Implementasi Fuzzy Inference System Metode Sugeno Pada Aplikasi Penilaian Kinerja Dosen

Authors

  • Wowon Priatna Teknik Informatika Universitas Bhayangkara Jakarta Raya
  • Rakhmat Purnomo Universitas Bhayangkara Jakarta Raya

DOI:

https://doi.org/10.33633/tc.v19i3.3638

Keywords:

Fuzzy Inference System, Metode Sugeno, system penilian kinerja, aplikasi kinerja dosen, Unified Modeling Language.

Abstract

Kinerja dosen dalam perguruan tinggi merupakan bukti nyata yang dihasilkan oleh dosen sebagai prestasi yang ditujukan sesuai perannya. Penilaian kinerja dosen mengacu sistem secara formal dan terstruktur untuk mengukur, menilai, dan mempengaruhi sifat-sifat yang berkatian dengan pekerjaanya.Tujuan dalam penelitan ini adalah untuk menilai kinerja dosen menggunakan Fuzzy Inference System metode Sugeno. Variabel fuzzy yang digunakan adalah pengabungan dari varibel-variabel penelitian sebelumnya diantaranya pengajaran, penelitian & publikasi, abdimas, penunjang, materi, disiplin dan sikap. ini menghasilkan Aplikasi kinerja dosen yang di dimulai dengan merancang use case diagram, class diagram sebagai bagian dari unified modeling language untuk memodelkan perangkat lunak, selanjutnya merancang interface aplikasi. Berdasarkan penilaian kinerja dosen yang dilakukan oleh aplikasi menggunakan sample 10 dosen, diperoleh skor terendah 60 dan skor tertinggi dengan nilai 100.

References

Adi Suwasono, Damar. (2016). Sistem Evaluasi Kinerja Dosen. Matangglumpangdua: Universitas Almuslim.

Afriliana, I., Haqiqi Sulasmoro, A., & Sofyan, A. (2019). Implementasi Fuzzy Sugeno Untuk Kinerja Pengajaran Dosen. Smart Comp: Jurnalnya Orang Pintar Komputer, 8(2), 74–77.

Simanjuntak, M., & Fauzi, A. (2017). Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai), 2(2), 143–149

Purnomo, R., Priatna, W., & Fathurrozi, A. (2019). Perbandingan Logika Fuzzy Dan Analytic Hierarchy Process Untuk Menilai Kinerja Dosen. XIV(1), 48–59.

Pratama, Andyka Risky, W. S. (2010). Aplikasi kinerja dosen berbasis fuzzy untuk mengukur tingkat kinerja mengajar dosen pada fakultas ilmu komputer bandar lampung. 1–10.

Utomo, MCC & Mahmudy, WF 2015, 'Penerapan FIS-Tsukamoto untuk menentukan potensi seseorang mengalamivsudden cardiac death', Seminar Nasional Sistem Informasi Indonesia (SESINDO), Institut Teknologi Sepuluh Nopember (ITS), Surabaya, 2-3 November, pp. 239-244.

Hadi, H. N., Mahmudy, W. F., & Brawijaya, U. (2015). Penilaian Prestasi Kinerja Pegawai Menggunakan Fuzzy. 2(1), 41–48.

Restuputri, B. A., Mahmudy, W. F. & Cholissodin, I. 2015. Optimasi fungsi keanggotaan fuzzy Tsukamoto dua tahap menggunakan algoritma genetika pada pemilihan calon penerima beasiswa dan BBP-PPA (studi kasus: PTIIK Universitas Brawijaya Malang). DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, 5.SANTIKA.

Jokar, M., Ghannadpour, S. F., & Makui, A. (2018). Fuzzy analytical network process logic for performance measurement system of e-learning centers of Universities. 11(3), 261–280.

Mohammad Syarif Irfan, Much Aziz Muslim, F. Y. A. (2017). Implementasi Fuzzy Inference System Metode Sugeno Pada. 6(2), 178–188.

Kusumadewi, S, Purnomo, H. 2010. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.

Cox, Earl, 1994, “The Fuzzy System handbook”. Massachusetts: Academic Press - Inc

Priatna, W., & Nugroho, A. (2019). Sistem Pendukung Keputusan Untuk Penentuan Dosen Favorit Menggunakan Simple Additive Weighting ( SAW ). (4), 181–190

Priatna, W., & Suryadi. (2019). Perancangan Sistem Pendukung Keputusan Untuk Pemilihan Lokasi Dalam Perluasan Usaha Kafe menggunakan Analytical Hierarchy Process. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 3(3), 511–517.

Downloads

Published

2020-08-28