Analisis Perbandingan Fuzzy Tsukamoto dan Sugeno dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Base Rule Decision Tree

Tundo, Tundo; Akbar, Riolandi; Sela, Enny Itje

doi:10.25126/jtiik.2020701751

Cited by 3 publications

(3 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penelitian ini menggunakan linier turun (x-a) / (b-a). Penjelasan pada tabel 1 dan gambar 2 adalah menyajikan algoritma dengan menggunakan decision tree yang digunakan untuk metode pengambilan keputusan [9] yang menyusun, tabel 1 menjelaskan penyesuaian data sesuai dengan kriteria gunung dan penilaian pakar. Keterangan :…”

Section: Metode Fuzzy Tsukamotounclassified

Sistem Pakar Rekomendasi Pendakian Gunung di Jawa Tengah menggunakan Algoritma Fuzzy Tsukamoto Berbasis Website

Anggun Pratiwi,

Norhikmah

2023

FaktorExacta

View full text Add to dashboard Cite

Indonesia has a variety of unique tourist attractions in terms of nature and history, which can be used as local and foreign tourist attractions, with a variety of beauty that can be enjoyed. One of them is the mountainous area which offers soothing and pleasing to the eye. Almost every region in Indonesia has different mountain characteristics, especially the island of Java; to be precise, the Central Java region has around 12 mountains. These mountains usually used as a climbing place for residents inside and outside the region. In addition to helping the community economy, climbing can also be used to protect nature and introduce the natural beauty that exists in Indonesia to the international world. Therefore, a website-based mountain climbing recommendation system was created in the Central Java region using the Fuzzy Tsukamoto method. By being based on a website, users will find it easier to find information and can access it anytime, anywhere. This system uses a fuzzy method whose data can be said to be accurate and based on the information from an experienced expert.

show abstract

Section: Metode Fuzzy Tsukamotounclassified

Sistem Pakar Rekomendasi Pendakian Gunung di Jawa Tengah menggunakan Algoritma Fuzzy Tsukamoto Berbasis Website

Anggun Pratiwi,

Norhikmah

2023

FaktorExacta

View full text Add to dashboard Cite

show abstract

“…Membuat pemodelan fuzzy untuk setiap kritera dengan menggunakan kurva linier naik, turun, dan segitiga (Tundo, Akbar and Sela, 2020). Pada kasus ini, ada 4 variabel yang akan dimodelkan, yaitu: Aplikasi fungsi implikasi menggunakan fungsi MIN, dapat mencari nilai α dan z pada setiap aturan untuk aturan yang terbentuk (Tundo and Sela, 2018) menggunakan decision tree REPTree, dapat dilihat pada Tabel 7.…”

Section: A Pemodelan Fuzzyunclassified

Konsep Decision Tree Reptree untuk Melakukan Optimasi Rule dalam Fuzzy Inference System Tsukamoto

Tundo

Uyun

2022

JTIIK

View full text Add to dashboard Cite

Penelitian ini menjelaskan tentang decision tree REPTree dalam membuat suatu rule yang terbentuk dari produksi minyak kelapa sawit di PT Tapiana Nadenggan, yang dipengaruhi oleh faktor banyaknya kelapa sawit, permintaan yang ada, serta persediaan yang tersedia. Konsep dari decision tree REPTree adalah konsep awal dari decision tree J48 yang kemudian mengalami pemangkasan kembali, sehingg rule yang yang terbentuk lebih minimal dan praktis. Rule yang minimal dan praktis belum tentu dapat dikatakan terbaik, untuk membuktikan hal itu perlu adanya uji coba dan pembuktian. Pembuktian yang dilakukan dalam penelitian ini salah satunya dengan menggunakan perbandingan decision tree J48 dan Random Tree dengan tujuan untuk mengetahui optimasi rule yang terbentuk dengan menggunakan metode fuzzy inference system Tsukamoto, setelah dihitung bahwa decision tree REPTree mempunyai Average Forecasting Error Rate (AFER) yang lebih kecil sebesar 23,17% dengan nilai kebenaran 76,83%, sedangkan J48 memiliki tingkat error sebesar 24,96%, dengan nilai kebenaran 75,04%, sementara Random Tree memiliki tingkat error sebesar 36,51%, dengan nilai kebenaran 63,49% pada kasus prediksi produksi minyak kelapa sawit di PT Tapiana Nadenggan. Abstract<div>This research explains about REPTree's decision tree in making a rule that is formed from the production of palm oil in PT Tapiana Nadenggan, which is influenced by factors of the amount of palm oil, existing demand, and available supplies. The concept of the REPTree decision tree is the initial concept of the J48 decision tree which then experiences pruning, so that the rules formed are more minimal and practical. A minimum and practical rule may not be the best, to prove that there is a need for trials and proofs. Proof carried out in this research is one of them by using a comparison of decision trees J48 and Random Tree with the aim to find out the optimization of rules formed using the Tsukamoto system's fuzzy inference method, after calculating that the REPTree decision tree has a more average Forecasting Error Rate (AFER) error tree small of 23.17% with a truth value of 76.83%, while J48 has an error rate of 24.96%, with a truth value of 75.04%, while Random Tree has an error rate of 36.51%, with a truth value of 63, 49% in the case of prediction of palm oil production at PT Tapiana Nadenggan.</div>

show abstract

“…Setelah dihitung diperoleh kesimpulan bahwa pohon keputusan REPTree memiliki nilai yang mendekati dari data produksi sesungguhnya dibandingkan dengan J48. Kedua menurut [8] melakukan penelitian mengenai prediksi produksi kain tenun dengan menggunakan metode fuzzy Tsukamoto dan Sugeno, dimana rule yang dibangun menggunakan pohon keputusan J48 dengan kriteria yang ada yaitu, banyaknya biaya produksi, permintaan, dan stok. Setelah dihitung diperoleh kesimpulan bahwa pohon keputusan metode fuzzy Tsukamoto memiliki nilai yang mendekati dari data produksi sesungguhnya dibandingkan dengan fuzzy Sugeno.…”

Section: Pendahuluanunclassified

Kinerja Logika Fuzzy Sugeno dalam Menangani Prediksi Kain Tenun dengan Kombinasi Random Tree dalam Membangun Rule

Tundo

2021

j. nas. pendidik. teknik. inform.

Self Cite

View full text Add to dashboard Cite

This study describes the performance of Sugeno fuzzy logic in determining the amount of woven fabric production by using a combination of random tree decision trees in forming rules. The criteria used in determining the amount of production, namely, production costs, demand, and stock obtained from woven fabric entrepreneurs in Mlaki Wanarejan Utara Pemalang. The random tree decision tree is used, one of which is to automatically generate rules from the available data without consulting with experts, in addition to introducing random trees in the field of research because there are still few studies using this decision tree. The results of this study, it was found that the accuracy while the prediction results tested obtained an Average Forecasting Error Rate (AFER) of 42% with a value 58% truth after being compared with the actual production data.Keywords : Fuzzy Logic, Fuzzy Sugeno Method, Rule, Random tree, Prediction.

show abstract

Analisis Perbandingan Fuzzy Tsukamoto dan Sugeno dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Base Rule Decision Tree

Cited by 3 publications

References 4 publications

Sistem Pakar Rekomendasi Pendakian Gunung di Jawa Tengah menggunakan Algoritma Fuzzy Tsukamoto Berbasis Website

Sistem Pakar Rekomendasi Pendakian Gunung di Jawa Tengah menggunakan Algoritma Fuzzy Tsukamoto Berbasis Website

Konsep Decision Tree Reptree untuk Melakukan Optimasi Rule dalam Fuzzy Inference System Tsukamoto

Kinerja Logika Fuzzy Sugeno dalam Menangani Prediksi Kain Tenun dengan Kombinasi Random Tree dalam Membangun Rule

Contact Info

Product

Resources

About