Sistem Pendukung Keputusan untuk Pemilihan Mahasiswa Berprestasi

dengan Metode Fuzzy Tsukamoto

(Studi Kasus: Mahasiswa PTIIK Universitas Brawijaya Malang )
1

Raymond Gomgom Sitorus (115060807111125)

gomkuadrat@gmail.com
3

Vitara Nindya Putri Hasan(125150202111020)

vitaranindyaph@gmail.com
1,2,3,4

Indra Ramadhoni (115060800111100)

ird_dhoni@yahoo.com

Riza Aris Prayudi (115060800111013)

riza.aris@ymail.com

Program Studi Informatika Program Teknologi Informasi dan Ilmu Komputer

Abstrak Pe
milihan dan p
enetapan Mah
asiswa berpre
stasi menjadi
suatu proses
yang lama
dan rumit. Pro
ses pemilihan
tersebut bany
ak
terdapat pelua
ng untuk
membuat kepu
tusan
yang salah
karena proses
pemilihan ma
hasiswa berda
sarkan
subyektitas. I
ni berarti kem
ungkinan besa
r bahwa maha
siswa
berprestasi
yang dipilih
tidak mencapa
i
standart yang
diinginkan
dan
tidak
memperoleh
kandidat
terbaik. Oleh
karena
itu dibuatlah s
uatu sistem pe
ndukung keput
usan yang dap
at melakukan
proses

perhitungan
terhadap
seluruh
kriteria untuk
pemilihan
mahasiswa
berprestasi.
Dalam sistem
pendukung
keputusan ini
nantinya akan
menggunakan
pendekatan
dengan
menggunakan
metode
tsukamoto.
Metode
tsukamoto
merupakan
salah
satu
metode yang
dapat
diterapkan
untuk
membangun
suatu sistem
sebagai
penyelesaian
masalah dan
salah
satu
teknik
pengambilan
keputusan
yang
dapat
digunakan
dalam
pemilihan
siswa
berprestasi.
Pada metode
tsukamoto,
setiap
konsekuen
pada
aturan
yang
berbentuk IFThen
harus
direpresentasi
kan
dengan
suatu
himpunan
fuzzy dengan
fungsi
keanggotaan
yang monoton.
Sebagai

hasilnya,
output
hasil
inferensi dari
tiap-tiap
aturan
diberikan
secara tegas
(crisp)
berdasarkan
predikat (fire
strength).
Hasil akhirnya
diperoleh
dengan
menggunakan
rata-rata
terbobot.
Kriteriakriteria yang
dibutuhkan
dalam
pemilihan
mahasiswa
berprestasi
antara
lain
nilai IPK, nilai
TOEFL,
kegiatan intraekstrakulikuler
, Karya Tulis.
Hasil
dari
sistem
ini
berupa daftar
mahasiswa
berprestasi
yang
sesuai
dengan
kriteria yang
telah
ditentukan.
Proyek akhir
ini
dibuat
dengan
menggunakan
databaseMyS
QL dan bahasa
pemrograman
Java.

Kata Kunci :
Sistem
Pendukung
Keputusan,
Himpunan
Fuzzy,
Mahasiswa
Berprestasi,
Fuzzy
Tsukamto
Dasar Teori.
I.
PENDAHULUAN
Penyeleksian dan penetapan mahasiswa berprestasi
menjadi hal yang sangat rumit dan membutuhkan waktu yang
lama. Hal ini disebabkan karena terdapat banyak kriteria yang
dibutuhkan untuk penilaian dan penilaian ini juga berdasarkan
subjektifitas[2:1]. Studi kasus yang kami ambil ini adalah
studi kasus pemilihan mahasiswa berprestasi di PTIIK
Universitas Brawijaya. Hal ini dikarenakan di PTIIK
Universitas Brawijaya masih menggunakan metode manual
dalam menyeleksi dan menetapkan mahasiswa berprestasi,
sedangkan jumlah mahasiswa di PTIIK sangat banyak. Jikalau
dilakukan perhitungan manual sudah pasti terdapat kesusahan
dalam penyeleksian dan penetapannya sehingga membutuhkan
waktu yang sangat lama, belum lagi jika terjadi kesalahan
dalam perhitungan(human error) tentunya harus mengulang
lagi dan memperbaiki yang salah tersebut. Alasan selanjutnya
adalah kemudahan dalam mendapatkan data karena peneliti
merupakan mahasiswa di PTIIK Universitas Brawijaya.
Dalam kehidupan sehari-hari, manusia selalu
dihadapkan pada permasalahan untuk mengambil suatu
keputusan. Untuk membuat suatu keputusan diperlukan suatu
pertimbangan dan perbandingan dari berbagai pilihan
alternatif yang dapat dipilih melalui suatu mekanisme tertentu
untuk menghasilkan sebuah tindakan atau keputusan yang
terbaik. Setiap masalah akan memiliki penyelesaian yang
berbeda-beda dengan sebuah keputusan yang bermacammacam dari sejumlah alternatif keputusan yang melibatkan
beberapa variable. Aplikasi ini menyerupai aplikasi dari
politeknik elektronika negeri Surabaya tentang pemilihan
mahasiswa berprestasi[2]. Dalam penentuan pemilihan
mahasiswa berprestasi berbasis web menggunakan fuzzy
query model mamdani dengan 4 parameter yaitu : IPK,
TOEFL, Karya Tulis, Intra-Ekstrakulikuler serta bersifat
dinamis. Dinamis ini dimaksudkan agar apabila admin
memerlukan penambahan kriteria baru maka dapat ditambah
secara dinamis. Dari ke 4 kriteria diproses kedalam algoritma
fuzzy query model mamdani sehinnga damendapat hasil
berupa mahasiswa berprestasi. Proses perhitungan pertama
kali yaitu mencari nilai mu pada masing-masing kriteria,
kemudian dari nilai mu tersebut ditentukan nilai fire strength.
Nilai fire strength inilah yang nantinya dicari nilai paling
minimum, lalu dibandingkan dengan nilai minimum fire
strenght kriteria yang lain. Setelah proses pembandingan itu,
maka didapatkan solusi dari pemilihan mahasiswa berprestasi.

Dalam pembuatannya, penyelesaian kasus ini

menggunakan suatu metode analisis. Salah satu metode
analisis yang cukup berkembang saat ini adalah fuzzy
Tsukamoto. Metode fuzzy tsukamoto merupakan metode dari
fuzzy inference system(FIS). Fuzzy inference system(FIS)
adalah suatu kerangka komputasi yang didasarkan pada teori
himpunan fuzzy, aturan fuzzy dan penalaran fuzzy[10:18].
Secara garis besar, input crisp dimasukkan ke FIS. Input ini
kemudian dikirim ke basis pengetahuan yang berisi n aturan
fuzzy dalam bentuk if-then. Fire strength atau derajat
kebenaran akan dicari pada setiap aturan. Jika jumlah aturan
lebih dari satu maka dilakukan inferensi dari semua aturan.
Untuk mendapatkan nilai crisp sebagai output, sistem
melakukan defuzzifikasi dari hasil inferensi. Oleh karena itu ,
dibutuhkan suatu sistem yang dapat membantu dalam hal
pengambilan keputusan berdasarkan sejumlah kriteria yang
ada dengan menggunakan suatu metode yang dapat
menghasilkan keputusan yang terbaik sebagi suatu sistem
pendukung keputusan berbasis komputerisasi. Laporan tugas
akhir ini dibuat guna membentuk suatu algoritma bantu untuk
pemilihan mahasiswa berprestasi dengan metode fuzzy
tsukamoto. Sehingga nantinya akan menghasilkan suatu
keputusan terbaik dalam memilih mahasiswa berprestasi.
II.
DASAR TEORI
Dalam penelitian ini akan dijelaskan dasar teori tentang logika
fuzzy, metode fuzzy Tsukamoto, dan pemilihan mahasiswa
berprestasi.
A. Logika Fuzzy
Fuzzy dapat diartikan sebagai hal yang bersifat kabur
atau samar-samar.Sehingga dalam suatu saat bisa saja suatu
nilai dapat bernilai benar dan salah secara bersamaan.
Sehingga logika fuzzy merupakan sebuah logika yang
memiliki nilai yang tidak pasti karena bersifat kabur atau
samar. Dalam logika fuzzy dikenal istilah derajat keanggotaan
yang bernilai 0 sampai dengan 1. Nilai tersebut yang nantinya
akan memberikan keberadaan dan kesalahan suatu nilai yang
bergantung pada keangotaan yang dimiliki. Logika fuzzy
digunakan
untuk
mempresentasikan
masalah
yang
mengandung ketidakpastian dalam sebuah bahasa yang
dipahami oleh komputer [1].
B. Metode Fuzzy Tsukamoto
Pada Metode Tsukamoto, setiap konsekuen pada aturan
yang berbentuk IF-Then harus direpresentasikan dengan suatu
himpunan fuzzy dengan fungsi keanggotaan yang monoton.
Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan
diberikan secara tegas (crisp) berdasarkan - predikat (fire
strength). Hasil akhirnya diperoleh dengan menggunakan ratarata terbobot. Berikut gambar inferensi dengan menggunakan
Metode Tsukamoto[6].
Pada metode Tsukamoto operasi himpunan yang
digunakan adalah konjungsi (AND), maka nilai keanggotaan
anteseden dari aturan fuzzy [R1] adalahirisan dari nilai
keanggotaan A1 dari Var-1 dengan nilai keanggotaan B1 dari
Var-2. Menurut teori operasi himpunan, maka nilai

keanggotaan anteseden dari operasi konjungsi (And) dari

aturan fuzzy [R1] adalah nilai minimum antara nilai
keanggotaan A1 dari Var-1 dan nilai keanggotaan B2 dari Var2[6].
Demikian pula nilai keanggotaan anteseden dari aturan
fuzzy [R2] adalah nilai minimum antara nilai keanggotaan A2
dari Var-1 dengan nilai keanggotaan B1 dari Var-2.
Selanjutnya, nilai keanggotaan anteseden dari aturan fuzzy
[R1] dan [R2] masing-masing disebut dengan 1 dan 2. Nilai
1 dan 2 kemudian disubstitusikan pada fungsi keanggotaan
himpunan C1 dan C2 sesuai aturan fuzzy [R1] dan [R2] untuk
memperoleh nilai z1 dan z2, yaitu nilai z (nilai
perkiraanproduksi) untuk aturan fuzzy [R1] dan [R2]. Untuk
memperoleh nilai outputrisp/nilai tegas Z, dicari dengan cara
mengubah input (berupa himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy) menjadi suatu bilangan pada
domain himpunan fuzzy tersebut[6].

Himpunan bahasa variabel pada sistem Pendukung

Keputusan pemilihan mahasiswa berprestasi dengan
menggunakan Fuzzy Tsukamoto ini terdiri dari:
- IPK=Rendah, Tinggi
- TOEFL=Rendah, Tinggi
- Prestasi di Suatu Kegiatan(PDSK)=Rendah, Tinggi
- Ekstrakurikuler=Rendah, Tinggi

B. Alur Kerja Sistem

Berikut merupakan alur kerja sistem yang akan
dibangun untuk pemilihan mahasiswa berprestasi yang
ditunjukkan pada Gambar 1.

Mulai

C. Pemilihan Mahasiswa Berprestasi

Mahasiswa berprestasi adalah mahasiswa yang
Input Data Nama, NIM, JK, IPK, TOEFL, PDSK, EKSKUL
berhasil mencapai prestasi tinggi, baik kurikuler, kokurikuler,
maupun ekstrakurikuler sesuai dengan kriteria yang
ditentukan. Mahasiswa berprestasi tidak hanya menekuni ilmu
dalam bidangnya saja, tetapi juga beraktivitas untuk
Fuzzifikasi
mengembangkan soft skills agar menjadi lulusan yang
mandiri, penuh inisiatif, bekerja secara cermat, penuh
tanggung jawab dan tangguh. Kemampuan ini dapat diperoleh
mahasiswa melalui pembekalan secara formal dalam
Defuzzifikasi
kurikulum pembelajaran, kokurikuler, dan ekstrakurikuler[5].
Namun, tidak semua mahasiswa mau dan mampu
untuk menjadi pembelajar yang sukses. Acapkali mahasiswa
dengan nilai akademik yang tinggi tidak memanfaatkanHasil perhitungan Nilai Akhir
peluang untuk menggunakan waktunya dalam kegiatan
kokurikuler dan ekstrakurikuler. Sebaliknya mahasiswa yang
aktif dalam organisasi kemahasiswaan dan kegiatan
pengembangan soft skills tidak memperoleh nilai akademik
Selesai
yang tinggi. Sementara itu, dalam era persaingan bebas
dibutuhkan lulusan berkarakter unggul yang memiliki hard
Gambar 1 Alur Kerja Fuzzy Tsukamoto
skills dan soft skills yang seimbang[5].
Sumber:[Perancangan]
Pemilihan Mawapresmerujuk kepada kinerja individu
mahasiswa yang memenuhi kriteria pemilihan yang terdiri atas
Secara umum sistem pendukung keputusan pemilihan
lima unsur, yaitu[5]:
mahasiswa berprestasi ini dapa digambarkan melalui alur
1. Indeks Prestasi Kumulatif(IPK)
kerja dengan tahapan-tahapan sebagai berikut:
2. Karya Tulis Ilmiah
1. Input data masukan nama, nim, IPK, TOEFL, PDSK,
3. Prestasi/ kemampuan yang diunggulkan
dan Ekskul.
4. Bahasa Inggris/ Asing
2. Melakukan proses fuzzifkasi
5. Kepribadian
3. Melakukan proses defuzzifikasi
4. Penghitungan nilai hasil akhir
III.
METODE PENELITIAN
Dalam penelitian ini akan dijelaskan tentang himpunan
C. Fungsi Derajat Keanggotaan
bahasa variabel, alur kerja sistem, fungsi derajat keanggotaan,
Pembentukan fungsi derajat keanggotaan meruakan
rule yang digunakan, dan implementasi penerapan Fuzzy
pengelompokkan dari masing-masing variabel dengan masingTsukamoto.
masing nilai tertentu. Variabel yang digunakan antara lain:
IPK, TOEFL, Prestasi di suatu kegiatan, dan Ekstrakurikuler.
A. Himpunan Bahasa Variabel
Selanjunya akan dijabarkan fungsi keanggotaan dari masingmasing variabel.

 Fungsi Derajat Keanggotaan Variabel IPK

Himpunan variabel IPK ini terdiri dari: rendah dan tinggi.
Fungsi derajat keanggotaan dari variabel IPK didefinisikan
pada persamaan (4-4) dan (4-5).

0 ; x 420
TOEFL ( tinggi ) ( x )= ( x420) ; 420 x 520 ....
100
1 ; x 520
(4-7)

1 ; x 3,00
IPK ( rendah )( x )= (3,50x) ; 3,00 x 3,50 .....
0,5
0 ; x 3,50

1.2
1
0.8
0.6

..(4-4)

0 ; x 3,00
(x3,00)
IPK ( tinggi ) ( x )=
; 3,00 x 3,50 .......
0,50
1 ; x 3,50

0.4

Rendah

0.2

Tinggi

0
420

520
nILAI TOEFL

.(4-5)
Gambar 3 Grafik Fungsi Derajat Keanggotaan TOEFL
Sumber:[Perancangan]

1.2
1
0.8
0.6
0.4

Rendah

0.2

Tinggi

3.5
nILAI IPK

Gambar 2 Grafik Fungsi Derajat Keanggotaan IPK

Sumber:[Perancangan]

Fungsi Derajat Keanggotaan Variabel TOEFL

Himpunan variabel TOEFL ini terdiri dari: rendah dan tinggi.
Fungsi derajat keanggotaan dari variabel TOEFL didefinisikan
pada persamaan (4-6), dan (4-7).

1; x 420
(520x)
TOEFL ( rendah ) ( x ) =
; 420 x 520 ..
100
0 ; x 520
..(4-6)

Fungsi Derajat Keanggotaan Variabel PDSK

Himpunan variabel Prestasi di Suatu Kegiatan(PDSK) ini
terdiri dari: rendah dan tinggi. Fungsi derajat keanggotaan dari
variabel PDSK didefinisikan pada persamaan (4-8), dan (4-9).

1; x 2
(5x)
PDSK ( rendah )( x )=
; 2 x 5 ..................
3
0 ; x 5
(4-8)

0;
x 2
PDSK (tinggi)( x)= ( x2) ; 2 x 5 ...................
3
x5
1;
(4-9)

1.2
1
0.8
0.6
0.4

Rendah

0.2

Tinggi

5
nILAI Ekskul

1.2

Gambar 5 Grafik Fungsi Derajat Keanggotaan Ekskul

Sumber:[Perancangan]

1
0.8
0.6
0.4

Rendah

0.2

Tinggi

Fungsi Derajat Keanggotaan Variabel Hasil Prediksi

Himpunan variabel Hasil Prediksi(HP) ini terdiri dari: rendah
dan tinggi. Fungsi derajat keanggotaan dari variabel Hasil
Prediksi didefinisikan pada persamaan (4-12), dan (4-13).

5
nILAI PDSK

Gambar 4 Grafik Fungsi Derajat Keanggotaan PDSK

Sumber:[Perancangan]

Fungsi Derajat Keanggotaan Variabel Ekskul

Himpunan variabel Ekstrakurikuler(Ekskul) ini terdiri dari:
rendah dan tinggi. Fungsi derajat keanggotaan dari variabel
Ekskul ini didefinisikan pada persamaan (4-10), dan (4-11).

1; x2
(5x
)
Ekskul ( rendah )( x )=
; 2 x 5 ..............(43
0; x5
10)

0;
x2
( x2)
Ekskul(tinggi )( x)=
2
; x 5 ...............
3
x5
1;
(4-11)

1; x5
(
8x
)
HP ( rendah ) ( x )=
; 5 x 8 ....................(43
0; x8
12)

0;
x5
HP (tinggi)(x )= ( x5) ; 5 x 8 ......................
3
x8
1;
(4-13)
1.2
1
0.8
0.6
0.4

Rendah

0.2

Tinggi

8
nILAI HAsil prediksi

Gambar 6 Grafik Fungsi Derajat Keanggotaan Hasil Prediksi

Sumber:[Perancangan]

D. Rule

Rule merupakan serangkaian aturan yang digunakan

sebagai dasar penghitungan yang akan dilakukan metode
Fuzzy Tsukamoto. Berikut merupakan rule-rule yang
digunakan pada SPK pemilihan mahasiswa berprestasi yang
ditunjukkan pada Tabel 1 berikut.

Tabel 2 Hasil Perhitungan Fuzzifikasi

Tabel 1 Rule Pemilihan Mahasiswa Berprestasi

Sumber: [Perancangan]
Hasil Defuzzifikasi

aizi

Z = i=1 n

ai

Sumber:[Perancangan]

i =1

Z=

a 1z 1+a 2z 2++ a 15z 15+ a 16z 16

a 1+a 2+ + a 15+a 16

Z=

08+08+ +0,66,8+05
0+0++0,6+0

Z=

6,56
1

E. Implementasi Perhitungan Fuzzy Tsukmoto

Model kasus perhitungan penentuan mahasiswa
berprestasi menggunakan fuzzy Tsukamoto berdasarkan
wawancara dengan data input sebagai berikut:
Nama
: Andriyanto
NIM
: 115060813111002
Jenis Kelamin
: Laki-laki
IPK
: 3,7
TOEFL
: 480
PSDK
: - Juara 1 Islamic Fair 2013
- Juara 2 Comfest 2014
Bobot =5(3+2)
Ekskul
: - RAION Studio

Z =6,56

Maka nilai akhir mahasiswa dengan nama Andriyanto

adalah 6,56. Hasil Keputusan yang akan diberikan sistem
adalah karena nilai akhir mahasiswa(Z) 6,5 maka mahasiswa
tersebut termasuk mahasiswa berprestasi.

IV.

HASIL

Berikut merupakan hasil yang diperoleh dari

pembuatan aplikasi Sistem Pendukung Keputusan Pemilihan
Mahasiswa Berprestasi dengan menggunakan Fuzzy
Tsukamoto. Adapun hasil ini terdiri dari dua yaitu hasil
implementasi Antarmuka dan Hasil Pengujian.

Gambar 8 Contoh Hasil Perhitungan Aplikasi

Sumber:[Implementasi]

B. Hasil Pengujian
A. Hasil Implementasi Antarmuka
Berikut merupakan hasil implementasi penelitian ke
dalam program menggunakan bahasa pemrograman Java yang
ditunjukkan pada Gambar 7.

Hasil Pengujian merupakan hasil yang didapatkan

dengan melakukan pengujian fungsionalitas dan pengujian
akurasi. Berikut merupakan penjelasan lebih detailnya.

Analisis Hasil Pengujian Fungsionalitas

Pengujian Fungsionalitas bertujuan untuk mengetahui

apakan sistem yang telah dibangun telah menyediakan fungsifungsi yang dibutuhkan. Item-item yang telah dibuat dalam
daftar kebutuhan dan merupakan hasil analisis kebutuhan akan
digunakan sebagai acuan untuk melakukan pengujian
fungsionalitas. Dari kasus uji yang telah dilaksanakan sesuai
dengan prosedur pengujian yang telah dilakukan, maka
didapatkan hasil seperti yang ditunjukkan dalam Tabel 3
berikut.

Gambar 7 Hasil Implementasi Antarmuka Aplikasi

Sumber:[Implementasi]

Tabel 3 Hasil Pengujian Fungsionalitas

Berdasarkan dari hasil pengujian fungsionalitas di
atas maka dapat dianalisis bahwa implementasi dan
fungsionalitas sistem telah sesuai dengan daftar kebutuhan
sistem yang dijelaskan dalam tahapan analisis kebutuhan
sistem.

Analisis Hasil Pengujian Akurasi

Hasil Pengujian Akurasi dilakukan dengan

membandingkan Hasil Akhir dari mahasiswa menggunakan
aplikasi yang yang telah diimplemantasikan dengan file excel
hasil perhitungan. Berikut akan dijelaskan lebih detail melalui
tabel hasil menggunakan excel dan aplikasi.
Tabel 4 Hasil Pengujian Excel

Sumber:[Pengujian]
Sumber: [Pengujian]
Dari hasil pengujian fungsionalitas dalam Tabel 3
dapat dianalisis bahwa hasil pengujian fungsionalitas
dilakukan dengan melihat kesesuaian antara fungsi hasil kerja
sistem dengan daftar kebutuhan sistem. Berikut merupakan
perhitungan nilai hasil pengujian fungsionalitas:

Validasi=

Tabel 5 Hasil Pengujian Aplikasi

Jumlah tindakan yang dilakukan

x 100
Jumlah tindakan dalam daftar kebutuhan

8
x 100
8

100

Sumber: [Pengujian]

Proses analisis terhadap hasil pengujian akurasi

dilakukan dengan melihat kesesuaian antara perhitungan excel
dengan aplikasi yang diimplementasikan. Berikut merupakan
perhitungan nilai hasil pengujian akurasi:

Akurasi=

Jumlah prediksi benar aplikasi

x 100
Jumlah benar perhitungan excel

10
x 100
10

1.
2.

Dapat menambahkan variable Karya Tulis Ilmiah

sehingga mungkin akurasi juga akan lebih baik lagi.
SPK pemilihan mahasiswa berprestasi dengan metode
Fuzzy Tsukamoto tidak cocok untuk
perangkingan
dengan banyak data sekaligus, sehingga tidak dapat
dilakukan perankingan terhadap data yang diimputkan,
mungkin lebih cocok dengan metode khusus
perangkingan seperti AHP, TOPSIS, dll.

DAFTAR PUSTAKA

100

Berdasarkan dari hasil pengujian akurasi di atas maka

dapat dianalisis bahwa hasil perhitungan excel telah sesuai
dengan perhitungan aplikasi, sehingga memiliki akurasi yang
tinggi yaitu 100%.

V.

KESIMPULAN DAN SARAN

A. Kesimpulan
Berdasarkan perancangan, implementasi dan hasil
pengujian dari sistem pendukung keputusan pemilihan
mahasiswa berprestasi dengan menggunakan Fuzzy
Tsukamoto maka didapatkan kesimpulan sebagai berikut :
1. Aplikasi sistem pendukung keputusan untuk pemilihan
mahasiswa berprestasi dengan metode Fuzzy Tsukamoto
telah dibuat sesuai dengan perancangan dan dapat
digunakan dalam merekomendasikan hasil prediksi dari
mahasiswa berprestasi.
2. Hasil pengujian dari Sistem Pendukung Keputusan
Pemilihan Mahasiswa Berprestasi dengan menggunakan
Metode Fuzzy Tsukamoto adalah :
Hasil pengujian fungsional Sistem pendukung
keputusan pemilihan mahasiswa berprestasi
memiliki kinerja sistem yang mampu berjalan
sesuai dengan kebutuhan fungsional. Hal ini
dibuktikan dengan hasil pengujian fungsional yang
memberikan nilai sebesar 100%.
Hasil pengujian akurasi yang diberikan oleh metode
Fuzzy Tsukamoto baik menggunakan aplikasi yang
telah diimplementasikan dan file perhitungan excel
sama, dan diperoleh perhitungan akurasi sebesar
100%
B. Saran
Saran untuk pengembangan penelitian lebih lanjut adalah:

[1]Anonymous, Landasan Teori Logika Fuzzy, Universitas

Sumatera Utara.
[2]Deby Nur Hidayat. 2012. Sistem Pendukung Keputusan
Kelompok Pemilihan Mahasiswa Berprestasi Berbasis Web
dengan Metode Fuzzy Query. Politeknik Elektronika Negeri
Surabaya, Institut Teknologi Sepuluh November. Surabaya.
[3]Dr. Ir. Diana Arfiati, MS. 2008. Manual Prosedur Pemilihan
Mahasiswa Beprestasi FPIK Universitas Brawijaya. Malang.
[4]http://aresearch.upi.edu/operator/upload/s_kom_0704436_chapter1.p
df, diakses pada tanggal 2 Oktober 2014.
[5]Illah Sailah. 2014. Pedoman Pemilihan Mahasiswa
Beprestasi Program Sarjana. Kementrian Pendidikan dan
Kebudayaan Direktorat Jenderal Pendidikan Tinggi Direktorat
Pembelajaran dan Kemahasiswaan.
[6]Rahman, A. 2011. Sisem Penunjang Keputusan Dalam
Penentuan Penerima Kredit Mobil Berbasis Analitical
Hierarchy Proses(AHP). Banjarmasin: STMIK Banjarbaru.
[7]Ramadhana Sanja, Alfan Nazala, Adzhana Hasfi, dkk.
2014. Sistem Pakar Diagnosis Penyakit Kanker Prostat
Menggunakan Metode Fuzzy Tsukamoto. Program Teknologi
Informasi dan Ilmu Komputer Universitas Brawijaya. Malang.
[8]Sri Kusumadewi & Sri Hartati. 2006. Neuro FuzzyIntegrasi Sistem Fuzzy dan Jaringan Syaraf.Yogyakarta: Graha
Ilmu.
[9]Suyadi. 2009. Studi Perencanaan Sistem Untuk Pendukung
Keputusan Proyek Kapal Bangunan Baru. DIII Teknik
Perkapalan, Fakultas Teknik Universitas Dipenogoro.
Semarang.
[10]Turban, E, Aronson, Jay E & Liang, Teng-Ping. 2005.
Decission Support Systems and Intelligent

BIODATA PENELITI

Nama: Raymond Gomgom Sitorus.

TTL: Palangkaraya, 01 Januari 1993

Pendidikan: S1 Universitas Brawijaya
Malang.
Motto hidup: Lebih baik berusaha
daripada tidak sama sekali.

Nama: Indra Ramadhoni

TTL: Sidoarjo, 17 Maret 1993
Pendidikan: S1 Universitas Brawijaya Malang.
Motto hidup: Tetap Semangat

Nama:Vitara Nindya Putri Hasan

TTL: Malang, 27 Februari 1994
Pendidikan : S1 Universitas Brawijaya

Motto Hidup: Lihat ke depan jangan lihat ke belakang

Nama: Riza Aris Prayudi

TTL: Malang, 12 April 2014
Pendidikan: S1 Universitas Brawijaya Malang.
Motto hidup: Tetap tegar meski cobaan datang bertubi-tubi