Jurnal TIKomSiN, Vol. 10, No.

1, April ISSN Cetak : 2338-

4018 ISSN Online :

Metode Fuzzy Tsukamoto Untuk Penentuan Jurusan Sesuai Minat

Bakat Penerimaan Siswa Baru Pada SMK
Prasastya Dwi Pamungkas1); Bebas Widada2); Dwi Remawati3)
1)
Program Studi Informatika, STMIK Sinar Nusantara
2)
Program Studi Sistem Informasi, STMIK Sinar Nusantara
3)
Program Studi Teknologi Informasi, STMIK Sinar Nusantara
1)
prasastya121@gmail.com; 2)bbswdd@sinus.ac.id; 3)dwirema@sinus.ac.id

ABSTRACT
Nowadays the industrial revolution 4.0, employment demands a workforce that is
characterized, creative, innovative, and competent so that the education sector through
educational institutions, especially Vocational High School (SMK) is expected to be able to
produce graduates who are competitive in the advancement of the world of work today. However,
there are a lot of Vocational High School which is make new students difficult to choose one of
them. The purpose of this research is to help the students choosing the appropriate major based
on their interest and talent. It uses Fuzzy Tsukamoto Method in processing the values and the
PHP programming language in designing the program code. The result of this research is an
Application to decide the students’ major in Vocational High School (SMK) based on their
interest, talent, students’ score on the previous school.
Keywords : SMK, Vocational, School, Talents, Interest, Tsukamoto

I. PENDAHULUAN
Pendidikan secara umum adalah usaha II. TINJAUAN PUSTAKA
sadar dan terencana untuk mewujudkan 2.1. SPK
suasana belajar dan proses pembelajaran Sistem Pendukung Keputusan (SPK) atau
untuk peserta didik agar secara aktif Decision Support System (DSS) adalah sistem
mengembangkan potensi dirinya untuk berbasis komputer yang terdiri dari tiga
memiliki kekuatan spiritual keagamaan, komponen yang saling berinteraksi, sistem
pengendalian diri, kepribadian, kecerdasan, bahasa (mekanisme untuk memberikan
akhlak mulia serta ketrampilan yang komunikasi antara pengguna dan komponen
diperuntukkan untuk dirinya dan sistem pendukung keputusan lain), sistem
masyarakat[1]. pengetahuan (repository pengetahuan domain
Sekolah Menengah Kejuruan (SMK) masalah yang ada pada sistem pendukung
memiliki banyak jurusan. Semakin banyak keputusan atau sebagai data atau sebagai
pilihan jurusan pada sebuah Sekolah produser) dan sistem pemrosesan masalah
Menengah Kejuruan (SMK) menjadikan (hubungan antara dua komponen lainnya,
semakin banyak pilihan bagi peserta didik, dan terdiri dari satu atau lebih kapasitas manipulasi
ini membuat kesulitan bagi peserta didik. masalah umum yang diperlukan untuk
Untuk membantu siswa baru khususnya SMK pengambilan keputusan)[3].
Pancasila 5 wonogiri dalam memilih jurusan,
maka pada penelitian ini membuat aplikasi 2.2. Website
Penentuan Jurusan Sesuai Minat Bakat Pada Website merupakan kumpulan halaman-
Penerimaan Siswa Baru SMK Pancasila 5 halaman yang digunakan untuk menampilkan
Wonogiri. Metode yang digunakan informasi teks, gambar diam atau gerak,
menggunakan metode Fuzzy Tsukamoto. animasi, suara,dan atau gabungan dari
Metode Fuzzy Tsukamoto merupakan pilihan semuanya, baik yang bersifat statis maupun
yang tepat dalam menangani masalah dinamis yang membentuk satu rangkaian
pengambilan sebuah keputusan yang bangunan yang saling terkait, yang masing-
menggunakan beberapa kriteria. Dengan masing dihubungkan dengan jaringan-jaringan
metode ini, semua kriteria itu memiliki nilai halaman [4].
yang sama sehingga tidak memiliki bobot yang
berbeda seperti metode lain[2]. 2.3. MySQL
Dengan aplikasi ini diharapkan para calon MySQL adalah Relational Database
siswa baru mampu memilih jurusan yang Management System (RDBMS), yaitu data
sesuai dengan minat dan bakat yang dimiliki.
1
Jurnal TIKomSiN, Vol. 10, No. 1, April 2022 ISSN Cetak : 2338-4018
DOI: https://doi.org/10.30646/tikomsin.v10i1.599 ISSN Online : 2620-7532

base relasi yang memiliki perintah standar Pada penelitian yang lain algoritma Fuzzy
adalah SQL (Structured Query Language). Tsukamoto digunakan untuk sistem monitoring
MySQL termasuk Data base Server, karna dan mengkontrol kolam peresapan air pada
mendukung parintah SQL secara penuh dan Internet of Things (IoT) di UNISSULA,
dapat diakses dalam jaringan (bisa sebagai sehingga pompa yang ada pada kolam
Server dan Client) [4]. peresapan air dapat dikontrol secara otomatis
dan data ketinggian air dapat di pantau secara
2.4. PHP tepat waktu [10].
PHP merupakan script yang terintegrasi Penelitian tentang penentuan penerima
dengan HTML dan berada pada server (server beasiswa dilakukan oleh [11], menggunakan
side HTML embedded scripting). PHP juga metody fuzzy yaitu fuzzy Tsukamoto dengan
merupakan script yang digunakan untuk menggunakan 2 variabel yaitu IP dan
membuat halaman website yang dinamis.[4] pendapatan orang tua.
2.5. Logika Fuzzy Sedangkan penggunaan fuzzy Tsukamoto
Logika fuzzy adalah multi-nilai logika yang untuk proses pemilihan jurusan dan
diperkenalkan oleh Zadeh untuk berurusan memberikan rekomendasi yang membantu
dengan ide-ide jelas dan tegas. Ini telah siswa/i dalam menentukan jurusan pada SMA
digambarkan sebagai perpanjangan dengan dilakukan oleh [12], dengan kesimpulan
logika Aristotelian dan Boolean konvensional membantu mempercepat dan memudahkan
karena berhubungan dengan "derajat sekolah untuk menentukan keputusan dalam
kebenaran" agak dari nilai absolut dari "0 dan pelimilihan jurusan.
1" atau "benar / salah". Logika fuzzy tidak Fuzzy Tsukamoto juga digunakan untuk
seperti perangkat lunak komputer yang hanya Penentuan konsentrasi pada mahasiswa,
memahami fungsi biner atau nilai konkret karena kebanyakan mahasiswa kesulitan
melainkan mirip dengan pemikiran manusia dalam menentukan konsentrasi pada saat awal
dan interpretasi. Seperti ditunjukkan pada perkuliahan. Banyak mahasiswa yang masih
Gambar 1. belum mengenal minat dan kemampuan yang
dimilikinya. Hal tersebut membuat mahasiswa
cenderung memilih dan menjalani konsentrasi
yang tidak sesuai dengan minat dan
kemampuannya. Dengan aplikasi ini
digunakan untuk memberikan rekomendasi
Gambar 1. Logika tegas (kiri) dan logika fuzzy dalam pemilihan konsentrasi di Jurusan Teknik
(kanan) Informatika FTI UII [13].

Defuzzyfikasi III. METODE PENELITIAN

Untuk mendapatkan nilai output (crisp) 3.1. Metode Penelitian
adalah mengubah input menjadi suatu Metode yang digunakan dalam melakukan
bilangan pada domain himpunan fuzzy . penelitian merupakan dasar penyusunan
dimana antara anteseden dan konsekuen rancangan dan merupakan penjelasan dari
harus ada metode ilmiah secara umum.
hubungannya.
∑𝑛 𝛼 3.2. Jenis dan Metode Pengumpulan Data
𝑧
𝑍 = 𝛼𝑖𝑧𝑖 𝑖=1 𝑖 ………. (1) a. Jenis Data
∑𝑛 𝑖
𝑖=1 𝑛
𝑖=1 𝛼𝑖
∑ Data primer adalah data yang diperoleh
Z merupakan hasil defuzzyfikasi, tahu dengan variable yang berbeda.
sedangkan αi adalah nilai keanggotaan
antiseden, dan zi adalah hasil inferensi setiap
aturan[5].

2.4. Penelitian Terdahulu

Penelitian yang telah dilakukan oleh [6] [7]
[8][9] , menunjukkan bahwa algoritma Fuzzy
Tsukamoto dapat digunakan untuk
menentukan jumlah produksi suatu home
industri, yaitu UMKM roti, seragam maupun
2
 Jurnal TIKomSiN, Vol. 10, No. 1, April ISSN Cetak : 2338-
4018 ISSN Online :
langsung dari perusahaan/instansi yang
menjadi obyek penelitian.
Data sekunder adalah data yang yang
diperoleh dari buku yang mendukung
penelitian.
b. Metode Pengumpulan Data
1. Observasi
2. Wawancara
3. Studi Pustaka
3.3. Metode Pengolahan dan Pengembangan
Sistem
Dalam pembangunan suatu aplikasi
diperlukan suatu pengolahan dan

3
Jurnal TIKomSiN, Vol. 10, No. 1, April ISSN Cetak : 2338-
4018 ISSN Online :

pengembangan sistem yang akan menentukan Keterangan pada Use Case Diagram
proses penyelesaian rekayasa perangkat ditunjukkan pada Tabel 1.
lunak, adapun pengolahan sistem yang
digunakan adalah dengan menggunakan
pengembangan sistem SDLC model waterfall. Tabel 1. Identifikasi Aktor

IV. HASIL DAN PEMBAHASAN Aktor Deskripsi

Perancangan dan pembuatan aplikasi Merupakan pengguna yang
penentuan minat bakat apada penerimaan memiliki hak akses untuk
murid baru SMK Pancasila 5 Wonogiri ini Admin
menambah, mengedit dan
menggunakan model SDLC (Software mengurangi konten.
Development Life Cycle) waterfall. SDLC
Merupakan pengguna yang
waterfall memiliki 5 tahapan, yaitu analisis
Siswa memiliki hak akses terbatas dan
kebutuhan perangkat lunak, desain,
hanya mampu menjawab soal
pembuatan kode program (coding), pengujian
dan pemeliharaan (maintenance).
Aktifitas pada Use Case diagram ditunjukkan
pada Tabel 2.
4.1. Analisa
Tahapan ini adalah pengumpulan data Tabel 2. Identifikasi Use Case
dan kebutuhan yang akan dibangun menjadi
No Use Case Keterangan
sebuah sistem baru dari sistem lama yang
telah berjalan, diperoleh data yang dibutuhkan Menginput Nilai
yaitu: merupakan proses yang
1) Data nilai calon murid dilakukan oleh admin
Menginput
2) Alur penerimaan calon murid baru 1 untuk memasukkan nilai
Nilai
pada sistem yang berjalan saat ini ke aplikasi sehingga
3) Analisis proses algoritma fuzzy dapat diproses oleh
Tsukamoto aplikasi
4) Fungsional sistem Mengedit Nilai
5) Kebutuhan sistem merupakan proses yang
dilakukan oleh admin
4.2. Desain Mengedit untuk mengedit masukan
2
Perancangan ini meliputi perancangan use Nilai nilai yang telah diinput
case, activity diagram, sequence diagram, ke aplikasi jika terjadi
basis data dan perancangan antar muka. kesalahan dalam proses
a. Use Case Diagram input
Use case diagram juga digunakan untuk Menghapus Nilai
mengetahui fungsi apa saja yang ada di dalam merupakan proses yang
Menghapus
sebuah sistem dan siapa saja yang berhak 3 dilakukan oleh admin
Nilai
menggunakan fungsi-fungsi tersebut. untuk menghapus nilai
Ditunjukkan pada Gambar 2. yang telah diinputkan.
Melihat Hasil merupakan
proses yang dilakukan
Melihat
4 oleh murid untuk melihat
Hasil
hasil penilaian yang
telah dilakukan

b. Activity Diagram
Activity diagram merupakan rangkaian
aliran dari aktivitas, digunakan untuk
mendeskripsikan aktivitas yang dibentuk dalam
suatu operasi sehingga dapat juga digunakan
untuk aktivitas lainnya, seperti pada Gambar 3.

Gambar 2. Use Case Diagram

7
 Jurnal TIKomSiN, Vol. 10, No. 1, April ISSN Cetak : 2338-
4018 ISSN Online :

penentuan Data mentah yang digunakan untuk

perhitungan beserta kriteria yang digunakan,
ditunjukkan pada Tabel 3.

Tabel 3. Data Mentah

Nilai
Nama C1 C2 C3 C4 C5 C6
Siswa1 80 60 75 80 TKJ 79
Siswa2 70 80 85 40 AP 60
Siswa3 78 83 40 40 TKJ 65
Siswa4 80 40 30 35 AP 63
Siswa5 65 70 72 68 AP 40
Siswa6 70 60 71 63 AKUN 40

C1 : Nilai Matematika
C2 : Nilai Bahasa Indonesia
Gambar 3. Activity Diagram Admin
C3 : Nilai Bahasa Inggris
C4 : Nilai IPA
c. Sequence Diagram C5 : Minat Siswa
Sequence diagram menggambarkan
C6 : Nilai Tes Tertulis
interaksi antar objek di dalam dan di sekitar
sistem (termasuk pengguna, display, dan
Langkah berikutnya adalah:
sebagainya) berupa message yang
a. Pembentukan Himpunan Fuzzy
digambarkan terhadap waktu, ditunjukkan
Selanjutnya melakaukan pembentukan
pada Gambar 4.
himpunan Fuzzy, pada Langkah ini
menentukan variable input yang ditunjukkan
pada Tabel 4 dan variable output yang
ditunjukkan pada Tabel 5.

Tabel 4. Variabel Input

Himpunan Semesta
Variabel Domain
Fuzzy Pembicaraan
Cukup [0-60]
C1 Baik [0-100] [40-100]
Cukup [0-60]
C2 Baik [0-100] [40-100]
Cukup [0-60]
Gambar 4. Sequence Diagram login admin C3 Baik [0-100] [40-100]
Cukup [0-60]
d. Basis Data C4 Baik [0-100] [40-100]
Perancangan aplikasi ini menggunakan Cukup [0-60]
database mysql yang berfungsi untuk C5 Baik [0-100] [40-100]
menyimpan data siswa. Relasi anatar tabel Cukup [0-60]
C6 [0-100]
ditunjukkan pada Gambar 5. Baik [40-100]

b. Fungsi Keanggotaan
Grafik fungsi keanggotaan variable input
ditunjukkan pada Gambar 6, sedangkan Grafik
fungsi keanggotaan variable outpu ditunjukkan
pada Gambar 7.

Gambar 5. Relasi tabel

4.3. Proses Perhitungan

Proses perhitungan dengan menggunakan Gambar 6. Grafik Fungsi Keanggotaan Variable
algoritma Fuzzy Tsukamoto dalam masalah Input
yang di bahas oleh peneliti, dimulai dari

7
Jurnal TIKomSiN, Vol. 10, No. 1, April ISSN Cetak : 2338-
4018 ISSN Online :

Fungsi Keanggotaan variabel input: Tabel 6. Komposisi Aturan

Kode Aturan
0;
60−𝑥 𝑥 ≥ 60 IF nilai UN Matematika BAIK AND nilai
µ cukup = { UN Bahasa Indonesia BAIK AND nilai
40 ≤ 𝑥 ≤ 60
; 𝑥 ≤ 40 UN Bahasa Inggris BAIK AND nilai UN
60−40 IPA BAIK AND nilai minat TKJ BAIK
1; R1 AND nilai minat administrasi
𝑥 ≤ 40 perkantoran CUKUP AND nilai minat
0; 40 ≤ 𝑥 ≤ 60 penjualan CUKUP and nilai minat
𝑥−40
µ baik = ; 𝑥 ≥ 60 akuntansi CUKUP AND nilai tes tertulis
{60−40 BAIK THEN jurusan TKJ
1; IF nilai UN Matematika BAIK AND nilai
UN Bahasa Indonesia BAIK AND nilai
Tabel 5. Variabel Output UN Bahasa Inggris BAIK AND nilai UN
Semesta IPA CUKUP AND nilai minat TKJ
Himpunan
Variabel Pembicar Domain CUKUP AND nilai minat administrasi
Fuzzy R2
aan perkantoran BAIK AND nilai minat
Jurusan TKJ [0-50] [0-20] penjualan CUKUP and nilai minat
Jurusan akuntansi CUKUP AND nilai tes tertulis
Administrasi [0-50] [10-30] BAIK THEN jurusan Administrasi
Perkantoran Perkantoran
Jurusan
Jurusan (sambungan)
[0-50] [20-40]
Penjualan IF nilai UN Matematika CUKUP AND
Jurusan nilai UN Bahasa Indonesia CUKUP AND
[0-50] [30-50]
Akuntansi nilai UN Bahasa Inggris CUKUP AND
nilai UN IPA BAIK AND nilai minat TKJ
R102 CUKUP AND nilai minat administrasi
perkantoran BAIK AND nilai minat
penjualan CUKUP and nilai minat
akuntansi CUKUP AND nilai tes tertulis
CUKUP THEN jurusan Akuntansi
IF nilai UN Matematika CUKUP AND
nilai UN Bahasa Indonesia CUKUP AND
nilai UN Bahasa Inggris CUKUP AND
Gambar 7. Grafik Fungsi Keanggotaan Variable nilai UN IPA BAIK AND nilai minat TKJ
Ouput R103 CUKUP AND nilai minat administrasi
perkantoran CUKUP AND nilai minat
0; penjualan BAIK and nilai minat
𝑥 ≥ 20
20−𝑥 akuntansi CUKUP AND nilai tes tertulis
µA= {20−10; 10 ≤ 𝑥 ≤ 20 CUKUP THEN jurusan Akuntansi
1; 𝑥 ≤ 10

0; d. Defuzzyfikasi
𝑥−10 𝑥 ≤ 10 𝑥 ≤ 30 Berdasarkan rumus pada persamaan (1),
µ B= {20−10 10 ≤ 𝑥 ≤ 20 maka proses perhitungan Defuzzyfikasi
20−𝑥 0 ≤ 𝑥 ≤ 20 berdasarkan Tabel Nilai Siswa1 yang
30−20 ;
ditunjukkan pada Tabel 7.
0;
𝑥−20 𝑥 ≤ 20 𝑥 ≤ 40 Tabel 7. Tabel Nilai Siswa1
µ C= {30−20 20 ≤ 𝑥 ≤ 30 Nilai
Nama C1 C2 C3 C4 C5 C6
40−𝑥 30 ≤ 𝑥 ≤ 40
40−30 ; Siswa1 80 60 75 80 TKJ 79
0;
𝑥−30 𝑥 ≤ 30 𝑥 ≤ 50 a) Matematika = {cukup,baik}
µ D = {40−30 ; 30 ≤ 𝑥 ≤ 40 µcukup [80] = 0
40−𝑥 40 ≤ 𝑥 ≤ 50 µbaik [80] = 1
50−40 ; b) Bahasa Indonesia = {cukup,baik}
c. Fuzzy Inference System Rules Tabel 6.
Komposisi aturan pada himpunan Fuzzy pada
penyelesaian masalahan ini ditunjukkan pada
7
 Jurnal TIKomSiN, Vol. 10, No. 1, April ISSN Cetak : 2338-
4018 ISSN Online :
µcukup [60] = 0
µbaik [60] = 1
c) Bahasa Inggris =
{cukup,baik} µcukup
[75] = 0

7
Jurnal TIKomSiN, Vol. 10, No. 1, April ISSN Cetak : 2338-
4018 ISSN Online :

µbaik [75] = 1 4.4. Aplikasi Penentuan Jurusan

d) IPA = {cukup,baik} Tampilan awal dari aplikasi ini dimulai
µcukup [80] = 0 dengan tampilan login admin. Login bertujuan
µbaik [80] = 1 agar hanya user yang berhak menggunakan
e) Minat TKJ {cukup,baik} aplikasi ini yang bisa masuk, ditunjukkan pada
µcukup [60] = 0 Gambar 8.
µbaik [60] = 1
f) Minat Administrasi Perkantoran
{cukup,baik}
µcukup [40] = 1
µbaik [40] = 0
g) Minat Penjualan {cukup,baik}
µcukup [40] = 1
µbaik [40] = 0
h) Minat akuntansi {cukup,baik}
µcukup [40] = 1
µbaik [40] = 0
i) Tes Tertulis {cukup,baik} Gambar 8. Halaman login
µcukup [79] = 0
µbaik [79] = 1 Tampilan menu rule berisi rule / aturan
yang menjadi dasar perhitungan aplikasi dalam
C C C C C C C C C α*
memberikan hasil yang sesuai dengan inputan
R α z
1 2 3 4 5 6 7 7 9 z nilai berdasarkan kriteria yang ada, ditunjukkan
pada Gambar 9.
1 1 1 1 1 1 1 1 1 1 1 0 0
2 1 1 1 0 0 0 1 1 1 0 10 0
102 0 0 0 1 0 0 1 1 0 0 30 0
103 0 0 0 1 0 1 0 1 0 0 30 0

Dari perhitungan diatas bisa disimpulkan

Siswa1 memiliki bakat di Jurusan TKJ sesuai
dengan minat pilihan awalnya. Gambar 9. Tampilan menu rules
Selanjutnya melalui tahapan-tahapan
perhitungan yang sama seperti contoh diatas, Tampilan berikut ini berisikan data pribadi
dilakukan pengujian terhadap 6 orang calon siswa dan nilai mata pelajaran yang digunakan
siswa baru yang akan mendaftar di SMK sebagai dasar perhitungan dalam menentukan
Pancasila 5 Wonogiri. jurusan. Ditampilkan pada Gambar 10.
Dari 6 orang siswa tersebut diperoleh nilai
seperti berikut ini, ditunjukkan pada Tabel 8 :

Tabel 8. Hasil Perhitungan

Minat
Nama α z α*z Z Minat Jurusan
Siswa1 1 0 0 0 TKJ TKJ
Siswa2 1 20 20 20 AP AP
Siswa3 1 30 30 30 TKJ PENJ
Siswa4 1 40 40 40 AP AKUN
Siswa5 1 0 0 0 AP TKJ
Siswa6 1 0 0 0 AKUN TKJ
Gambar 10. Menu analisa hasil

7
 Jurnal TIKomSiN, Vol. 10, No. 1, April ISSN Cetak : 2338-
4018 ISSN Online :

4.5. Pengujian pemrogaman untuk membuat hasil

Pengujian dilakukan untuk mengetahui perhitungan dapat dipakai oleh pengguna.
bagaimana implementasi aplikasi yang telah Dalam pengujian ini akan di dapatkan akurasi
dibangun. dari algoritma Fuzzy Tsukamoto dalam
masalah yang dibahas oleh peneliti.
a. Pengujian Fungsionalistas Dari data diatas dilakukan perhitungan
Menggunakan metode uji Black Box. menggunakan algoritma fuzzy tsukamoto
Tabel hasil pengujian Black Box ditunjukkan menggunakan perhitungan menggunakan
pada Tabel 9. excel, perhitungan sistem yang dibuat dan
excel didapat hasil yang sama sehingga ini
Tabel 9. Hasil Pengujian Black Box
Hasil Pengujian
membuktikan bahwa sistem yang telah dibuat
No Kelas Yang Pengam Kesimpu mempunyai tingkat validitas yang sama
Uji Diharapkan atan lan dengan perhitungan manual sehingga
Berhasil
() membuktikan bahwa dengan pengujian ini
Login dan diterima sistem sudah melakukan perhitungan secara
1 Login login dan
Logout ( )
Logout
ditolak
benar.
Menampilka
() V. PENUTUP
Hala n Halaman Tampilan
diterima 5.1. Kesimpulan
2 man Utama yang Halaman
( )
Mulai berisi data Utama Berdasarkan hasil penelitian yang telah
siswa ditolak
dilaksanakan, dapat diambil kesimpulan
()
Mena
Menambah
Data
diterima
sebagai berikut:
3 mbah Bertamb 1. Terciptanya sebuah aplikasi penentuan
Data Murid ( )
Data ah ditolak jurusan sesuai minat bakat pada
Meng
() penerimaan siswa baru SMK Pancasila 5
Mengedit Data diterima Wonogiri dengan menggunakan
4 edit
Data Murid Teredit ( )
Data
ditolak perhitungan fuzzy tsukamoto.
() 2. Aplikasi ini dapat membantu sekolah dan
Meng siswa untuk membantu menentukan jurusan
Menghapus Data diterima
5 hapus
Data
Data Murid Terhapus ( ) yang tepat sesuai dengan minat bakat serta
ditolak kemampuan siswa.
Mena Penggun ()
Menambah
mbah a diterima
6 Pengguna 5.2. Saran
Peng Bertamb ( )
aplikasi Saran untuk perbaikan dari Aplikasi ini
guna ah ditolak
Meng
Mengedit
() adalah:
edit Penggun diterima 1. Sistem dapat dikembangkan lagi dengan
7 Pengguna
Peng a Teredit ( )
guna aplikasi ditolak memasukkan lebih banyak kriteria
Meng () sehingga tercipta sebuah sistem yang lebih
Menghapus Penggun lengkap dalam proses penentuan jurusan
hapus diterima
8 Pengguna a
peng
aplikasi Terhapus
( ) sesuai minat bakat siswa.
guna ditolak
2. Dapat digunakan metode perhitungan
Data
tersimpa lainnya untuk membandingkan ketepatan
Menginput n dan dan keakuratan sistem.
data agar sesuai
()
dilakukan dengan DAFTAR PUSTAKA
Input diterima
9 perhitungan hasil
Data
secara perhitung
( ) [1] Depdiknas, “Permendiknas Nomor 22
ditolak Tentang Standar Isi Untuk Satuan
terkomputeri an
sasi manual Pendidikan Dasar dan Menengah,” pp. 1–
yang 43, 2006.
dilakukan
[2] F. D. Ragestu and A. J. P. Sibarani,
“Penerapan Metode Fuzzy Tsukamoto
b. Pengujian Validitas
Dalam Pemilihan Siswa Teladan di
Pengujian secara Validitas membahas
Sekolah,” Teknika, vol. 9, no. 1, pp. 9–15,
tentang kebenaran cara perhitungan sistem
Jul. 2020, doi: 10.34148/teknika.v9i1.251.
pendukung keputusan yang menggunakan
[3] J. E. Aronson, “Efraim Turban and
Algoritma sebagai dasar penentuan keadaan
Management Support Systems,” pp. 1–41,
yang akan dituangkan kedalam sebuah
2001.
bahasa
7
Jurnal TIKomSiN, Vol. 10, No. 1, April ISSN Cetak : 2338-
4018 ISSN Online :

[4] Vivian Siahaan and Rismon Hasiholan

Sianipar, “Pemrograman Web dengan
PHP dan MySQL - Google Books,”
Penerbit SPARTA, no. January 2005, pp.
1–122, 2018.
[5] Sri Kusumadewi, “Artificial Intelligence,”
Artif. Intell. (Teknik dan Apl)., 2003.
[6] L. Beu and A. Husna, “Metode Fuzzy
Tsukamoto Untuk Memprediksi Jumlah
Produksi Kue Pia,” vol. 3, no. 2, pp. 46–49,
2019.
[7] K. M. Herdiastuti, “Implementasi Algoritma
Fuzzy Tsukamoto Untuk Menentukan
Jumlah Produksi Roti,” TIKomSiN, pp. 23–
29, 2016.
[8] A. P. Kusuma, W. D. Puspitasari, and T.
Gustiyoto, “Sistem Pendukung Keputusan
Dalam Menentukan Jumlah Produksi
Seragam Menggunakan Metode Fuzzy
Tsukamoto,” Antivirus J. Ilm. Tek. Inform.,
vol. 12, no. 1, pp. 1–14, 2018, doi:
10.35457/antivirus.v12i1.431.
[9] S. Basriati, M.Sc and E. Safitri, M.Mat,
“Penerapan Metode Fuzzy Tsukamoto
dalam Menentukan Jumlah Produksi
Tahu,” J. Sains, Teknol. dan Ind., vol. 18,
no. 1, p. 120, 2021, doi:
10.24014/sitekin.v18i1.11022.
[10] A. Riansyah and D. Kurniadi, “Fuzzy
Tsukamoto Implementation on Internet of
Things to Control Flooding,” J. Transform.,
vol. 17, no. 2, p. 171, Jan. 2020, doi:
10.26623/transformatika.v17i2.1700.
[11] N. Novita, “Metode Fuzzy Tsukamoto
Untuk Menentukan Beasiswa,” J. Penelit.
Tek. Inform. Vol. 1 Nomor 1, Oktober
2016, vol. 1, pp. 51–54, 2016, doi: 2541-
2019.
[12] H. Quddustiani, U. Athiyah, M. R. Kartika,
R. Hidayat, and L. R. Nabila, “Penentuan
Jurusan Siswa Sekolah Menengah Atas
menggunakan Metode Fuzzy Tsukamoto,”
J. Dinda Data Sci. Inf. Technol. Data
Anal., vol. 1, no. 2, pp. 82–87, 2021, doi:
10.20895/dinda.v1i2.205.
[13] A. Z. Rakhman, H. N. Wulandari, G.
Maheswara, and S. Kusumadewi, “Fuzzy
Inference System Dengan Metode
Tsukamoto Sebagai Pemberi Saran
Pemilihan Konsentrasi (Studi Kasus:
Jurusan Teknik Informatika Uii),” Semin.
Nas. Apl. Teknol. Inf., vol. 0, no. 0, pp. 15–
16, 2012, [Online]. Available:
https://journal.uii.ac.id/Snati/article/view/29
03.