seleksi penerimaan anggota baru paduan suara …repository.usd.ac.id/8411/2/125314005_full.pdf ·...
TRANSCRIPT
SELEKSI PENERIMAAN ANGGOTA BARU
PADUAN SUARA MAHASISWA
MENGGUNAKAN LOGIKA KABUR
DAN MULTI-ATTRIBUTE DECISION MAKING
(STUDI KASUS PSM CANTUS FIRMUS USD)
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh:
Yosef Yudha Prasetya
125314005
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2016
i
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
A NEW MEMBERS AUDITION OF A CHOIR
USING FUZZY LOGIC AND MULTI-ATTRIBUTE DECISION MAKING
(A STUDY CASE OF CANTUS FIRMUS
SANATA DHARMA UNIVERSITY CHOIR)
A THESIS
Presented as Partial Fullfilment of the Requirements
to Obtain the Sarjana Komputer Degree
in Informatic Engineering Study Program
By:
Yosef Yudha Prasetya
125314005
INFORMATICS ENGINEERING STUDY PROGRAM
DEPARTMENT OF INFORMATICS ENGINEERING
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2016
ii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
awlq .
HALAMAN PENSOTU'JUAN
SKRIPSI
SELEI(SI PENENTEAAN AT{GGOTA BARU
PAITUAIi{ SUARA MAHASISWA
MENGGUNAKAI{ LOGIKA KASUR
DAI\I''AL N.ATINIBATE DECISK)N IIIAEING
(sruDr KAsus PsM CANTUS mnMus usD)
'-a:
hbfunbiug,
fu'Eko Hari Parmadi, S.Si", M.Koq. Tangal, 3o AyuStrs 2oli
'::,t1
iii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
HALAIT{AN PENGESAHANSKRIPSI
SELEKSI PEI\IERIMAAN ANGGOTA BARUPADUAN SUARA MAHASISWA MENGGUNAKAI\I LOGIKA I(ABIIR
DlJ{ DTALTI-ATTRIBTNE DECISION MAXING(sflrDr KAsus psM CANTUS FTRMUS USD)
Dipersiapkan dan ditulis oleh:
YOSEF YUDHA PRASETYA
Ketua
Sekretaris
Anggota
Yogyakarta, .3o.. Ag.us.duL.Z o t (Fakultas Sains dan Teknologi
Robertus AdiNugroho, S.T., M.Eng.
S.Si.,M.Math.Sc.,Ph.D
,..1
iv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
HALAMAN MOTO
“Hanya orang gila yang mampu mengubah dunia” -Panca Sona Adjie
.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
HALAMAN PERSEMBAHAN
Skripsi ini saya persembahkan untuk:
Tuhan Yang Maha Seni, sebagai bentuk jerih payah serta kembangan talenta yang telah Tuhan berikan.
PSM Cantus Firmus lengkap dengan setiap anggotanya yang sedikit demi sedikit mulai gila.
Dan yang terakhir, untuk Program Studi Teknik Informatika dan Perpusatakaan Universitas Sanata Dharma.
vi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
n
PERNYATAAI{ KSASLIAN KA,RYA
saya menyatakan dengan sesungguhnya bahwa tugas akhir ysng saya tulis
tidak mengandung atau menruat hasil karlxa orang lain, kecuali ')nang t€lah
disebutkan dalam daftar pustaka dan kutipan sclayaknya karya ilmiah.
Yogyakarta, ...?.?..:.99r.: ?.?:.I
Penulis
vii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Yang bertanda tangan di bawah ini,
Yogyakarta:
Nama
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASIKARYA ILMIAII UNTUK KEPENTINGAN AKADEMIS
saya mahasiswa Universitas Sanata Dhanna
: Yosef Yudha Prasetya
NIM : 125314005
Demi pengembangan ilmu pengetahuan, saya memberikan kepada
perpustakaan Universitas Sanata Dharma karya ilmiah yang be{udul :
SELEKSI PENERIMAAN ANGGOTA BARU
PADUAN SUARA MAIIASISWA
MENGGUNAI(AN LOGIKA KABUR
D AN MALTI-ATTRIBUTE DECISION MAMNG
(STUDI KASUS PSM CAI\TUS FIRMUS USD)
Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya
memberikan kepada perpustakaan Universitas Sanata Dharma Yogyakarta hak
untuk menyimpan, mengalihkan dalam bentuk media lain, mengelola dalam bentuk
pangkalan data, mendistribusikan secara terbatas, dan mempublikasikan di intemet
atau media lain untuk kepentingarr akademis tanpa meminta ijin dari saya maupun
memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai
penulis. Dernikian pernyataan yang saya buat dengan sebenarnya.
Dibuat di Yogyakarta,
Fadatanggal: 30 'flusfus 2OlC
Yang menyatakan,
vii
viii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRAK
Seleksi penerimaan anggota baru paduan suara mahasiswa Cantus Firmus Universitas Sanata Dharma rutin dilakukan setiap tahun. Ada dua tahap besar dalam seleksi ini, yang pertama adalah tahap vokal dan yang kedua adalah tahap wa-wancara. Dalam tahap wawancara akan dinilai beberapa aspek yakni, pengetahuan tentang PSM Cantus Firmus, motivasi, pengalaman berorganisasi, pengenalan diri dan mental dari calon anggota baru. Jumlah calon anggota yang mendaftar setiap tahun mencapai 300 orang, sementara tenaga kerja pelatih dan ketersediaan tempat tidak memenuhi untuk mengakomodasi sebanyak 300 orang. PSM Cantus Firmus perlu memilih 40-50 orang yang pantas untuk menjadi anggota PSM Cantus Fir-mus. Ada banyak aspek yang dinilai serta keterbatasan sumberdaya penguji mem-buat pihak PSM Cantus Firmus kesulitan dalam melakukan seleksi penerimaan ang-gota baru. Selain itu penilaian aspek wawancara cukup sulit untuk dinilai tinggi rendahnya.
Sistem seleksi berbasis logika kabur dan MADM (multi-attribute decision
making) SAW (simple additive weighting) yang dibangun diharapkan mampu mem-bantu menemukan solusi atas permasalahan yang dihadapi PSM Cantus Firmus. Tahapan dalam logika kabur mamdani ini adalah pembentukan himpunan kabur, aplikasi fungsi implikasi, komposisi aturan, dan penegasan (defuzzyfikasi). Aturan komposisi yang digunakan adalah Max. Proses deffuzifikasi menggunakan metode SOM (Smallest of Maximum), MOM (Mean of Maximum) dan LOM (Largest of
Maximum). Sedangkan tahapan dalam MADM-SAW adalah pembentukan matriks keputusan, normalisasi matriks, penentuan bobot secara subyektif dan menghitung preferensi. Hasil perhitungan preferensi tersebut kemudian diurutkan berdasarkan nilai tertinggi.
Peneliti melakukan analisis dengan membandingkan apakah keputusan yang dihasilkan oleh sistem sesuai dengan keputusan asli tanpa sistem yang diambil pada proses seleksi PSM Cantus Firmus tahun 2015. Hasil analisis menunjukkan bahwa prosentase kemiripan terbesar adalah menggunakan metode deffuzifikasi MOM dengan bobot untuk kriteria vokal sebesar 50% dan bobot untuk kriteria wawancara sebesar 50% dengan prosentase kemiripan 91,045%.
Kata kunci: logika kabur mamdani, multi-attribute decision making, simple addi-
tive weighting, seleksi, penerimaan anggota baru paduan suara mahasiswa.
ix
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRACT
New members audition for Cantus Firmus Student Choir of Sanata Dharma
University is annually held. There are two big steps in this audition; vocal section
and interview. The interviewers will test about: knowledge of Cantus Firmus Stu-
dent Choir, motivation, organization experiences, self-recognition and candidate
mental. There are about 300 candidates applying each year, but only 40 up to 60
candidates who will be accepted. It is because Cantus Firmus Student Choir doesn't
have enough space and coach to train all the applicants. They found some difficul-
ties in the audition, there are many aspects to be judged and limitation of the inter-
viewers. Furthermore, interview section scoring is difficult enough to be judged,
wether the candidate is judged as high or low category.
Selection system using fuzzy logic and multi-attribute decision making simple
additive weighting that was built is expected to solve the problems. Some steps in
Mamdani Fuzzy Logic are forming fuzzy sets, implication function application,
rules compotition, and deffuzyfication. Max method is used as rules compotition.
Deffuzyfication process applies three methods, SOM (Smallest of Maximum), MOM
(Mean of Maximum) and LOM (Largest of Maximum). Some steps in MADM-SAW
are forming decision matrix, matrix normalization, subjective weight defining and
preference counting. Final result of preference counting is accending-sorted.
Researcher analyzes the decision of the system by comparing the decision
with the real result of Cantus Firmus 2015 audition. The result of the analysis shows
that the best similarity is combination of SOM deffuzyfication and 50:50 weight of
vocal and interview. The similarity percentage is 91,045%.
Key words: logika kabur mamdani, multi-attribute decision making, simple addi-
tive weighting, seleksi, penerimaan anggota baru paduan suara mahasiswa.
x
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
KATA PENGANTAR
Di dalam nama Bapa, dan Putera dan Roh Kudus penulis mengucapkan puji
dan syukur karena telah diberikan kesempatan dan kekuatan yang luar biasa untuk
dapat menyelesaikan tugas akhir ini sesuai waktu yang telah ditentukan. Adalah
suatu perjuangan untuk dapat menyelesaikan skripsi ini di tengah kesibukan akan
tugas dan tanggung jawab yang lain.
Pada kesempatan ini pula penulis hendak mengucapkan terima kasih kepada
beberapa pihak:
1. Ibu Dr. Anastasia Rita Widiarti selaku Ketua Program Studi Teknik
Informatika dan juga dosen pengampu mata kuliah Metode Penelitian. Terima
kasih makian dan semangat yang tak pernah padam kepada kelas Metopen
Komputasi 2012.
2. Bapak Eko Hari Parmadi S. Si., M. Kom., selaku dosen pembimbing yang
telah memberikan masukan yang sangat berguna serta memberi pencerahan
bagi penulis.
3. Teman-teman jurusan komputasi angkatan 2012, terima kasih sudah sama-
sama berjuang, sama-sama diabaikan serta sama-sama bahu-membahu
menyelesaikan skripsi ini beriringan.
4. PSM Cantus Firmus, sekaligus keluarga kedua penulis, terima kasih atas
sekolah hidup yang telah diberikan, serta inspirasi atas segala hal dalam hidup
saya.
5. Teman-teman Teknik Informatika angkatan 2012, terima kasih karena kalian
masih menemani penulis berjuang bersama-sama hingga saat ini, meskipun
penulis jarang hadir di tengah-tengah kalian, mari kita selesaikan puncak
perjuangan yang tersisa ini.
6. Saudara-saudara dari anak bimbingan Pak Eko Hari, terutama Novi, dan juga
Tri terima kasih sudah saling membantu meskipun penulis lebih banyak
dibantu daripada membantu.
xi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7. Teman nongkrong, teman menggarap, teman menggossip, Yoga, Nita, Ajeng,
Arta, Tamara, Gety, Kris, Aditya, dan sepenggal kegalauan. Terima kasih atas
kegilaan, waktu lembur, rahasia dan rasa sakit yang boleh jadi semangat
untuk menyelesaikan skripsi ini.
8. Serta pihak-pihak lain yang tidak dapat penulis sebutkan satu persatu secara
langsung maupun tidak langsung telah membantu penulis dalam
menyelesaikan proposal tugas akhir ini.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh sebab
itu, penulis memohon dengan penuh kerendahan hati akan segala kritik dan saran
serta masukan yang membangun demi kelengkapan skripsi ini. Semoga skripsi ini
bermanfaat bagi siapapun yang membaca.
Penulis,
Yosef Yudha Prasetya
xii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR ISI
SELEKSI PENERIMAAN ANGGOTA BARU .............................................................. i
HALAMAN PERSETUJUAN ........................................................................................ iii
HALAMAN PENGESAHAN .......................................................................................... iv
HALAMAN MOTO .......................................................................................................... v
HALAMAN PERSEMBAHAN ...................................................................................... vi
PERNYATAAN KEASLIAN KARYA ......................................................................... vii
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS ..................................................................... viii
ABSTRAK ........................................................................................................................ ix
ABSTRACT ...................................................................................................................... ix
KATA PENGANTAR ....................................................................................................... x
DAFTAR ISI................................................................................................................... xiii
DAFTAR GAMBAR ...................................................................................................... xvi
DAFTAR TABEL ........................................................................................................ xviii
BAB I PENDAHULUAN ................................................................................................. 1
1.1. Latar Belakang .................................................................................................... 1
1.2. Rumusan Masalah ............................................................................................... 3
1.3. Tujuan Penelitian ................................................................................................ 3
1.4. Batasan Masalah ................................................................................................. 4
1.5. Manfaat Penelitian .............................................................................................. 5
1.6. Sistematika Penulisan ......................................................................................... 6
BAB II LANDASAN TEORI .......................................................................................... 7
2.1. Logika Kabur ...................................................................................................... 7
2.1.1. Variabel Linguistik ............................................................................................. 7
2.1.2. Pengubah Linguistik ........................................................................................... 7
2.1.3. Proposisi Kabur ................................................................................................... 8
2.1.4. Implikasi Kabur .................................................................................................. 9
2.1.5. Penalaran Kabur ................................................................................................ 11
2.1.6. Sistem Inferensi Mamdani ................................................................................ 13
2.2. Sistem Pendukung Pengambilan Keputusan ..................................................... 16
2.2.1. Pengambilan Keputusan ............................................................................ 16
2.2.2. Definisi Sistem Pendukung Pengambilan Keputusan ............................... 17
xiii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2.3. Multi-Attribute Decision Making ..................................................................... 18
2.3.1. Multiple Criteria Decision making (MCDM) ........................................... 18
2.3.2. Metode Penyelesaian Masalah MADM dengan Simple Additvice Weighting (SAW) ..................................................................................................... 19
BAB III METODE PENELITIAN ............................................................................... 21
3.1. Gambaran Umum Penelitian ............................................................................. 21
3.2. Data ................................................................................................................... 21
3.2.1. Sumber Data .............................................................................................. 21
3.2.2. Teknik Pengumpulan Data ........................................................................ 22
3.2.3. Data yang Digunakan ................................................................................ 22
3.3. Spesifikasi Alat ................................................................................................. 22
3.4. Tahap Penelitian ................................................................................................ 23
3.4.1. Penelusuran Pustaka .................................................................................. 23
3.4.2. Analisis Sistem yang Serupa ..................................................................... 23
3.4.3. Prosedur Pengumpulan Data ..................................................................... 24
3.4.4. Perancangan dan Pembuatan Alat Uji ....................................................... 24
3.4.5. Prosedur Pengujian ................................................................................... 24
3.4.6. Analisis Hasil ............................................................................................ 26
3.4.7. Penulisan Laporan ..................................................................................... 26
3.5. Gambaran Rancangan Alat ............................................................................... 26
3.5.1. Diagram Dekomposisi ............................................................................... 26
3.5.2. Diagram Konteks ...................................................................................... 27
3.5.3. Diagram Arus Data(DAD) ........................................................................ 28
3.5.4. Diagram Use-Case .................................................................................... 29
3.5.5. Rancangan Basis Data ............................................................................... 30
3.5.6. Pengujian ................................................................................................... 34
BAB IV IMPLEMENTASI DAN ANALISIS HASIL ................................................ 46
4.1. Implementasi ..................................................................................................... 46
4.1.1. Implementasi Tampilan Antarmuka .......................................................... 46
4.1.1.1. Halaman Utama Sistem ......................................................................... 46
4.1.1.2. Daftar Audisi ......................................................................................... 46
4.1.1.3. Login ..................................................................................................... 47
4.1.1.4. Halaman Utama Setelah Login ............................................................. 47
4.1.1.5. Cari NIM ............................................................................................... 48
xiv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.1.1.6. Input Nilai ............................................................................................. 48
4.1.1.7. Lihat Ranking ........................................................................................ 49
4.1.1.8. Tambah Aturan (Rule) .......................................................................... 50
4.1.1.9. Ubah Bobot Kriteria .............................................................................. 51
4.1.2. Implementasi Logika Kabur (Fuzzy Logic) ............................................... 52
4.1.2.1. Implementasi Perhitungan Alpha Predikat ............................................ 52
4.1.2.2. Implementasi Aturan Komposisi Max .................................................. 53
4.1.2.3. Implementasi Defuzzyfikasi SOM (Smallest of Maximum) .................. 54
4.1.2.4. Implementasi Defuzzyfikasi MOM (Mean of Maximum) ..................... 55
4.1.2.5. Implementasi Defuzzyfikasi LOM (Largest of Maximum) ................... 56
4.1.3. Implementasi Multi-Attribute Decision Making – SAW (Simple Additive
Weighting) ................................................................................................................. 57
4.1.3.1. Penentuan Nilai Max ............................................................................. 58
4.1.3.2. Simple Additive Weighting (SAW) ...................................................... 58
4.1.3.3. Perhitungan Preferensi .......................................................................... 59
4.2. Analisis Hasil .................................................................................................... 60
4.2.1. Analisis Aturan Komposisi Max dengan Defuzifikasi SOM ............................ 63
4.2.2. Analisis Aturan Komposisi Max dengan Defuzifikasi MOM ........................... 72
4.2.3. Analisis Aturan Komposisi Max dengan Defuzifikasi LOM ............................ 81
4.3. Analisis Hasil Keseluruhan ............................................................................... 91
BAB V KESIMPULAN DAN SARAN ......................................................................... 94
5.1. Kesimpulan ....................................................................................................... 94
5.2. Saran ................................................................................................................. 95
xv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR GAMBAR
Gambar 3.1 Flowchart Proses Penelitian .......................................................................... 25
Gambar 3.2 Diagram Dekomposisi ................................................................................... 27
Gambar 3.3 Diagram Konteks .......................................................................................... 27
Gambar 3.4 Diagram Arus Data Level 1 .......................................................................... 28
Gambar 3.5 Diagram Arus Data Level 2.1 ....................................................................... 28
Gambar 3.6 Diagram Arus Data Level 2.2 ....................................................................... 29
Gambar 3.7 Use-Case Sistem PAB PSM CF USD ........................................................... 29
Gambar 3.8 Entity Relationship Diagram (ERD) ............................................................. 30
Gambar 3.9 Relational Table Model ................................................................................. 31
Gambar 3.10 Fungsi Keanggotaan Aspek Wawancara ..................................................... 35
Gambar 3.11 Fungsi Keanggotaan Catatan Negatif .......................................................... 36
Gambar 3.12 Fungsi Keanggotaan Skor Wawancara ....................................................... 37
Gambar 3.13 Daerah Hasil Komposisi ............................................................................. 41
Gambar 4.1 Halaman Utama ............................................................................................. 46
Gambar 4.2 Halaman Daftar Audisi ................................................................................. 47
Gambar 4.3 Halaman Login .............................................................................................. 47
Gambar 4.4 Halaman Utama Setelah Login ..................................................................... 48
Gambar 4.5 Halaman Cari NIM ........................................................................................ 48
Gambar 4.6 Halaman Input Nilai ...................................................................................... 49
Gambar 4.7 Halaman Ranking Calon Anggota ................................................................ 50
Gambar 4.8 Halaman Input Aturan (Rule) ........................................................................ 50
Gambar 4.9 Halaman Penentuan Bobot Kriteria .............................................................. 51
Gambar 4.10 Listing Kode Program Pencarian Alfa Predikat Variabel 1 ........................ 52
Gambar 4.11 Listing Kode Program Pencarian Alfa Predikat Variabel 2 ........................ 53
Gambar 4.12 Listing Kode Program Aplikasi Fungsi Implikasi MIN ............................. 53
Gambar 4.13 Listing Kode Program Penampungan Nilai Alfa Predikat ......................... 54
Gambar 4.14 Listing Kode Program Komposisi Antar Aturan (MAX) ............................ 54
Gambar 4.15 Listing Kode Program Deffuzifikasi SOM ................................................. 55
Gambar 4.16 Listing Kode Program Deffuzifikasi MOM ............................................... 56
Gambar 4.17 Listing Kode Program Deffuzifikasi LOM ................................................ 57
Gambar 4.18 Listing Kode Program Penentuan Nilai Max .............................................. 58
xvi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4.19 Listing Kode Program SAW ....................................................................... 59
Gambar 4.20 Listing Kode Program Perhitungan Nilai Preferensi ................................... 59
Gambar 4.21 Diagram Prosentase Max-SOM (Sopran) ................................................... 65
Gambar 4.22 Diagram Prosentase Max-SOM (Alto) ........................................................ 67
Gambar 4.23 Diagram Prosentase Max-SOM (Tenor) ..................................................... 69
Gambar 4.24 Diagram Prosentase Max-SOM (Bass) ....................................................... 71
Gambar 4.25 Diagram Prosentase Max-SOM ................................................................. 71
Gambar 4.26 Diagram Prosentase Max-MOM (Sopran) .................................................. 75
Gambar 4.27 Diagram Prosentase Max-MOM (Alto) ...................................................... 77
Gambar 4.28 Diagram Prosentase Max-MOM (Tenor) .................................................... 79
Gambar 4.29 Diagram Prosentase Max-MOM (Bass) ...................................................... 81
Gambar 4.30 Diagram Prosentase Max-MOM ................................................................ 81
Gambar 4.31 Diagram Prosentase Max-LOM (Sopran) ................................................... 84
Gambar 4.32 Diagram Prosentase Max-LOM (Alto) ....................................................... 87
Gambar 4.33 Diagram Prosentase Max-LOM (Tenor) ..................................................... 89
Gambar 4.34 Diagram Prosentase Max-LOM (Bass) ....................................................... 90
Gambar 4.35 Diagram Prosentase Max-LOM ................................................................. 91
Gambar 4.36 Grafik Prosentase Hasil Keseluruhan .......................................................... 92
xvii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR TABEL
Tabel 2.1 Tabel DSS versus EDP ....................................................................................... 7
Tabel 2.2 Perbedaan antara MADM dan MODM ............................................................. 19
Tabel 3.1 Tabel Penguji .................................................................................................... 31
Tabel 3.2 Tabel Calon Anggota ........................................................................................ 32
Tabel 3.3 Tabel Penguji Calon .......................................................................................... 33
Tabel 3.4 Tabel Nilai ........................................................................................................ 33
Tabel 3.5 Tabel Aturan ..................................................................................................... 34
Tabel 3.6 Tabel Contoh Input MADM ............................................................................. 42
Tabel 3.7 Tabel Hasil Akhir .............................................................................................. 44
Tabel 4.1 Tabel Daftar Peserta PAB PSM Cantus Firmus 2015 ....................................... 60
Tabel 4.2 Tabel Hasil Ranking Jenis Suara Sopran (SOM) .............................................. 63
Tabel 4.3 Tabel Perbandingan Data Asli dan Alat Uji (Sopran-SOM) ............................. 64
Tabel 4.4 Tabel Hasil Ranking Jenis Suara Alto (SOM) .................................................. 65
Tabel 4.5 Tabel Perbandingan Data Asli dan Alat Uji (Alto-SOM) ................................. 66
Tabel 4.6 Tabel Hasil Ranking Jenis Suara Tenor (SOM) ................................................ 68
Tabel 4.7 Tabel Perbandingan Data Asli dan Alat Uji (Tenor-SOM) .............................. 68
Tabel 4.8 Tabel Hasil Ranking Jenis Suara Bass (SOM).................................................. 70
Tabel 4.9 Tabel Perbandingan Data Asli dan Alat Uji (Bass-SOM) ................................ 70
Tabel 4.10 Tabel Hasil Ranking Jenis Suara Sopran (MOM) .......................................... 72
Tabel 4.11 Tabel Perbandingan Data Asli dan Alat Uji (Sopran-MOM) ......................... 73
Tabel 4.12 Tabel Hasil Ranking Jenis Suara Alto (MOM) ............................................... 75
Tabel 4.13 Tabel Perbandingan Data Asli dan Alat Uji (Alto-MOM).............................. 76
Tabel 4.14 Tabel Hasil Ranking Jenis Suara Tenor (MOM) ............................................ 77
Tabel 4.15 Tabel Perbandingan Data Asli dan Alat Uji (Tenor-MOM) ........................... 78
Tabel 4.16 Tabel Hasil Ranking Jenis Suara Bass (MOM) .............................................. 79
Tabel 4.17 Tabel Perbandingan Data Asli dan Alat Uji (Bass-MOM) ............................. 80
Tabel 4.18 Tabel Hasil Ranking Jenis Suara Sopran (LOM) ............................................ 81
Tabel 4.19 Tabel Perbandingan Data Asli dan Alat Uji (Sopran-LOM) .......................... 82
Tabel 4.20 Tabel Hasil Ranking Jenis Suara Alto (LOM) ................................................ 85
Tabel 4.21Tabel Perbandingan Data Asli dan Alat Uji (Alto-LOM) ................................ 85
Tabel 4.22 Tabel Hasil Ranking Jenis Suara Tenor (LOM) ............................................. 87
xviii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Tabel 4.23 Tabel Perbandingan Data Asli dan Alat Uji (Tenor-LOM) ............................ 88
Tabel 4.24 Tabel Hasil Ranking Jenis Suara Bass (LOM) ............................................... 89
Tabel 4.25 Tabel Perbandingan Data Asli dan Alat Uji (Bass-LOM) .............................. 90
Tabel 4.26 Tabel Prosentase Hasil Keseluruhan ............................................................... 91
Tabel 4.27 Tabel Perbandingan Bobot dan Metode Deffuzifikasi .................................... 93
xix
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Universitas Sanata Dharma adalah salah satu universitas swasta yang
memiliki motto cerdas dan humanis. Untuk menjadikan mahasiswa lulusan
Universitas Sanata Dharma menjadi pribadi yang cerdas dan humanis, setiap
mahasiswa harus memiliki minimal sepuluh poin keaktifan mahasiswa tidak
hanya di bidang akademis tetapi juga non akademis. Salah satu poin yang
bisa didapatkan oleh mahasiswa adalah dengan menjadi anggota unit
kegiatan mahasiswa(UKM).
Salah satu unit kegiatan mahasiswa yang terbesar di Universitas Sanata
Dharma adalah UKM Paduan Suara Mahasiswa atau lebih dikenal dengan
nama UKM PSM Cantus Firmus. Nama UKM PSM Cantus Firmus sendiri
baru dicetuskan pada tahun 1993 setelah sebelumnya berdiri dengan nama
Paduan Suara Driyarkara. PSM Cantus Firmus rutin mengisi acara saat
Wisuda Universitas Sanata Dharma, mengadakan konser besar dan
mengikuti lomba-lomba.
Universitas Sanata Dharma setiap tahun menerima kurang lebih 3000
mahasiswa baru. Minat mahasiswa terhadap bidang tarik suara ataupun
perfoma musik cukup besar. Tentu saja PSM Cantus Firmus tidak mampu
mengakomodasi seluruh peminat paduan suara, melihat banyaknya
pendaftar setiap tahunnya kurang lebih 200-300 orang. Untuk menjadi
anggota PSM Cantus Firmus membutuhkan seleksi yang meliputi beberapa
tahap.
Penerimaan calon anggota baru(PAB) UKM Paduan Suara Mahasiswa
merupakan salah satu momen yang ditunggu-tunggu bagi para peminat
dunia tarik suara yang haus akan panggung hiburan. PSM Cantus Firmus
setiap tahunnya hanya menerima 40-50 orang anggota baru. Hal tersebut
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
dilakukan karena terbatasnya tempat serta tenaga kerja yang melatih dan
mendampingi para penyanyi.
Banyaknya pendaftar membuat panitia penerimaan anggota baru PSM
Cantus Firmus membutuhkan waktu yang cukup lama untuk mengadakan
rapat penentuan anggota baru. Ada dua tahap besar yang harus dilalui oleh
calon anggota baru yang pertama yaitu seleksi musikalitas/vokalitas dan
yang kedua adalah seleksi wawancara yang dilaksanakan dalam dua tahap.
Seleksi musikalitas/vokalitas dibagi menjadi empat bagian yakni seleksi
notasi, ketukan, solfeggio dan tes rentang suara. Sedangkan seleksi
wawancara dibagi menjadi lima bagian besar yakni pengetahuan tentang
PSM Cantus Firmus, Motivasi, Pengalaman Berorganisasi, Pengenalan Diri
dan Mental yang baik. Setiap poin dalam seleksi wawancara memiliki sub-
cakupan.
Tentu saja tidak semua kriteria tentu mampu dipenuhi calon anggota
PSM Cantus Firmus. Yang menjadi ketakutan para panitia penerimaan
anggota baru PSM Cantus Firmus adalah salah dalam menerima anggota
baru. Muncul ide untuk membantu proses seleksi calon anggota baru PSM
Cantus Firmus sehingga lebih cepat.
Dengan membuat aplikasi atau sistem pendukung pengambilan
keputusan maka masalah yang dihadapi PSM Cantus Firmus diharapkan
dapat dibantu pemecahannya. Menurut Deni, (2008:112) logika kabur
sangat membantu mengatasi kondisi ketidaktegasan dan kekakuan kriteria.
Salah satu algoritma yang dapat digunakan untuk mengambil keputusan
adalah algoritma logika kabur (Fuzzy Logic).
Sistem pendukung keputusan seleksi anggota paduan suara sebenarnya
sudah pernah dikerjakan oleh Jayanti dan Hartati (2012). Dalam
penelitiannya, Jayanti dan Hartati menggunakan penalaran Logika Kabur
Mamdani. Variabel dibagi menjadi dua besar, yakni kelompok kriteria
umum dan kriteria teknik vokal. Kelompok kriteria umum terdiri dari tiga
variable yakni Usia, Pengalaman dan Kedisiplinan. Sedangkan kriteria
teknik vokal terdiri dari Artikulasi, Intonasi dan Ambitus suara. Aplikasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
fungsi implikasi dilakukan dua kali, masing-masing untuk kriteria umum
dan teknik vokal. Variabel Pembatas dibuat sebagai konsekuensi atas
antiseden-antiseden pada aplikasi fungsi implikasi. Komposisi antar aturan
yang digunakan adalah MAX dan metode penegasan yang digunakan adalah
metode centroid. Hasil akhir yang didapat adalah sebuh keputusan diterima
atau tidak seseorang dalam paduan suara tersebut.
Pada studi kasus ini, variabel penelitian dibagi menjadi dua kelompok
besar yakni, kelompok wawancara dan vokal. Peneliti melakukan penerapan
logika kabur hanya pada kelompok wawancara saja, yakni antara variabel
aspek-aspek wawancara (pengetahuan tentang PSM, Motivasi, Pengalaman
Berorganisasi, Pengenalan Diri dan Mental) dengan variabel catatan negatif
penguji. Hal tersebut dilakukan untuk mendapatkan skor akhir sebagai hasil
proses penegasan.
Selanjutnya, untuk mendapatkan calon anggota terbaik, peneliti
menggunakan Multi Attribute Decision Making. Sebagai kriteria adalah skor
Wawancara (hasil perhitungan menggunakan Logika Kabur) dan skor
Vokal.
1.2. Rumusan Masalah
1. Apakah keputusan yang dihasilkan oleh algoritma logika kabur sesuai
dengan keputusan yang diambil oleh panitia PAB PSM Cantus Firmus?
2. Apakah Logika Kabur dan Multi Attribute Decision Making dapat
diterapkan dalam kasus penerimaan anggota baru paduan suara
mahasiswa?
1.3. Tujuan Penelitian
1. Mengetahui apakah logika kabur dan Multi Attribute Decision Making
dapat memberikan keputusan sesuai dengan keputusan yang diambil
oleh panitia PAB PSM.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
2. Mengetahui apakah logika kabur dan Multi Attribute Decision Making
dapat diterapkan dalam kasus penerimaan anggota baru paduan suara
mahasiswa Cantus Firmus.
1.4. Batasan Masalah
Sesuai dengan rumusan masalah yang telah dituliskan di atas, masalah
yang dibatasi berupa:
1) Sistem inferensi yang digunakan adalah sistem inferensi Mamdani.
2) Sistem implikasi kabur yang digunakan adalah MIN.
3) Data yang akan diuji adalah data penerimaan anggota baru paduan suara
mahasiswa Cantus Firmus angkatan 2015.
4) Kriteria yang akan digunakan menjadi variabel(Logika Kabur) adalah
aspek-aspek pada tahap seleksi wawancara (pengetahuan tentang PSM,
motivasi, pengalaman berorganisasi, pengenalan diri dan mental) dan
catatan negatif penguji.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
1.5. Manfaat Penelitian
Manfaat dengan ditulisnya penelitian ini dapat dilihat dalam 3 sudut
pandang, yakni
1.5.1. Bagi Peneliti
Penelitian ini berguna untuk melatih peneliti menerjemahkan bahasa
manusia ke dalam bahasa pemrograman, sesuai dengan algoritma logika
kabur. Peneliti juga akan mengetahui lebih dalam mengenai algoritma
logika kabur, dan jika memungkinkan dapat menerapkan logika kabur
untuk bidang kehidupan yang lain.
1.5.2. Bagi Pembaca
Pembaca dapat mengetahui salah satu penerapan dari ilmu logika
kabur dalam kehidupan sehari-hari. Selain itu, pembaca dapat mengetahui
seberapa mirip keputusan yang diambil menggunakan logika kabur dengan
yang diambil manusia.
1.5.3. Bagi PSM Cantus Firmus
Jika SPK yang dibuat benar-benar berhasil, PSM Cantus Firmus
akan dapat bekerja dengan lebih produktif. Terutama dalam mengambil
keputusan, tidak perlu mengadakan rapat penentuan anggota baru yang
memakan banyak waktu dan tenaga.
1.5.4. Bagi peneliti selanjutnya
Penelitian ini dapat membantu peneliti selanjutnya yang akan
menggunakan algoritma logika kabur untuk studi lebih lanjut. Terutama
akurasi logika kabur dalam penerapannya untuk mengambil keputusan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
1.6. Sistematika Penulisan
BAB I. Pendahuluan
Bab ini berisi latar belakang, rumusan masalah, tujuan, batasan
masalah, manfaat penelitian dan sistematika penulisan.
BAB II. Landasan Teori
Bab ini akan menjelaskan mengenai teori yang berkaitan dengan
judul/masalah di tugas akhir. Penjelasan tersebut yakni mengenai sistem
pengambilan keputusan, Logika Kabur (Fuzzy Logic) dan juga Multi-
Attribute Decision Making (MADM) Simple Additive Weighting (SAW).
BAB III. Metode Penelitian
Bab ini akan menjelaskan gambaran umum teknis persoalan
penelitian, data yang akan diolah dalam penelitian, alat yang akan
dipergunakan dalam proses penelitian, keterangan rinci tahap-tahap
penelitian, dan gambaran rancangan alat yang akan dibangun.
BAB IV. Implementasi dan Analisis Hasil
Bab ini berisi hasil implementasi rancangan sistem terdiri dari
potongan gambar antar muka, potongan kode program dan juga analisis
hasil penelitian.
BAB V. Kesimpulan dan Saran
Bab ini akan berisi kesimpulan umum dari hasil analisi dan juga
saran bagi pengembang sistem seleksi selanjutnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
BAB II
LANDASAN TEORI
2.1. Logika Kabur
2.1.1. Variabel Linguistik
Menurut Frans Susilo, SJ (2006), suatu variabel adalah suatu lambang
atau kata yang menunjuk kepada sesuatu yang tidak tertentu dalam semesta
wacananya. Misalnya dalam kalimat: “Mahasiswa itu lulus dengan pujian”,
kata “mahasiswa” adalah suatu variabel karena menunjuk kepada orang
yang tidak tertentu dalam semesta wacananya yaitu himpunan manusia.
Demikian pula dalam proposisi: “x habis dibagi 2”, lambang “x” adalah
suatu variabel dengan semesta wacana himpunan bilangan-bilangan. Suatu
variabel dapat diganti oleh unsur-unsur dalam semesta wacananya, misalnya
variabel “mahasiswa” dapat diganti dengan “Anton”, dan variabel “x” dapat
diganti dengan bilangan 4. Kata “Anton” dan lambang “4” menunjuk pada
unsur yang tertentu pada masing-masing semesta wacananya, dan disebut
konstanta.
Kalau semesta wacananya adalah himpunan bilangan-bilangan, maka
variabelnya disebut variabel numeris; sedangkan kalau semesta wacananya
adalah himpunan kata-kata atau istilah-istilah dari bahasa sehari-hari
(misalnya: tinggi, cepat, muda, dst), maka variabelnya disebut variabel
linguistik. (Susilo, 2006)
2.1.2. Pengubah Linguistik
Menurut Frans Susilo, SJ, (2006) dalam bukunya “Himpunan dan
Logika Kabur serta aplikasinya”, Pengubah linguistik (linguistic
hedge/modifier) adalah suatu kata yang dipergunakan untuk mengubah
suatu kata/istilah menjadi kata/istilah yang baru dengan makna yang baru
pula. Dua pengubah linguistik yang paling sering dipakai adalah “sangat”
dan “agak”.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
Jika suatu istilah A dikaitkan dengan himpunan kabur à dalam
semesta X, maka istilah “sangat A” dikaitkan dengan himpunan kabur
konsentrasi dari Ã, dengan lambang Kon(Ã) dan fungsi keanggotaan
𝜇𝐾𝑜𝑛(Ã)(𝑥) = (𝜇Ã(𝑥))2 ……………….......(2.1)
untuk setiap 𝑥 ∈ 𝑋, sedangkan istilah “agak A” dikaitkan dengan
himpunan kabur dilasi dari Ã, dengan lambang Dil(Ã) dan fungsi
keanggotaan
𝜇𝐷𝑖𝑙(Ã)(𝑥) = (𝜇Ã(𝑥))1
2 ………………....... (2.2)
untuk setiap 𝑥 ∈ 𝑋.
2.1.3. Proposisi Kabur
Proposisi kabur adalah kalimat yang memuat predikat kabur, yaitu
predikat yang dapat direpresentasikan dengan suatu himpunan kabur.
Proposisi kabur yang mempunyai nilai kebenaran tertentu disebut
pernyataan kabur. Nilai kebenaran dari suatu pernyataan kabur disajikan
dengan suatu bilangan real dalam selang [0,1]. Nilai kebenaran itu juga
disebut derajat kebenaran dari pernyataan kabur itu. Bentuk umum dari
suatu proposisi kabur adalah
x adalah A
di mana x adalah suatu variabel linguistik dan predikat A adalah suatu
nilai linguistik dari x. Bila à adalah himpunan kabur yang dikaitkan dengan
nilai linguistik A dan 𝑥° adalah suatu elemen tertentu dalam semesta X dari
himpunan kabur Ã, maka 𝑥° mempuyai derajat keanggotaan 𝜇 Ã(𝑥°) dalam
himpunan kabur Ã. Derajat kebenaran dari pernyataan kabur
𝑥° adalah A
didefinisikan sama dengan derajat keanggotaan 𝑥° dalam himpunan
kabur Ã, yaitu 𝜇 Ã(𝑥°).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
Seperti halnya dengan proposisi yang tegas, kita juga dapat
membentuk proposisi kabur majemuk dari proposisi-proposisi kabur
tunggal, dengan menggunakan operator-operator logika. Beberapa contoh
proposisi kabur majemuk misalnya:
Orang itu kaya dan rumahnya besar
Sekolah itu mahal atau kemampuan finansial orang tua siswanya
rendah
Bila prestasi studi tinggi, maka peluang memperoleh beasiswa juga
tinggi
Udara dingin bila dan hanya bila suhunya rendah
Secara umum terdapat empat macam proposisi kabur majemuk
dengan operator logika biner, yaitu:
Konjungsi kabur : x adalah A dan y adalah B
Disjungsi kabur : x adalah A atau y adalah B
Implikasi kabur : Bila x adalah A, maka y adalah B
Ekivalensi kabur : x adalah A bila dan hanya bila y adalah B
Perhatikan bahwa variabel-variabel linguistik dalam proposisi-
proposisi tunggal penyusunnya tidak harus sama (yaitu tidak harus dalam
semesta numeris yang sama).
Proposisi kabur majemuk yang paling sering dipakai dalam aplikasi
teori kabur adalah implikasi kabur, yang akan dibahas dalam subbab berikut.
2.1.4. Implikasi Kabur
Bentuk umum suatu implikasi kabur adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
Bila x adalah A, maka y adalah B
di mana A dan B adalah predikat-predikat kabur yang dikaitkan dengan
himpunan-himpunan kabur à dan �̃� dalam semesta X dan Y berturut-turut.
Seperti halnya dengan konjungsi dan disjungsi kabur, implikasi kabur juga
dapat dipandang sebagai suatu relasi kabur dalam 𝑋 × 𝑌, yang akan
dilambangkan dengan →.
Dalam logika dwinilai, telah diketahui bahwa implikasi tegas 𝑝 ⟹ 𝑞
adalah ekivalen dengan ¬𝑝 ∨ 𝑞. Berdasarkan ekivalensi tersebut, dengan
mengganti proposisi p dan q berturut-turut dengan proposisi kabur “x adalah
A” dan “y adalah B”, implikasi kabur tersebut di atas dapat diinterpretasikan
sebagai relasi kabur → dalam 𝑋 × 𝑌 dengan fungsi keanggotaan
𝜇→(𝑥, 𝑦) = 𝑠 (𝑘(𝜇�̃�(𝑥)), 𝜇�̃�(𝑦))…………….. (2.3)
di mana s adalah suatu norma-s dan nk adalah suatu komplemen kabur. Bila
sebagai norma-s dan komplemen kabur diambil operasi-operasi gabungan
dan komplemen baku, maka diperoleh
𝜇→(𝑥, 𝑦) = 𝑚𝑎𝑥(1 − 𝜇�̃�(𝑥), 𝜇�̃�(𝑦))…………… (2.4)
yang seringkali disebut implikasi Dienes-Rescher.
Karena implikasi tegas 𝑝 ⟹ 𝑞 juga ekivalen dengan (𝑝 ∧ 𝑞) ∨ ¬𝑝,
maka implikasi kabur di atas juga dapat diinterpretasikan sebagai relasi
kabur → dalam 𝑋 × 𝑌 dengan fungsi keanggotaan
𝜇→(𝑥, 𝑦) = 𝑠 (𝑡(𝜇�̃�(𝑥), 𝜇�̃�(𝑦)), 𝑘(𝜇�̃�(𝑦)))……....... (2.5)
di mana s adalah suatu norma-s, t adalah suatu norma-t, dan k adalah suatu
komplemen kabur. Bila sebagai norma-s, norma-t, dan komplemen kabur
diambil operasi-operasi gabungan, irisan, dan komplemen baku, maka
diperoleh
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
𝜇→(𝑥, 𝑦) = 𝑚𝑎𝑥 (𝑚𝑖𝑛(𝜇�̃�(𝑥), 𝜇�̃�(𝑦)), 1 − 𝜇�̃�(𝑦))…… (2.6)
yang seringkali disebut implikasi Zadeh.
Dalam literatur masih banyak interpretasi lainnya untuk implikasi
kabur. Salah satu implikasi kabur yang paling sering digunakan dalam
aplikasi sistem kabur adalah implikasi Mamdani. Implikasi ini didasarkan
pada asumsi bahwa implikasi kabur pada dasarnya bersifat lokal, dalam arti
bahwa implikasi
Bila x adalah A, maka y adalah B
hanya berbicara mengenai keadaan di mana x adalah A dan y adalah B saja,
tidak mengenai keadaan lainnya di luar itu. Berdasarkan asumsi tersebut,
implikasi kabur dapat dipandang sebagai suatu konjungsi kabur, sehingga
diperoleh
𝜇→(𝑥, 𝑦) = 𝑡(𝜇�̃�(𝑥), 𝜇�̃�(𝑦))……………… (2.7)
yang disebut implikasi Mamdani. Bila sebagai norma-t diambil operasi baku
“min”, maka diperoleh
𝜇→𝑚𝑚(𝑥, 𝑦) = 𝑚𝑖𝑛(𝜇�̃�(𝑥), 𝜇�̃�(𝑦))………….. (2.8)
Implikasi kabur dapat diperluas menjadi implikasi dengan bentuk
umum:
Jika <PK1>, maka <PK2>
di mana PK1 dan PK2 berturut-turut adalah proposisi kabur dalam semesta 𝑋1 × 𝑋2 ×… × 𝑋𝑛 dan 𝑌1 × 𝑌2 ×… × 𝑌𝑛.
2.1.5. Penalaran Kabur
Penalaran kabur (fuzzy reasoning), yang seringkali juga disebut
penalaran hampiran (approximate reasoning), adalah suatu cara penarikan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
kesimpulan berdasarkan seperangkat implikasi kabur dan suatu fakta yang
diketahui (yang sering kali disebut premis). Penalaran (penarikan
kesimpulan) dalam logika klasik didasarkan pada tautologi-tautologi, yaitu
proposisi-proposisi yang selalu benar, tanpa tergantung pada nilai
kebenaran proposisi-proposisi penyusunnya. Salah satu aturan penalaran
yang paling sering dipergunakan ialah modus ponens, yang didasarkan pada
tautologi:
((𝑝 ⇒ 𝑞) ∧ 𝑝) ⇒ 𝑞 …………………....... (2.9)
Bentuk umum penalaran modus ponens adalah sebagai berikut:
1. Bila x adalah A, maka y adalah B (Premis 1 / Kaidah)
2. x adalah A (Premis 2 / Fakta)
__________________________________________________
3. ∴ y adalah B (Kesimpulan)
Perhatikan bahwa penarikan kesimpulan di atas terdari dari:
1. Sebuah proposisi majemuk berbentuk implikasi, yang merupakan suatu
kaidah/aturan yang berlaku (premis 1).
2. Sebuah proposisi tunggal sebagai fakta yang diketahui (premis 2).
3. Kesimpulan, yang ditarik berdasarkan kedua proposisi (premis)
tersebut.
Aturan penalaran tegas ini dapat dirampatkan menjadi aturan kabur
dengan premis dan kesimpulannya adalah proposisi-proposisi kabur. Kita
perhatikan suatu contoh penalaran kabur berikut ini:
Premis 1 : Bila pakaian kotor, maka pencuciannya lama
Premis 2 : Pakaian agak kotor
Kesimpulan : Pencuciannya agak lama
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
Penalaran tersebut dapat dirumuskan secara umum dengan skema
sebagai berikut:
Premis 1 (Kaidah) : Bila x adalah A, maka y adalah B
Premis 2 (Fakta) : x adalah A`
Kesimpulan : y adalah B`
Penalaran kabur dengan skema seperti di atas itu disebut modus ponens
rampat (generalized modus ponens).
Dalam modus ponens rampat kaidah inferensi komposisional
diterapkan sebagai berikut:
Premis 1 : Bila x adalah A, maka y adalah B
(yang merupakan relasi/implikasi kabur → di 𝑋 × 𝑌)
Premis 2 : x adalah A`
(yang dapat direpresentasikan dengan himpunan kabur
𝐴`̃dalam X)
Kesimpulan : y adalah B`
diperoleh dengan menentukan himpunan kabur �̃� = 𝐴′̃° → dalam Y
dengan fungsi keanggotaan 𝜇�̃�`(𝑦) =𝑠𝑢𝑝𝑥∈𝑋
𝑡(𝜇�̃�`(𝑥), 𝜇→(𝑥, 𝑦)) di mana t
adalah suatu norma-t.
2.1.6. Sistem Inferensi Mamdani
Menurut Kusumadewi (2004), Metode Mamdani sering dikenal
sebagai Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim
Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4
tahapan:
1. Pembentukan himpunan kabur
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
Pada Metode Mamdani, baik variabel input maupun variabel output
dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi (aturan)
Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3. Komposisi aturan
Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa
aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar
aturan. Ada 3 metode yang digunakan dalam melakukan inferensi
sistem fuzzy, yaitu: max, additive dan probalistik OR (probor).
a. Metode Max(Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara
mengambil nilai maksimum aturan, kemudian menggunakannya
untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke
output dengan menggunakan operator OR (union). Jika semua
proposisi telah dievaluasi, maka output akan berisi suatu himpunan
fuzzy yang merefleksikan kontribusi dari tiap-tiap proposisi.
Secara umum dapat dituliskan:
𝜇𝑠𝑓[𝑥𝑖] = 𝑚𝑎𝑥(𝜇𝑠𝑓[𝑥𝑖], 𝜇𝑘𝑓[𝑥𝑖]) ………. (2.10)
dengan:
𝜇𝑠𝑓[𝑥𝑖] = nilai keanggotaan solusi fuzzy sampai aturan ke-i
𝜇𝑘𝑓[𝑥𝑖] = nilai keanggotaan konsekuensi fuzzy aturan ke-i
Misalkan ada 3 aturan (proposisi) sebagai berikut:
[R1] IF biaya Produksi RENDAH And Permintaan NAIK THEN
Produksi Barang BERTAMBAH;
[R2] IF biaya Produksi STANDAR And Permintaan NAIK THEN
Produksi Barang NORMAL;
[R3] IF biaya Produksi TINGGI And Permintaan NAIK THEN
Produksi Barang BERKURANG;
Metode Mamdani menggunakan metode frase untuk komposisi
aturan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
b. Metode Additive (Sum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara
melakukan bounded-sum terhadap semua output daerah fuzzy.
Secara umum dituliskan:
𝜇𝑠𝑓[𝑥𝑖] = min (1, 𝜇𝑠𝑓[𝑥𝑖] + 𝜇𝑘𝑓[𝑥𝑖])……..(2.11)
dengan:
𝜇𝑠𝑓[𝑥𝑖] = nilai keanggotaan solusi fuzzy sampai aturan ke-i
𝜇𝑘𝑓[𝑥𝑖] = nilai keanggotan konsekuen fuzzy aturan ke-i;
c. Metode Probabilistik OR (Probor)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara
melakukan product terhadap semua output daerah fuzzy. Secara
umum dituliskan:
𝜇𝑠𝑓[𝑥𝑖] = (𝜇𝑠𝑓[𝑥𝑖] + 𝜇𝑘𝑓[𝑥𝑖]) − (𝜇𝑠𝑓[𝑥𝑖] ∗ 𝜇𝑘𝑓[𝑥𝑖]) …(2.12)
dengan:
𝜇𝑠𝑓[𝑥𝑖] = nilai keanggotaan solusi fuzzy sampai aturan ke-i
𝜇𝑘𝑓[𝑥𝑖] = nilai keanggotan konsekuen fuzzy aturan ke-i;
4. Penegasan (defuzzy)
Input dari proses defuzzy adalah suatu himpunan fuzzy yang
diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang
dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy
dalam range tertentu, maka harus dapat diambil suatu nilai crisp tertentu
sebagai output. Ada beberapa metode defuzzy yang bisa dipakai pada
komposisi aturan MAMDANI, antara lain:
a. Metode Centroid
Pada metode ini, solusi crisp diperoleh dengan cara mengambil
titik pusat (z*) daerah fuzzy. Secara umum dirumuskan:
𝑧∗ =∫ 𝑧𝜇(𝑧)𝑑𝑧𝑧
∫ 𝜇(𝑧)𝑑𝑧𝑧
untuk variabel kotinu, atau
𝑧∗ =∑ 𝑧𝑗𝜇(𝑧𝑗)𝑛𝑗=1
∑ 𝜇(𝑧𝑗)𝑛𝑗=1
untuk variabel diskret………(2.13)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
b. Metode Bisektor
Pada metode ini, solusi crisp diperoleh dengan cara mengambil
nilai pada domain fuzzy yang memiliki nilai keanggotaan setengah
dari jumlah total nilai keanggotaan pada daerah fuzzy. Secara
umum dituliskan:
zp sedemikian hingga ∫ 𝜇(𝑧)𝑑𝑧 = ∫ 𝜇(𝑧)ℜ𝑛
𝑝
𝑝
ℜ1𝑑𝑧 ... (2.14)
c. Metode Mean of Maximum(MOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil
nilai rata-rata domain yang memiliki nilai keanggotaan maksimum.
d. Metode Largest of Maximum(LOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil
nilai terbesar dari domain yang memiliki nilai keanggotaan
maksimum.
e. Metode Smallest of Maximum (SOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil
nilai terkecil dari domain yang memiliki nilai keanggotaan
maksimum.
2.2. Sistem Pendukung Pengambilan Keputusan
Sistem Pendukung Pengambilan Keputusan (SPPK) merupakan
istilah dalam bahasa Indonesia dari Decision Support Systems (DSS).
2.2.1. Pengambilan Keputusan
Pengambilan keputusan adalah sebuah proses memilih tindakan (di
antara berbagai alternatif) untuk mencapai suatu tujuan atau beberapa
tujuan. Menurut Simon (1997), pengambilan keputusan manajerial sinonim
dengan proses keseluruhan dari manajemen. Perhatikan pentingnya fungsi
manajerial dalam hal perencanaan. Perencanaan meliputi satu seri
keputusan: Apa yang harus dilakukan? Kapan? Di mana? Mengapa?
Bagaimana? Oleh siapa? Manajer menentukan tujuan, atau rencana; karena
itu, perencanaan mengimplikasikan pengambilan keputusan. Fungsi-fungsi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
manajerial lainnya, seperti pengaturan dan kontrol, juga melibatkan
pengambilan keputusan.
2.2.2. Definisi Sistem Pendukung Pengambilan Keputusan
Little (1970) mendefinisikan DSS sebagai “sekumpulan prosedur
berbasis model untuk data pemrosesan dan penilaian guna membantu para
manajer mengambil keputusan.” Dia menyatakan bahwa untuk suskes,
sistem tersebut haruslah sederhana, cepat, mudah dikontrol, adaptif, lengkap
dengan isu-isu penting, dan mudah berkomunikasi.
Alter (1980) mendefinisikan DSS dengan membandingkannya dengan
sistem EDP (Electronic Data Processing) tradisional pada lima dimensi,
seperti ditunjukkan pada Tabel 2.1
Tabel 2.1 DSS versus EDP
Dimensi DSS EDP
Penggunaan Aktif Pasif
Pengguna Lini manajemen dan staf Klerikal
Tujuan Keefektifan Efisiensi mekanis
Horison Waktu Masa sekarang dan akan datang Masa lalu
Tujuan Fleksibilitas Konsistensi
Moore dan Chang (1980) berpendapat bahwa konsep struktur, seperti
banyak disinggung pada definisi awal DSS (bahwa DSS dapat menangani
situasu semiterstruktur dan tidak terstruktur), secara umum tidaklah penting;
sebuah masalah dapat dijelaskan sebagai masalah terstruktur dan tidak
terstruktur hanya dengan memerhatikan si pengambil keputusan atau suatu
situasi spesifik (yakni keputusan terstruktur adalah terstruktur karena kita
memilih untuk memperlakukannya dengan cara seperti itu). Jadi, mereka
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
mendefinisikan DSS sebagai sistem yang dapat diperluas untuk mampu
mendukung analisis dan ad hoc dan pemodelan keputusan, berorientasi
terhadap perencanaan masa depan, dan digunakan pada interval yang tidak
reguler dan tak terencana.
Bonczek, dkk., (1980) mendefinisikan DSS sebagai sistem berbasis
komputer yang terdiri dari tiga komponen yang saling berinteraksi: sistem
bahasa (mekanisme untuk memberikan komunikasi antara pengguna dan
komponen DSS lain), sistem pengetahuan (repositori pengetahuan domain
masalah yang ada pada DSS entah sebagai data atau sebagai prosedur), dan
sistem pemrosesan masalah (hubungan antara dua komponen lainnya, terdiri
dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan
untuk pengambilan keputusan). Konsep-konsep yang diberikan oleh definisi
tersebut sangat penting untuk memahami hubungan antara DSS dan
pengetahuan.
Keen (1980) menerapkan istilah DSS “untuk situasi di mana sistem
‘final’ dapat dikembangkan hanya melalui suatu proses pembelajaran dan
evolusi yang adaptif.” Jadi, ia mendefinisikan DSS sebagai suatu produk
dari proses pengembangan di mana pengguna DSS, pembangun DSS, dan
DSS itu sendiri mempu memengaruhi satu dengan yang lainnya, dan
menghasilkan evolusi sistem dan pola-pola penggunaan.
2.3. Multi-Attribute Decision Making
2.3.1. Multiple Criteria Decision making (MCDM)
Menurut Kusumadewi, dkk (2004) Multiple Criteria Decision Making
(MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan
alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria
tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau
standar yang digunakan dalam pengambilan keputusan. Berdasarkan
tujuannya, MCDM dapat dibagi menjadi 2 model (Zimmermann, 1991):
Multi Attribute Decision Making (MADM); dan Multi Objective Decision
Making (MODM). Seringkali MCDM dan MADM digunakan untuk
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
menerangkan kelas atau kategori yang sama. MADM digunakan untuk
menyelesaikan masalah-masalah dalam ruang diskret. Oleh karena itu,
pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi
terhadap beberapa alternatif dalam jumlah yang terbatas. Sedangkan
MODM digunakan untuk menyelesaikan masalah-masalah pada ruang
kontinyu (seperti permasalahan pada pemrograman matematis). Secara
umum dapat dikatakan bahwa, MADM menyelesaikan alternatif terbaik
dari sejumlah alternatif, sedangkan MODM merancang altenatif terbaik.
Perbedaan mendasar terlihat pada Tabel 2.2 (Yoon, 1981).
Tabel 2.2 Perbedaan antara MADM dan MODM.
Dimensi MADM MODM
Kriteria (didefinisikan oleh) Atribut Tujuan
Tujuan Implisit Eksplisit
Atribut Eksplisit Implisit
Alternatif Diskret, dalam
jumlah terbatas
Kontinu, dalam
jumlah tak terbatas
Kegunaan Seleksi Desain
2.3.2. Metode Penyelesaian Masalah MADM dengan Simple Additvice
Weighting (SAW)
Metode SAW sering juga dikenal istilah metode penjumlahan
terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot
dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1976)
(MacCrimmon, 1968). Metode SAW membutuhkan proses normalisasi
matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan
semua rating alternatif yang ada.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
𝑟𝑖𝑗 = {
𝑥𝑖𝑗𝑀𝑎𝑥𝑖 𝑥𝑖𝑗
𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒𝑢𝑛𝑡𝑢𝑛𝑔𝑎𝑛 (𝑏𝑒𝑛𝑒𝑓𝑖𝑡)
𝑀𝑖𝑛𝑖 𝑥𝑖𝑗
𝑥𝑖𝑗 𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑏𝑖𝑎𝑦𝑎 (𝑐𝑜𝑠𝑡)
…… (2.15)
dimana 𝑟𝑖𝑗 adalah rating kinerja ternormalisasi dari alternative A, pada
atribut 𝐶𝑗; i = 1, 2, ..., m dan j = 1, 2, ..., n. Nilai preferensi untuk setiap
alterntif(Vi) diberikan sebagai:
𝑉𝑖 = ∑ 𝑤𝑖𝑟𝑖𝑗𝑛𝑗=1 ……………............… (2.16)
Nilai Vi yang lebih besar mengindikasikan bahwa alternative Ai lebih
terpilih.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
21
BAB III
METODE PENELITIAN
3.1. Gambaran Umum Penelitian
Berdasarkan permasalah yang dihadapi oleh Paduan Suara Mahasiswa
Cantus Firmus Universitas Sanata Dharma Yogyakarta, yang telah dijelaskan
pada bagian latar belakang, penelitian ini diharapkan mampu menyelesaikan
permasalahan tersebut. Metode yang akan digunakan untuk menyelesaikan
permasalah tersebut adalah menggunakan kombinasi algoritma Logika Kabur
dan Multi Attributes Decision Making (MADM). Tujuan menggunakan
Logika Kabur adalah untuk menangani masalah-masalah kekaburan seperti
hasil tes wawancara, sedangkan MADM digunakan untuk mendapatkan calon
anggota terbaik dari kandidat yang tersedia.
Sebelum adanya sistem yang akan dibuat ini, PSM Cantus Firmus
melakukan pemilihan calon anggota dengan mengadakan rapat yang cukup
memakan waktu lama. Segala keputusan yang diambil adalah berdasarkan
pengalaman dan kemampuan yang dimiliki oleh penguji. Dengan adanya
sistem ini diharapkan keputusan yang diambil akan dapat mewakili keputusan
yang diambil oleh penguji calon anggota baru.
Hasil skor masing-masing aspek penilaian saat seleksi akan menjadi
input untuk diproses menggunakan logika kabur dan juga MADM, kemudian
hasil akhir yang didapat adalah siapa saja yang diterima atau tidak di Unit
Kegiatan Mahasiswa PSM Cantus Firmus.
3.2. Data
3.2.1. Sumber Data
Data yang digunakan dalam penelitian ini adalah data yang diperoleh
dari panitia Penerimaan Anggota Baru PSM Cantus Firmus 2015. Data yang
didapat merupakan data hasil seleksi anggota baru PSM Cantus Firmus
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
angkatan 2015, yang telah dilaksanakan pada tanggal 7 September 2015
hingga 11 September 2015.
3.2.2. Teknik Pengumpulan Data
Teknik yang digunakan untuk mengumpulkan data adalah
menggunakan teknik dokumen. Data yang dikumpulkan tidak serta-merta
didapatkan melalui pengamatan langsung atau wawancara. Peneliti
mengumpulkan data yang telah diarsipkan oleh Sekretaris PSM Cantus
Firmus untuk selanjutkan diolah lebih lanjut. Dokumen tersebut adalah
dokumen penilaian hasil seleksi penerimaan anggota baru PSM Cantus
Firmus.
3.2.3. Data yang Digunakan
Dalam penelitian ini data yang digunakan adalah data-data hasil
seleksi Penerimaan Anggota Baru PSM Cantus Firmus angkatan 2015. Data
yang digunakan tidak semuanya, hanya 67 (yang terdiri dari mahasiswa
yang diterima dan tidak diterima). Dari form penilaian yang ada, semuanya
dimasukkan (input) ke dalam sistem. Data yang didapat berupa data
kuantitatif dan juga data kualitatif. Data kuantitatif adalah data hasil
penilaian musikalitas dan juga beberapa data hasil wawawancara.
Sementara data kualitatif adalah adalah catatan-catatan tambahan yang
ditulis oleh penguji saat melakukan seleksi.
3.3. Spesifikasi Alat
Sistem ini dibuat dengan menggunakan hardware dan software dengan
spesifikasi sebagai berikut:
1. Spesifikasi Perangkat Keras
a. Processor Intel® Celeron® CPU B800 @ 1.50GHz
b. RAM 2,00 GB
c. Harddisk 320GB
2. Spesifikasi Perangkat Lunak
a. Sistem Operasi Windows 10 64-bit, x64-based processor
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
b. Compiler IDE NetBeans 8.0
c. Basis data MySQL
3.4. Tahap Penelitian
Setelah peneliti mengetahui problematika yang dihadapi oleh UKM
PSM Cantus Firmus, langkah selanjutnya adalah menyelesaikan persoalan
tersebut. Proses penyelesaian masalah dilakukan secara ilmiah melalui
penelitian. Penelitian yang hendak dilakukan ini dibagi menjadi 7 tahap
yakni:
3.4.1. Penelusuran Pustaka
Tahap awal ini adalah melakukan penelusuran pustaka untuk
memperoleh informasi dan mempelajari teori-teori yang akan diterapkan
dalam penelitian ini. Penelusuran pustaka yang dilakukan yakni
mempelajari literatur-literatur dan teori-teori mengenai Logika Kabur,
Sistem Pendukung Pengambilan Keputusan, penerapan Logika Kabur untuk
pendukung keputusan dan juga literatur lain yang mendukung penelitian dan
perancangan alat uji.
3.4.2. Analisis Sistem yang Serupa
Sistem Pendukung Pengambilan Keputusan untuk penentuan seleksi
anggota paduan suara pernah dilakukan oleh Sherly Jayanti dan juga Sri
Hartati. Kedua peneliti tersebut juga menggunakan metode Logika Kabur
dengan sistem inferensi Mamdani. Hasilnya cukup baik untuk dijadikan
referensi mengambil keputusan seleksi paduan suara.
Berdasarkan sistem yang telah dibuat tersebut, pada penelitian kali ini,
variabel penelitian dibagi menjadi dua kelompok besar yakni, kelompok
wawancara dan vokal. Peneliti melakukan penerapan logika kabur hanya
pada kelompok wawancara saja, yakni antara variabel pengetahuan tentang
PSM, Motivasi, Pengalaman Berorganisasi, Pengenalan Diri dan Mental
yang Baik. Hal tersebut dilakukan untuk mendapatkan skor akhir sebagai
hasil proses penegasan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
Selanjutnya, untuk mendapatkan calon anggota terbaik, peneliti
menggunakan Multi Attribute Decision Making. Sebagai kriteria adalah skor
Wawancara (hasil perhitungan menggunakan Logika Kabur) dan skor
Vokal.
3.4.3. Prosedur Pengumpulan Data
Prosedur pengumpulan data dilakukan menggunakan metode
dokumen. Data yang akan diolah diperoleh dari arsip/dokumentasi panitia
Penerimaan Anggota Baru PSM Cantus Firmus tahun 2015. Proses
dokumentasi hasil penilaian PAB dilaksanakan pada tanggal 7 hingga 11
September 2015, yang telah dilakukan oleh panitia PAB PSM Cantus
Firmus.
3.4.4. Perancangan dan Pembuatan Alat Uji
Tahap selanjutnya adalah perancangan alat uji untuk membantu
penelitian. Perancangan alat uji sementara ini terdiri dari pembuatan
diagram konteks, use-case, DFD, basis data konseptual, basis data
relasional, basis data fisikal dan penjelasan sistem secara manual. Setelah
perancangan selesai dilakukan, tahap selanjutnya adalah pembuatan alat uji.
3.4.5. Prosedur Pengujian
Tahap pengujian dilakukan menggunakan bantuan alat uji yang telah
dibuat. Pengujian menggunakan input yaitu data yang telah diperoleh sesuai
dengan prosedur pengumpulan data. Sedangkan outputnya adalah daftar
nama calon anggota yang diterima di PSM Cantus Firmus, yaitu ranking per
suara urut berdasarkan nilai terbaik. Prosedur pengujian dalam penelitian ini
secara umum tampak dalam Gambar 3.1.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
Gambar 3.1 Flowchart Proses Penelitian
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
3.4.6. Analisis Hasil
Setelah proses pengujian selesai dilaksanakan, proses selanjutnya
adalah analisa hasil. Tujuan penelitian ini (seperti tertulis pada subbab 1.3)
adalah untuk mengetahui apakah logika kabur dan Multi Attribute Decision
Making dapat memberikan keputusan yang sesuai dengan keputusan yang
diambil oleh Panitia PAB atau tidak. Berkaitan dengan tujuan penelitian
tersebut, maka analisa hasil dilakukan dengan cara membandingkan
keputusan hasil alat uji (sistem yang dibuat) dengan keputusan hasil seleksi
panitia PAB PSM Cantus Firmus yang pernah dilakukan. Hasil
perhitungannya akan menghasilkan nilai kemiripan. Apabila hasilnya baik,
maka tujuan yang kedua dari penelitian ini akan dicapai.
3.4.7. Penulisan Laporan
Tahap terakhir dari penelitian ini adalah penulisan laporan sebagai
bukti bahwa penelitian ini telah berhasil dilaksanakan dan mendapatkan
hasil yang bermanfaat.
3.5. Gambaran Rancangan Alat
3.5.1. Diagram Dekomposisi
Pada gambar diagram dekomposisi di bawah ini (Gambar 3.1) tampak
bagaimana penjabaran proses yang terjadi di dalam sistem. Secara umum
proses dibagi menjadi dua bagian yaitu proses penilaian wawancara
menggunakan logika kabur dan proses penentuan nilai akhir menggunakan
MADM-SAW. Setiap proses utama memiliki sub-proses yang akan
dijelaskan lebih lanjut pada diagram arus data.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
Gambar 3.2 Diagram Dekomposisi
3.5.2. Diagram Konteks
Pada gambar di bawah ini (gambar 3.3), input dari sistem adalah nilai
hasil seleksi vokal dan wawancara. Nilai yang dimasukkan berupa angka,
dan bila perlu ada catatan khusus dapat ditambahkan. Nilai seleksi vokal
dibagi menjadi lima bagian, dan nilai hasil wawancara dibagi menjadi empat
bagian. Masing-masing memiliki sub-kriteria yang harus dipenuhi.
Pengguna akan mendapatkan keluaran berupa daftar nama-nama urut sesuai
dengan ranking tertinggi hingga terendah.
Gambar 3.3 Diagram Konteks
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
3.5.3. Diagram Arus Data(DAD)
3.5.3.1. DAD Level 1
Gambar 3.4 Diagram Arus Data Level 1
3.5.3.2. DAD Level 2.1
Gambar 3.5 Diagram Arus Data Level 2.1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
3.5.3.3. DAD Level 2.2
Gambar 3.6 Diagram Arus Data Level 2.2
3.5.4. Diagram Use-Case
Gambar 3.7 Use-Case Sistem PAB PSM CF USD
Gambar diatas merupakan ilustrasi apa saja yang dapat dilakukan oleh
seorang pengguna yang notabene adalah seorang penguji.
a. Akses sistem
Pengguna diharuskan memasukkan username dan password agar dapat
masuk ke dalam sistem dan melakukan fungsi sistem yang lainnya.
b. Input data
Pengguna memasukkan data yakni nilai vokal dan nilai hasil
wawancara sebagai variabel penentu diterima atau tidaknya seseorang
di PSM CF. Data tersebut kemudian diproses untuk dianalisa dalam
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
sistem berbasis logika kabur dan multi attribute decision making. Untuk
calon anggota, input data adalah mengisi formulir pendaftaran.
c. Menambah aturan
Pengguna dapat menambahkan aturan yang baru.
d. Mengubah bobot kriteria
Pengguna dapat mengubah bobot dari kriteria yang ada.
e. Melihat hasil keputusan
Pengguna melihat hasil akhir perhitungan sistem, daftar nama sesuai
dengan peringkat yang memiliki skor tertinggi hingga terendah.
3.5.5. Rancangan Basis Data
3.5.5.1. Rancangan Basis Data Konseptual
Terdapat empat entitas dalam sistem ini yaitu entitas aturan, entitas
penguji, entitas calon anggota dan entitas nilai. Entitas penguji memiliki
relasi dengan entitas calon anggota, dan entitas calon anggota memiliki
relasi dengan entitas nilai. Entitas calon anggota memiliki relasi
kardinalitas one-to-many dengan entitas penguji. Sedangkan setiap calon
anggota hanya akan memiliki satu nilai dari banyak aspek yang dinilai
sehingga relasi kardinalitasnya one-to-one. Entitas aturan tidak memiliki
relasi dengan entitas yang lain karena entitas aturan hanya menyimpan
aturan-aturan saja.
Gambar 3.8 Entity Relationship Diagram
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
3.5.5.2. Rancangan Basis Data Logikal
Relasi antara semua entitas dapat dilihat dengan memperhatikan
gambar 3.9 di bawah ini. Relasi antara entitas “penguji” dan entitas
“calon_anggota” menghasilkan tabel baru yaitu tabel “penguji_calon”.
Tabel “penguji_calon” berisi tiga atribut, atribut “pc_id”, “pc_penguji”
dan “pc_calon”. Atribut “pc_penguji” merupakan foreign key dari tabel
“penguji” dan atribut “pc_calon” merupakan foreign key dari tabel
“calon_anggota”.
Tabel “calon_anggota” dan tabel “nilai” memiliki relasi yang
dihubungkan oleh atribut “nilai_calonid”. Atribut “nilai_calonid” adalah
atribut yang berada pada tabel “nilai”. Atribut “nilai_calonid” merupakan
foreign key dari tabel “calon_anggota”.
Gambar 3.9 Relational Tabel Model
3.5.5.3. Rancangan Basis Data Fisikal
Berikut ini adalah tabel-tabel hasil proses normalisasi dan gambaran
tabel secara fisik yang akan dimplementasikan ke dalam sistem.
Tabel 3.1 Tabel Penguji
Atribut Tipe Deskripsi Keterangan
Penguji_id INT (11) Id (primary key) penguji Primary key
Penguji_nama Varchar (255) Nama penguji Not null
Penguji_angkatan Varchar (4) Tahun angkatan kuliah penguji (jika masih kuliah)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
Atribut Tipe Deskripsi Keterangan
Penguji_prodi Varchar (64) Program studi penguji (jika masih kuliah)
Penguji_nim Varchar (9) Nomor induk mahasiswa penguji (jika masih aktif kuliah)
UNIQUE
Penguji_status Varchar (45) Jabatan penguji, penguji wawancara atau penguji vokal
Penguji_username Varchar (45) Username penguji yang akan digunakan untuk login ke dalam sistem
Not null
Penguji_pass Varchar (255) Kata sandi penguji Not null
Tabel 3.2 Tabel Calon Anggota
Atribut Tipe Deskripsi Keterangan
Ca_id INT (11) Id (primary key) calon anggota
Primary key
Ca_nama Varchar (255)
Nama lengkap calon anggota
Not null
Ca_nim Varchar (9) Nomor induk mahasiswa dari calon anggota
Not null
Ca_angkatan Varchar (4) Tahun angkatan kuliah calon anggota
Not null
Ca_prodi Varchar (255)
Program studi calon anggota
Not null
Ca_prestasi Varchar (500)
Daftar prestasi yang pernah diraih oleh calon anggota
Ca_halgila Varchar (500)
Daftar hal-hal yang dianggap gila oleh calon anggota dan pernah dilakukan
Ca_catatan Varchar (500)
Catatan tambahan yang diberikan oleh penguji
Ca_jeniskelamin Varchar (45)
Jenis kelamin calon anggota
Not null
Ca_suara Varchar (45)
Jenis suara calon anggota hasil tes tahap vokal
Ca_daftarsebagai Varchar (45)
Pilihan jenis pendaftaran (penyanyi/dirigen/pemusik)
Not null
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
Atribut Tipe Deskripsi Keterangan
Ca_alatmusik Varchar (255)
Daftar alat musik yang dapat dimainkan oleh calon anggota
Tabel 3.3 Tabel Penguji Calon
Atribut Tipe Deskripsi Keterangan
Pc_id INT (11) Id (primary key) tabel penguji_calon
Primary key
Pc_idCalon INT (11) Foreign key dari tabel calon anggota
Foreign key
Pc_idPenguji INT (11) Foregin key dari tabel penguji
Foreign key
Tabel 3.4 Tabel Nilai
Atribut Tipe Deskripsi Keterangan
Nilai_id INT (11) Id (primary key) tabel nilai
Primary Key
Nilai_vokal DOUBLE Nilai hasil tahap seleksi vokal
Not null
Nilai_pengetahuanpsm INT (11) Nilai aspek pengetahuan tentan PSM CF
Not null
Nilai_motivasi INT (11) Nilai aspek motivasi keinginan masuk PSM
Not null
Nilai_pengalaman INT (11) Nilai aspek pengalaman
berorganisasi calon anggota
Nilai_pengenalandiri INT (11) Nilai aspek pengenalan terhadap diri sendiri
Not null
Nilai_mental INT (11) Nilai aspek mental calon anggota
Not null
Nilai_calon_id INT (11) Foreign key dari tabel
calon_anggota Foreign Key, not null
Nilai_som DOUBLE Nilai hasil perhitungan deffuzifikasi SOM
Nilai_mom DOUBLE Nilai hasil perhitungan deffuzifikasi MOM
Nilai_lom DOUBLE Nilai hasil perhitungan deffuzifikasi LOM
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
Atribut Tipe Deskripsi Keterangan
Nilai_wawancara INT(11) Nilai hasil jumlahan 5 aspek wawancara
Nilai_catatannegative INT(11) Nilai catatan negative dari penguji
Tabel 3.5 Tabel Aturan
Atribut Tipe Deskripsi Keterangan
Aturan_id INT (11) Id (primary key) tabel aturan
Primary key
Aturan_pengetahuan VARCHAR (10)
Anteseden/hipotesis dari variabel pengetahuan
Not Null
Aturan_motivasi VARCHAR (10)
Anteseden/hipotesis dari variabel motivasi masuk PSM
Not Null
Aturan_pengalaman VARCHAR (10)
Anteseden/hipotesis dari variabel pengalaman berorganisasi
Not Null
Aturan_pengenalandiri VARCHAR (10)
Anteseden/hipotesis dari variabel pengenalan terhadap diri sendiri
Not Null
Aturan_mental VARCHAR (10)
Anteseden/hipotesis dari variabel mental calon anggota
Not Null
Aturan_wawancara VARCHAR (10)
Konsekuen/konklusi hasil seleksi tahap wawancara
Not Null
3.5.6. Pengujian
Penelitian akan dilakukan untuk menentukan calon anggota baru. Data
yang digunakan adalah data seleksi PSM CF tahun 2015. Pengujian
dilakukan dengan membandingkan hasil dari perhitungan menggunakan
logika kabur dan multi attribute decision making dengan data hasil seleksi
sebenarnya. Jika keputusan yang dihasilkan perhitungan sistem, maka
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
sistem dapat dikatakan memiliki akurasi yang baik. Berikut adalah tahapan
dalam melakukan pengujian:
3.5.6.1. Pembentukan Fungsi Keanggotaan
Pada tahap ini akan dibentuk himpunan fuzzy baik secara linguistik
maupun secara numeris. Dalam tahap ini juga akan dibentuk fungsi
keanggotaan. Berikut penjelasannya:
a. Variabel Aspek Wawancara (aw)
Variabel Aspek Wawancara merupakan nilai calon anggota
akan beberapa aspek wawancara yaitu pengetahuannya tentang PSM
Cantus Firmus, motivasi, pengalaman berorganisasi, pengenalan diri
dan mental. Variabel Aspek Wawancara dibagi menjadi tiga
himpunan kabur yaitu buruk(Bu), cukup(C), dan baik(Ba) dalam
semesta pembicaraan yaitu [0 33]. Untuk himpunan kabur buruk(B)
menggunakan fungsi keanggotaan berbentuk segitiga, sedangkan
himpunan cukup(C) dan baik(B) menggunakan pendekatan fungsi
keanggotaan berbentuk bahu.
Gambar 3.10 Fungsi Keanggotaan Aspek Wawancara
Fungsi keanggotaan pada variabel Aspek Wawancara dapat
dirumuskan sebagai berikut:
𝜇𝐵𝑢[𝑎𝑤] = {
120 − 𝑎𝑤
20 − 110
; 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑎𝑤 ≤ 11
; 𝑢𝑛𝑡𝑢𝑘 11 < 𝑎𝑤 < 25
; 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
𝜇𝐶[𝑎𝑤] =
{
1𝑎𝑤 − 11
25 − 1130 − 𝑎𝑤
30 − 250
; 𝑢𝑛𝑡𝑢𝑘 𝑎𝑤 = 25
; 𝑢𝑛𝑡𝑢𝑘 11 ≤ 𝑎𝑤 < 25
; 𝑢𝑛𝑡𝑢𝑘 25 < 𝑎𝑤 ≤ 30
; 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
𝜇𝐵𝑎[𝑎𝑤] = {
1𝑎𝑤 − 1
3 − 10
; 𝑢𝑛𝑡𝑢𝑘 𝑎𝑤 > 30
; 𝑢𝑛𝑡𝑢𝑘 25 < 𝑎𝑤 < 30
; 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
b. Variabel Catatan Negatif (cn)
Variabel Mental merupakan penilaian terhadap calon anggota
yang tidak masuk ke dalam aspek-aspek wawancara. Variabel catatan
negatif dibagi menjadi dua himpunan kabur yaitu, sedikit(S) dan ban-
yak(B) dalam semesta pembicaraan [0 10]. Untuk himpunan sedi-
kit(S) dan banyak(B) menggunakan pendekatan fungsi keanggotaan
berbentuk bahu.
Gambar 3.11 Fungsi Keanggotaan Catatan Negatif
Fungsi keanggotaan pada variabel Catatan Negatif dapat
dirumuskan sebagai berikut:
𝜇𝑆[𝑐𝑛] = {
15,5 − 𝑐𝑛
5,5 − 30
; 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑐𝑛 ≤ 2
; 𝑢𝑛𝑡𝑢𝑘 2 < 𝑐𝑛 ≤ 7
; 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
𝜇𝐵[𝑐𝑛] = {
1𝑐𝑛 − 5,5
8 − 5,50
; 𝑢𝑛𝑡𝑢𝑘 𝑐𝑛 ≥ 7
; 𝑢𝑛𝑡𝑢𝑘 2 ≤ 𝑐𝑛 < 7
; 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
c. Variabel Skor Wawancara(w)
Variabel skor wawancara merupakan variabel output dari
perhitungan logika kabur yang selanjutkan akan digunakan untuk
dihitung bersama skor vokal menggunakan metode Multiple Attribute
Decision Making. Variabel ini dibagi menjadi tiga yaitu rendah(R),
sedang(S) dan tinggi(T) dalam semesta pembicaraan yaitu [0 100].
Untuk himpunan rendah(R) dan tinggi(T) menggunakan fungsi
keanggotaan berbentuk bahu, sedangkan himpunan sedang(S)
menggunakan pendekatan fungsi keanggotaan berbentuk segitiga.
Gambar 3.12 Fungsi Keanggotan Skor Wawancara
𝜇𝑅[𝑤] = {
150 − 𝑤
50 − 300
; 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑤 ≤ 30
; 𝑢𝑛𝑡𝑢𝑘 30 < 𝑤 ≤ 50
; 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
𝜇𝑆[𝑤] =
{
1𝑤 − 30
50 − 3080 − 𝑤
80 − 500
; 𝑢𝑛𝑡𝑢𝑘 𝑤 = 50
; 𝑢𝑛𝑡𝑢𝑘 30 ≤ 𝑤 < 50
; 𝑢𝑛𝑡𝑢𝑘 50 < 𝑤 ≤ 80
; 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
𝜇𝑇[𝑤] = {
1𝑤 − 65
85 − 650
; 𝑢𝑛𝑡𝑢𝑘 𝑤 ≥ 85
; 𝑢𝑛𝑡𝑢𝑘 65 ≤ 𝑤 < 85
; 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
3.5.6.2. Pembentukan Aturan-aturan
Berdasarkan dua variabel yang telah dibentuk fungsi keanggotaanya
di atas, maka dihasilkan aturan-aturan yang akan digunakan. Berikut ini
adalah aturan yang digunakan:
[R1] IF aspek wawancara BURUK and catatan negatif SEDIKIT THEN
skor wawancara RENDAH
[R2] IF aspek wawancara BURUK and catatan negatif BANYAK THEN
skor wawancara RENDAH
[R3] IF aspek wawancara SEDANG and catatan negatif SEDIKIT THEN
skor wawancara SEDANG
[R4] IF aspek wawancara SEDANG and catatan negatif BANYAK
THEN skor wawancara TINGGI
[R5] IF aspek wawancara BAIK and catatan negatif SEDIKIT THEN
skor wawancara SEDANG
[R6] IF aspek wawancara BAIK and catatan negatif BANYAK THEN
skor wawancara SEDANG
3.5.6.3. Contoh Penerapan Fuzzy Mamdani
Misalkan diambil data dari calon anggota berinisial YTP. Dia
mengikuti semua tahapan seleki vokal dan wawancara, kemudian akan
diketahui berapakah skor wawancara si YTP ini. Berikut adalah
perhitungan yang dilakukan:
i. Data Input
Data yang digunakan sebagai input (khusus untuk fuzzy
mamdani) adalah sebagai berikut:
Nilai Pengetahuan tentang PSM = 3
Nilai Motivasi = 3
Nilai Pengalaman Berorganisasi = 12
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
Nilai Pengenalan Diri = 3
Nilai Mental = 8
Catatan Negatif = 1
ii. Pembentukan Himpunan Fuzzy
Pembentukan himpunan fuzzy telah dijelaskan sebelumnya
yaitu pada pembentukan fungsi keanggotaan.
iii. Aplikasi Fungsi Implikasi
Dalam tahap ini akan dihitung derajat keanggotaan dari data
input sesuai dengan aturan yang telah dibentuk. Perhitungan
dilakukan mulai dari R1, R2, ...., R5 dan R6 :
[R1] IF aspek wawancara BURUK and catatan negatif SEDIKIT
THEN skor wawancara RENDAH
𝜇𝐵𝑢[29] = 0
𝜇𝑆[1] = 1
min{0; 1} = 0
[R2] IF aspek wawancara BURUK and catatan negatif BANYAK
THEN skor wawancara RENDAH
𝜇𝐵𝑢[29] = 0
𝜇𝐵[1] = 0
min{0; 0} = 0
[R3] IF aspek wawancara SEDANG and catatan negatif SEDIKIT
THEN skor wawancara SEDANG
𝜇𝐶[29] = 0,2
𝜇𝑆[1] = 1
min{0,2; 1} = 0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
[R4] IF aspek wawancara SEDANG and catatan negatif BANYAK
THEN skor wawancara TINGGI
𝜇𝐶[29] = 0,2
𝜇𝐵[1] = 0
min{0,2; 0} = 0
[R5] IF aspek wawancara BAIK and catatan negatif SEDIKIT THEN
skor wawancara SEDANG
𝜇𝐵𝑎[29] = 0,8
𝜇𝑆[1] = 1
min{0,8; 1} = 0,8
[R6] IF aspek wawancara BAIK and catatan negatif BANYAK
THEN skor wawancara SEDANG
𝜇𝐵𝑎[29] = 0,8
𝜇𝐵[1] = 0
min{0,8; 0} = 0
iv. Komposisi antar Aturan dan Defuzzy
Dari haril aplikasi fungsi implikasi dari setiap aturan, digunakan
metode MAX untuk melakukan komposisi antar aturan semua aturan.
Nilai alfa yang tidak nol terdapat pada aturan ke-3 dan ke-5, aturan
tersebut memiliki konsekuensi pada skor wawancara sedang dan
tinggi. Maka daerah hasil komposisinya hanya dilihat pada himpunan
skor wawancara sedang dan tinggi. Hasilnya dapat dilihat pada
gambar 3.8
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
Gambar 3.13 Daerah Hasil Komposisi
Daerah hasil di atas memiliki kesamaan dengan himpunan skor
wawancara tinggi, maka untuk mendapatkan nilai Z menggunakan
fungsi keanggotaan skor wawancara tinggi. Berikut perhitungannya:
0,8 = 𝑍 − 65
85 − 65
𝑍 − 65 = 0,8 × 20
𝑍 = 16 + 65
𝑍 = 81
Setelah nilai Z diketahui, maka proses selanjutnya deffuzifikasi
menggunakan tiga buah metode yaitu SOM, MOM dan LOM. Untuk
metode defuzzifikasi SOM atau Smallest of Maximum yaitu melihat
nilai terkecil dari daerah yang diarsir yaitu 85. Untuk metode
defuzzifikasi kedua yaitu Mean of Maximum, rata-rata domain yang
memiliki keanggotaan maksimum adalah sebagai berikut:
𝑍0 =81 + 100
2
𝑍0 = 90.5
Jadi skor wawancara MOM yang diperoleh YTP adalah 92.5.
Untuk metode defuzzifikasi menggunakan LOM maka lihat nilai
terbesar dari daerah yang diarsis yaitu 100.
3.5.6.4. Contoh Penerapan Multi Attribute Decision Making (MADM)
Proses selanjutnya setelah mengetahui skor wawancara si calon
anggota berinisial YTP adalah menghitung skor akhir menggunakan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
MADM. Calon anggota berinisial YTP tersebut adalah sebagai Alternartif
1 (A1). Dalam contoh kasus ini, missal diketahui 3 alternatif (A1, A2 dan
A3). Berikut adalah perhitungan yang dilakukan:
i. Data Input
Data yang digunakan sebagai input (khusus untuk MADM)
adalah skor vokal dan skor wawancara (SOM/MOM/LOM). Berikut
adalah tabel contoh input:
Tabel 3.6 Tabel Contoh Input MADM
Alternatif Vokal
(K1)
Wawancara (K2)
SOM MOM LOM
A1 38 81 90.5 100
A2 47 42.86 47.79 60.71
A3 32 81 90.5 100
ii. Matriks Keputusan Berdasarkan Atribut
Misal, nilai wawancara yang digunakan adalah SOM. Data input
yang telah diberikan di atas dibuat matriks keputusanya sebagai
berikut:
iii. Penentuan Bobot Secara Subjektif
Sebelum dilakukan perhitungan, proses selanjutnya adalah
menentukan bobot untuk atribut. Proses seleksi PAB PSM Cantus
Firmus menitik-beratkan pada kualitas vokal dari pada
wawancaranya. Maka bobot untuk kriteria vokal lebih besar nilainya
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
dari kriteria wawancara. Pada penelitian ini, bobot ditentukan secara
subjektif.
W merupakan bobot dan bobotnya ditulis dalam bentuk matrix.
terdapat dua angka yakni 60 dan 40. Angka 60 mewakili bobot untuk
kriteria vokal dan angka 40 mewakili bobot untuk kriteria wawancara.
iv. Simple Additive Weighting(SAW)
Rumus yang digunakan untuk melakukan perhitungan mencari
rating adalah fungsi max, karena peneliti ingin mendapatkan rating
setinggi-tingginya.
v. Normalisasi Matriks
Misalkan nilai max dari 𝐾1 = 47 dan nilai max dari K2 = 85,
nilai max tersebut digunakan untuk melakukan normalisasi matriks.
Dengan menggunakan rumus pada poin viii di atas perhitungannya
adalah sebagai berikut:
𝑟11 =38
47= 0,81
𝑟12 =47
47= 1
𝑟13 =32
47= 0,68
𝑟21 =81
81= 1
𝑟22 =42,86
81= 0,53
𝑟23 =81
81= 1
𝑊 = [60 40]
𝑟𝑖𝑗 =𝑥𝑖𝑗
max {𝑥𝑖𝑗}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
Matriks keputusannya akan menjadi seperti berikut:
vi. Menghitung Preferensi
Preferensi dapat ditemukan dengan menggunakan rumus
berikut:
𝑣𝑖 =∑𝑤𝑖 × 𝑥𝑖𝑗
Hasil perhitungan preferensinya untuk metode defuzzifikasi
SOM adalah sebagai berikut:
𝑣1 = (60 × 0.81) + (40 × 1)
𝑣1 = 48,6 + 40
𝑣1 = 88,6
𝑣2 = (60 × 1) + (40 × 0,53)
𝑣2 = 60 + 21,2
𝑣2 = 81,2
𝑣3 = (60 × 0.68) + (40 × 1)
𝑣3 = 40,8 + 40
𝑣3 = 80,8
Ketiga data tersebut jika dilakukan pengurutan berdasarkan skor
tertinggi hasilnya adalah:
Tabel 3.7 Tabel Hasil Akhir
No Nilai Akhir
(SAW) Nama Nilai Vokal
Nilai Wawancara
(SOM)
1 88,6 A1 47 81
2 81,2 A2 38 42,86
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
3 80,8 A3 32 81
Tidak ada batas minimal nilai akhir berapa yang harus
dicapai untuk seorang calon anggota dinyatakan diterima.
Keputusan diterima atau tidaknya seseorang adalah berdasarkan
kesepakatan akan diambil berapa peringkat terbaik dari semua
kandidat yang ada. Sehingga tidak langsung dapat ditentukan
apakah seseorang langsung diterima atau tidak begitu selesai
melakukan seleksi.
Perhitungan juga sama untuk nilai hasil metode defuzzifikasi
MOM dan LOM. Hanya perbedaan input nilai saja yang akan
membedakan peringkat akhirnya. Bila hanya menggunakan satu
data saja maka akan sangat jelas siapa yang pantas diterima di PSM
Cantus Firmus USD namun, jika data terdapat lebih dari 50 akan
tampak siapa yang diterima maupun yang tidak diterima.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
46
BAB IV
IMPLEMENTASI DAN ANALISIS HASIL
4.1. Implementasi
4.1.1. Implementasi Tampilan Antarmuka
4.1.1.1. Halaman Utama Sistem
Berikut ini adalah tampilan antar muka halaman utama ketika sistem
diakses oleh pengguna. Terdapat nama sistem dan dua buah menu (Daftar
Audisi dan Login).
Gambar 4.1 Halaman Utama
4.1.1.2. Daftar Audisi
Berikut adalah tampilan antar muka “Daftar Audisi”. Halaman ini
diakses dengan menekan tombol “Daftar Audisi” dari menu yang terdapat
pada halaman Utama. Menu ini dikhususkan bagi mahasiswa yang ingin
menjadi bagian dari Paduan Suara Mahasiswa Cantus Firmus. Halaman ini
berisi form pendaftaran yang harus diisi misalnya nama lengkap, nim,
program studi, daftar prestasi dan daftar hal gila yang pernah dilakukan.
Formulir pendaftaran ini dibuat sesuai dengan formulir pendaftaran yang
dibuar secara resmi oleh PSM Cantus Firmus.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
Gambar 4.2. Halaman Daftar Audisi
4.1.1.3. Login
Berikut ini adalah tampilan antar muka halaman login. Halaman ini hanya
dikhususkan bagi pengguna sistem yaitu pengurus PSM, penyeleksi
maupun anggota PSM aktif. Pengguna sistem akan diminta untuk
memasukkan username dan password agar dapat memenuhi syarat untuk
login.
Gambar 4.3. Halaman Login
4.1.1.4. Halaman Utama Setelah Login
Setelah pengguna berhasil melakukan proses login, maka akan
tampil dua buah menu utama yaitu Input Nilai dan menu Rangking
Peserta.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
Gambar 4.4. Halaman Utama Setelah Login
4.1.1.5. Cari NIM
Berikut ini adalah tampilan antar muka pencarian calon anggota
berdasarkan NIM. Proses ini dilakukan sebelum melakukan input nilai.
Gambar 4.5. Halaman Cari NIM
4.1.1.6. Input Nilai
Berikut ini adalah tampilan antar muka halaman input nilai. Halaman
ini akan muncul ketika proses cari NIM mendapatkan hasil. Terdapat dua
bagian pada halaman berikut, yang pertama adalah informasi calon
anggota dan yang kedua adalah form penilaian vokal dan wawancara.
Input nilai untuk kategori wawancara dibagi menjadi 5 variabel seperti
yang sudah dijelaskan pada bab sebelumnya. Masing-masing variabel
diinput menggunakan dropdown menu untuk meminimalisir kesalahan
pengguna.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
Gambar 4.6 Halaman Input Nilai
4.1.1.7. Lihat Ranking
Untuk dapat mengakses halaman ini, ada du acara yang dapat
ditempuh. Syarat utamanya adalah sudah logged in terlebih dahulu.
Kemudian dari halaman utama sistem dapat menekan tombol “Lihat” pada
bagian “Ranking Peserta”. Cara kedua adalah dengan menekan menu
“Ranking Peserta” di bagian atas setiap halaman ketika sudah logged in.
Gambar di bawah ini memperlihatkan halaman ranking calon
anggota. Pe-ranking-an dibagi menjadi tiga kelompok besar yakni
berdasarkan defuzzifikasi SOM, MOM dan LOM. Setiap kelompok
defuzzifikasi dibagi menjadi 4 suara yakni kelompok Sopran, Alto, Tenor
dan Bass. Setiap tabel terdiri dari Skor Final, Nama, Nilai Vokal, Nilai
Wawancara dan Jenis Suara-nya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
Gambar 4.7 Halaman Ranking Calon Anggota
4.1.1.8. Tambah Aturan (Rule)
Berikut ini adalah tampilan antar muka halaman “Input Rule”.
Halaman ini dapat diakses dengan menekan menu “Input Rule” pada
bagian menubar di bagian atas setiap halaman. Syaratnya tentu saja user
sudah logged in. Terdapat lima buah variabel yang harus diisi dan satu
variabel hasil. Aturan ini hanya berkaitan dengan aspek penilaian
wawancara saja.
Gambar 4.8 Halaman Antar Muka Input Aturan (Rule)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
4.1.1.9. Ubah Bobot Kriteria
Berikut ini adalah tampilan antar muka penentuan bobot kriteria.
Ada duah buah field yang harus diisi yaitu field bobot kriteria vokal dan
field bobot kriteria wawancara. Masing-masing field harus diisi sehingga
masing-masing bobot jika dijumlahkan hasilnya sama dengan 100. Hal ini
dilakukan agar nilai preferensi yang dihasilkan nantinya dalam rentang 0
hingga 100.
Gambar 4.9 Halaman Penentuan Bobot Kriteria
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
4.1.2. Implementasi Logika Kabur (Fuzzy Logic)
4.1.2.1. Implementasi Perhitungan Alpha Predikat
Berikut adalah listing kode program untuk mencari alfa predikat
dengan mengaplikasikan fungsi implikasi MIN untuk semua aturan.
Gambar 4.10 Listing Kode Program Pencarian Alfa Predikat Variabel 1
Gambar di atas adalah listing kode program untuk pencarian alfa
predikat untuk variabel “Aspek Wawancara”. Setelah nilai derajat
keanggotaan variabel “Aspek Wawancara” ditemukan, nilainya
dimasukkan ke dalam variabel array derajatKeanggotaan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
Gambar 4.11 Listing Kode Program Pencarian Alfa Predikat Variabel 2
Gambar di atas adalah listing kode program untuk pencarian alfa
predikat untuk variabel “Catatan Negatif”. Setelah nilai derajat
keanggotaan variabel “Catatan Negatif” ditemukan, nilainya dimasukkan
ke dalam variabel array derajatKeanggotaan.
Aplikasi Fungsi Implikasi MIN dikenakan setelah semua derajat
keanggotan tiap variabel dicari nilainya dan disimpan dalam satu buah
variabel array derajatKeanggotaan. Pencarian nilai MIN menggunakan
fungsi min($derajatKeanggotaan) bawaan dari NetBeans.
Gambar 4.12 Listing Kode Program Aplikasi Fungsi Implikasi MIN
4.1.2.2. Implementasi Aturan Komposisi Max
Untuk mendapatkan nilai dari aturan komposisi MAX, ada dua
proses yang dilalui. Yang pertama adalah proses penampungan nilai alfa
predikat hasil aplikasi fungsi implikasi MIN dan yang kedua adalah proses
pencarian nilai aturan komposisi MAX. Proses yang pertama ini
berlangsung pada saat perulangan (looping) setiap aturan untuk mencari
alfa predikat. Nomor aturan, nilai alfa predikat dan nilai variabel hasil
disimpan ke dalam variabel hasil_aturan. Setiap perulangan, variabel
hasil_aturan tersebut disimpan ke dalam variabel array komposisi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
Gambar 4.13 Listing Kode Program Penampungan Nilai Alfa Predikat
Proses selanjutnya adalah mencari nilai MAX dari komposisi antar
aturan. Pertama menentukan nilai maximum secara acak kemudian
membandingkan setiap nilai dengan nilai acak yang telah ditentukan
tersebut. Jika nilai yang dibandingkan lebih besar maka akan nilai tersebut
akan menjadi nilai max. Begitu seterusnya hingga setiap nilai alfa predikat
sudah dibandingkan, tetapi jika nilai yang dibandingkan sama besarnya
dengan nilai maximum maka akan dilihat nilai variabel hasilnya apakah
sama atau berbebeda. Jika berbeda maka terdapat dua buah nilai maximum
dengan nilai variabel hasil yang berbeda.
Gambar 4.14 Listing Kode Program Komposisi Antar Aturan (MAX)
4.1.2.3. Implementasi Defuzzyfikasi SOM (Smallest of Maximum)
Berikut ini adalah listing kode program defuzzyfikasi yaitu mencari
nilai tegas terkecil dari nilai alfa predikat tertinggi yang telah didapat dari
proses komposisi antar aturan (max). Jika variabel max hanya berisi satu
buah nilai saja maka akan langsung dicari nilai tegas terkecil dari alfa
predikat terbesar yang sudah didapatkan. Namun, jika variabel max berisi
lebih dari satu buah nilai makan akan dicari nilai paling kecil dari
kombinasi perhitungan dua buah nilai alfa predikatnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
Gambar 4.15 Listing Kode Program Defuzzyfikasi SOM
4.1.2.4. Implementasi Defuzzyfikasi MOM (Mean of Maximum)
Berikut ini adalah listing kode program defuzzyfikasi yaitu mencari
nilai tegas rata-rata dari nilai alfa predikat tertinggi yang telah didapat dari
proses komposisi antar aturan (max). Jika variabel max hanya berisi satu
buah nilai saja maka akan langsung dicari nilai tegas rata-rata dari alfa
predikat terbesar yang sudah didapatkan. Namun, jika variabel max berisi
lebih dari satu buah nilai makan akan dicari nilai rata-rata dari kombinasi
perhitungan dua buah nilai alfa predikatnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
Gambar 4.16 Listing Kode Program Defuzzyfikasi MOM
4.1.2.5. Implementasi Defuzzyfikasi LOM (Largest of Maximum)
Berikut ini adalah listing kode program defuzzyfikasi yaitu mencari
nilai tegas terbesar dari nilai alfa predikat tertinggi yang telah didapat dari
proses komposisi antar aturan (max). Jika variabel max hanya berisi satu
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
buah nilai saja maka akan langsung dicari nilai tegas terbesar dari alfa
predikat terbesar yang sudah didapatkan. Namun, jika variabel max berisi
lebih dari satu buah nilai makan akan dicari nilai tegas terbesar dari
kombinasi perhitungan dua buah nilai alfa predikatnya.
Gambar 4.17 Listing Kode Program Defuzzyfikasi LOM
4.1.3. Implementasi Multi-Attribute Decision Making – SAW (Simple
Additive Weighting)
Dalam menerapkan metode MADM-SAW ada beberapa langkah yang
harus ditemput untuk mendapatkan keputusan yaitu (1) membuat matrix
keputusan, (2) penentuan bobot secara subjektif, (3) penghitungan rating
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
58
(SAW), (4) normalisasi matrix, dan yang terakhir adalah (5) menghitung
preferensi.
Penerapan metode MADM-SAW ke dalam bahasa pemrograman PHP
sedikit berbeda dari langkah-langkah seperti teori yang telah dijelaskan di
atas. Berikuti ini akan dijelaskan langkah demi langkah penerapan MADM-
SAW.
4.1.3.1. Penentuan Nilai Max
Berikut ini adalah query untuk mendapatkan nilai max dari nilai
vokal dan nilali max dari nilai wawancara, tapi potongan kode program
dibawah ini khusus untuk jenis suara Sopran dan untuk kelompok
deffuzyfikasi SOM. Untuk jenis suara yang lain dan kelompok
deffuzyfikasi yang lain hanya tinggal mengganti jenis suara dan kelompok
deffuzyfikasinya (MOM dan LOM).
Setelah query dijalankan, hasilnya ditampung dalam variabel array
$max. Sehingga variable $max berisi dua buah nilai, nilai max vokal dan
nilai max wawancara. Nilai max ini kemudian digunakan untuk melakukan
normalisasi matrix.
Gambar 4.18 Listing Kode Program Penentuan Nilai Max
4.1.3.2. Simple Additive Weighting (SAW)
Setelah nilai max diketahui, proses selanjutnya adalah melakukan
normalisasi matrix. Data-data nilai dari calon anggota diambil dari
database, kemudian untuk setiap data dikenakan proses normalisasi dan
juga pembobotan. Normalisasi yang digunakan adalah fungsi max karena
akan mencari kandidat terbaik dari calon yang ada. Normalisasi dilakukan
dengan cara membagi nilai dengan nilai max yang sudah didapatkan pada
proses sebelumnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
Gambar 4.19 Listing Kode Program SAW
4.1.3.3. Perhitungan Preferensi
Perhitungan preferensi adalah menjumlahkan hasil perhitungan
pemobotan setiap kriteria. Pembobotan untuk kriteria vokal dikalikan 60
dan pembobotan untuk kriteria wawancara dikalikan 40. Setelah itu hasil
perhitungan kedua pembobotan dijumlahkan sehingga didapat nilai
preferensi.
Implementasi MADM sebenarnya selesai pada proses pehitungan
preferensi tetapi proses pembuatan matrix keputusan belum diterapkan
pada program. Kode program selanjutnya adalah untuk memasukkan nilai
setiap calon anggota ke dalam matrix atau variabel array. Kemudian matrix
tersebut ditampilkan dalam tabel dan diurutkan menurut nilai preferensi
tertinggi.
Gambar 4.20 Lisitng Kode Program Perhitungan Nilai Preferensi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
4.2.Analisis Hasil
Data yang digunakan adalah data Penerimaan Anggota Baru(PAB) PSM
Cantus Firmus tahun 2015. Data yang berhasil didapatkan sebanyak 67 data
peserta seleksi PAB PSM dari total 160 data yang mengikuti seleksi. Data-data
tersebut adalah sebagai berikut: 29 data peserta seleksi dengan jenis suara
Sopran, 17 data peserta seleksi dengan jenis suara Alto, 14 data peserta seleksi
dengan jenis suara Tenor dan 7 data peserta seleksi dengan jenis suara Bass.
Pada bab sebelumnya dikatakan bahwa analisis hasil dilakukan dengan
membandingkan data hasil keputusan hasil alat uji (sistem yang dibuat) dengan
keputusan hasil seleksi panitia PAB PSM Cantus Firmus yang pernah
dilakukan. Sistem akan mengambil calon terbaik sebagai anggota PSM Cantus
Firmus. Jumlah calon peserta yang diterima untuk jenis suara Sopran sebanyak
18 orang, jenis suara Alto sebanyak 17 orang, jenis suara Tenor sebanyak 11
orang dan jenis suara Bass sebanyak 11 orang. Jumlah data yang diperolah
untuk penelitian tidak sesuai dengan jumlah data yang sesungguhnya, sehingga
tidak cocok apabila mengambil 11 orang terbaik jenis suara Bass dari 7 data
yang ada. Maka dari itu teknik analisisnya adalah: data asli dikelompokkan ke
dalam dua kelompok besar yakni kelompok “diterima” dan kelompok
“ditolak”, dari hasil perhitungan alat uji akan dicocokkan apakah sebuah data
masuk dalam kelompok “diterima” atau “ditolak”
Berikut ini adalah tabel pengelompokkan hasil (data asli, bukan alat uji)
Penerimaan Anggota Baru PSM Cantus Firmus tahun 2015:
Tabel 4.1 Tabel Daftar Peserta PAB PSM Cantus Firmus 2015
No Nama Suara Keputusan
1 Caecilia Novita A. W. Sopran 2 Diterima 2 Charitas Widyastuti Sopran 2 Diterima 3 Christina Mega Citra Sopran 2 Diterima 4 Gita Sopran Diterima 5 Josephine Anindysari Kristanato Sopran Diterima 6 Kalista Bekinda Kuswidanti Sopran 2 Diterima 7 Maria Emmanuela Fardiana Sopran Diterima 8 Marie Louise Ayu M. R. Sopran Diterima 9 Marie Louise Catherine Widyana Sopran 2 Diterima
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
61
No Nama Suara Keputusan
10 Priscila Felicia Elu Sopran 1 Diterima 11 Rosa Virginia Dhayanti Pratama Putri Sopran Diterima 12 Rosiana K. (Ninuk) Sopran Diterima 13 Theresia Avila Wahyu Sulistyaningrum Sopran 1 Diterima 14 Windy Widyawan Sopran 2 Diterima 15 Yohana Alaya Prudenti Sopran 2 Diterima 16 Yosie Tiara Putri Sopran Diterima 17 Adelia Tiara Putri Sopran Ditolak 18 Einerita Mayang Destiana Sopran Ditolak 19 Fidelis Elleny Averina Sopran Ditolak 20 Fransisca Romana A. G. O. Sopran Ditolak 21 Gaby Sopran 2 Ditolak 22 Gregoriana Sopran Ditolak 23 Maria Salventien Noni Sopran Ditolak 24 Mikaela Nadya Gustaria Sopran Ditolak 25 Monica Vinny Kusumaningrung Sopran 2 Ditolak 26 Stephani Pemberialitoti Sopran Ditolak 27 Theresia Lerina Sopran 1 Ditolak 28 Wiwinda Tosari Sopran Ditolak 29 Yustika Kristiana Widyaningtyas Sopran 2 Ditolak 30 Agatha Desi Vita Pratiwi Alto Diterima 31 Elisabet Susanti Alto 2 Diterima 32 Heliana Maria Alto 2 Diterima 33 Karunia Majid Alto 2 Diterima 34 Maria Yessica Alto 2 Diterima 35 Tri Adventa Panade Alto 1 Diterima 36 Vinelia Anggra Alto Diterima 37 Viola Gratia Nati Alto Diterima 38 Ayu Nugrahaningsih Alto Ditolak 39 Chatarina Bora Latong Alto Ditolak 40 Dwi Intan Febrianti Alto Ditolak 41 Einge Alto 1 Ditolak 42 Fransisca Wahyu Indriastuti Alto Ditolak 43 Gardisa Citra A. K. Alto Ditolak 44 Mela Alto Ditolak 45 Ranti Kartika Alto 1 Ditolak 46 Ruth Liananda Citra Doloksaribu Alto Ditolak 47 Alvares Javersan Tenor Diterima 48 Bonifasius Aprilianto Simatupang Tenor Diterima 49 Charles Rachma Dewangga Tenor 1 Diterima
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
62
No Nama Suara Keputusan
50 Eusebius Luhung Angling Kusuma Tenor 2 Diterima 51 Gregorius Widyatmoko Tenor 2 Diterima 52 Titus Arga Widiasta Tenor 2 Diterima 53 Vitus Tenor 1 Diterima 54 Wisnu Tenor 2 Diterima 55 Yohanes de Britto Dian N. Tenor 2 Diterima 56 Ignasius Gayuh A. J. Tenor Ditolak 57 Mathias Vino Tenor Ditolak 58 Tri Adi Agung Tenor 1 Ditolak 59 Tri Sulistyo Tenor 2 Ditolak 60 Yohanes Giovanni Krisna Tenor Ditolak 61 Andreas Bass 1 Diterima 62 Antonius Mario S. B. P. Bass 1 Diterima 63 Lukas Kevin Undap Bass 1 Diterima 64 Semuel Bass 1 Diterima 65 Stanislaus Rafael Bhayu N. W. Bass 2 Diterima 66 Yion Bass 2 Diterima 67 Yosep Endika Widiyanto Bass Diterima
Dari tabel di atas, jumlah jenis suara Sopran yang diinginkan dari sistem
adalah sejumlah 16 orang, jenis suara Alto sejumlah 8 orang, jenis suara Tenor
sejumlah 9 orang dan jenis suara Bass sejumlah 7 orang. Masing-masing adalah
calon terbaik dari kandidat yang mengikuti seleksi. Dalam tabel analisis
terdapat kolom analisis yang berisi data “Sesuai” atau “Tidak Sesuai”. Sebuah
data dikatakan “Sesuai” apabila data tersebut masuk ke dalam golongan yang
sesuai (diterima/ditolak) sedangkan sebuah data dikatakan “Tidak Sesuai”
apabila tidak masuk ke dalam golongan yang sesuai. Sebagai contoh, seorang
calon seharusnya berada di kelompok ranking yang diterima tetapi hasil sistem
menunjukkan bahwa calon tersebut berada di kelompok ranking yang ditolak,
maka data calon tersebut dikatakan “Tidak Sesuai”.
Setelah semua data dilihat kesesuaiannya antara data asli dengan data
hasil sistem, selanjutnya dihitung akurasinya dengan rumus sebagai berikut:
𝑝𝑟𝑜𝑠𝑒𝑛𝑡𝑎𝑠𝑖 𝑎𝑘𝑢𝑟𝑎𝑠𝑖 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑦𝑎𝑛𝑔 𝑠𝑒𝑠𝑢𝑎𝑖
𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎× 100% …… (4.1)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
63
4.2.1. Analisis Aturan Komposisi Max dengan Defuzifikasi SOM
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Sopran:
Tabel 4.2 Tabel Hasil Ranking Jenis Suara Sopran (SOM)
No Nama Nilai Akhir
1 Christina Mega Citra 100 2 Yohana Alaya Prudenti 96,203 3 Gita 94,894 4 Maria Emmanuela Fardiana 88,576 5 Yosie Tiara Putri 86,628 6 Charitas Widyastuti 80,851 7 Priscila Felicia Elu 73,317 8 Rosiana K. (Ninuk) 71,894 9 Monica Vinny Kusumaningrung 69,317 10 Fransisca Romana A. G. O. 68,006 11 Rosa Virginia Dhayanti Pratama Putri 67,031 12 Theresia Lerina 66,17 13 Marie Louise Ayu M. R. 63,504 14 Marie Louise Catherine Widyana 63,036 15 Theresia Avila Wahyu Sulistyaningrum 59,675 16 Kalista Bekinda Kuswidanti 59,002 17 Yustika Kristiana Widyaningtyas 57,359 18 Adelia Tiara Putri 55,091 19 Maria Salventien Noni 53,638 20 Mikaela Nadya Gustaria 52,538 21 Caecilia Novita A. W. 52,117 22 Gregoriana 51,469 23 Fidelis Elleny Averina 50,83 24 Windy Widyawan 50,704 25 Einerita Mayang Destiana 48,769 26 Wiwinda Tosari 48,355 27 Josephine Anindysari Kristanato 47,179 28 Gaby 45,109 29 Stephani Pemberialitoti 44,355
Jumlah jenis suara Sopran yang ingin diterima adalah sebanyak 16
orang. Maka 16 peringkat teratas menurut hasil perhitungan alat uji adalah
orang-orang yang diterima di PSM Cantus Firmus. Untuk menguji
kemiripannya berikut adalah tabel perbandingan hasil seleksi asli dengan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
64
hasil alat uji. Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai
tertinggi namun, diurutkan berdasarkan abjad.
Tabel 4.3 Tabel Perbandingan Data Asli dan Alat Uji (Sopran-SOM)
Nama Keputusan
Nama Hasil
Sistem Analisis
Caecilia Novita A. W. Diterima Christina Mega Citra 100 Sesuai Charitas Widyastuti Diterima Yohana Alaya Prudenti 96,203 Sesuai Christina Mega Citra Diterima Gita 94,894 Sesuai Gita Diterima Maria Emmanuela Fardiana 88,576 Sesuai Josephine Anindysari Kristanato Diterima
Yosie Tiara Putri 86,628 Sesuai
Kalista Bekinda Kuswidanti Diterima
Charitas Widyastuti 80,851 Sesuai
Maria Emmanuela Fardiana Diterima
Priscila Felicia Elu 73,317 Sesuai
Marie Louise Ayu M. R. Diterima Rosiana K. (Ninuk) 71,894 Sesuai Marie Louise Catherine Widyana Diterima Monica Vinny
Kusumaningrung 69,317 Tidak
Sesuai
Priscila Felicia Elu Diterima Fransisca Romana A. G. O.
68,006 Tidak Sesuai
Rosa Virginia Dhayanti Pratama Putri Diterima Rosa Virginia Dhayanti
Pratama Putri 67,031 Sesuai
Rosiana K. (Ninuk) Diterima Theresia Lerina
66,17 Tidak Sesuai
Theresia Avila Wahyu Sulistyaningrum Diterima
Marie Louise Ayu M. R. 63,504 Sesuai
Windy Widyawan Diterima Marie Louise Catherine Widyana
63,036 Sesuai
Yohana Alaya Prudenti Diterima Theresia Avila Wahyu Sulistyaningrum
59,675 Sesuai
Yosie Tiara Putri Diterima Kalista Bekinda Kuswidanti 59,002 Sesuai
Adelia Tiara Putri Ditolak Yustika Kristiana Widyaningtyas
57,359 Sesuai
Einerita Mayang Destiana Ditolak Adelia Tiara Putri 55,091 Sesuai Fidelis Elleny Averina Ditolak Maria Salventien Noni 53,638 Sesuai Fransisca Romana A. G. O. Ditolak
Mikaela Nadya Gustaria 52,538 Sesuai
Gaby Ditolak Caecilia Novita A. W.
52,117 Tidak Sesuai
Gregoriana Ditolak Gregoriana 51,469 Sesuai Maria Salventien Noni Ditolak Fidelis Elleny Averina 50,83 Sesuai
Mikaela Nadya Gustaria Ditolak Windy Widyawan
50,704 Tidak Sesuai
Monica Vinny Kusumaningrung Ditolak
Einerita Mayang Destiana 48,769 Sesuai
Stephani Pemberialitoti Ditolak Wiwinda Tosari 48,355 Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
65
Nama Keputusan
Nama Hasil
Sistem Analisis
Theresia Lerina Ditolak Josephine Anindysari Kristanato
47,179 Tidak Sesuai
Wiwinda Tosari Ditolak Gaby 45,109 Sesuai Yustika Kristiana Widyaningtyas Ditolak
Stephani Pemberialitoti 44,355 Sesuai
Pada tabel di atas sel dengan warna merah berarti kandidat tersebut
tidak diterima dan warna hijau berarti kandidat tersebut diterima. Dengan
menggunakan aturan komposisi Max dan metode defuzzifikasi SOM untuk
jenis suara Sopran didapat 6 data hasil perhitungan alat uji tidak sesuai
dengan data asli.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.21 Diagram Prosentase Max-SOM (Sopran)
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Alto:
Tabel 4.4 Tabel Hasil Ranking Jenis Suara Alto (SOM)
No Nama Nilai Akhir
1 Tri Adventa Panade 96,235 2 Elisabet Susanti 95,421 3 Viola Gratia Nati 91,236 4 Maria Yessica 88,145 5 Einge 79,486 6 Vinelia Anggra 73,432
Sesuai79%
Tidak Sesuai21%
Other21%
Max-SOM (Sopran)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
66
No Nama Nilai Akhir
7 Karunia Majid 72,743 8 Agatha Desi Vita Pratiwi 71,174 9 Gardisa Citra A. K. 68,031 10 Heliana Maria 61,968 11 Ranti Kartika 61,422 12 Ayu Nugrahaningsih 59,271 13 Fransisca Wahyu Indriastuti 56,567 14 Chatarina Bora Latong 55,567 15 Mela 55,893 16 Ruth Liananda Citra Doloksaribu 53,316 17 Dwi Intan Febrianti 51,174
Jumlah jenis suara Alto yang ingin diterima adalah sebanyak 8 orang.
Maka 8 peringkat teratas menurut hasil perhitungan alat uji adalah orang-
orang yang diterima di PSM Cantus Firmus. Untuk menguji kemiripannya
berikut adalah tabel perbandingan hasil seleksi asli dengan hasil alat uji.
Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai tertinggi.
Tabel 4.5 Tabel Perbandingan Data Asli dan Alat Uji (Alto-SOM)
No Nama Keputusan
Asli Nama
Hasil
Sistem Analisis
1 Agatha Desi Vita Pratiwi Diterima
Tri Adventa Panade 96,629 Tidak
Sesuai 2 Elisabet Susanti Diterima Elisabet Susanti 95,294 Sesuai 3 Heliana Maria Diterima Viola Gratia Nati 93,539 Sesuai 4 Karunia Majid Diterima Maria Yessica 91,236 Sesuai 5 Maria Yessica Diterima Einge 90,575 Sesuai 6 Tri Adventa
Panade Diterima Vinelia Anggra 88,145 Sesuai
7 Vinelia Anggra Diterima Karunia Majid 79,775 Tidak Sesuai
8 Viola Gratia Nati Diterima
Agatha Desi Vita Pratiwi 78,707 Sesuai
9 Ayu Nugrahaningsih Ditolak
Gardisa Citra A. K. 72,743 Tidak
Sesuai 10 Chatarina Bora
Latong Ditolak Heliana Maria 70,861 Tidak Sesuai
11 Dwi Intan Febrianti Ditolak Ranti Kartika 70,617 Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
67
No Nama Keputusan
Asli Nama
Hasil
Sistem Analisis
12 Einge Ditolak
Ayu Nugrahaningsih 66,956 Sesuai
13 Fransisca Wahyu Indriastuti Ditolak
Fransisca Wahyu Indriastuti 64,957 Sesuai
14 Gardisa Citra A. K. Ditolak
Chatarina Bora Latong 63,305 Sesuai
15 Mela Ditolak Mela 53,473 Sesuai 16
Ranti Kartika Ditolak Ruth Liananda Citra Doloksaribu 52,531 Sesuai
17 Ruth Liananda Citra Doloksaribu Ditolak
Dwi Intan Febrianti 47,812 Sesuai
Pada tabel di atas sel dengan warna merah berarti kandidat tersebut
tidak diterima dan warna hijau berarti kandidat tersebut diterima. Dengan
menggunakan aturan komposisi Max dan metode defuzzifikasi SOM untuk
jenis suara Alto didapat 4 data hasil perhitungan alat uji tidak sesuai dengan
data asli.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.22 Diagram Prosentase Max-SOM (Alto)
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Tenor:
Sesuai88%
Tidak Sesuai12%
Other12%
Max-SOM (Alto)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
68
Tabel 4.6 Tabel Hasil Ranking Jenis Suara Tenor (SOM)
No Nama Nilai Akhir
1 Yohanes de Britto Dian N. 86,304 2 Gregorius Widyatmoko 81,573 3 Charles Rachma Dewangga 78,151 4 Wisnu 74,781 5 Vitus 71,195 6 Bonifasius Aprilianto Simatupang 69,794 7 Titus Arga Widiasta 69,713 8 Eusebius Luhung Angling Kusuma 65,188 9 Alvares Javersan 63,151 10 Yohanes Giovanni Krisna 48,832 11 Tri Sulistyo 47,916 12 Mathias Vino 44,931 13 Tri Adi Agung 44,388 14 Ignasius Gayuh A. J. 40,325
Jumlah jenis suara Tenor yang ingin diterima adalah sebanyak 9
orang. Maka 9 peringkat teratas menurut hasil perhitungan alat uji adalah
orang-orang yang diterima di PSM Cantus Firmus. Untuk menguji
kemiripannya berikut adalah tabel perbandingan hasil seleksi asli dengan
hasil alat uji. Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai
tertinggi.
Tabel 4.7 Tabel Perbandingan Data Asli dan Alat Uji (Tenor-SOM)
No Nama Keputu-
san Nama
Hasil
Sistem Analisis
1 Alvares Javersan Diterima Yohanes de Britto Dian N. 86,304 Sesuai
2 Bonifasius Aprilianto Simatupang Diterima Gregorius
Widyatmoko 81,573 Sesuai
3 Charles Rachma Dewangga Diterima Charles Rachma
Dewangga 78,151 Sesuai
4 Eusebius Luhung Angling Kusuma Diterima
Wisnu 74,781 Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
69
No Nama Keputu-
san Nama
Hasil
Sistem Analisis
5 Gregorius Widyatmoko Diterima
Vitus 71,195 Sesuai
6 Titus Arga Widiasta Diterima
Bonifasius Aprilianto Simatupang
69,794 Sesuai
7 Vitus Diterima Titus Arga Widiasta 69,713 Sesuai
8 Wisnu Diterima Eusebius Luhung Angling Kusuma 65,188 Sesuai
9 Yohanes de Britto Dian N. Diterima
Alvares Javersan 63,151 Sesuai
10 Ignasius Gayuh A. J. Ditolak Yohanes Giovanni Krisna 48,832 Sesuai
11 Mathias Vino Ditolak Tri Sulistyo 47,916 Sesuai
12 Tri Adi Agung Ditolak Mathias Vino 44,931 Sesuai
13 Tri Sulistyo Ditolak Tri Adi Agung 44,388 Sesuai
14 Yohanes Giovanni Krisna Ditolak Ignasius Gayuh
A. J. 40,325 Sesuai
Pada tabel di atas sel dengan warna merah berarti kandidat tersebut
tidak diterima dan warna hijau berarti kandidat tersebut diterima. Dengan
menggunakan aturan komposisi Max dan metode defuzzifikasi SOM untuk
jenis suara Tenor data asli sesuai dengan hasil perhitungan alat uji.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.23 Diagram Prosentase Max-SOM (Tenor)
Sesuai100%
Tidak Sesuai0%
Other0%
Max-SOM (Tenor)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
70
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Bass:
Tabel 4.8 Tabel Hasil Ranking Jenis Suara Bass (SOM)
No Nama Nilai Akhir
1 Lukas Kevin Undap 97,391 2 Yion 85,974 3 Stanislaus Rafael Bhayu N. W. 71,919 4 Yosep Endika Widiyanto 62,428 5 Antonius Mario S. B. P. 60,539 6 Semuel 57,717 7 Andreas 49,565
Jumlah jenis suara Bass yang ingin diterima adalah sebanyak 7 orang.
Maka 7 peringkat teratas menurut hasil perhitungan alat uji adalah orang-
orang yang diterima di PSM Cantus Firmus. Untuk menguji kemiripannya
berikut adalah tabel perbandingan hasil seleksi asli dengan hasil alat uji.
Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai tertinggi.
Tabel 4.9 Tabel Perbandingan Data Asli dan Alat Uji (Bass-SOM)
No Nama Keputus
an Nama
Hasil
Sistem Analisis
1 Andreas Diterima Lukas Kevin Undap 97,391 Sesuai
2 Antonius Mario S. B. P. Diterima Yion 85,974 Sesuai
3 Lukas Kevin Undap Diterima Stanislaus Rafael Bhayu N. W. 71,919 Sesuai
4 Semuel Diterima Yosep Endika Widiyanto 62,428 Sesuai
5 Stanislaus Rafael Bhayu N. W. Diterima
Antonius Mario S. B. P. 60,539 Sesuai
6 Yion Diterima Semuel 57,717 Sesuai
7 Yosep Endika Widiyanto Diterima Andreas 49,565 Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
71
Pada tabel di atas sel dengan warna hijau berarti kandidat tersebut
diterima. Dengan menggunakan aturan komposisi Max dan metode
defuzzifikasi SOM untuk jenis suara Bass data asli sesuai dengan hasil
perhitungan alat uji.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.24 Diagram Prosentase Max-SOM (Bass)
Dari 67 data yang digunakan dan dengan menggunakan aturan
komposisi Max dan metode defuzzifikasi SOM terdapat 8 data yang tidak
sesuai antara data asli dengan data hasil perhitungan alat uji. Berikut adalah
diagram prosentasi akurasi dengan menggunakan metode defuzzifikasi
SOM:
Gambar 4.25 Diagram Prosentase Max-SOM
Sesuai100%
Tidak Sesuai0%
Other0%
Max-SOM (Bass)
Sesuai Tidak Sesuai
Sesuai88%
Tidak Sesuai12%
Other12%
Max-SOM
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
72
4.2.2. Analisis Aturan Komposisi Max dengan Defuzifikasi MOM
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Sopran:
Tabel 4.10 Tabel Hasil Ranking Jenis Suara Sopran (MOM)
No Nama Nilai Akhir
1 Christina Mega Citra 100 2 Yohana Alaya Prudenti 97,22 3 Gita 94,894 4 Maria Emmanuela Fardiana 90,611 5 Yosie Tiara Putri 87,646 6 Charitas Widyastuti 80,851 7 Fransisca Romana A. G. O. 71,543 8 Priscila Felicia Elu 71,409 9 Rosa Virginia Dhayanti Pratama Putri 71,059 10 Rosiana K. (Ninuk) 70,951 11 Monica Vinny Kusumaningrung 67,384 12 Marie Louise Catherine Widyana 66,17 13 Kalista Bekinda Kuswidanti 63,708 14 Theresia Avila Wahyu Sulistyaningrum 63,554 15 Marie Louise Ayu M. R. 62,782 16 Windy Widyawan 57,365 17 Yustika Kristiana Widyaningtyas 55,541 18 Theresia Lerina 55,41 19 Caecilia Novita A. W. 53,516 20 Gregoriana 50,525 21 Fidelis Elleny Averina 49,887 22 Einerita Mayang Destiana 48,79 23 Stephani Pemberialitoti 48,235 24 Wiwinda Tosari 48,101 25 Josephine Anindysari Kristanato 47,586 26 Adelia Tiara Putri 44,634 27 Maria Salventien Noni 44,311 28 Mikaela Nadya Gustaria 42,08 29 Gaby 35,217
Jumlah jenis suara Sopran yang ingin diterima adalah sebanyak 16
orang. Maka 16 peringkat teratas menurut hasil perhitungan alat uji adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
73
orang-orang yang diterima di PSM Cantus Firmus. Untuk menguji
kemiripannya berikut adalah tabel perbandingan hasil seleksi asli dengan
hasil alat uji. Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai
tertinggi.
Tabel 4.11 Tabel Perbandingan Data Asli dan Alat Uji (Sopran-MOM)
No Nama Keputus
an Nama
Hasil
Sistem Analisis
1 Caecilia Novita A. W. Diterima Christina Mega
Citra 100 Sesuai
2 Charitas Widyastuti Diterima Yohana Alaya Prudenti
97,22 Sesuai
3 Christina Mega Citra Diterima Gita
94,894 Sesuai
4 Gita Diterima Maria Emmanuela Fardiana
90,611 Sesuai
5 Josephine Anindysari Kristanato Diterima
Yosie Tiara Putri 87,646 Sesuai
6 Kalista Bekinda Kuswidanti Diterima Charitas
Widyastuti 80,851 Sesuai
7 Maria Emmanuela Fardiana Diterima Fransisca Romana
A. G. O. 71,543
Tidak Sesuai
8 Marie Louise Ayu M. R. Diterima Priscila Felicia
Elu 71,409 Sesuai
9 Marie Louise Catherine Widyana Diterima
Rosa Virginia Dhayanti Pratama Putri
71,059 Sesuai
10 Priscila Felicia Elu Diterima Rosiana K. (Ninuk)
70,951 Sesuai
11 Rosa Virginia Dhayanti Pratama Putri Diterima Monica Vinny
Kusumaningrung 67,384
Tidak Sesuai
12 Rosiana K. (Ninuk) Diterima
Marie Louise Catherine Widyana
66,17 Sesuai
13 Theresia Avila Wahyu Sulistyaningrum Diterima Kalista Bekinda
Kuswidanti 63,708
Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
74
No Nama Keputus
an Nama
Hasil
Sistem Analisis
14 Windy Widyawan Diterima
Theresia Avila Wahyu Sulistyaningrum
63,554 Sesuai
15 Yohana Alaya Prudenti Diterima Marie Louise Ayu
M. R. 62,782 Sesuai
16 Yosie Tiara Putri Diterima Windy Widyawan
57,365 Sesuai
17 Adelia Tiara Putri Ditolak Yustika Kristiana Widyaningtyas
55,541 Sesuai
18 Einerita Mayang Destiana Ditolak
Theresia Lerina 55,41 Sesuai
19 Fidelis Elleny Averina Ditolak Caecilia Novita
A. W. 53,516
Tidak Sesuai
20 Fransisca Romana A. G. O. Ditolak
Gregoriana 50,525 Sesuai
21 Gaby Ditolak Fidelis Elleny Averina
49,887 Sesuai
22 Gregoriana Ditolak Einerita Mayang Destiana
48,79 Sesuai
23 Maria Salventien Noni Ditolak Stephani
Pemberialitoti 48,235 Sesuai
24 Mikaela Nadya Gustaria Ditolak
Wiwinda Tosari 48,101 Sesuai
25 Monica Vinny Kusumaningrung Ditolak
Josephine Anindysari Kristanato
47,586 Tidak Sesuai
26 Stephani Pemberialitoti Ditolak
Adelia Tiara Putri 44,634 Sesuai
27 Theresia Lerina Ditolak Maria Salventien Noni
44,311 Sesuai
28 Wiwinda Tosari Ditolak Mikaela Nadya Gustaria
42,08 Sesuai
29 Yustika Kristiana Widyaningtyas Ditolak
Gaby 35,217 Sesuai
Pada tabel di atas sel dengan warna merah berarti kandidat tersebut
tidak diterima dan warna hijau berarti kandidat tersebut diterima. Dengan
menggunakan aturan komposisi Max dan metode defuzzifikasi MOM untuk
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
75
jenis suara Sopran didapat 4 data hasil perhitungan alat uji tidak sesuai
dengan data asli.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.26 Diagram Prosentase Max-MOM (Sopran)
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Alto:
Tabel 4.12 Tabel Hasil Ranking Jenis Suara Alto (MOM)
No Nama Nilai Akhir
1 Tri Adventa Panade 98,27 2 Elisabet Susanti 96,439 3 Viola Gratia Nati 91,236 4 Maria Yessica 90,18 5 Einge 78,405 6 Karunia Majid 78,138 7 Agatha Desi Vita Pratiwi 71,195 8 Vinelia Anggra 70,385 9 Gardisa Citra A. K. 69,43 10 Heliana Maria 65,02 11 Ayu Nugrahaningsih 62,324 12 Ranti Kartika 61,829 13 Fransisca Wahyu Indriastuti 56,313 14 Mela 56,23 15 Chatarina Bora Latong 55,638 16 Dwi Intan Febrianti 52,211 17 Ruth Liananda Citra Doloksaribu 50,919
Sesuai86%
Tidak Sesuai14%
Other14%
Max-MOM (Sopran)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
76
Jumlah jenis suara Alto yang ingin diterima adalah sebanyak 8 orang.
Maka 8 peringkat teratas menurut hasil perhitungan alat uji adalah orang-
orang yang diterima di PSM Cantus Firmus. Untuk menguji kemiripannya
berikut adalah tabel perbandingan hasil seleksi asli dengan hasil alat uji.
Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai tertinggi.
Tabel 4.13 Tabel Perbandingan Data Asli dan Alat Uji (Alto-MOM)
No Nama Keputusan Nama Hasil
Sistem Analisis
1 Agatha Desi Vita Pratiwi Diterima Tri Adventa
Panade 98,27 Sesuai
2 Elisabet Susanti Diterima Elisabet Susanti 96,439 Sesuai
3 Heliana Maria Diterima Viola Gratia Nati 91,236 Sesuai
4 Karunia Majid Diterima Maria Yessica 90,18 Sesuai
5 Maria Yessica Diterima Einge 78,405 Tidak Sesuai
6 Tri Adventa Panade Diterima Karunia Majid 78,138 Sesuai
7 Vinelia Anggra Diterima Agatha Desi Vita Pratiwi 71,195 Sesuai
8 Viola Gratia Nati Diterima Vinelia Anggra 70,385 Sesuai
9 Ayu Nugrahaningsih Ditolak Gardisa Citra A.
K. 69,43 Sesuai
10 Chatarina Bora Latong Ditolak Heliana Maria 65,02
Tidak Sesuai
11 Dwi Intan Febrianti Ditolak Ayu
Nugrahaningsih 62,324 Sesuai
12 Einge Ditolak Ranti Kartika 61,829 Sesuai
13 Fransisca Wahyu Indriastuti Ditolak Fransisca Wahyu
Indriastuti 56,313 Sesuai
14 Gardisa Citra A. K. Ditolak Mela 56,23 Sesuai
15 Mela Ditolak Chatarina Bora Latong 55,638 Sesuai
16 Ranti Kartika Ditolak Dwi Intan Febrianti 52,211 Sesuai
17 Ruth Liananda Citra Doloksaribu Ditolak Ruth Liananda
Citra Doloksaribu 50,919 Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
77
Pada tabel di atas sel dengan warna merah berarti kandidat tersebut
tidak diterima dan warna hijau berarti kandidat tersebut diterima. Dengan
menggunakan aturan komposisi Max dan metode defuzzifikasi MOM untuk
jenis suara Alto didapat 2 data hasil sistem tidak sesuai dengan data asli.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.27 Diagram Prosentase Max-MOM (Alto)
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Tenor:
Tabel 4.14 Tabel Hasil Ranking Jenis Suara Tenor (MOM)
No Nama Nilai Akhir
1 Yohanes de Britto Dian N. 86,304 2 Charles Rachma Dewangga 82,857 3 Gregorius Widyatmoko 79,665 4 Vitus 75,901 5 Titus Arga Widiasta 72,766 6 Bonifasius Aprilianto Simatupang 65,539 7 Alvares Javersan 67,857 8 Eusebius Luhung Angling Kusuma 66,587 9 Wisnu 64,324 10 Tri Sulistyo 48,901 11 Mathias Vino 47,983 12 Yohanes Giovanni Krisna 47,889 13 Ignasius Gayuh A. J. 45,031
Sesuai88%
Tidak Sesuai12%
Other12%
Max-MOM (Alto)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
78
No Nama Nilai Akhir
14 Tri Adi Agung 34,495
Jumlah jenis suara Tenor yang ingin diterima adalah sebanyak 9
orang. Maka 9 peringkat teratas menurut hasil perhitungan alat uji adalah
orang-orang yang diterima di PSM Cantus Firmus. Untuk menguji
kemiripannya berikut adalah tabel perbandingan hasil seleksi asli dengan
hasil alat uji. Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai
tertinggi.
Tabel 4.15 Tabel Perbandingan Data Asli dan Alat Uji (Tenor-MOM)
No Nama Keputu-
san Nama
Hasil
Sistem Analisis
1 Alvares Javersan Diterima Yohanes de Britto Dian N.
86,304 Sesuai
2 Bonifasius Aprilianto Simatupang Diterima
Charles Rachma Dewangga 82,857 Sesuai
3 Charles Rachma Dewangga Diterima
Gregorius Widyatmoko 79,665 Sesuai
4 Eusebius Luhung Angling Kusuma Diterima Vitus 75,901 Sesuai
5 Gregorius Widyatmoko Diterima
Titus Arga Widiasta 72,766 Sesuai
6
Titus Arga Widiasta Diterima
Bonifasius Aprilianto Simatupang 65,539
Sesuai
7 Vitus Diterima Alvares Javersan 67,857 Sesuai
8 Wisnu Diterima
Eusebius Luhung Angling Kusuma 66,587 Sesuai
9 Yohanes de Britto Dian N. Diterima Wisnu 64,324 Sesuai
10 Ignasius Gayuh A. J. Ditolak Tri Sulistyo 48,901 Sesuai
11 Mathias Vino Ditolak Mathias Vino 47,983 Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
79
No Nama Keputu-
san Nama
Hasil
Sistem Analisis
12 Tri Adi Agung Ditolak
Yohanes Giovanni Krisna 47,889 Sesuai
13 Tri Sulistyo Ditolak
Ignasius Gayuh A. J. 45,031 Sesuai
14 Yohanes Giovanni Krisna Ditolak Tri Adi Agung 34,495 Sesuai
Pada tabel di atas sel dengan warna merah berarti kandidat tersebut
tidak diterima dan warna hijau berarti kandidat tersebut diterima. Dengan
menggunakan aturan komposisi Max dan metode defuzzifikasi MOM untuk
jenis suara Tenor data asli sesuai dengan hasil perhitungan alat uji.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.28 Diagram Prosentase Max-MOM (Tenor)
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Bass:
Tabel 4.16 Tabel Hasil Ranking Jenis Suara Bass (MOM)
No Nama Nilai Akhir
1 Lukas Kevin Undap 97,391 2 Yion 82,599 3 Stanislaus Rafael Bhayu N. W. 72,158 4 Yosep Endika Widiyanto 66,282 5 Antonius Mario S. B. P. 57,164
Sesuai100%
Tidak Sesuai0%
Other0%
Max-MOM (Tenor)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
80
No Nama Nilai Akhir
6 Semuel 55,396 7 Andreas 47,244
Jumlah jenis suara Bass yang ingin diterima adalah sebanyak 7 orang.
Maka 7 peringkat teratas menurut hasil perhitungan alat uji adalah orang-
orang yang diterima di PSM Cantus Firmus. Untuk menguji kemiripannya
berikut adalah tabel perbandingan hasil seleksi asli dengan hasil alat uji.
Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai tertinggi.
Tabel 4.17 Tabel Perbandingan Data Asli dan Alat Uji (Bass-MOM)
No Nama Keputus
an Nama
Hasil
Sistem Analisis
1 Andreas Diterima Yion 100 Sesuai
2 Antonius Mario S. B. P. Diterima
Yosep Endika Widiyanto 81,942 Sesuai
3 Lukas Kevin Undap Diterima
Stanislaus Rafael Bhayu N. W. 80,374 Sesuai
4 Semuel Diterima
Lukas Kevin Undap 80,313 Sesuai
5 Stanislaus Rafael Bhayu N. W. Diterima
Antonius Mario S. B. P. 57,487 Sesuai
6 Yion Diterima Semuel 55,53 Sesuai
7 Yosep Endika Widiyanto Diterima Andreas 47,827 Sesuai
Pada tabel di atas sel dengan warna hijau berarti kandidat tersebut
diterima. Dengan menggunakan aturan komposisi Max dan metode
defuzzifikasi MOM untuk jenis suara Bass data asli sesuai dengan hasil
perhitungan alat uji.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
81
Gambar 4.29 Diagram Prosentase Max-MOM (Bass)
Dari 67 data yang digunakan dan dengan menggunakan aturan
komposisi Max dan metode defuzzifikasi SOM terdapat 8 data yang tidak
sesuai antara data asli dengan data hasil perhitungan alat uji. Berikut adalah
diagram prosentasi akurasi dengan menggunakan metode defuzzifikasi
MOM:
Gambar 4.30 Diagram Prosentase Max-MOM
4.2.3. Analisis Aturan Komposisi Max dengan Defuzifikasi LOM
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Sopran:
Tabel 4.18 Tabel Hasil Ranking Jenis Suara Sopran (LOM)
No Nama Nilai Akhir
1 Christina Mega Citra 100 2 Yohana Alaya Prudenti 98,085
Sesuai100%
Tidak Sesuai0%
Other0%
Max-MOM (Bass)
Sesuai Tidak Sesuai
Sesuai88%
Tidak Sesuai12%
Other12%
Max-MOM
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
82
No Nama Nilai Akhir
3 Gita 94,894 4 Maria Emmanuela Fardiana 92,34 5 Yosie Tiara Putri 88,511 6 Charitas Widyastuti 80,851 7 Rosa Virginia Dhayanti Pratama Putri 73,653 8 Fransisca Romana A. G. O. 73,435 9 Marie Louise Catherine Widyana 70,681 10 Rosiana K. (Ninuk) 70,149 11 Priscila Felicia Elu 69,787 12 Kalista Bekinda Kuswidanti 67,708 13 Theresia Avila Wahyu Sulistyaningrum 66,851 14 Monica Vinny Kusumaningrung 66,17 15 Theresia Lerina 64,349 16 Marie Louise Ayu M. R. 62,565 17 Windy Widyawan 59,41 18 Caecilia Novita A. W. 54,405 19 Yustika Kristiana Widyaningtyas 53,83 20 Adelia Tiara Putri 52,189 21 Stephani Pemberialitoti 51,532 22 Maria Salventien Noni 51,05 23 Gregoriana 49,723 24 Mikaela Nadya Gustaria 49,636 25 Fidelis Elleny Averina 49,085 26 Einerita Mayang Destiana 48,809 27 Josephine Anindysari Kristanato 47,932 28 Wiwinda Tosari 47,884 29 Gaby 42,364
Jumlah jenis suara Sopran yang ingin diterima adalah sebanyak 16
orang. Maka 16 peringkat teratas menurut hasil perhitungan alat uji adalah
orang-orang yang diterima di PSM Cantus Firmus. Untuk menguji
kemiripannya berikut adalah tabel perbandingan hasil seleksi asli dengan
hasil alat uji. Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai
tertinggi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
83
Tabel 4.19 Tabel Perbandingan Data Asli dan Alat Uji (Sopran-LOM)
No Nama Keputu-
san Nama
Hasil
Sistem Analisis
1 Caecilia Novita A. W. Diterima
Christina Mega Citra 100 Sesuai
2 Charitas Widyastuti Diterima
Yohana Alaya Prudenti 98,085 Sesuai
3 Christina Mega Citra Diterima Gita 94,894 Sesuai 4
Gita Diterima Maria Emmanuela Fardiana 92,34 Sesuai
5 Josephine Anindysari Kristanato Diterima Yosie Tiara Putri 88,511 Sesuai
6 Kalista Bekinda Kuswidanti Diterima
Charitas Widyastuti 80,851 Sesuai
7 Maria Emmanuela Fardiana Diterima
Rosa Virginia Dhayanti Pratama Putri 73,653
Sesuai
8 Marie Louise Ayu M. R. Diterima
Fransisca Romana A. G. O. 73,435
Tidak Sesuai
9 Marie Louise Catherine Widyana Diterima
Marie Louise Catherine Widyana 70,681
Sesuai
10 Priscila Felicia Elu Diterima
Rosiana K. (Ninuk) 70,149 Sesuai
11 Rosa Virginia Dhayanti Pratama Putri Diterima
Priscila Felicia Elu 69,787
Sesuai
12 Rosiana K. (Ninuk) Diterima
Kalista Bekinda Kuswidanti 67,708 Sesuai
13 Theresia Avila Wahyu Sulistyaningrum Diterima
Theresia Avila Wahyu Sulistyaningrum 66,851
Sesuai
14 Windy Widyawan Diterima
Monica Vinny Kusumaningrung 66,17
Tidak Sesuai
15 Yohana Alaya Prudenti Diterima Theresia Lerina 64,349
Tidak Sesuai
16 Yosie Tiara Putri Diterima
Marie Louise Ayu M. R. 62,565 Sesuai
17 Adelia Tiara Putri Ditolak Windy Widyawan 59,41
Tidak Sesuai
18 Einerita Mayang Destiana Ditolak
Caecilia Novita A. W. 54,405
Tidak Sesuai
19 Fidelis Elleny Averina Ditolak
Yustika Kristiana Widyaningtyas 53,83 Sesuai
20 Fransisca Romana A. G. O. Ditolak Adelia Tiara Putri 52,189 Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
84
No Nama Keputu-
san Nama
Hasil
Sistem Analisis
21 Gaby Ditolak
Stephani Pemberialitoti 51,532 Sesuai
22 Gregoriana Ditolak
Maria Salventien Noni 51,05 Sesuai
23 Maria Salventien Noni Ditolak Gregoriana 49,723 Sesuai
24 Mikaela Nadya Gustaria Ditolak
Mikaela Nadya Gustaria 49,636 Sesuai
25 Monica Vinny Kusumaningrung Ditolak
Fidelis Elleny Averina 49,085 Sesuai
26 Stephani Pemberialitoti Ditolak
Einerita Mayang Destiana 48,809 Sesuai
27
Theresia Lerina Ditolak
Josephine Anindysari Kristanato 47,932
Tidak Sesuai
28 Wiwinda Tosari Ditolak Wiwinda Tosari 47,884 Sesuai 29 Yustika Kristiana
Widyaningtyas Ditolak Gaby 42,364 Sesuai
Pada tabel di atas sel dengan warna merah berarti kandidat tersebut
tidak diterima dan warna hijau berarti kandidat tersebut diterima. Dengan
menggunakan aturan komposisi Max dan metode defuzzifikasi LOM untuk
jenis suara Sopran didapat 6 data hasil perhitungan alat uji tidak sesuai
dengan data asli.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.31 Diagram Prosentase Max-LOM (Sopran)
Sesuai79%
Tidak Sesuai21%
Other21%
Max-LOM (Sopran)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
85
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Alto:
Tabel 4.20 Tabel Hasil Ranking Jenis Suara Alto (LOM)
No Nama Nilai Akhir
1 Tri Adventa Panade 100 2 Elisabet Susanti 97,303 3 Maria Yessica 91,91 4 Viola Gratia Nati 91,236 5 Karunia Majid 82,138 6 Einge 77,486 7 Agatha Desi Vita Pratiwi 71,213 8 Gardisa Citra A. K. 70,62 9 Vinelia Anggra 69,213 10 Heliana Maria 67,615 11 Ayu Nugrahaningsih 64,918 12 Ranti Kartika 62,175 13 Mela 58,708 14 Fransisca Wahyu Indriastuti 56,096 15 Chatarina Bora Latong 55,422 16 Dwi Intan Febrianti 54,806 17 Ruth Liananda Citra Doloksaribu 50,703
Jumlah jenis suara Alto yang ingin diterima adalah sebanyak 8 orang.
Maka 8 peringkat teratas menurut hasil perhitungan alat uji adalah orang-
orang yang diterima di PSM Cantus Firmus. Untuk menguji kemiripannya
berikut adalah tabel perbandingan hasil seleksi asli dengan hasil alat uji.
Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai tertinggi.
Tabel 4.21 Tabel Perbandingan Data Asli dan Alat Uji (Alto-LOM)
No Nama Keputusan Nama Hasil
Sistem Analisis
1 Agatha Desi Vita Pratiwi Diterima Tri Adventa
Panade 100 Sesuai
2 Elisabet Susanti Diterima Elisabet Susanti 97,303 Sesuai
3 Heliana Maria Diterima Maria Yessica 91,91 Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
86
No Nama Keputusan Nama Hasil
Sistem Analisis
4 Karunia Majid Diterima Viola Gratia Nati 91,236 Sesuai
5 Maria Yessica Diterima Karunia Majid 82,138 Sesuai
6 Tri Adventa Panade Diterima Einge 77,486 Tidak
Sesuai 7
Vinelia Anggra Diterima Agatha Desi Vita Pratiwi 71,213 Sesuai
8 Viola Gratia Nati Diterima
Gardisa Citra A. K. 70,62
Tidak Sesuai
9 Ayu Nugrahaningsih Ditolak Vinelia Anggra 69,213 Tidak
Sesuai 10 Chatarina Bora
Latong Ditolak Heliana Maria 67,615 Tidak Sesuai
11 Dwi Intan Febrianti Ditolak
Ayu Nugrahaningsih 64,918 Sesuai
12 Einge Ditolak Ranti Kartika 62,175 Sesuai
13 Fransisca Wahyu Indriastuti Ditolak Mela 58,708 Sesuai
14 Gardisa Citra A. K. Ditolak
Fransisca Wahyu Indriastuti 56,096 Sesuai
15 Mela Ditolak
Chatarina Bora Latong 55,422 Sesuai
16 Ranti Kartika Ditolak
Dwi Intan Febrianti 54,806 Sesuai
17 Ruth Liananda Citra Doloksaribu Ditolak
Ruth Liananda Citra Doloksaribu 50,703 Sesuai
Pada tabel di atas sel dengan warna merah berarti kandidat tersebut
tidak diterima dan warna hijau berarti kandidat tersebut diterima. Dengan
menggunakan aturan komposisi Max dan metode defuzzifikasi LOM untuk
jenis suara Alto didapat 4 data hasil perhitungan alat uji tidak sesuai dengan
data asli.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
87
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.32 Diagram Prosentase Max-LOM (Alto)
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Tenor:
Tabel 4.22 Tabel Hasil Ranking Jenis Suara Tenor (LOM)
No Nama Nilai Akhir
1 Charles Rachma Dewangga 86,857 2 Yohanes de Britto Dian N. 86,304 3 Vitus 79,901 4 Gregorius Widyatmoko 78,043 5 Titus Arga Widiasta 75,36 6 Wisnu 71,879 7 Alvares Javersan 71,857 8 Bonifasius Aprilianto Simatupang 69,323 9 Eusebius Luhung Angling Kusuma 67,776 10 Mathias Vino 50,578 11 Tri Sulistyo 49,739 12 Ignasius Gayuh A. J. 49,031 13 Yohanes Giovanni Krisna 47,087 14 Tri Adi Agung 41,643
Jumlah jenis suara Tenor yang ingin diterima adalah sebanyak 9
orang. Maka 9 peringkat teratas menurut hasil perhitungan alat uji adalah
orang-orang yang diterima di PSM Cantus Firmus. Untuk menguji
Sesuai76%
Tidak Sesuai24%
Other24%
Max-LOM (Alto)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
88
kemiripannya berikut adalah tabel perbandingan hasil seleksi asli dengan
hasil alat uji. Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai
tertinggi.
Tabel 4.23 Tabel Perbandingan Data Asli dan Alat Uji (Tenor-LOM)
No Nama Keputu-
san Nama
Hasil
Sistem Analisis
1 Alvares Javersan Diterima Charles Rachma Dewangga
86,857 Sesuai
2 Bonifasius Aprilianto Simatupang Diterima
Yohanes de Britto Dian N. 86,304 Sesuai
3 Charles Rachma Dewangga Diterima Vitus 79,901 Sesuai
4 Eusebius Luhung Angling Kusuma Diterima
Gregorius Widyatmoko 78,043 Sesuai
5 Gregorius Widyatmoko Diterima
Titus Arga Widiasta 75,36 Sesuai
6 Titus Arga Widiasta Diterima Wisnu 71,879 Sesuai
7 Vitus Diterima Alvares Javersan 71,857 Sesuai
8
Wisnu Diterima
Bonifasius Aprilianto Simatupang 69,323
Sesuai
9 Yohanes de Britto Dian N. Diterima
Eusebius Luhung Angling Kusuma 67,776 Sesuai
10 Ignasius Gayuh A. J. Ditolak Mathias Vino 50,578 Sesuai
11 Mathias Vino Ditolak Tri Sulistyo 49,739 Sesuai
12 Tri Adi Agung Ditolak
Ignasius Gayuh A. J. 49,031 Sesuai
13 Tri Sulistyo Ditolak
Yohanes Giovanni Krisna 47,087 Sesuai
14 Yohanes Giovanni Krisna Ditolak Tri Adi Agung 41,643 Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
89
Pada tabel di atas sel dengan warna merah berarti kandidat tersebut
tidak diterima dan warna hijau berarti kandidat tersebut diterima. Dengan
menggunakan aturan komposisi Max dan metode defuzzifikasi LOM untuk
jenis suara Tenor didapat data hasil perhitungan alat uji sesuai dengan data
asli.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.33 Diagram Prosentase Max-LOM (Tenor)
Berikut ini adalah tabel ranking hasil perhitungan alat uji untuk jenis
suara Bass:
Tabel 4.24 Tabel Hasil Ranking Jenis Suara Bass (LOM)
No Nama Nilai Akhir
1 Lukas Kevin Undap 97,391 2 Yion 80 3 Stanislaus Rafael Bhayu N. W. 72,342 4 Yosep Endika Widiyanto 69,248 5 Antonius Mario S. B. P. 54,565 6 Semuel 53,609 7 Andreas 45,457
Jumlah jenis suara Bass yang ingin diterima adalah sebanyak 7 orang.
Maka 7 peringkat teratas menurut hasil perhitungan alat uji adalah orang-
orang yang diterima di PSM Cantus Firmus. Untuk menguji kemiripannya
Sesuai100%
Tidak Sesuai0%
Other0%
Max-LOM (Tenor)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
90
berikut adalah tabel perbandingan hasil seleksi asli dengan hasil alat uji.
Perlu diketahui bahwa hasil seleksi asli tidak berdasarkan nilai tertinggi.
Tabel 4.25 Tabel Perbandingan Data Asli dan Alat Uji (Bass-MOM)
No Nama Keputus
an Nama
Hasil
Sistem Analisis
1 Andreas Diterima
Lukas Kevin Undap 97,391 Sesuai
2 Antonius Mario S. B. P. Diterima Yion 80 Sesuai
3 Lukas Kevin Undap Diterima
Stanislaus Rafael Bhayu N. W. 72,342 Sesuai
4 Semuel Diterima
Yosep Endika Widiyanto 69,248 Sesuai
5 Stanislaus Rafael Bhayu N. W. Diterima
Antonius Mario S. B. P. 54,565 Sesuai
6 Yion Diterima Semuel 53,609 Sesuai 7 Yosep Endika
Widiyanto Diterima Andreas 45,457 Sesuai
Pada tabel di atas sel dengan warna hijau berarti kandidat tersebut
diterima. Dengan menggunakan aturan komposisi Max dan metode
defuzzifikasi LOM untuk jenis suara Bass data asli sesuai dengan hasil
perhitungan alat uji.
Berikut adalah diagram prosentase kesesuaian antara data asli dengan
hasil alat uji:
Gambar 4.34 Diagram Prosentase Max-LOM (Bass)
Sesuai100%
Tidak Sesuai0%
Other0%
Max-LOM (Bass)
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
91
Dari 67 data yang digunakan dan dengan menggunakan aturan
komposisi Max dan metode defuzzifikasi SOM terdapat 10 data yang tidak
sesuai antara data asli dengan data hasil perhitungan alat uji. Berikut adalah
diagram prosentasi akurasi dengan menggunakan metode defuzzifikasi
LOM:
Gambar 4.35 Diagram Prosentase Max-LOM
4.3. Analisis Hasil Keseluruhan
Berikut adalah tabel hasil prosentase keseluruhan untuk hasil yang
“Sesuai” dengan menggunakan beberapa metode defuzzyfikasi :
Tabel 4.26 Tabel Prosentasi Hasil Keselurahan
No Defuzzifikasi Prosentase
1 SOM 88,05 2 MOM 88,05 3 LOM 85,07
Sesuai85%
Tidak Sesuai15%
Other15%
Max-LOM
Sesuai Tidak Sesuai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
92
Grafik yang menunjukkan prosentase dalam tabel di atas dapat dilihat
pada grafik 4.39.
Gambar 4.36 Grafik Prosentase Hasil Keseluruhan
Berdasarkan hasil yang didapat prosentase kesesuaian tertingi didapat
dengan menerapkan defuzzifikasi Smallest of Maximum (SOM) dan Median of
Maximum(MOM) yaitu dengan prosentase sebesar 88,05%. Hal ini berarti
88,05% kinerja alat uji sesuai dengan hasil keputusan yang diambil oleh panitia
Penerimaan Anggota Baru PSM Cantus Firmus tahun 2015.
Hasil akhir perhitungan yang didapat adalah hasil perhitungan preverensi
dari kriteria vokal dan kriteria wawancara dengan menekankan kriteria vokal.
Apabila bobot kriteria vokal dan bobot kriteria wawancara dimodifikasi dengan
perbandingan 65:35, 70:30, 50:50 dan 40:50 prosentase kemiripannya tampak
pada tabel 4.19 di bawah ini.
SOM; 88,05 MOM; 88,05LOM; 85,07
50,00
55,00
60,00
65,00
70,00
75,00
80,00
85,00
90,00
95,00
100,00
Prosentase
Grafik Prosentase Hasil Keseluruhan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
93
Tabel 4.27 Tabel Perbandingan Bobot dan Metode Deffuzifikasi
Vokal:Wawan-
cara
SOM MOM LOM
S A T B S A T B S A T B
60:40 79,3 88,2 100 100 79,3 88,2 100 100 79,3 88,2 100 100
88,060 88,060 88,060
65:35 79,3 88,2 100 100 79,3 88,2 100 100 79,3 76,5 100 100
88,060 88,060 85,075
70:30 79,3 88,2 100 100 79,3 88,2 100 100 79,3 76,5 100 100
88,060 88,060 85,075
50:50 72,4 88,2 100 100 86,2 88,2 100 100 86,2 76,5 100 100
85,075 91,045 88,060
40:60 72,4 88,2 100 100 86,2 88,2 85,7 100 86,2 76,5 100 100
85,075 88,060 88,060
Pada tabel di atas dapat dilihat prosentase kemiripan terbesar adalah
dengan bobot kriteria vokal sebesar 50 dan bobot kriteria wawancara sebesar
50. Prosentase kemiripan sejumlah 91,045% tersebut merupakan angka yang
didapat dari nilai wawancara hasil defuzzifikasi menggunakan metode MOM.
Pada tabel terlihat tidak ada perubahan yang cukup signifikan menggunakan
SOM, MOM atau pun LOM untuk setiap variasi bobot vokal:wawancara.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
94
94
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Dari sistem seleksi penerimaan anggota baru Paduan Suara Mahasiswa
menggunakan Logika Kabur dan MADM-Simple Additive Weighting yang
telah dibuat, dapat ditarik beberapa kesimpulan:
1. Keputusan dari sistem seleksi yang dibuat hampir sesuai dengan
keputusan yang diambil oleh panitia PAB PSM Cantus Firmus tahun
2015. Kesesuaian tersebut ditunjukkan dengan hasil analisis dengan
akurasi lebih dari 80%. Sehingga, algoritma Logika Kabur dan MADM-
Simple Additive Weighting dapat diterapkan dalam kasus penerimaan
anggota baru paduan suara mahasiswa namun, dengan beberapa catatan
agar keputusan yang dihasilkan sesuai dengan harapan penguji PAB.
2. Dengan bobot 60:40, untuk metode deffuzifikasi SOM, MOM & LOM,
prosentase kemiripan untuk jenis suara Sopran adalah sebesar 79,3%,
jenis suara Alto sebesar 88,2%, jenis suara Tenor dan Bass sebesar 100%.
3. Prosentase rentang kemiripan antar hasil sistem dengan sistem yang lama
adalah 72% hingga 100%.
4. Prosentase kemiripan hasil sistem seleksi dengan bobot 60:40 untuk
metode deffuzifikasi SOM, MOM & LOM sebesar 88,06%. Prosentase
kemiripan hasil sistem seleksi dengan bobot 65:35 untuk metode
deffuzifikasi SOM & MOM sebesar 88,06%, untuk metode deffuzifikasi
LOM sebesar 85,075%, Prosentase kemiripan hasil sistem seleksi dengan
bobot 70:30 sama dengan prosentase hasil sistem seleksi dengan bobot
65:35. Prosentase kemiripan hasil sistem seleksi dengan bobot 50:50 un-
tuk metode deffuzifikasi SOM sebesar 85,075%, untuk metode deffuzifi-
kasi MOM sebesar 91,045%, untuk metode deffuzifikasi LOM sebesar
88,06%. Prosentase kemiripan hasil sistem seleksi dengan bobot 40:60
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
95
untuk metode deffuzifikasi SOM adalah sebesar 85,075% dan untuk
metode deffuzifikasi LOM & MOM sebesar 88,06%
5. Berdasarkan hasil analisis, metode deffuzifikasi yang menghasilkan
prosentase kemiripan tertinggi adalah Mean of Maximum (MOM) dan
bobot kriteria vokal sebesar 50, bobot kriteria wawancara sebesar 50 yaitu
dengan prosentase 91,045%
5.2. Saran
Saran untuk pengembang sistem seleksi penerimaan anggota baru PSM
Cantus Firmus selanjutnya yaitu:
1. Untuk tahap tes vokal, lebih baik jika penilaiannya bisa dijabarkan se-
perti tahap wawancara.
2. Dapat mengubah batasan himpunan fungsi keanggotaan sehingga jika
terjadi perubahan sistem seleksi bisa ditangani dengan mudah.
3. Selanjutnya bisa mencoba utuk membandingkan metode komposisi antar
aturan yang berbeda dan metode deffuzifikasi yang berbeda pula.
4. Pengembang selanjutnya dapat mencoba mengkombinasikan algoritma
yang lain untuk menentukan hasil akhir kandidat yang akan diterima.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
96
LAMPIRAN
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Peng
etah
uan
Mot
ivas
iPe
ngal
aman
Peng
enal
an D
iriM
enta
l1
1524
2100
1R
osia
na K
. (N
inuk
)38
,51
112
17
Dite
rima
Sopr
anP.
Fis
215
1215
078
Yos
ie T
iara
Put
ri38
33
123
8D
iterim
aSo
pran
P. B
io3
1522
1200
2W
isnu
513
38
00
Dite
rima
Teno
r 2M
anaj
emen
415
1214
081
Tri A
dven
ta P
anad
e44
,53
311
29
Dite
rima
Alto
1PB
I5
1512
2000
5Y
ion
55,2
33
90
7D
iterim
aB
ass 2
Mat
emat
ika
615
4214
007
Ros
a V
irgin
ia D
haya
nti P
rata
ma
Putri
382
39
39
Dite
rima
Sopr
anSa
sing
715
1214
022
Kal
ista
Bek
inda
Kus
wid
anti
323
312
27
Dite
rima
Sopr
an 2
PBI
815
1214
089
Yos
ep E
ndik
a W
idiy
anto
393
311
28
Dite
rima
Bas
sPB
I9
1514
2107
8Eu
sebi
us L
uhun
g A
nglin
g K
usum
a40
,82
211
28
Dite
rima
Teno
r 2PE
1014
1214
010
Mon
ica
Vin
ny K
usum
anin
grun
g20
,53
313
39
Dito
lak
Sopr
an 2
PBI
1115
4212
008
Kar
unia
Maj
id41
33
113
7D
iterim
aA
lto 2
Sasi
ndo
1215
1214
011
Win
dy W
idya
wan
25,5
23
122
8D
iterim
aSo
pran
2PB
I13
1512
1409
1Y
ohan
es d
e B
ritto
Dia
n N
.42
,63
314
29
Dite
rima
Teno
r 2PB
I14
1540
4012
0Lu
kas K
evin
Und
ap52
,83
314
26
Dite
rima
Bas
s 1A
kunt
ansi
1515
4040
003
Sem
uel
301
39
08
Dite
rima
Bas
s 1A
kunt
ansi
1615
1114
009
Mar
ia Y
essi
ca38
,52
313
37
Dite
rima
Alto
2Fa
rmas
i17
1512
1708
1A
nton
ius M
ario
S. B
. P.
31,8
22
103
6D
iterim
aB
ass 1
Pak
1815
0422
009
Aga
tha
Des
i Vita
Pra
tiwi
36,5
22
92
6D
iterim
aA
ltoPs
ikol
ogi
1915
1210
090
Cae
cilia
Nov
ita A
. W.
24,5
22
102
9D
iterim
aSo
pran
2P.
Mat
2015
0422
109
Chr
istin
a M
ega
Citr
a47
33
143
9D
iterim
aSo
pran
2Ps
ikol
ogi
2115
4214
091
Alv
ares
Jave
rsan
41,4
33
133
5D
iterim
aTe
nor
Sasi
ng22
1512
1909
8A
ndre
as22
,51
38
28
Dite
rima
Bas
s 1PG
SD23
1512
1407
7M
arie
Lou
ise
Cat
herin
e W
idya
na35
12
101
3D
iterim
aSo
pran
2PB
I24
1511
1410
0V
iola
Gra
tia N
ati
383
312
39
Dite
rima
Alto
Farm
asi
2515
1213
090
Hel
iana
Mar
ia31
,53
310
37
Dite
rima
Alto
2B
K26
1512
1406
0G
ita43
33
143
9D
iterim
aSo
pran
PBI
2715
1421
079
Vitu
s48
,81
314
27
Dite
rima
Teno
r 1PE
2815
1210
001
Cha
ritas
Wid
yast
uti
322
315
28
Dite
rima
Sopr
an 2
P. M
at29
1512
2508
7Pr
isci
la F
elic
ia E
lu39
23
92
7D
iterim
aSo
pran
1 P
BSI
3015
0422
160
Ther
esia
Avi
la W
ahyu
Sul
isty
anin
grum
323
26
15
Dite
rima
Sopr
an 1
Psi
kolo
gi31
1550
1009
9G
rego
rius W
idya
tmok
o53
,41
210
37
Dite
rima
Teno
r 2TM
3215
1214
088
Yoh
ana
Ala
ya P
rude
nti
45,5
33
133
7D
iterim
aSo
pran
2PB
I33
1540
4004
0B
onifa
sius
Apr
ilian
to S
imat
upan
g43
,83
311
16
Dite
rima
Teno
rA
kunt
ansi
Suar
aPr
odi
No
NIM
NA
MA
Vok
alW
awan
cara
Kep
utus
an
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3415
1214
012
Elis
abet
Sus
anti
42,5
33
142
7D
iterim
aA
lto 2
PBI
3515
1214
001
Ran
ti K
artik
a29
,53
312
28
Dito
lak
Alto
1PB
I36
1553
1408
7Y
ustik
a K
ristia
na W
idya
ning
tyas
26,5
33
102
5D
itola
kSo
pran
2TI
3715
1213
091
Ther
esia
Ler
ina
38,5
21
72
4D
itola
kSo
pran
1B
K38
1512
1406
6C
harle
s Rac
hma
Dew
angg
a55
,23
212
28
Dite
rima
Teno
r 1PB
I39
1512
1410
1Ti
tus A
rga
Wid
iast
a46
,22
211
38
Dite
rima
Teno
r 2PB
I40
1553
1414
9St
anis
laus
Raf
ael B
hayu
N. W
.45
23
112
7D
iterim
aB
ass 2
TI41
1504
2211
1M
aria
Em
man
uela
Far
dian
a41
23
123
8D
iterim
aSo
pran
Psik
olog
i42
1522
1201
4V
inel
ia A
nggr
a36
,53
310
25
Dite
rima
Alto
Man
ajem
en43
1516
1213
0Ei
nge
423
210
28
Dito
lak
Alto
1TE
4415
0422
112
Gar
disa
Citr
a A
. K.
352
312
07
Dito
lak
Alto
Psik
olog
i45
1512
1402
1M
ikae
la N
adya
Gus
taria
261
16
26
Dito
lak
Sopr
anPB
I46
1511
1400
8Tr
i Sul
isty
o24
,62
29
25
Dito
lak
Teno
r 2Fa
rmas
i47
1512
0510
0Fr
ansi
sca
Wah
yu In
dria
stut
i25
,51
212
27
Dito
lak
SOPR
AN
IPPA
K48
1522
1204
5Fi
delis
Elle
ny A
verin
a22
32
102
6D
itola
kSo
pran
Man
ajem
en49
1512
2507
8C
hata
rina
Bor
a La
tong
251
211
28
Dito
lak
Alto
PBSI
5015
2224
001
Mel
a25
11
82
6D
itola
kA
LTO
Seja
rah
5115
1219
018
Gab
y21
11
72
4D
itola
kSo
pran
2PG
SD52
1504
2207
0A
delia
Tia
ra P
utri
282
27
14
Dito
lak
Sopr
anPs
ikol
ogi
5315
1219
011
Mar
ia S
alve
ntie
n N
oni
28,5
21
52
4D
itola
kSo
pran
PGSD
5415
1114
109
Rut
h Li
anan
da C
itra
Dol
oksa
ribu
21,5
23
112
6D
itola
kA
ltoFa
rmas
i55
1553
1401
9Y
ohan
es G
iova
nni K
risna
242
311
24
Dito
lak
Teno
rTI
5615
5010
091
Mat
hias
Vin
o23
,42
310
29
Dito
lak
Teno
rTM
5715
2421
022
Gre
goria
na22
,52
210
17
Dito
lak
Sopr
anP.
Fis
5815
1215
020
Tri A
di A
gung
241
17
15
Dito
lak
Teno
r 1P.
Bio
5915
2224
011
Dw
i Int
an F
ebria
nti
223
311
27
Dito
lak
Alto
Seja
rah
6015
0422
015
Jose
phin
e A
nind
ysar
i Kris
tana
to20
32
112
7D
iterim
aA
LTO
Psik
olog
i61
1512
1912
1Ei
nerit
a M
ayan
g D
estia
na21
21
92
7D
itola
kSo
pran
PGSD
6215
2212
044
Wiw
inda
Tos
ari
20,5
23
102
7D
itola
kSo
pran
Man
ajem
en63
1512
0510
1A
yu N
ugra
hani
ngsi
h29
,52
212
19
Dito
lak
Alto
IPPA
K64
1512
1008
0St
epha
ni P
embe
rialit
oti
202
26
25
Dito
lak
Sopr
anP.
Mat
6515
1214
055
Mar
ie L
ouis
e A
yu M
. R.
322
211
27
Dite
rima
Sopr
anPB
I66
1511
1411
1Fr
ansi
sca
Rom
ana
A. G
. O.
38,5
22
102
5D
itola
kSo
pran
Farm
asi
6715
1219
081
Igna
sius
Gay
uh A
. J.
20,4
22
122
9D
itola
kTe
nor
PGSD
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR PUSTAKA
Alter, S. L. 1980. Decision Support System: Current Practice and Continuing
Challanges. Reading, Massachusetts: Addison-Wesley.
Bonczek, R. H., Holsapple, C. W. dan Whinston, A. B.. (1980). "The Evolving
Roles of Models in Decision Support Systems." Decision Sciences, Vol.
11, No. 2.
Deni, Christina. 2008. Program Aplikasi untuk Menentukan Bantuan Dana
Rekonstruksi Gempa Menggunakan Logika Kabur dengan Inferensi
Metode Tsukamoto. Yogyakarta.
Fishburn, P. C. 1967.” Additive Utilities with Incomplete Product Set:
Application to Priorities and Assignments”. A Problem-based Selection
of Multi Attribute Decision Making Methods. Blackwell Publishing.
Jayanti, S. dan Hartati, S. 2012. “Sistem Pendukung Keputusan Seleksi
Anggota Paduan Suara Dewasa Menggunakan Metode Fuzzy Mamdani.”
IJCCS, Vol. 6, No. 1.
Keen, P. G. W. (1980, Fall). "Adaptive Design for Decision Support Systems."
Data Base, Vol. 12, Nos. 1 and 2.
Kusumadewi, S. dan Purnomo, H. 2004. Aplikasi Logika Fuzzy untuk
Pendukung Keputusan. Yogyakarta: Graha Ilmu.
Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R. 2006. Fuzzy Multi-
Attribute Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu.
Little, J. D. C. 1970, April. “Model and Managers: The Concept of a Decision
Calculus.” Management Science, Vol. 16, No. 8.
MacCrimmon, K. R. 1968.” Decision Making among Multiple Attribute
Alternatives: A Survey and Consolidation Approach”. A Problem-based
Selection of Multi Attribute Decision Making Methods. Blackwell
Publishing.
Moore, J. H., dan Chang, M. G. (1980). "Design of Decision Support Systems."
Data Base, Vol. 12, Nos. 1 and 2.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Simon, H. 1997. The New Science of Management Decision. Englewood Cliffs,
New Jersey: Prentice Hall.
Susilo, F. 2006, Himpunan & Logika Kabur Serta Aplikasinya, Yogyakarta:
Graha Ilmu.
Turban, E., Aronson, J. E. dan Liang, T. P. 2005, Decision Support Systems
and Intelligent Systems Edisi 7 Jilid 1, Diterjemahkan oleh: Dwi
Prabantini, Yogyakarta: Penerbit Andi.
Yoon, KP. dan Hwang, L-C. D. 1981. “Multiple Attribute Decision Making,
Methods and Applications, A State-of-the-Art-Survey”. Multi-Criteria
Decision Making: An Application Study of ELECTRE & TOPSIS. Janko,
Wolfgang.
Zimmermann. 1991. Fuzzy Sets Theory and Its Application. Massachusetts:
Kluwer Academic Publishing.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI