PROTOYPE LOGIKA FUZZY INFRENCE SYSTEM DALAMPENILAIAN KINERJA GURU : STUDI KASUS SMK XYZ

Muhammad Mahmud Sekolah Tinggi Teknologi Nusa PutraJl. Raya Cibolang No.21 Sukabumi

http://www.nusaputra.ac.idmahmud@gmail.com

ABSTRAKSIGuru adalah komponen kunci dari pencapaian target pemerintah. Oleh karena itu, pemerintah memberikanaturan yang pasti untuk meningkatkan kinerja guru dalam proses belajar dapat berjalan seperti yangdiharapkan. Namun, kondisi lapangan, harapan pemerintah ini belum terealisasi sepenuhnya, ini disebabkankasus maksimal dalam pengawasan khusus dari manajemen sekolah dalam menilai kinerja guru yangditemukan di beberapa mengajar di sekolah dan kegiatan belajar yang tidak diharapkan untuk mengalamikualitas. Salah satu kendala tersebut adalah tidak adanya sistem informasi tertentu yang dapat memberikandukungan bagi para pengambil keputusan adalah kepala sekolah, sehingga sulit menghasilkan keputusanyang optimal. Selain data pendukung yang diperlukan sebagai dasar untuk pengambil keputusan harusmenunggu hasil musyawarah, sehingga proses pengambilan keputusan memakan waktu lama. Dalamrangka untuk menentukan kinerja guru yang buruk, dan cukup baik, maka Kepala Sekolah harus membuatkriteria atau persyaratan yang digunakan sebagai dasar dalam menentukan penilaian kinerja guru. Salahsatu cara untuk melakukannya adalah dengan menggunakan pendekatan logika fuzzy Infrence SistemMamdani. kriteria penilaian dapat dilakukan dengan melihat Pedagogik Kompetensi, Kompetensi Profesional,Kompetensi Kepribadian dan Kompetensi Sosial dimiliki oleh guru masing-masing. Dari kriteria tersebut,maka dibuat suatu Sistem Pendukung Keputusan. Penentuan kriteria kinerja guru yang kemudian diolahdengan pendekatan logika fuzzy. Dengan bantuan software Matlab. Hasil penelitian ini diharapkan Principalmampu menentukan kinerja guru dalam Islam SMK XYZ dengan efekif, efisien, dan obyektif dengan batasnilai 7,5, cukup

Untuk mewujudkan tujuan pendidikan nasionalyaitu visi dan misi sekolah, maka sekolah perlumemilih kinerja guru yang dijadikan teladan ataucontoh bagi guru lainnya dalam mengajar.Menetapkan kinerja guru dapat mendorongpeningkatan mutu pendidikan dan meningkatkanmotivasi dan profesionalisme guru dalampelaksanaan tugas, agar dapat diwujudkan kinerjaguru tersebut, maka kepala sekolah membuatkriteria atau persyaratan untuk menentukan kinerjaguru.

1.2 Masalah Penelitian1.2.1 Identifikasi Identifikasi Masalah1. Sistem verifikasi kelayakan masih belum obyektif.2. Hasil pengukuran yang dilakukan oleh sekolah

dengan pengawas belum sinkron, sehinggaterjadi dua kali pengukuran

1.2.2 Batasan Masalah1. Penelitian ini dilaksanakan dengan 40 sampel

dari total guru sebanyak 120 yang ada.2. Penelitian ini hanya merupakan pembuatan suatu

model dalam penentuan kinerja seorang guruyang dapat membantu pihak manajemen Sekolahdalam penentuan kinerja guru agar dapatmeningkatkan mutu proses kegiatan belajarmengajar.

3. Penelitian ini dilakukan dengan sampel padatahun 1993 dan 1994

1.2.3 Rumusan Masalah1. Bagaimana penilaian kinerja guru penentuan

kinerja guru agar dapat meningkatkan mutuproses kegiatan belajar mengajar metode FIS?

2. Seberapa besar kehandalan GUI yang dibuatdapat diterima oleh pihak manajemen dalammenentukan kelayakan seorang guru agar dapatmeningkatkan mutu proses kegiatan belajarmengajar ?

1.3 Tujuan dan Manfaat1.3.1 Tujuan1. Mengukur kelayakan kinerja guru dapat

meningkatkan mutu proses kegiatan belajarmengajar metode FIS Mamdani

2. Menghasilkan kehandalam dari GUI yang dibuatagar dapat diterima oleh pihak manajemen dalammenentukan kelayakan seorang guru agar dapatmeningkatkan mutu proses kegiatan belajarmengajar

1.3.2 Manfaat1. Manfaat Praktis, Hasil penelitian ini diharapkan

dapat memberikan alternatif dalam penilaiankinerja Guru SMA XYZ.

2. Manfaat Teoritis, Hasil penelitian ini diharapkandapat memberikan bukti empiris terhadappenerapan metode Fuzzy Inference System (FIS)Mamdani.

II. KAJIAN LITERATUR2.1 Pengertian sistem

Sistem adalah suatu kesatuan usaha yangterdiri dari bagian-bagian yang berkaitan satu samalain yang berusaha mencapai suatu tujuan dalamsuatu lingkungan kompleks. Pengertian tersebutmencerminkan adanya beberapa bagian danhubungan antara bagian, ini menunjukkankompleksitas dari sistem yang meliputi kerja samaantara bagian yang independent satu sama lain.Selain itu dapat dilihat bahwa sistem berusahamencapai tujuan. Pencapaian tujuan inimenyebabkan timbulnya dinamika, perubahan-perubahan yang terus-menerus perlu dikembangkandan dikendalikan. Definisi tersebut menunjukkanbahwa sistem sebagai gugus dari elemen-elemenyang saling berinteraksi secara teratur dalam rangkamencapai tujuan atau sub tujuan.

2.2 Pengertian Sistem Pendukung KeputusanSistem Pendukung Keputusan sebagai

Sekumpulan prosedur berbasis model untuk datapemrosesan dan penilaian guna membantu paramanajer mengambil keputusan(Little, 1970). Diamenyatakan bahwa untuk sukses, sistem tersebutharuslah sederhana, cepat, mudah dikontrol, adaptiflengkap dengan isu-isu penting, dan mudahberkomunikasi (Efraim 2005).

Dari definisi tersebut, dapat diindikasikan empatkarakteristik utama dari Sistem PendukungKeputusan, yaitu:1. Sistem Pendukung Keputusan menggabungkan

data dan model menjadi satu bagian.2. Sistem Pendukung Keputusan dirancang untuk

membantu para manajer (pengambil keputusan)dalam proses pengambil keputusan dari masalahyang bersifat semi struktural (tidak terstruktur).

3. Sistem Pendukung Keputusan lebih cenderungdipandang sebagai penunjang penilaian manajerdan sama sekali bukan untuk menggantikannya.

4. Teknik Sistem Pengambil Keputusandikembangkan untuk meningkatkan efektivitasdari pengambil keputusan (Marimin dan Nurul2010).

2.3 Fuzzy Infrence System MamdaniMetode Mamdani sering juga dikenal dengan

nama Metode Max-Min. Metode ini diperkenalkan

2

oleh Ebrahim Mamdani pada tahun 1975.Untukmendapatkan output, diperlukan 4 tahapan:1. Pembentukan himpunan fuzzy. Pada proses

fuzzifikasi langkah yang pertama adalahmenentukan Variabel fuzzy dan himpunanfuzzinya. Kemudian tentukan derajatkeanggotaan antara data masukan fuzzy denganhimpunan fuzzy yang telah didefenisikan untuksetiap variabel masukan sistem dari setiap aturanfuzzy. Pada metode mamdani, baik variabel inputmaupun variabel output dibagi menjadi satu ataulebih himpunan fuzzy.

2. Aplikasi fungsi implikasi pada metode mamdani.Fungsi implikasi yang digunakan adalah min.Hasil implikasi fuzzy dari setiap aturan inikemudian digabungkan untuk menghasilkankeluaran infrensi fuzzy.

3. Komposisi Aturan (rule). Tidak seperti penalaranmonoton, apabila sistem terdiri dari beberapaaturan, maka infrensi diperoleh dari kumpulandan korelasi antar aturan. Ada 3 metode yangdigunakan dalam melakukan inferensi sistemfuzzy, yaitu: max, additive dan probabilistik OR.

4. Penegasan (defuzzy). Input dari prosesdefuzzifikasi adalah suatu himpunan fuzzy yangdiperoleh dari komposisi aturan-aturan fuzzy,sedangkan output yang dihasilkan merupakansuatu bilangan pada domain himpunan fuzzytersebut.

2.4 Operator Dasar Zadeh Untuk OperasiHimpunan FuzzySeperti halnya himpunan konvensional, ada

beberapa operasi yang didefinisikan secara khususuntuk mengkombinasikan dan memodifikasihimpunan fuzzy. Fire strength atau predikatadalah nilai keanggotaan yang didapat dari operasihimpunan fuzzy. Ada tiga operator dasar yangdiciptakan oleh Zadeh, yaitu:1. Opertor AND

Operator ini berhubungan dengan operasiinterseksi pada himpunan. Fire Strength sebagaihasil operasi dengan operator AND diperolehdengan mengambil nilai keanggotaan terkecilantar elemen pada himpunan-himpunan yangbersangkutan. A B = min(A[x], B[y]) misalnilai keanggotaan 27 tahun pada himpunanMUDA adalah 0,6 (MUDA[27]=0,6); dan nilaikenggotaan Rp. 2.000.000 pada himpunanpenghasilan TINGGI adalah 0,8((GAJITINGGI[2x106]=0,8) maka fire strengthuntuk usia MUDA dan berpenghasilan TINGGIadalah:

MUDA GAJITINGGI =min(MUDA[27],

GAJITINGGI[2x106]) = min(0,6 ;0,8)

= 0,6

2. Operator OROperator ini berhubungan dengan operasi unionpada himpunan. Fire Strength sebagai hasiloperasi dengan operator OR diperoleh denganmengambil nilai keanggotaan terbesar antarelemen pada himpunan-himpunan yangbersangkutan.

A B = max( A[x], B[y])

Misal seperti contoh AND jika menggunakanoperator OR, maka fire strengthnya adalah:

MUDA GAJITINGGI =max( MUDA[27],

GAJITINGGI[2x10 6]) = max(0,6 ; 0,8)

= 0,8

3. Operator NOTOperator ini berhubungan dengan operasikomplemen pada himpunan. Fire Strengthsebagai hasil operasi dengan operator NOTdiperoleh dengan menguraikan nilai keanggotaanelemen pada himpunan bersangkutan dari 1.

A = 1- A[x]

Misal seperti contoh AND dapat dihitung nilaifire strength untuk usia Tidak MUDA adalah:

MUDA [27] = 1 - MUDA[27]

= 1 - 0,6

= 0,4

2.5 Matlab Toolbox: FuzzyAgar dapat menggunakan fungsi-fungsi logika

fuzzy yang ada pada Matlab, maka harus diinstalkanterlebih dahulu Toolbox Fuzzy. fuzzy logic toolboxmemberikan fasilitas Graphical User Interface (GUI)untuk mempermudah dalam membangun, mengedit,dan mengobservasi sistem penalaran fuzzy, yaitu:1. Fuzzy Inference System (FIS) Editor2. Membership Function Editor3. Rule Editor4. Rule Viewer5. Surface Viewer (Prabowo Pujdo dan Rahmadya,

2009, p,4) Motivasi utama teori fuzzy logic adalah

memetakan sebuah ruang input ke dalam ruangoutput dengan menggunakan IF THEN rules.Pemetaan dilakukan dalam suatu FIS, urutan rulebisa sembarang. FIS mengevaluasi semua rulesecara simultan untuk menghasilkan kesimpulan.Oleh karenanya, semua rule harus didefinisikan lebihdahulu sebelum kita membangun sebuah FIS yang

3

akan digunakan untuk menginterpretasikan semuarule tersebut.

2.6 Tinjauan StudiPenelitian tentang penerapan logika fuzzy yang

telah dilakukan oleh orang lain:1. Dalam penelitian yang dilakukan

oleh(Maman,2006) membahas SistemPendukung Keputusan: Model Penentuan SiswaTeladan pada SMK YP-Karya 1 Tangerangdengan pendekatan logika fuzzy. Pada penelitianini untuk menentukan siswa teladan dilihat daritujuh kriteria yaitu:a. Sikapb. Kedisiplinanc. Kerapihand. Terlibat narkoba dan barang terlarange. Nilai rata-rata raportf. Nilai praktek kerja lapangang. Organisasi

Dimana kriteria-kriteria ini dijadikan variabelfuzzy untuk menentukan siswa teladan danhiimpunan fuzzy dapat berupan BAIK, CUKUP,KURANG, TERLIBAT, TIDAK TERLIBAT, AKTIF,PASIF, dan TIDAK ANDIL.2. Pada penelitian lain oleh(Fatoni) membahas

aplikasi perhitungan kalori harian penderitadiabetes melitus menggunakan logika fuzzy.Pada penelitian terdapat tiga kriteria, yaitu:a. Umurb. Berat badanc. Aktivitas

3.Pada penelitian lain oleh(Roni Kastaman,Sudaryanto Zain, Sigit B. Priyudo) membahaspenerapan logika fuzzy pada penilaian mutu tehhitam orthodox. Menurut ketentuan SNI-1902-2000 (Badan Standarisasi Industri, 2000, syaratmutu dari teh hitam ditentukan berdasarkankarakteristik:a. Ukuran partikelb. Kenampakan teh hitam, yang meliputi:

1. Bentuk, ukuran, dan beratnya2. Tip (jumlah, warna, dan keadaan)3. Warna partikel4. Kebersihan

c. Air seduhan, yang meliputi:1. Warna2. Rasa3. Bau

4. Kenampakan ampas seduhan teh, yang meliputi:a. Warnab. Kerataan

2.7 Kerangka PemikiranVariabel fuzzy untuk menentukan kinerja guru

dan himpunan fizzy dapat berupa KURANG,CUKUP, dan BAIK. Secara ringkas kerangkapemikiran dimaksud dapat digambarkan dalamgambar skema di bawah ini:

Gambar 1. Kerangka pemikiran kinerja guru

1. Kondisi saat ini: Proses penentuan kinerja gurupada Sekolah berdasarkan hasil rapatmusyawarah.

2. Input penentuan kinerja guru: Berdasarkankompetensi pedagogik, kompetensi profesional,kompetensi kepribadian, kompetensi sosial.

3. Proses menggunakan TIK yaitu dengan:Pendekatan komputasi berdasarkan kriteriapenentuan kinerja guru, menggunakan ToolboxMatlab dan menggunakan fuzzy logic.

4. Uji validasi: menguji hasil dari pemanfaatan TIKdan Data validasi, bila terjadi ketidak akuratan,maka proses TIK kembali dilakukan.

5. Hasil yang diharapkan: Model penentuankinerja guru yang akurat berdasarkan kriteriapenentuan kinerja guru.

4

2.8 Hipotesis PenelitianBerdasarkan dari kajian teoritis dan kerangka

konsep yang telah dikemukakan, diduga bahwapenentuan kinerja guru pada sistem informasi belajarmengajar di SMK XYZ dapat membantu dalammengukur kinerja Guru.

III. METODOLOGI PENELITIAN3.1 Metode Penelitian

Penelitian ini dilakukan untuk pembuatan modelpenilaian kinerja guru dalam peningkatan kegiatanbelajar mengajar dengan menggunkan FIS (FuzzyInference System). Informasi yang dibutuhkan dariobjek yang diteliti ialah SMK XYZ. 1. Penelitian Pendahuluan.

Penelitian ini dilakukan untuk memperolehkriteria-kriteria dalam penelitian yang diambilsesuai dengan pedoman Kinerja Guru SMK XYZ.

2. Kuesioner.Setelah memperoleh kriteria-kriteria daripenelitian pendahuluan selanjutnya akan dibuatkuesioner penelitian

3. Mengelola hasil kuesioner.Data yang diperoleh dari kuesioner akan diolahmenggunakan pendekatan logika fuzzy denganMatlab.

3.2 Metode Pengumpulan DataPenelitian yang dilakukan untuk menghasilkan

data dan informasi yang diperlukan sertaberhubungan hal yang akan ditulis. Untukmengumpulkan data serta informasi yang diperlukanmaka menggunakan metode sebagai berikut: 1. Pengumpulan Data Primer

Untuk mengumpulkan data serta informasi yg diperlukan dalam penelitian Berdasarkan data dariKepala Sekolah, wakil kepala sekolah bidangkurikulum, Sie. Peng. Mutu. Yayasan.menggunakan data sebagai berikut:a. Konfirmasi data identitas guru:

1. NUPTK2. Nama3. Tempat tanggal lahir4. Alamat5. Jenis kelamin6. Tahun masuk

b. Konfirmasi administrasi guru:1. Silabus2. RPP

c. Jadwal pelajaran1. Konfirmasi daftar hadir guru

Tabel 1. Variabel Penelitian Penilaian Kinerja

Guru

NOVariabel Yang

DiamatiIndikator

1 Pedagogik 52 Kepribadian 53 Sosial 34 Profesional 2

TOTAL 15

Tabel 2. Himpunan Fuzzy

2. Pengumpulan data sekunder Data sekunder diperoleh dengan cara mengamatidata, membaca mempelajari dan mengutip daribuku literature, jurnal, internet serta sumber-sumber lain yang berhubungan erat denganpenulisan.

3.3 Logika FIS MamdaniTeknik pendekatan menggunakan metode FIS

Mamdani meliputi 5 tahapan, dimana 2 tahapanpertama merupakan tahap pengumpulan data dan 3tahapan selanjutnya merupakan tahap analisis data. a. Tahap pengumpulan data terdiri dari :

1. Dekomposisi input2. Pembentukan himpunan fuzzy

b. Tahap analisis data terdiri dari :1. Aplikasi fungsi implikasi2. Komposisi aturan3. Defuzzifikasi

IV. HASIL DAN PEMBAHASAN4.1 Analisis Masalah

5

Penelitian ini menggunakan batasan batasan sebagai berikut :1. Perancangan yang dibuat dengan penalaran

fuzzy dengan metode Mamdani2. Pembuatan aturan dalam basis pengetahuan

yang dibantu oleh kepala sekolah

4.2 Hasil PenelitianKriteria yang dianalisis untuk dijadikan variabel

fuzzy dalam menentukan kinerja guru denganMatlab, yaitu :1. Kompetensi Pedagogik terdapat 5 Input dan 1

Output,

2. Kompetensi Kepribadian terdapat 5 Input dan1 Output,

3. Kompetensi Sosial terdapat 3 Input dan 1Output,

4. Kompetensi Profesional terdapat 2 Input dan 1Output,

6

5. Penilaian Kinerja Guru terdapat 4 Input dan 1Output,

4.3 Menentukan fungsi implikasiFungsi implikasi yang digunakan adalah metode

Min, rule yang terpengaruh derajat keanggotaanadalah rule : 5.5= min{ Peda1(8), Peda2(9), Peda3(8),

Peda4(8), Peda5(8), Kepri1(9),Kepri2(8), Kepri3(8), Kepri4(9),Kepri5(8),Sos1(9), Sos2(8),Sos3(9), Prof1(8), Prof2(7)}

= min (1;1;1;1;1;1;1;1;1;1;1;1;1;1;0.5)

= 0.5

Berdasarkan fungsi keanggotan dari variable output himpunan tinggi pada saat 2diperoleh nilai 0,5 d[2] sebagai berikut :

b = (d5) = 5 d [5 -7] = 0,5

1

d[5] = 7,5

Modifikasi Fungsi keanggotaan tinggi darivariable output setelah diterapkan cut adalah :

(d5)= d [5] -7 ; 7 d5 7.5 10,5 ; 7.5 d5 8

Rule 9 .9= min{ LY1(9), LY2(9), TG1(9),

TG2(8), TG3(9), TG4(8), KD1(9),KD2(9), KJ1(9), KJ2(7), KJ3(8),KS1(8), KS2(8), KS3(8), KS4(8),KS5(7), KP1(7), KP2(7), KP3(7),KP4(5)}

= min(1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;0;0;0;0;1)

= 0

Berdasarkan fungsi keanggotan darivariable output himpunan tinggi pada saat 9diperoleh nilai 0 d[9] sebagai berikut :

b = (d9) = 9 d [9] -7 = 0 1

d[9] = 0

Modifikasi Fungsi keanggotaan tinggi darivariable output setelah diterapkan cut adalah :

(d9)= 0 ;0 d9 7.5

0.5 ;7.5 d9 8

4.4 Fungsi Implikasi

Fungsi implikasi yang digunakan adalah metodemin dan rule yang terpengaruh adalah rule 21 danrule 22.

21 = min{ t(12), t(12), t(8), t(22), t(14), t(12), t(10), t(6), t(12), t(10), t(10), t(16), t(6), t(6) }

= min (1; 0,66; 1; 0,73; 0,71; 0,66; 0,66; 1; 1; 0,75; 1; 1; 1; 1) = 0,66

Berdasarkan fungsi keanggotaan dariVariabeloutput himpunan tinggi, pada saat 21 = 0,66diperoleh nilai :

7

b = (d21) = 21d [21 ]3

7= 0,66

d[21] = 4,62 + 3 = 7,62

22= min{ t(12), t(12), t(8), t(22), t(14), t(12), t(10), t(6), t(12), t(10), t(10), t(16), t(6), t(6) }

= min (1; 0,66; 1; 0,73; 0,71; 0,66; 0,2; 1; 1; 0,75; 1; 1; 1; 1) = 0,2

Berdasarkan fungsi keanggotaan dari variabeloutput himpunan tinggi, pada saat 22 = 0,2diperoleh nilai:

b = (d22) = 22d [22 ]3

7= 0,2

d[22] = 1,4 + 3 = 4,4

4.5 Komposisi Aturan Metode Max digunakan untuk mentukan

komposisi aturan. Variabel output. Derajatkebenaran himpunan BAIK

= Max (21 ; 22)

= Max (0,66 ; 0,2) = 0,66

Daerah hasil inferensi tertinggi adalah 0,66 dan terendah 0,2

4.6 DefuzzifikasiMetode yang digunakan untuk fuzzifikasi adalah

centroid.

(x)= { 0,20,66 ; 4,4d217,62;7,62d2110M1 =

4,4

7,62

(0,2 ) xdx

= 0,1x2 |7,624,4 = 5,81 1,9 = 3,91

M2 = 7,62

10

(0,66 ) xdx

= 0,33x2 | 107,62 = 33 19 = 14L1 = 0,2 (7,62 4,4) = 0,6

L2 = 0,66 (10 7,62) = 1,5

Nilai crisp output dihitung dengan :

z* = M 1+M 2A1+A2

= 14+3,910,6+1,5 = 8,53

Batas nilai output kinerja guru yang telahditetapkan oleh kepala sekolah selaku pimpinanyang melakukan penilaian kinerja guru adalah : a. Guru berkinerja BURUK batas nilai output < 5 b. Guru berkinerja CUKUP batas nilai output < 7,5 c. Guru berkinerja BAIK batas nilai output 7,5

4.7 Hasil Pengujian Prototipe Perangkat LunakUntuk memastikan bahwa perangkat lunak yang

dibuat memiliki standar minimal kualitas, makadigunakan metoda untuk pengukuran kualitasperangkat lunak secara kuantitatif adalah metodaSQA (Software Quality Assurance).

Tabel 10. Hasil Evaluasi SQA

Skor rata-rata yang dihasilkan adalah 82,sedangkan nilai optimal untuk sebuah perangkatlunak yang memenuhi standar kualitas berdasarkanuji SQA adalah 80.

V. PENUTUP5.1 Kesimpulan

Beberapa kesimpulan yang dapat dikemukakan,diantaranya sebagai berikut :1. Dari hasil penelitian dengan metode FIS

mamdani yang dilakukan dengan tools matlabdiperoleh batasan baik dengan batas nilai 7,5,cukup < 7,5 dan kurang < 5 dengan criteria layakdengan batas 8.53

2. Setelan dilakukan quisioner terhadap GUI yangdibuat, maka diperoleh nilai rata-rata sekitar 82.Hal ini menunjukkan bahwa GUI yang dibuatmemenuhi standar SQA yakni 80, meskipundemikian nilai tersebut belum bisa dikatakansepenuhnya benar, karena audience yangmenguji GUI ini hanya 5 orang yang dilakukansecara acak.

5.2 Saran

8

Beberapa saran yang dapat dikemukakan,diantaranya sebagai berikut ini :1. Perlu adanya kesiapan sistem yang berjalan

dengan baik. Hal ini dilakukan agar sistem dapatmemberikan dukungan hasil keputusan untukpimpinan

2. Pihak sekolah hendaknya dapat menerapkanmodel perangkat lunak dalam penelitian ini,sehingga proses pemilihan kelayakan seorangguru dalam mendapatkan sertifikasi dapat lebihobjektif dengan menilai kinerja dari beberapakompetensi yang dinilai dari sekolah. Hal initentu saja berlainan dengan proses pemilihanselama ini yang digunakan secara manual.

3. Sistem yang digunakan harus mendukung untukmemberikan hasil yang terbaik. Dengan ditunjangSarana dan prasarana yang diperlukan terdiri darihardware, software, dan infrastruktur yang baik.

4. Hasil penelitian ini perlu disosialisasikan kepadaseluruh guru, sehingga guru dapat diberikanreward dan punishment sbg tindakan dari hasilkerjanya masing-masing.

5. Implikasi aspek manajerial dapat ditinjau dariOrganisasi dan Suber Daya Manusia (SDM)diperlukan Standar Operasional Prosedur (SOP)yang mengatur tata laksana operasional bidangTeknologi Informasi.

6. Perlu diadakannya penelitian lebih lanjut denganjarak penelitian 2sampai 3 tahun denganmenambah kriteria (variabel maupun indikator).

DAFTAR PUSTAKA

[Kusumadewi, S. (2002). Analisis & Design SistemFuzzy Menggunakan Tool Box Matlab

Kusumadewi, S. (2004). Aplikasi Logika FuzzyUntuk Pendukung Keputusan, Yogyakarta :Graha Ilmu

Klir, George J, Yuan, Bo. (1995). Fuzzy Sets andFuzzy Logic, Theory and ApplicationPrentice Hall International, Inc

Mangkoesapoetra, Arief. (2004). Statistika : AnalisaMultivariat. Seri metode Kuantitatif. Jakarta:STMIK Nusa Mandiri

Maman. (2006). Sistem Pendukung Keputusan :Model Penentuan Siswa Teladan pada SMK YP-KARYA 1 TangerangdenganPendekatan Logika Fuzzy. Jakarta :Universitas Budi Luhur

Marimin, Nurul. (2010). Aplikasi Teknik PengambilaKeputusan dalam Rantai Pasok,Bogor : Cetakan 1 IPB Press.

Sri, Hari. (2010). Aplikasi Logika Fuzzy untukPendukung Keputusan. Yogyakarta :Edisi 2 Graha Ilmu.

Agusnaba. (2009). Belajar Cepat Fuzzy LogicMenggunakan Matlab. Yogyakarta : Andi

Sri Kusuma Dewi, Hartati, Neuro Fuzzy, IntegrasiSistem Fuzzy dan Jaringan SyarafYogyakarta : Graha Ilmu.

Efraim Turban., Jay E. Aronson., &Ting-Peng Liang.(2005). Decision Support System AndIntelligent System 7th Ed, PearsonEducation, Inc. Upper Saddle River, NewJersey.

Prabowo, Rahmadya. (2009). Data maining denganMatlab

Prabowo, Rahmadya. ( ). Soft computing

Sri, Hari. (2010). Aplikasi Logika Fuzzy UntukPendukung Keputusan

Fatoni. (2011). Aplikasi Perhitungan Kalori HarianPenderita Diabetes Melitus MenggunakanLogika Fuzzy, Palembang, Universitas BinaDarma.

9

IV. HASIL DAN PEMBAHASAN