunan aplikasi sistem dengan menjadikan persayaratan memperoleh beasiswa sebagai komponen pokok (variable). Variabel-variabel tersebut adalah nilai IPK, Semester dan Gaji orang tua. Sedangkan Jenis beasiswa yang ditawarkan adalah Peningkatan Prestasi Akademik (PPA) dan Bantuan Belajar Mahasiswa (BBM). Mahasiswa dengan IPK tertinggi pada masing-masing jurusan memperoleh beasiswa PPA. Sedangkan Beasiswa BBM diberikan kepada sejumlah mahasiswa sesuai dengan kuota, urutan penerima ditentukan berdasarkan kriteria nilai tertinggi dari akumulasi persyaratan yang diberikan. Untuk memperoleh nila tertinggi dari akumulasi tiga variabel tersebut digunakan Metode Fuzzy logik. Tersedianya aplikasi sistem pendukung keputusan yang mampu menyajikan informasi yang cepat, akurat, dan pengoperasian yang mudah, akan sangat membantu bagi institusi STMIK P3M khususnya bagian kemahasiswaan dalam proses memilih mahasiswa calon penerima beasiswa. Sebenarnya metode penyeleksian mahasiswa calon penerima beasiswa secara konvensional dibagian kemahasiswaan sudah ada. Metode ini memiliki bebepa kelemahan, beberapa diantaranya adalah pengolahan data masih sederhana dengan menggunakan Microsoft Exel, dokumentasi data yang lemah, kurang efektif dalam pemrosesan data dan cendurung lama, kurang objektive, keputusan yang diambil sering terjadi kekeliruan. Sehingga kesalahan-kesalahan dalam menentukan calon penerima beasiswa dengan cara konvensional dapat dihindari. Logika Fuzzy Merupakan metode yang mempunyai kemampuan untuk memproses variabel yang bersifat kabur atau tidak dapat dideskripsikan secara pasti seperti misalnya tinggi, lambat, bising dan lain-lain. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, seperti yang dijelaskan sebagai berikut: a.Variabel fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy, misalnya variabel umur, temperatur dan permintaan. b.Himpunan fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Misalnya variabel umur, terbagi menjadi 3 himpunan fuzzy, yaitu: MUDA, PAROBAYA dan TUA. c.Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. d.Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif. Fungsi Keanggotaan Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan (Kusumadewi, Purnomo, 2004:8), yaitu: a.Representasi linear, pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Ada 2 keadaan himpunan fuzzy yang linear. •Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi. Seperti yang ditunjukkan pada gambar 1. Gambar 1. Representasi Linear Naik •

Fungsi keanggotaan: Kedua, merupakan kebalikan yang pertama. Garis lurus di mulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. Seperti yang ditunjukkan pada gambar 2.

Rancangan Sistem

Desain Database

Desain database digunakan untuk mengidentifikasi kebutuhan tabel-tabel yang diperlukan oleh sistem dan juga dimaksudkan untuk mengidentifikasi isi dan struktur dari tiap-tiap tabel yang telah didefinisikan secara umum. Secara keseluruhan ada 3 tabel yang dibuat untuk tujuan dan kegunaan yang berbeda, yaitu:

a.       Tabel Mahasiswa, berisi data- data mahasiswa yang akan diproses. Struktur tabelnya seperti terlihat pada tabel 1 dengan NIM sebagai primary key.

Tabel 1. Tabel Mahasiswa

Nama Field	Tipe Data	Panjang	Keterangan
* nim	Text	10	Primary Key
Nama	Text	25	-
Ipk	Single	-	-
Gaji	Single	-	-
Semester	Single	-	-
Beasiswa	Text	3	-
Jurusan	Text	26	-
Jenkel	Text	10	-

b.       Tabel Mu, menyimpan hasil perhitungan nilai derajat keanggotaan () dari fungsi keanggotaan dan himpunan fuzzy tabel mahasiswa. Struktur tabelnya seperti terlihat pada tabel 2. Tabel ini memiliki kolom NIM yang berelasi dengan kolom NIM pada tabel mahasiswa sebagai primary key.

Tabel 2. Tabel Mu

Nama Field	Tipe Data	Pan jang	Keterangan
*nim	Text	10	Primary Key
mu_ipk_cukup	Single	-	-
mu_ipk_baik	Single	-	-
mu_ipk_baik_sekali	Single	-	-
mu_gaji_rendah	Single	-	-
mu_gaji_sedang	Single	-	-
mu_gaji_tinggi	Single	-	-
mu_sms_bawah	Single	-	-
mu_sms_menengah	Single	-	-
mu_sms_atas	Single	-	-

c.       Tabel Firestrength, akan menyimpan hasil dari seluruh proses yang dilakukan oleh sistem dan user dapat melihat data mahasiswa yang direkomendasikan berdasarkan kriteria yang telah dimasukkan. Pada tabel ini terdapat nilai derajat perekomendasian yang merupakan hasil dari perhitungan firestrength. Struktur tabelnya seperti terlihat pada tabel 3. Tabel ini  memiliki kolom NIM yang berelasi dengan kolom NIM pada tabel mahasiswa sebagai primary key.

Tabel 3.  Tabel Firestrength

Nama Field	Tipe Data	Panjang	Keterangan
* nim	Text	10	Primary Key
firestrength1	Single	-	-
firestrength2	Single	-	-
firestrength3	Single	-	-
Hitung	Single	-	-
rekomendasi	Single	-	-

Desain Fungsi Keanggotaan

Pada kasus ini, setiap variabel fuzzy menggunakan fungsi keanggotaan bahu dan segitiga sebagai pendekatan untuk memperoleh nilai derajat keanggotaan dalam suatu himpunan fuzzy.

a.       Variabel gaji, dibagi menjadi 3 himpunan fuzzy, yaitu RENDAH, SEDANG dan TINGGI. Himpunan fuzzy RENDAH dan TINGGI menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu, sedangkan himpunan fuzzy SEDANG menggunakan pendekatan fungsi keanggotaan berbentuk segitiga. Seperti terlihat pada gambar 5.

Gambar 5. Fungsi Keanggotaan pada Variabel Gaji

Fungsi keanggotaan pada variabel gaji dapat dirumuskan sebagai berikut:

b.       Variabel IPK, dibagi menjadi 3 himpunan fuzzy, yaitu CUKUP, BAIK dan BAIK SEKALI. Himpunan fuzzy CUKUP dan BAIK SEKALI menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu, sedangkan himpunan fuzzy BAIK menggunakan pendekatan fungsi keanggotaan berbentuk segitiga. Seperti terlihat pada gambar 6.

Gambar 6. Fungsi Keanggotaan pada Variabel IPK

Fungsi keanggotaan pada variabel IPK dapat dirumuskan sebagai berikut:

c.       Variabel semester, dibagi menjadi 3 himpunan fuzzy, yaitu BAWAH, MENENGAH dan ATAS. Himpunan  fuzzy BAWAH dan ATAS menggunakan pendekatan fungsi keanggotaan yang berbentuk bahu, sedangkan himpunan fuzzy MENENGAH menggunakan pendekatan fungsi keanggotaan berbentuk segitiga. Seperti terlihat pada gambar 7.

Gambar 7. Fungsi Keanggotaan pada Variabel Semester

Fungsi keanggotaan pada variabel semester dapat dirumuskan sebagai berikut:

DFD Level 0 Sistem Perekomendasian Beasiswa

Pada DFD level 0 ini terdapat 3 proses utama yaitu melakukan input dan edit, fuzzy query, membuat laporan. Seperti terlihat pada gambar 8.

Gambar 8.  DFD Level 0 Sistem Perekomendasian Beasiswa

Hasil Penelitian

Dalam percobaan ini, data yang digunakan berasal dari data mahasiswa yang diperoleh dari hasil observasi dan wawancara dengan bagian kemahasiswaan STMIK PPKIA Pradnya Paramita Malang. Seperti yang terlihat pada gambar 9.

Gambar 9.  Data Mahasiswa

Langkah selanjutnya adalah melakukan perhitungan derajat keanggotaan variabel gaji, variabel IPK dan variabel semester. Seperti terlihat pada gambar 10, 11 dan 12.

 

Gambar 10.  Proses Menghitung Derajat Keanggotaan Gaji

Gambar 11.  Proses Menghitung Derajat Keanggotaan IPK

Gambar 12.  Proses Menghitung Derajat Keanggotaan Semester

Tahapan selanjutnya adalah melakukan query, untuk menyeleksi mahasiswa yang direkomendasikan untuk mendapatkan beasiswa. Operator yang disediakan untuk operasi ini ada dua, yaitu operator AND dan OR. Seperti terlihat pada gambar 13.

Gambar 13.  Proses Seleksi Pemohon Beasiswa

Hasil operasi query diatas digunakan untuk menentukan jenis beasiswa yang diterima oleh mahasiswa. Seperti terlihat pada       gambar 14.

Gambar 14.  Menampilkan Hasil Seleksi

Laporan yang dihasilkan oleh sistem ini ada 2 yaitu laporan daftar penerima beasiswa PPA dan BBM. Seperti terlihat pada gambar 15 dan 16.

Gambar 15.  Laporan Daftar Penerima Beasiswa PPA

Gambar 16.  Laporan Daftar Penerima Beasiswa BBM

Kesimpulan

Berdasarkan pembahasan dan hasil pengujian aplikasi ini, maka dapat dibuat kesimpulan antara lain:

a.       Metode logika fuzzy dapat digunakan sebagai pilihan untuk menyelesaikan permasalahan ketidak pastian penentuan  

b.      Proses untuk menentukan kelayakan mahasiswa dalam mendapatkan beasiswa lebih mudah dibandingkan dengan menggunakan cara manual.

Saran

Aplikasi ini masih jauh dari sempurna, sehingga diharapkan dapat dikembangkan lagi. Hal-hal yang dapat dikembangkan antara lain:

a.       Untuk pengambilan keputusan yang lebih baik lagi, diharapkan dapat mengkombinasikan metode logika fuzzy dengan metode artificial intelligence yang lainnya.

b.      Metode logika fuzzy ini dapat dikembangkan untuk aplikasi penentuan kompetensi dosen, sistem perekrutan karyawan, penjurusan siswa smu, penentuan jumlah produksi dan lain-lain.