Analisa Perbandingan Logic Fuzzy Metode Tsukamoto, Sugeno, Dan Mamdani ( Studi Kasus : Prediksi Jumlah Pendaftar Mahasiswa Baru Fakultas Sains Dan Teknologi Uin Sunan Gunung Djati Bandung)

Abstract

ABSTRAK Universitas Islam Negeri (UIN) Sunan Gunung Djati Bandung salah satu institusi perguruan tinggi yang memiliki kualitas yang bagus dan memiliki potensi yang dapat menyerap mahasiswa baru berdasarkan berlimpahnya data awal yang diperoleh dari tahun ajaran 2013/2014 sampai dengan 2016/2017, dengan tahapan seleksi penerimaan yang banyak bahkan mahasiswa baru yang terserap beberapa tahun terakhir mengalami peningkatan dan penurunan.Dalam penelitian dilakukan analisa perbandingan algoritma fuzzy logic metode Tsukamoto, Sugeno dan Mamdani untuk memprediksi jumlah pendaftar untuk tahun kedepan dilihat dari jumlah mahasiswa yang lulus dan registrasi dari tahun sebelumnya dan dalam membandingkan perhitungannya menggunakan nilai rata-rata dari hasil yang diperoleh pada ketiga metode fuzzy tersebut dengan aplikasi berbasis web.Hasil dari penelitian yang telah dihitung bahwa metode fuzzy Mamdani mempunyai tingkat error yang lebih kecil sebesar 19,76% dibandingkan dengan metode Tsukamoto sebesar 39,03% dan Sugeno sebesar 86,41% pada prediksi jumlah pendaftar mahasiswa baru. ABSTRACT State Islamic University (UIN) Sunan Gunung Djati Bandung one of the university institutions that have good quality and has the potential to absorb new students based on the abundance of preliminary data obtained from the academic year 2013/2014 until 2016/2017, with the selection selection stage Which many new students even absorbed in the last few years have increased and decreased. In the research, comparative analysis of fuzzy logic algorithm of Tsukamoto, Sugeno and Mamdani method is used to predict the number of applicants for the next year seen from the number of students who graduated and registration from the previous year and in comparing the calculation uses the average value of the results obtained in the three fuzzy methods with web-based applications. The result of the research has been calculated that the fuzzy Mamdani method has a smaller error rate of 19.76% compared to the tsukamo method To equal to 39.03% and Sugeno equal to 86.41% in predicted number of new student enrollment How to Cite : Irfan, M. Ayuningtias, L.P. Jumadi, J. (2017). ANALISA PERBANDINGAN LOGIC FUZZY METODE TSUKAMOTO, SUGENO, DAN MAMDANI (STUDI KASUS : PREDIKSI JUMLAH PENDAFTAR MAHASISWA BARU FAKULTAS SAINS DAN TEKNOLOGI UIN SUNAN GUNUNG DJATI BANDUNG). Jurnal Teknik Informatika, 10(1), 9-16.doi:10.15408/jti.v10i1.6810Permalink/DOI: http://dx.doi.org/10.15408/jti.v10i1.6810

Implementasi Logika Fuzzy dalam Memprediksi Tingkat Kelulusan Tes Seleksi CPNS dengan Menggunakan Metode Tsukamoto

“…Metode defuzzifikasi yang digunakan dalam metode Tsukamotoadalah metode defuzzifikasi rata-rata terpusat (Center Average Defuzzyfier) [3]. Pada penelitian penerapan Metode Fuzzy Tsukamoto dapat membantu kinerja HRD dalam melaksanakan seleksi karyawan baru pada suatu perusahaan dan berdasarkan uji coba yang dilakukan penerapan fuzzy tsukamoto memiliki tingkat validitas yang cukup tinggi yaitu 86,67% sehingga mampu memberikan hasil penilaian yang baik [4].…”

Impelementasi Algoritma Regresi Linier Berganda Untuk Prediksi Penjualan

“…Prediksi merupakan suatu jenis kegiatan untuk memperkirakan sesuatu yang akan terjadi dimasa depan. Perasalahan dalam proses menentukan keputusan adalah kendala yang dihadapi, oleh sebab itu prediksi termasuk dari permasalah yang harus dihadapi, dikarenakan prediksi memiliki keterkaitan dengan pengambilan keputusan [5].…”

Fuzzy Sugeno Algorithm for Clustering Document Management

“…By the research of Fuzzy Logic Comparison Analysis of Tsukamoto, Sugeno, and Mamdani Methods the authors give 2 inputs to predict the amount of registration students in the future. Based on the comparison of 3 fuzzy logic, Sugeno method has the higher error with on 86,41% [12].…”