PENERAPAN FUZZY INFERENCE SYSTEM METODE TSUKAMOTOUNTUK MENETUKAN WAKTU PUTAR MESIN CUCI

LAPORAN PENELITIANDisusun Sebagai Tugas Dalam Matakuliah Kecerdasan Buatan

Dosen :Nurjaya, S.kom, M.komDisusun Oleh :AKBAR WIRA PRADANA2010140724

PROGRAM STUDI TEKNIK INFORMATIKAFAKULTAS TEKNIKUNIVERSITAS PAMULANGPAMULANG2013

DAFTAR ISI

Hal.DAFTAR ISIiiDAFTAR GAMBARivDAFTAR TABELvBAB I PENDAHULUAN11.1Latar Belakang Masalah11.2Permasalahan Penelitian31.2.1Identifikasi masalah31.2.2Ruang Lingkup Masalah31.2.3Rumusan masalah31.3Tujuan Dan Manfaat Penelitian41.3.1Tujuan Penelitian41.3.2Manfaat penelitian41.4Sistematika Penulisan4BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN52.1Tinjauan Studi52.2Landasan Teori Sistem Pendukung Keputusan62.2.1Pengertian Sistem62.2.2Pengertian Keputusan62.2.3Pengertian sistem Pendukung keputusan72.2.4Prosedur Pengambilan Keputusan72.2.5Tujuan dari Sistem Pendukun Keputusan82.2.6Karakteristik dan Kemampuan Sistem Pendukung Keputusan82.3Metode Bayes102.3.1Probabilitas102.3.2Probabilitas bersyarat112.3.3Teorema Bayes, Probabilitas Prior dan Probabilitas Posterior122.3.4Probabilitas Obyektif dan probabilitas Subyektif132.3.5Prefrensi dan Teori Utilitas152.3.6Fungsi utilitas172.3.7Pohon Keputusan202.4Kerangka Pemikiran21BAB III METODE PENELITIAN223.1Analisa Kebutuhan223.2Perancangan Penelitian23DAFTAR PUSTAKA25

DAFTAR GAMBAR

Gambar 2.1 Penggabungan titik-titik hasil penjajagan kurva Utilitas19Gambar 2.2 Kerangka Pemikiran21Gambar 3.1 Tahapan penelitian23

DAFTAR TABEL

Tabel 3.1 Kebutuhan Perangkat keras dan Perangkat Lunak22

iii

BAB I PENDAHULUAN

Latar Belakang Masalah// Objek dan MasalahMesincuci telah menjadi kebutuhan sekunder yang utama di Indonesia, karena Chung Jang Hoon[footnoteRef:1], mengatakan penjualan mesin cuci di sembilan bulan pertama 2010 meningkat sekitar 50 persen ketimbang tahun lalu (Raharjo, 2010). Pengaturan waktu putar pada mesin cuci penting ditangani dengan benar, karena masing-masing jenis kain memiliki karakteristik yang berbeda dan membutuhkan waktu pencucian yang berbeda pula. (Agarwal, 2010) [1: Chung Jang Hoon , Manajer Umum Penjualan Peralatan Elektronik Rumah Tangga PT LG Electronics Indonesia.]

Pada dasarnya penerapan sistem inferensi fuzzi dalam menetukan waktu putar mesin cuci ini masih diharapkan dapat memberikan hasil yang maksimal dalam menghemat energi listrik dan menghemat waktu kerja dalam proses mencuci guna mendapatkan hasil cuci pakaian yang bersih. // Metode yang diusulkanBeberapa metode yang diususlkan oleh banyak peneliti, Fuzzy Inference System metode Sugeno (Nurhayati, 2007)// Kekurangan dan KelebihanSistem fuzzy Sugeno memperbaiki kelemahan yang dimiliki oleh sistem fuzzy murni untuk menambah suatu perhitungan matematika sederhana sebagai bagian THEN. Pada perubahan ini, sistem fuzzy memiliki suatu nilai rata-rata tertimbang (Weighted Average Values) di dalam bagian aturan fuzzy IF-THEN. Sistem fuzzy Sugeno juga memiliki kelemahan terutama pada bagian THEN, yaitu dengan adanya perhitungan matematika sehingga tidak dapat menyediakan kerangka alami untuk merepresentasikan pengetahuan manusia dengan sebenarnya. Permasalahan kedua adalah tidak adanya kebebasan untuk menggunakan prinsip yang berbeda dalam logika fuzzy, sehingga ketidakpastian dari sistem fuzzy tidak dapat direpresentasikan secara baik dalam kerangka ini. (Iswari & Wahid, 2005)Penelitian yang dilakukan (Yuniarti, 2010), menerapkan metode TOPSIS dalam penelitiannya. Menggunakan tiga buah variable input yaitu kemampuan dasar IPA/IPS, nilai tes bakat scholastic dan besar sumbangan pembangunan. Berdasarkan pengujian, Aplikai Sistem pendukung keputusan (spk) penyeleksian calon mahasiswa melalui jalur SPMU dari perhitungan yang dilakukan oleh aplikasi ini, dan perhitungan manualnya terdapat kesamaan. Namun ada sedikit perbedaan pada hasil yang disebabkan oleh adanya pembulatan angka pada perhitungan secara manual.Penelitian yang dilakukan (Muzdalifah, 2009), dengan menerapkan metode AHP. Menggunakan tiga jalur seleksi yang berbeda dengan banyak variabel pada masingmasing jalur seleksi, memberikan hasil test yang berbeda pula, didapati bahwa jumlah yang tertinggi akan menjadi peringkat yang pertama. Apabila didapati nilai hasil tes yang sama dengan calon mahasiswa lain maka perangkingan akan diurut berdasarkan no tes calon mahasiswa baru.keputusan diambil berdasarkan keputusan top manajemen setelah melalui perhitungan menggunakan metode AHP.Penelitian yang dilakukan (Maryati, 2012), dimana peneliti ini menggunakan metode Bayes namun hanya membahas tentang penyeleksian siswa melalui jalur nilai ujian nasional (NUN), dengan menggunakan tiga buah variable input dari nilai ujian nasional matematika, bahasa indonesia dan bahasa inggris. dan menghasilkan dua buah variabel output nilai calon siswa, dan rangking calon siswa. Pada penelitian i ni metode Bayes diimplementasikan dalam bentuk website online, dengan tujuan proses penyeleksian calon siswa dapat dilakukan lebih cepat, lebih mudah serta menghasilkan data yang lebih akurat. Metode AHP memiliki kelebihan yaitu dapatmembuat permasalahan yang luas dan tidak terstruktur menjadi suatu model yang fleksibel dan mudah dipahami, mempertimbangkan konsistensi logis dalam penilaian yangdigunakan untuk menentukan prioritas. kelemahannya input utama berupa persepsi seorang ahli sehingga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru (Satty, 1993).Metode Bayes Mudah untuk dipahami.Hanya memerlukan pengkodean yang sederhana, Lebih cepat dalam penghitungan.Sedangkan kekurangan dari Teori probabilitas Bayesian adalah karena pada teori ini, satu probabilitas saja tidak bisa mengukur seberapa dalam tingkat keakuratannya. Dengan kata lain, kurang bukti untuk membuktikan kebenaran jawaban yang dihasilkan dari teori ini (Grainner, 1998)Pada penelitian ini akan dilakukan penerapan metode Bayes melalui jalur seleksi NUN dengan menambahkan satu buah variabel input yaitu matapelajaran fisika. Adapun variabel input yang akan digunakan antara lain matapelajaran matematika, fisika, bahasa indonesia dan bahasa inggris. dan akan menghasilkan duah buah variabel output nilai calon siswa dan rangking calon siswa. Dengan tujuan agar proses seleksi penerimaan siswa dapat dilakukan lebih cepat dan mengmenghasilkan data yang lebih akurat dibandingkan dengn penelitian sebelumnya.

Permasalahan PenelitianBerdasarkan latar belakang masalah dapat dilakukan identifikasi masalah diantaranya:Identifikasi masalahBerdasarkan latar belakang masalah diantaranya:a. Penerapan Fuzzy Inference System Metode Tsukamoto masih diharapkan memberikan hasil yang lebih efisien dalam penggunaan sumber daya listrik dan efisiensi waktu dalam melakukan proses pencucian pakaian untuk memperoleh hasil cuci yang bersih.

Ruang Lingkup MasalahDalam penelitian ini permasalahan dibatasi hanya untuk menetukan waktu putar mesin cuci dalam peroses pencucian. Menggunaka dua buah variabel input berupa Beban Pakaian dan Tingkat Kekotoran. Rumusan masalahDalam penelitian ini pertanyaan yang diajukan adalah Penerapan metode Fuzzy Inference System Tsukamoto dalam menetukan waktu putar mesin cuci.

Tujuan Dan Manfaat PenelitianAdapun tujuan dan manfaat dalam penelitian seleksi penerimaan mahasiswa antara lain :Tujuan PenelitianTujuan dalam penelitian ini adalah menerapkan metode Fuzzy Inference System metode Tsukamoto untuk menetukan waktu putar mesin cuci dalam proses pencucian pakaian. Diharapakan penerapan metode ini dapat memberikan hasil yang lebih maksimal dalam penghematan energi listrik dan penghematan waktu kerja guna menghasilkan hasil cuci pakaian yang lebih bersih. Manfaat penelitianManfaat yang diharapkan dari penelitian ini adalah:a. Dengan penelitian ini diharapkan dapat menjadi bahan acuan untuk melakukan penelitian selanjutnya.b. Sebagai masukan atau informasi yang bermanfaat bagi pihak kampus dalam penerapan Fuzzy Inference System.c. Menambah khazanah keilmuan, pemikiran dan pengalaman dalam dunia Teknik Informatika bagi penulis ( khususnya ) dan untuk masyarakat banyak ( umumnya ).Sistematika PenulisanSecara keseluruhan penulisan penelitian ini dapat digambarkan di dalam beberapa bab dengan sistematika penulisan adalah sebagai berikut:BAB I PENDAHULUANMenjelaskan tentang Latar belakang masalah, Rumusan Masalah, Tujuan Penelitian, Ruang Lingkup Penelitian, Manfaat Penelitian dan Sistematika Penulisan.BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRANMenjelaskan tentang Tinjauan studi yang berisi uraian singkat dari beberapa penelitian dan Tinjauan pustaka yang berisi teori teori yang berhubungan dengan materi penelitian.

BAB III LANDASAN TEORI DAN KERANGKA PEMIKIRANMenjelaskan tentang Metode Penelitian, Metode Pengumpulan Data, Metode Pengolahan Awal Data serta Eksperimen dan Pengujian Metode.BAB IVHASIL DAN PEMBAHASANMenjelaskan tentang hasil dan Pengujian dan Experimen, Evaluasi dan validasi Hasil dan Implikasi Penilaian.BAB VKESIMPULAN DAN SARANMenjelaskan tentang kesimpulan dan saran.

BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN

2.1 Tinjauan StudiPenelitian penelitian yang berhubngan dengan seleksi penerimaan siswa / mahasiswa diantaranya:Penelitian yang dilakukan (Yuniarti, 2010), menerapkan metode TOPSIS dalam penelitiannya. Menggunakan tiga buah variable input yaitu kemampuan dasar IPA/IPS, nilai tes bakat scholastic dan besar sumbangan pembangunan. Berdasarkan pengujian, Aplikai Sistem pendukung keputusan (spk) penyeleksian calon mahasiswa melalui jalur SPMU dari perhitungan yang dilakukan oleh aplikasi ini, dan perhitungan manualnya terdapat kesamaan. Namun ada sedikit perbedaan pada hasil yang disebabkan oleh adanya pembulatan angka pada perhitungan secara manual.Penelitian yang dilakukan (Muzdalifah, 2009), dengan meenerapkan metode AHP. Menggunakan tiga jalur seleksi yang berbeda dengan banyak variabel pada masingmasing jalur seleksi, memberikan hasil test yang berbeda pula, didapati bahwa jumlah yang tertinggi akan menjadi peringkat yang pertama. Apabila didapati nilai hasil tes yang sama dengan calon mahasiswa lain maka perangkingan akan diurut berdasarkan no tes calon mahasiswa baru.keputusan diambil berdasarkan keputusan top manajemen setelah melalui perhitungan menggunakan metode AHP.Penelitian yang dilakukan (Maryati, 2012), dimana peneliti ini menggunakan metode Bayes namun hanya membahas tentang penyeleksian siswa melalui jalur nilai ujian nasional (NUN), dengan menggunakan tiga buah variable input dari nilai ujian nasional matematika, bahasa indonesia dan bahasa inggris. dan menghasilkan dua buah variabel output nilai calon siswa, dan rangking calon siswa. Pada penelitian i ni metode Bayes diimplementasikan dalam bentuk website online, dengan tujuan proses penyeleksian calon siswa dapat dilakukan lebih cepat, lebih mudah serta menghasilkan data yang lebih akurat.

2.2 Landasan Teori Sistem Pendukung Keputusan2.2.1 Pengertian SistemSystem merupakan kumpulan elemen yang saling berkaitan yang bertanggung jawab memproses masukan (input) sehingga menghasilkan keluaran (output). (Kusrini, 2007, hal. 11).Menurut M.J Alexander dalam buku Information System Analysis: Theoryand Application,sistem merupakan suatu group dari elemen-elemen baik yang berbentuk fisik yang menunjukkan suatu kumpulan saling berhubungan diantaranya dan berinteraksi bersama-sama menuju satuatau lebih tujuan, sasaran atau akhir dari suatu system. (Alexander, 1974).Sistem adalah sekelompok komponen yang saling berhubungan, bekerja bersama, untuk mencapai tujuan bersama dengan menerima input serta menghasilkan output dalam proses transformasi tertentu. (O'Brien, 2005, hal. 29).Fungsi Sistem yang utama adalah menerima masukan, mengolah masukan, dan menghasilkan masukan. Agar dapat menjalankan fungsinya ini, system akan memiliki komponen-komponen input, proses, kelaran, dan control untuk menjamin bahwa semua fungsi dapat berjalan dangan baik. (Winarno, 2004, hal. 15)

2.2.2 Pengertian KeputusanKeputusan merupakan kegiatan memilih suatu strategiatau tindakan dalam pemecahan masalah tersebut. Tindakan memilih strategi atau aksi yang diyakini manajer akan memberikan solusi terbaik atas sesuatuitu disebut pengambilan keputusan. Tujuan dari keputusan adalah untuk mencapai target atau aksi tertentu yang harus dilakukan.Kriteria atau ciri-ciri dari keputusan :a. Banyak pilihan atau alternativeb. Ada kendala atau syarat c. Mengikuti suatu pola/model tingkat laku, baik yang terstruktur maupun tidak terstruktur. d. Banyak input/variable e. Ada factor resiko f. Dibutuhkan kecepatan, ketepatan, dan keakuratan (Kusrini, 2007, hal. 7)2.2.3 Pengertian sistem Pendukung keputusanSistem pendukung keputusan atau Decission Support System (DSS) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data. Sistem itu digunakan untukmembantu pengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Alter, 2002).Senada dengan para pakar lainnya, ( Raymond McLeod, Jr. Dalam bukunya Sistem Informasi Manajemen menekankan bahwa SistemPendukung Keputusanadalah suatu system informasi yang ditujukan untuk membantu manajemen dalam memecahkan masalah yang dihadapinya.(2001:55).

2.2.4 Prosedur Pengambilan Keputusana. Mengidentifikasi masalah b. Mengklarifikasi tujuan-tujuan khusus yang diinginkan c. Memeriksa berbagai kemungkinan untuk mencapai tujuan yang telah ditetapkan. d. Mengakhiri proses itu dengan menetapkan pilihan bertindak dengan dasar fakta dan nilai (kepuasan dan kemungkinan yang timbul). (Kusrini, 2007, hal. 9)2.2.5 Tujuan dari Sistem Pendukun Keputusan1. Membantu manajer dalam pengambilan keputusan atas masalah semi tersruktur. 2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan untuk menggantikan fungsi manajer. 3. Meningkatkan efektivitas keputusan yang diambil manajer lebih dari perbaikan efesiensinya. 4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya rendah. 5. Peningkatan produktifitas. Membangun satu kelompok pengambil keputusan, terutama para pakar bisa sangat mahal. Pendukung terkomputerisasi bias mengurangi ukuran kelompok dan memungkinkan para anggotanya untuk berada di berbagai lokasi yang berbeda-beda (menghemat biaya perjalanan). 6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang dibuat. 7. Berdaya saing. 8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan. (Kusrini, 2007, hal. 16)2.2.6 Karakteristik dan Kemampuan Sistem Pendukung KeputusanMenurut (Turban, 2005), ada beberapa karakteristik dari SPK, di antarannya adalah sebagai berikut: 1. Mendukung seluruh kegiatan organisasi 2. Mendukung beberapa keputusan yang saling berinteraksi 3. Dapat digunakan berulang kali dan bersifat konstan 4. Terdapat dua komponen utama, yaitu data dan model 5. Menggunakan baik data ekternal maupun internal 6. Memiliki kemampuan what-if analysis dan goal seeking analysis 7. Menggunakan beberapa model kuantitatif Selain itu, Turban juga menjelaskan kemampuan yang harus dimiliki oleh sebuah sistem pendukung keputusan, di antaranya adalah sebagai berikut: 1. Menunjang pembuatan keputusan manajemen dalam menangani masalah semi terstruktur dan tidak terstruktur. 2. Membantu manajer pada berbagai tingkatan manajemen, mulai dari manajemen tingkat atas sampai manajemen tingkat bawah. 3. Menunjang pembuatan keputusan secara kelompok dan perorangan. 4. Menunjang pembuatan keputusan yang saling bergantungan dan berurutan. 5. Menunjang tahap-tahap pembuatan keputusan antara lain intelligence, design, choice dan implementation. 6. Menunjang berbagai bentuk proses pembuatan keputusan dan jenis keputusan. 7. Kemampuan untuk melakukan adaptasi setiap saat dan bersifat fleksibel.8. Kemudahan melakukan interaksi sistem. 9. Meningkatkan efektivitas dalam pembuatan keputusan daripada efisiensi. 10. Mudah dikembangkan oleh pemakai akhir. 11. Kemampuan pemodelan dan analisis dalam pembuatan keputusan.12. Kemudahan melakukan pengaksesan berbagai sumber dan format data. Disamping berbagai kemampuan dan karakteristik seperti dikemukakan di atas, sistem pendukung keputusan memiliki juga keterbatasan, antara lain: 1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan yang sebenarnya. 2. Kemampuan suatu sistem pendukung keputusan terbatas pada pengetahuan dasar serta model dasar yang dimilikinya. 3. Proses-proses yang dapat dilakukan oleh sistem pendukung keputusan biasanya tergantung juga pada kemampuan perangkat lunak yang digunakannya. 4. Sistem pendukung keputusan tidak memiliki intuisi seperti yang dimiliki oleh manusia. Karena sistem pendukung keputusan hanya suatu kumpulan perangkat keras, perangkat lunak dan sistem operasi yang tidak dilengkapi oleh kemampuan berpikir.2.3 Metode Bayes2.3.1 ProbabilitasProbabilitas suatu kejadian X adalah jumlah bobot semua titik sampel yang termasuk XProbabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu kejadian yang tidak pasti. Misalnya, P(X) = 0,80 artinya probabilitas bahwa suatu kejadian X akan terjadi sebesar 80% dan probabilitas X tidak terjadi adalah sebesar 20%. Nilai probabilitas ini dapat dihitung berdasarkan nilai hasil pengamatan (obyektif) atau berdasarkan pertimbangan(subyektif).Besarnya probabilitas terjadinya suatu kejadian adalah antara nol sampai satu. Atau dapat dapat dituliskan 0 P(X) 1 , dimana P(X) menyatakan nilai kemungkinan bagi munculnya kejadian X . Dan jumlah semua kemungkinan dari seluruh hasil kejadian yang mungkin muncul adalah satu. Pernyataan tersebut dapat dituliskan , atau P(X) = 1 dimana menyatakan anggota ruang hasil.Nilai probabilitas suatu kejadian daat dihitung menggunakan rumus:

dimana:P(X)= Probabilitas terjadinya kejadian N= Banyaknya kejadian yang mungkin terjadi (populasi)n= Kejadian yang ingin diukur (sampel).Contoh : Berapa probabilitasnya terambil kartu gambar hati dari satu set kartu bridge pada sekali pengambilan?Jawab:N = 52 (jumlah satu set kartu bridge)n = 13 (banyaknya kartu gambar hati dalam satu set kartu bridge)Sehingga dapat dihitung dengan mudah bahwa

2.3.2 Probabilitas bersyarat1. Bila A dan Bmutually exclusive (kejadian yang saling meniadakan), maka :

2. Bila A dan Bdua kejadian sembarang, maka:

3. Bila ada kejadian yaitu yang mutually exclusivedan membentuk kejadian A, maka :

4. Bila A dan B independent (bebas), maka:

5. Bila A dan B dependent (tidak bebas), maka:

dimana Probabilitas bersyarat adalah probabilitas terjadinya kejadian A dengan syarat kejadian B telah terjadi. Notasi dituliskan dalam bentukP(A|B) dan dibaca probabilitas A dengan syarat B.Definisi : Jika A dan B adalah dua kejadian sedemikian hingga P(B)>0, maka :

2.3.3 Teorema Bayes, Probabilitas Prior dan Probabilitas PosteriorTeorema BayesTeorema Bayes berdasar pada probabilitas bersyarat. Dalam teorema Bayes, jika terdapatuntuk dan merupakan kejadian yang saling meniadakan (mutually exclusive event), kemudian B suatu kejadian di mana , maka :

Dimana= Probabilitas terjadinya kejadian , dengan syarat terjadinya B.= Probabilitas terjadinya kejadian .= Probabilitas terjadinya kejadian B dengan syarat terjadi dengan i= 1,2,3,...,k.Teorema Bayes tersebut dapat dibuktikan sebagai berikut:

= = = Probabilitas PriorProbabilitas prior atau sering juga disebut sebagai probabilitas awal merupakan informasi awal yang menyatakan nilai probabilitas suatu kejadian. Contoh : Anda ingin membeli 100 unit suku cadang sepeda motor. Lalu sebelum transaksi dilaksanakan, penjual mengatakan kepada Anda bahwa perusahaan mereka mentolerir 5% hasil produksi yang cacat dari semua barang hasil produksi mereka per bulannya. 5% atau 0,05 ini adalah nilai probabilitas awal yang anda ketahui tentang kondisi suku cadang yang hendak Anda beli tersebut. 0,05 inilah yang disebut sebagai probabilitas prior.Probabilitas PosteriorProbabilitas posterior sering juga disebut probabilitas tambahan untuk mendukung probabilitas prior. Untuk lebih jelasnya, kembali pada contoh di atas, jika sekiranya dilakukan pemeriksaan kembali atas hasil produksi suku cadang pada bulan tersebut, lalu hasilnya didapat bahwa probabilitas suku cadang yang cacat ternyata tidaklah lagi 0,05 melainkan 0,10 atau 10 %. 0,10 atau 10% inilah yang disebut probabilitas posterior sebagai pengganti probabilitas prior yang diketahui sebelumnya.2.3.4 Probabilitas Obyektif dan probabilitas SubyektifPada umumnya probabilitas selalu dikaitkan dengan distribusi frekuensi yang menunjukkan seberapa seringnya (how frequently) suatu kejadian terjadi. Probabilitas sering diperkirakan dengan limit dari frekuensi relatif.Didalam prakteknya nilai frekuensi relatif itu sendiri dipergunakan untuk memperkirakan nilai probabilitas. Misalnya kalau mata uang logam dilempar 1000 kali (n = 1000) kemudian gambar burung (B) muncul 499 kali, maka P(B)= probabilitas untuk memperoleh gambar burung sebesar 499/1000 = 0,499 atau 0,5. Kemudian dikatakan, secara limit P(B) = 0,5 walaupun bisa terjadi dalam 100 kali lemparan, gambar burung mungkin muncul 90 kali.Di dalam jangka panjang, kalau lemparan sampai ribuan kali, angka rasio atau perbandingan antrara munculnya dengan banyak lemparan (n), limitnya mendekati 0,5. Itulah sebabnya P(B) = 0,5. Analisis frekuensi relatif inilah yang pada dasarnya mendasari nilai kemungkinan pada pelemparan mata uang, dan disebut sebagai probabilitas obyektif.Untuk memperoleh probabilitas obyektif dibutuhkan situasi dimana percobaan yang berulang-ulang dapat dilakukan atau sudah ada pengalaman sebelumnya.Selain konsep probabilitas seperti di atas, kenyataan yang sering dihadapi adalah hal yang berbeda. Sering persoalan yang dihadapi adalah situasi yang belum pernah terjadi sebelumnya, misalnya : Apakah barang hasil produksi perusahaan akan dapat diterima oleh pasar, apakah seseorang yang meminjam uang akan mengembalikan uang yang dipinjamnya tepat pada waktu yang ditentukan dan lain sebagainya.Untuk menghadapi persoalan semacam ini, dibutuhkan konsep probabilitas yang lain, yang dapat menerangkan ketidakpastian tanpa harus menggunakan berbagai data atau percobaan sebelum dapat dinyatakan nilai probabilitasnya.Probabilitas yang demikian adalah probabilitas subyektif. Probabilitas subyektif mencerminkan tingkat keyakinan (confident level) seseorang terhadap suatu kejadian yang tak pasti dan ini didasarkan pada pengalaman dan informasi yang dia miliki pada saat itu. Oleh karena itu, pernyataan probabilitas semacam ini akan menghasilkan probabilitas subyektif. Selain itu, nilai probabilitas yang dihasilkan juga akan berbeda-beda antara orang yang satu dengan yang lain, karena pengalaman ataupun keterampilan yang mereka miliki.Perbedaaan utama antara pandangan subyektif dan obyektif adalah pada pernyataan probabilitasnya (probability statement). Pandangan obyektif menyatakan probabilitas sebagai state of thing, yaitu ciri atau karakteristik suatu benda atau proses, sama halnya dengan berat, volume, cepat, lambat dan sebagainya. Sebaliknya pandangan subyektif menyatakan probabilitas sebagai state of mind atau suatu tingkat pengetahuan yang dimiliki oleh seseorang berkenaan dengan suatu keadaan.2.3.5 Prefrensi dan Teori UtilitasPreferensi dapat dikatakan sebagai ketertarikan seseorang pada sesuatu. Di dalam konsep pengambilan keputusan, nilai preferensi ini akan diukur dengan tujuan diperoleh sebuah keputusan yang seolah-olah bersifat obyektif. Proposisi dasar perlakuan modern mengenai utilitas adalah bahwa dimungkinkan untuk memperoleh suatu ekspresi angka mengenai preferensi seseorang.Utilitas adalah angka yang mengekspresikan nilai pay-off sebenarnya sesuai dengan konsekuensi keputusan. Pay-off yang dimaksud disini dapat berupa satuan mata uang (smu), jumlah satuan barang ataupun bentuk-bentuk ukuran lain yang bentuknya sangat jelas. Untuk suatu himpunan hasil (set of outcomes) yang sudah dibuat peringkat berdasarkan preferensinya, dapat ditentukan nilai utilitasnya yang menjelaskan preferensi tersebut. Utilitas terbesar untuk hasil yang paling disukai, sedangkan semakin kecil nilai utilitas semakin tidak disukai.Berikut dijabarkan beberapa asumsi untuk menentukan nilai utilitas yang mempunyai kesamaan bahwa nilai utilitas yang diperoleh hanya mengenai individu tunggal (hanya berlaku untuk perorangan) dan berperilaku taat azas (consistently) yang sesuai dengan seleranya. Dalam kata lain, kapanpun dan dimanapun, jika menghadapi persolan yang sama, keputusan yang aakan diambilnya akan sama.Asumsi-asumsi tersebut adalah :1. Peringkat PreferensiAsumsi ini menyatakan bahwa seseorang dapat menentukan untuk setiap pasang hasil dan apakah Ia lebih memilih daripada , atau sebaliknya, atau tak membedakan sama sekali antara memilih maupun . Asumsi ini akan mudah dimengerti jika pay-off dalam bentuk satuan mata uang ataupun ukuran-ukuran kuantitatif lainnya. Peringkat preferensi akan menjadi lebih susah bila pay-offdinyatakan secara kualitatif. Selama preferensi terhadap dua hasil pilihan tidak dapat ditentukan, selama itu pula nilai utilitas tidak dapat diperoleh nilainya.2. Transitivitas PreferensiAsumsi kedua ialah apabila lebih disukai dari dan lebih disukai dari , maka jelas bahwa lebih disukai dari . Sifat yang demikian disebut transitivitas dan mencerminkan sifat taat azas dari seorang individu. Contohnya: seseorang lebih menyukai buah durian daripada pepaya, dan Ia lebih menyukai pepaya daripada pisang. Sehingga sifat taat azasnya adalah bahwa Ia lebih menyukai durian daripada pisang.3. Asumsi kontinuitas Asumsi kontinuitas menyatakan, ada beberapa permainan yang memiliki hasil terbaik dan terburuk sebagai hasilnya, namun ada kalanya bahwa seseorang menganggap sama preferensinya dengan hasil yang sedang (cukup) atau hasil diantara dua keadaan hasil yang sangat ekstrim tersebut.4. Asumsi SubstitutabilitasAsumsi Substitutabilitas menyatakan, memungkinkan untuk memperbaiki/merevisi suatu permainan dengan penggantian (substituting) suatu hasil dengan hasil lainnya, asalkan ada kesamaan. Dalam kata lain, seseorang bersedia untuk menukar hasil yang diperolehnya pada sebuah permainan dengan hasil yang ditawarkan pada permainan lain dimana Ia merasa tidak berbeda antara keduanya.5. Asumsi Peningkatan PreferensiAsumsi ini berkenaan dengan setiap pasangan kejadian dengan hasil yang sama yang mungkin dialami dalam sebuah permainan. Kejadian dengan nilai probabilitas terbesar untuk hasil yang lebih diinginkan, harus lebih disukai. Atau dalam artian lain, preferensi akan kejadian dengan probabilitas penerimaan hasil terbesar pasti lebih disukai daripada yang sebaliknya.2.3.6 Fungsi utilitasSebelum dipakai dalam pengambilan keputusan, tentunya perlu diketahui bagaimana pengungkapan fungsi utilitas tersebut. Proses penjajagan ini juga harus dibuat sedemikian rupa agar nantinya dapat dipakai untuk mengungkapkan nilai preferensi dan tetap taat azas sehingga asumsi-asumsi utilitas pun dapat dipenuhinya.Yang pertama sekali dilakukan dalam penjajagan fungsi utilitas adalah penentuan batasaan nilai. Penjajagan ini dilakukan setelah keseluruhan model yang mencakup ketidakpastian, probabilitas atau nilai kemungkinan dan kriteria penilaiannya adalah tunggal, sehingga hanya terdapat satu besaran yang digunakan.Syarat utama agar sebuah fungsi utilitas dapat ditentukan adalah bahwa nilai maksimum dan nilai minimum dari persoalan yang sedang dihadapi tercakup dalam fungsi tersebut. Oleh karena itu, pengambil keputusan harus mampu untuk menentukan nilai maksimum dan minimum pada persoalan yang dihadapinya.Selanjutnya, yang harus dilakukan adalah menggambarkan semua kumpulan titik-titik nilai ekivalen tetap dari sebanyak mungkin situasi dan membentuknya dalam sebuah kurve fungsi utilitas.Contoh : ambil sebuah permasalahan dengan kriteria penilaian hasil dengan satuan matuan uang rupiah yang berkisar antara Rp. 5000,- sampai dengan Rp. 50000,-. Lalu kedua nilai di atas dijadikan sebagai batas-batas fungsi utilitas dengan Rp.5000,- sebagai batas terendah dinyatakan dengan utilitas sebesar nol (0) sedangkan Rp.50000,- sebagi nilai tertinggi dinyatakan dengan utilitas sebesar (1). Dengan begitu, telah didapat 2 titik dalam kurve fungsi utilitas yaitu dan , lalu dapat dijajagi titik lainnya yang diperlukan.Selanjutnya, untuk nilai ekivalen tetap , dan dapat dihitung nilai utilitasnya seperti berikut :

Sehingga secara keseluruhan, kelima titik fungsi utilitas di atas dapat digambarkan sebagai berikut :

Gambar 2.1 Penggabungan titik-titik hasil penjajagan kurva UtilitasSecara matematis fungsi utilitas dapat dinyatakan dalam bentuk eksponensial, yang bentuk umumnya adalah:

Dimana := Fungsi utilitas untuk nilai x= batas bawah fungsi utilitas= batas atas fungsi utilitas= 2,7182 (nilai exponensial)= parameterSehingga bila digambarkan, bentuk spesifik fungsinya ditentukan oleh besaran c.

2.3.7 Pohon KeputusanDiagram pohon keputusan adalah suatu diagram berupa pohon bercabang-cabang yang menggambarkan hubungan antara alternatif keputusan/tindakan dengan kejadian-kejadian tak pasti yang melingkupi setiap alternatif dan hasil alternatif keputusan yang dipilih.Saat pengambilan keputusan adalah saat dimana pengambil keputusan sepenuhnya memilih kendali dalam bertindak, sedangkan saat kejadian tak pasti adalah saat dimana faktor eksternal yang menentukan apa yang akan terjadi.Notasi yang digunakan dalam diagram pohon keputusan adalah sebagai berikut :: Tanda empat persegi sebagai simbol keputusan.: Tanda lingkaran sebagai simbol kejadian tak pasti.Tahapan dalam penggambaran diagram pohon keputusan :1. Tentukan terlebih dahulu kumpulan alternatif tindakan awal.2. Tentukan kejadian tak pasti yang melingkupi alternatif tindakan awal.3. Tentukan adanya alternatif tindakan lanjutan.4. Tentukan kejadian tak pasti yang melingkupi alternatif tindakan lanjutan.

2.4 Kerangka PemikiranKerangka pemikiran dalam metode ini dapat dilihat pada gambar 2.2

Gambar 2.2 Kerangka PemikiranDalam kerangka pemikiran diatas dijelaskan bahwa penelitian ini ditujukan untuk melakukan proses seleksi calon mahasiswa dengan menerapkan metode Bayes, dengan menggunakan empat variabel input yaitu variabel nilai ujian nasional fisika, matematika, bahasa indonesia dan bahasa inggris. sedangkan dengan dua variabel output yaitu variabel skor calon mahasiswa dan ranking calon mahasiswa. Dimana yang menjadi objek penelitiannya adalah Mahasiswa. Hasil yang diharapkan dari penelitian ini adalah data seleksi calon mahasiswa yang lebih akurat, dimana diharapkan dapat menyaring calon mahasiswa yang berkualitas.

BAB III METODE PENELITIAN

3.1 Analisa KebutuhanDalam penelitian ini digunakan metode experimen dengna kebutuhan seperti: Pengumpulan data, pengolahan wal data, Metode yang diusulkan, Experimen dan pengujian metode serta Evaluasi dan Validasi hasil. Dalam penelitian ini akan dibuat suatu model menggunakan software microsoft office excel dengan menerapkan metode Bayes, untuk menghasilkan data yang lebih akurat dalam melakukan seleksi penerimaan mahasiswa.Dalam menjalankan simulasi ini dibutuhkan beberapa data masukan seperti : nilai ujian nasional (NUN) calon mahasiswa. Data yang digunakan dalam penelitian ini berupa data asumsi sebagai acuan perhitungan jumlah peserta calon mahasiswa. Data-data itu kemudian diatur kedalam beberapa bagian dengan kisaran nilai 0-10 point pada tiap variabel inputnya.Guna menunjang eksperimen dalam penelitian, peneliti menggunakan sebuah perangkat PC (Personal Computer) untuk melakukan simulasi dengan spesifikasi seperti terlampir dalam tabel 3.1Tabel 3.1Kebutuhan Perangkat keras dan Perangkat LunakPerangkat keras

ProsesorHard Disk DriveMemoriVGA Card: Pentium Dual Core 3,0 Ghz: 500 Gb: DDR3 2Gb: intel GMA 256Mb

Perangkat Lunak

Sistem OperasiAplikasi SimulatorAplikasi Pengolah Kata: Windows 7 Ultimate sp1: Microsoft Office Exel 2010: Microsoft Office 2010

3.2 Perancangan PenelitianDalam penelitian ini metode yang digunakan untuk menerapkan melakukan proses seleksi penerimaan mahasiswa adalah metode Eksperimen, dimana data yang diambil merupakan data dari hasil penelitian yang sudah dilakukan sebelumnyaatau data sekunder.Tahapan- tahapan yang dibutuhkan dalam penelitian ini adalah: Pengumpulan data, Pengolahan awal data, Metode yang dikembangkan, Eksperimen Metode dan Pengujian metode serta Evaluasi dan Validasi hasilseperti terlihat dalam gambar 3.1

Gambar 3.1 Tahapan penelitiana. Pengumpulan dataPengumpulan data yang dimaksud dalam penelitian ini adalah proses pengambilan data-data yang bersumber dari jurnal, paper, buku serta beberapa informasi lainnya yang berhubungan dengan penelitian dan kutipan dari data

b. Pengolahan awal dataPengumpulan data yang dimaksud dalam penelitian ini adalah proses pengambilan data-data yang bersumber dari jurnal, paper, buku serta beberapa informasi lainnya yang berhubungan dengan penelitian dan kutipan dari data penelitian-penelitian sebelumnya, karena data yang digunakan dalam penelitian ini adalah data sekunder.c. Metode yang diusulkanDalam penelitian ini metode yang diusulkan adalah metode Bayes.d. Experimen Metode dan Pengujian metodeEksperimen dan pengujian metode dalam penelitian ini adalah proses penghitungan dan simulasi dengan memasukan nilai dari masing-masing variabel input yang digunakan sebagai parameter ukur untuk menghasilkan data seleksi calon mahasiswa. Dengan simulasi menggunakan software Microsoft Office Excel.e. Evaluasi dan Validasi hasil Evaluasi dan Validasi hasil yang dimaksud dalam penelitian ini adalah proses perhitungan nilai output dari metode Bayes.

DAFTAR PUSTAKA

Wikipedia. (2013). Dipetik Januari 20, 2013, dari Sistem Pendukung Keputusan: http://id.wikipedia.org/wiki/Sistem_pendukung_keputusanAlexander, M. J. (1974). Information systems analysis : theory and applications / M. J. Alexande. Chicago: Science Research Associates,.Alter. (2002).Grainner. (1998).Kusrini, M. (2007). Konsep dan Aplikasi Pendukung Keputusan. Yogyakarta, INDONESIA: ANDI.Maryati, N. R. (2012). Sistem Pendukung Keputusan (SPK) Seleksi Penerimaan Siswa Baru. Jurnal national Pendidikan Teknik Informatika.Muzdalifah, N. M. (2009, Oktober 17). SPK TEST PENERIMAAN MAHASISWA BARU UIN MAULANA MALIK IBRAHIM MALANG MENGGUNAKAN MODEL ANALYTICAL HIERARCHY PROSES. Skripsi.O'Brien, J. A. (2005). Introduction to information systems. Boston: McGraw-Hill.Satty, T. L. (1993).Setiadi, E. (2013, Juni 9). Marketing Director LG Electronic Indonesia. Dipetik juni 9, 2013, dari http://www.republika.co.id: http://www.republika.co.id/berita/ekonomi/bisnis/13/03/05/mj6upo-lg-akan-bangun-pabrik-mesin-cuciSistem Pendukung Keputusan. (t.thn.). Dipetik Januari 20, 2013, dari id.wikipedia.org: http://id.wikipedia.org/wiki/Sistem_pendukung_keputusanWinarno, W. W. (2004). Sistem Informasi Menejement (Edisi Bahasa Indonesia). Yogyakarta: YKPN.Yuniarti, D. A. (2010). Sistem Pendukung keputusan Penyeleksian Calon Mahasiswa Melalui Jalur Seleksi Penerimaan Mahasiswa Baru Unib (SPMU) Studi Kasus : Universitas Bengkulu.