Analisis Rule Fuzzy Inferensi Sugeno Dalam Sistem Pendukung Keputusan
ANALISIS RULE FUZZY INFERENSI SUGENO DALAM
SISTEM PENDUKUNG KEPUTUSAN
TESIS
KHAIRUL SALEH
127038072
PROGRAM STUDI MAGISTER (S2) TEKNIK
INFORMATIKAFAKULTAS ILMU KOMPUTER DAN
TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
ANALISIS RULE FUZZY INFERENSI SUGENO DALAM
SISTEM PENDUKUNG KEPUTUSAN
TESIS
KHAIRUL SALEH
127038072
PROGRAM STUDI MAGISTER (S2) TEKNIK
INFORMATIKAFAKULTAS ILMU KOMPUTER DAN
TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
ANALISIS RULE FUZZY INFERENSI SUGENO DALAM
SISTEM PENDUKUNG KEPUTUSAN
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Magister Teknik Informatika
KHAIRUL SALEH
127038072
PROGRAM STUDI MAGISTER (S2) TEKNIK
INFORMATIKAFAKULTAS ILMU KOMPUTER DAN
TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
PERSETUJUAN
Judul
: ANALISIS RULE FUZZY INFERENSI SUGENO DALAM
SISTEM PENDUKUNG KEPUTUSAN
Kategori
: TESIS
Nama
: KHAIRUL SALEH
NIM
: 127038072
Program Studi
: MAGISTER (S2) TEKNIK INFORMATIKA
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
KomisiPembimbing :
Pembimbing 2
Pembimbing 1
Dr. SyahrilEfendi, Ssi, MIT
Prof. Dr. Muhammad Zarlis
Diketahui/ disetujui oleh
Program Studi Magister (S2) TeknikInformatika
Ketua,
Prof. Dr. Muhammad Zarlis
NIP. 19570701 198601 1 003
PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di
bawah ini :
Nama
: Khairul Saleh
NIM
: 127038072
Program Studi
: Teknik Informatika
Jenis Karya Ilmiah
: Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive
Royalty Free Right) atas tesis saya yang berjudul :
ANALISIS RULE FUZZY INFERENSI DALAM
SISTEM PENDUKUNG KEPUTUSAN
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,
memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis
saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai
penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan, 20 Juni 2015
Khairul Saleh
127038072
Telah diuji pada
Tanggal : 20 Juni 2015
PANITIA PENGUJI TESIS
Ketua
: Prof. Dr. Muhammad Zarlis
Anggota
: 1. Dr. Syahril Efendi
2. Prof. Dr. Tulus
3. Dr. Erna Budhiarti Nababan
4. Dr. Zakarias Situmorang
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap
: Khairul Saleh
Tempat dan Tanggal Lahir
: Pasaman, 04 Juni 1988
Alamat Rumah
: Sontang Sumatera Barat
Telepon/Fax/HP
: -/ -/ 087868422079
Email
: khairulsibungsu@yahoo.com
Instansi Tempat Bekerja
: SMK Farmasi APIPSU Medan
Alamat Kantor
: Jl. Sutomo No. 25 Medan
DATA PENDIDIKAN
SD
: SDN 10 Sontang
TAHUN : 2001
SMP
: MTsN Is. Kadap
TAHUN : 2004
SMA : SMA Negeri 1 Rao
S1
TAHUN : 2007
: Teknik Informatika Universitas Padang Indonesia YPTK
TAHUN : 2012
S2
: Teknik Informatika Universitas Sumatera Utara
TAHUN : 2015
UCAPAN TERIMA KASIH
Puji dan syukur kehadirat Allah Swt karena atas rahmat dan karuniaNya penulis dapat
menyelesaikan tesis yang berjudul “Analisis Rule Fuzzy Inferensi Sugeno Dalam
Sistem Pendukung Keputusan” untuk memenuhi salah satu syarat dalam mencapai
gelar Magister pada Jurusan Teknik Informatika Universitas Sumatera Utara Medan.
Dalam kesempatan ini penulis menyadari bahwa banyak pihak yang ikut
berperan dalam menyelesaikan tesis ini baik moril maupun materil. Oleh karena itu
penulis mengucapkan rasa terima kasih kepada :
1. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan dan Dosen Pembimbing I
yang telah banyak meluangkan waktunya dan pikiran untuk mengarahkan
penulis dalam menyusun tesis ini.
2. Bapak Dr. Syahril Efendi selaku Dosen Pembimbing II yang telah banyak
memberikan kritik dan saran dalam penyusunan tesis ini.
3. Bapak Prof. Dr. Tulus yang telah memberikan saran untuk perbaikan dan
penyelesaian tesis ini.
4. Dr. Erna Budhiarti Nababan selaku Dosen Pembanding yang telah
memberikan saran untuk perbaikan dan penyelesaian tesis ini.
5. Dr. Zakarias Situmorang selaku Dosen Pembanding yang telah memberikan
saran untuk perbaikan dan penyelesaian tesis ini.
6. Bapak/Ibu staf, dosen dan karyawan/ti Universitas Sumatera Utara.
7. Ibunda dan Ayahanda yang telah memberikan doa dan semangat kepada
penulis.
8. Teman-teman seperjuangan Angkatan 2012 Kom-C yang telah memberikan
dukungan dalam penyelesaian tesis ini.
Dalam menyusun tesis ini penulis menyadari masih banyak kekurangan. Untuk
itu penulis mengharapkan kritik dan saran untuk menyempurnakan tesis ini.
Akhirnya semoga Allah Swt melimpahkan rahmatnya kepada kita semua, dan
semoga tesis ini dapat bermanfaat bagi para pembaca.
Medan, 20 Juni 2015
Penulis
Khairul Saleh
127038072
ABSTRAK
Persoalan pengambilan keputusan, pada dasarnya adalah bentuk pemilihan dari
berbagai alternatif tindakan yang mungkin dipilih yang prosesnya melalui mekanisme
tertentu, dengan harapan dapat menghasilkan sebuah keputusan yang terbaik.
Penyusunan model keputusan adalah suatu cara untuk mengembangkan hubunganhubungan logis yang mendasari persoalan keputusan ke dalam suatu model matematis,
yang mencerminkan hubungan yang terjadi diantara faktor-faktor yang terlibat
mengajukan model yang menggambarkan pengambilan keputusan, sistem fuzzy cocok
untuk penalaran pasti atau perkiraan, terutama untuk sistem dengan model matematika
yang ketat yang sulit untuk mendapatkan sebuah keputusan yang pasti. Logika fuzzy
dapat digunakan untuk menggambarkan suatu sistem dinamika yang kacau, dan logika
fuzzy dapat berguna untuk sistem yang bersifat dinamis yang kompleks dimana
penyelesaian dengan model matematika yang umum tidak dapat bekerja dengan baik.
metode Sugeno melakukan komputasi secara efisien dan bekerja dengan baik dengan
optimasi dan teknik adaptif, yang membuatnya sangat baik dalam masalah kontrol,
terutama untuk sistem non linier dinamis. Sistem fuzzy Sugeno memperbaiki
kelemahan yang dimiliki oleh sistem fuzzy murni untuk menambah suatu perhitungan
matematika sederhana dengan menggunakan aturan IF-THEN. Pada perubahan ini,
sistem fuzzy memiliki suatu nilai rata-rata (Weighted Average Values) di dalam bagian
aturan fuzzy IF-THEN.
Kata kunci : Prediksi, SPK, Sugeno, Fuzzy Inferensi Sistem, Akurasi, Analisis.
ANALYSIS OF FUZZY INFERENCE RULE SUGENO MODELS IN THE
PREDICTION SYSTEM AND DECISION SUPPORT SYSTEM
ABSTRACT
The issue of decision-making, is essentially a form of election of the various
alternative actions that may have been that the process through specific mechanisms,
with the hope of producing a best decision. Preparation of decision model is a way of
developing logical relations that underlie the decision problem into a mathematical
model, which reflects the relationship between the factors involved propose a model
that describes the decision, fuzzy systems suitable for reasoning definitely or
forecasts, especially for a system with a strict mathematical model that is difficult to
obtain a definite decision. Fuzzy logic can be used to describe a chaotic dynamic
system, and fuzzy logic can be useful for systems that are complex dynamic where the
completion of the general mathematical model can not work properly. Sugeno
methods perform computationally efficient and works well with the optimization and
adaptive techniques, which makes it very well in a control problem, especially for
non-linear dynamic systems. Sugeno fuzzy systems correct weaknesses possessed by
pure fuzzy system to add a simple mathematical calculation using the IF-THEN rules.
At this change, the fuzzy system has an average value (Weighted Average Values) in
section fuzzy IF-THEN rules.
Keywords: Prediction, Sugeno, Fuzzy Inferency System, Accuracy, Analysis.
DAFTAR ISI
Halaman
PERSETUJUAN
ii
PERNYATAAN
iii
PERNYATAAN PERSETUJUAN PUBLIKASI
iv
PANITIA PENGUJI TESIS
v
RIWAYAT HIDUP
vi
UCAPAN TERIMA KASIH
vii
ABSTRAK
ix
ABSTRACT
x
DAFTAR ISI
xi
DAFTAR GAMBAR
xiv
DAFTAR TABEL
xvi
BAB 1PENDAHULUAN
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
3
1.3Batasan Masalah
4
1.4 Tujuan Penelitian
4
BAB 2 TINJAUAN PUSTAKA
5
2.1 Kecerdasan Buatan
5
2.2 Konsep Sistem Pendukung Pengambilan Keputusan
6
2.3Logika Fuzzy
6
2.4Fungsi Keanggotaan
8
2.4.1Representasi Linear
2.5Teori Himpunan Fuzzy
2.5.1 Konsep Dasar Himpunan Fuzzy
9
10
10
2.6 Inferensi
12
2.7 Fuzzifikasi
12
2.7.1 Defuzzifikasi
12
2.8 Aturan IF-THEN
12
2.9 Metode Fuzzy Inferensi Sistem (FIS) Sugeno
13
BAB 3METODOLOGI PENELITIAN
14
3.1 Pendahuluan
14
3.2 MetodologiPenelitian
14
3.3Prosedur Pemrosesan Data
16
BAB 4HASIL DAN PEMBAHASAN
18
4.1 Pendahuluan
18
4.2 Menentukan Fungsi Keanggotaan
19
4.2.2.1 Derajat Keanggotaan Variabel Raport
19
4.2.3 Hasil Fuzzifikasi Variabel Nilai IQ
21
4.2.4 Hasil Fuzzifikasi Variabel Nilai Penghasilan
22
4.3Model Perancangan Rule
31
4.3.1 Fuzzy Rule Base
32
4.3.2 Pembentukan α Predikat
35
4.3.2.1 Data C1
35
4.3.2.2 Defuzzikasi C1
38
4.4 Pembahasan
40
4.5Analisis Tingkat Akurasi Sistem Prediksi dan Sistem Pendukung Keputusan
40
4.6 Analisis Rule Sistem Prediksi dan Sistem Pendukung Keputusan
40
BAB 5 KESIMPULAN DAN SARAN
41
5.1 Kesimpulan
41
5.2 Saran
41
DAFTAR PUSTAKA
Lampiran 1: Daftar Publikasi Ilmiah
Lampiran 2 : TabelHasilPrediksidanSistemPendukungKeputusan
Lampiran
3
:
DaftarJurusanSaintek,
dayatampung,
peminat,
passing
grade,
dayatampung,
peminat,
passing
grade,
danstandartkelulusan
Lampiran4
:TabelDaftarJurusanSoshum,
danstandartkelulusan
Lampiran 5 : Data JurusanSaintek Di Universitas Sumatera Utara
Lampiran 6 : Data JurusanSoshum Di Universitas Sumatera Utara
DAFTAR GAMBAR
Gambar 2.1 Tahapan Proses Dalam Logika Fuzzy
8
Gambar 2.2 fungsi keanggotaan kurva bahu
9
Gambar 2.3 Representas Linear Naik
9
Gambar 2.4 Representas Linear Turun
10
Gambar 3.1 Diagram Alir Metode Penelitian
16
Gambar 3.2 Model Sekuensial Linier
DAFTAR TABEL
Tabel 4.1 Derajat Keanggotaan Variabel Nilai Raport
19
Tabel 4.2 Derajat Keanggotaan Nilai IQ
21
Tabel 4.3 Derajat Keanggotaan Variabel Penghasilan
23
Tabel 4.4 Hasil Fuzzyfikasi Tiga Variabel Masukan
23
Tabel 4.5 Model Perancangan Rule
31
Tabel 4.6 Hasil Pembentukan Rule Base
34
Tabel 4.7 Hasil Defuzzifikasi Variabel C1-C12
37
Tabel 4.8 Hasil Prediksi dan Sistem Pendukung Keputusan
39
SISTEM PENDUKUNG KEPUTUSAN
TESIS
KHAIRUL SALEH
127038072
PROGRAM STUDI MAGISTER (S2) TEKNIK
INFORMATIKAFAKULTAS ILMU KOMPUTER DAN
TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
ANALISIS RULE FUZZY INFERENSI SUGENO DALAM
SISTEM PENDUKUNG KEPUTUSAN
TESIS
KHAIRUL SALEH
127038072
PROGRAM STUDI MAGISTER (S2) TEKNIK
INFORMATIKAFAKULTAS ILMU KOMPUTER DAN
TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
ANALISIS RULE FUZZY INFERENSI SUGENO DALAM
SISTEM PENDUKUNG KEPUTUSAN
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Magister Teknik Informatika
KHAIRUL SALEH
127038072
PROGRAM STUDI MAGISTER (S2) TEKNIK
INFORMATIKAFAKULTAS ILMU KOMPUTER DAN
TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
PERSETUJUAN
Judul
: ANALISIS RULE FUZZY INFERENSI SUGENO DALAM
SISTEM PENDUKUNG KEPUTUSAN
Kategori
: TESIS
Nama
: KHAIRUL SALEH
NIM
: 127038072
Program Studi
: MAGISTER (S2) TEKNIK INFORMATIKA
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
KomisiPembimbing :
Pembimbing 2
Pembimbing 1
Dr. SyahrilEfendi, Ssi, MIT
Prof. Dr. Muhammad Zarlis
Diketahui/ disetujui oleh
Program Studi Magister (S2) TeknikInformatika
Ketua,
Prof. Dr. Muhammad Zarlis
NIP. 19570701 198601 1 003
PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di
bawah ini :
Nama
: Khairul Saleh
NIM
: 127038072
Program Studi
: Teknik Informatika
Jenis Karya Ilmiah
: Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive
Royalty Free Right) atas tesis saya yang berjudul :
ANALISIS RULE FUZZY INFERENSI DALAM
SISTEM PENDUKUNG KEPUTUSAN
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,
memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis
saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai
penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan, 20 Juni 2015
Khairul Saleh
127038072
Telah diuji pada
Tanggal : 20 Juni 2015
PANITIA PENGUJI TESIS
Ketua
: Prof. Dr. Muhammad Zarlis
Anggota
: 1. Dr. Syahril Efendi
2. Prof. Dr. Tulus
3. Dr. Erna Budhiarti Nababan
4. Dr. Zakarias Situmorang
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap
: Khairul Saleh
Tempat dan Tanggal Lahir
: Pasaman, 04 Juni 1988
Alamat Rumah
: Sontang Sumatera Barat
Telepon/Fax/HP
: -/ -/ 087868422079
: khairulsibungsu@yahoo.com
Instansi Tempat Bekerja
: SMK Farmasi APIPSU Medan
Alamat Kantor
: Jl. Sutomo No. 25 Medan
DATA PENDIDIKAN
SD
: SDN 10 Sontang
TAHUN : 2001
SMP
: MTsN Is. Kadap
TAHUN : 2004
SMA : SMA Negeri 1 Rao
S1
TAHUN : 2007
: Teknik Informatika Universitas Padang Indonesia YPTK
TAHUN : 2012
S2
: Teknik Informatika Universitas Sumatera Utara
TAHUN : 2015
UCAPAN TERIMA KASIH
Puji dan syukur kehadirat Allah Swt karena atas rahmat dan karuniaNya penulis dapat
menyelesaikan tesis yang berjudul “Analisis Rule Fuzzy Inferensi Sugeno Dalam
Sistem Pendukung Keputusan” untuk memenuhi salah satu syarat dalam mencapai
gelar Magister pada Jurusan Teknik Informatika Universitas Sumatera Utara Medan.
Dalam kesempatan ini penulis menyadari bahwa banyak pihak yang ikut
berperan dalam menyelesaikan tesis ini baik moril maupun materil. Oleh karena itu
penulis mengucapkan rasa terima kasih kepada :
1. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan dan Dosen Pembimbing I
yang telah banyak meluangkan waktunya dan pikiran untuk mengarahkan
penulis dalam menyusun tesis ini.
2. Bapak Dr. Syahril Efendi selaku Dosen Pembimbing II yang telah banyak
memberikan kritik dan saran dalam penyusunan tesis ini.
3. Bapak Prof. Dr. Tulus yang telah memberikan saran untuk perbaikan dan
penyelesaian tesis ini.
4. Dr. Erna Budhiarti Nababan selaku Dosen Pembanding yang telah
memberikan saran untuk perbaikan dan penyelesaian tesis ini.
5. Dr. Zakarias Situmorang selaku Dosen Pembanding yang telah memberikan
saran untuk perbaikan dan penyelesaian tesis ini.
6. Bapak/Ibu staf, dosen dan karyawan/ti Universitas Sumatera Utara.
7. Ibunda dan Ayahanda yang telah memberikan doa dan semangat kepada
penulis.
8. Teman-teman seperjuangan Angkatan 2012 Kom-C yang telah memberikan
dukungan dalam penyelesaian tesis ini.
Dalam menyusun tesis ini penulis menyadari masih banyak kekurangan. Untuk
itu penulis mengharapkan kritik dan saran untuk menyempurnakan tesis ini.
Akhirnya semoga Allah Swt melimpahkan rahmatnya kepada kita semua, dan
semoga tesis ini dapat bermanfaat bagi para pembaca.
Medan, 20 Juni 2015
Penulis
Khairul Saleh
127038072
ABSTRAK
Persoalan pengambilan keputusan, pada dasarnya adalah bentuk pemilihan dari
berbagai alternatif tindakan yang mungkin dipilih yang prosesnya melalui mekanisme
tertentu, dengan harapan dapat menghasilkan sebuah keputusan yang terbaik.
Penyusunan model keputusan adalah suatu cara untuk mengembangkan hubunganhubungan logis yang mendasari persoalan keputusan ke dalam suatu model matematis,
yang mencerminkan hubungan yang terjadi diantara faktor-faktor yang terlibat
mengajukan model yang menggambarkan pengambilan keputusan, sistem fuzzy cocok
untuk penalaran pasti atau perkiraan, terutama untuk sistem dengan model matematika
yang ketat yang sulit untuk mendapatkan sebuah keputusan yang pasti. Logika fuzzy
dapat digunakan untuk menggambarkan suatu sistem dinamika yang kacau, dan logika
fuzzy dapat berguna untuk sistem yang bersifat dinamis yang kompleks dimana
penyelesaian dengan model matematika yang umum tidak dapat bekerja dengan baik.
metode Sugeno melakukan komputasi secara efisien dan bekerja dengan baik dengan
optimasi dan teknik adaptif, yang membuatnya sangat baik dalam masalah kontrol,
terutama untuk sistem non linier dinamis. Sistem fuzzy Sugeno memperbaiki
kelemahan yang dimiliki oleh sistem fuzzy murni untuk menambah suatu perhitungan
matematika sederhana dengan menggunakan aturan IF-THEN. Pada perubahan ini,
sistem fuzzy memiliki suatu nilai rata-rata (Weighted Average Values) di dalam bagian
aturan fuzzy IF-THEN.
Kata kunci : Prediksi, SPK, Sugeno, Fuzzy Inferensi Sistem, Akurasi, Analisis.
ANALYSIS OF FUZZY INFERENCE RULE SUGENO MODELS IN THE
PREDICTION SYSTEM AND DECISION SUPPORT SYSTEM
ABSTRACT
The issue of decision-making, is essentially a form of election of the various
alternative actions that may have been that the process through specific mechanisms,
with the hope of producing a best decision. Preparation of decision model is a way of
developing logical relations that underlie the decision problem into a mathematical
model, which reflects the relationship between the factors involved propose a model
that describes the decision, fuzzy systems suitable for reasoning definitely or
forecasts, especially for a system with a strict mathematical model that is difficult to
obtain a definite decision. Fuzzy logic can be used to describe a chaotic dynamic
system, and fuzzy logic can be useful for systems that are complex dynamic where the
completion of the general mathematical model can not work properly. Sugeno
methods perform computationally efficient and works well with the optimization and
adaptive techniques, which makes it very well in a control problem, especially for
non-linear dynamic systems. Sugeno fuzzy systems correct weaknesses possessed by
pure fuzzy system to add a simple mathematical calculation using the IF-THEN rules.
At this change, the fuzzy system has an average value (Weighted Average Values) in
section fuzzy IF-THEN rules.
Keywords: Prediction, Sugeno, Fuzzy Inferency System, Accuracy, Analysis.
DAFTAR ISI
Halaman
PERSETUJUAN
ii
PERNYATAAN
iii
PERNYATAAN PERSETUJUAN PUBLIKASI
iv
PANITIA PENGUJI TESIS
v
RIWAYAT HIDUP
vi
UCAPAN TERIMA KASIH
vii
ABSTRAK
ix
ABSTRACT
x
DAFTAR ISI
xi
DAFTAR GAMBAR
xiv
DAFTAR TABEL
xvi
BAB 1PENDAHULUAN
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
3
1.3Batasan Masalah
4
1.4 Tujuan Penelitian
4
BAB 2 TINJAUAN PUSTAKA
5
2.1 Kecerdasan Buatan
5
2.2 Konsep Sistem Pendukung Pengambilan Keputusan
6
2.3Logika Fuzzy
6
2.4Fungsi Keanggotaan
8
2.4.1Representasi Linear
2.5Teori Himpunan Fuzzy
2.5.1 Konsep Dasar Himpunan Fuzzy
9
10
10
2.6 Inferensi
12
2.7 Fuzzifikasi
12
2.7.1 Defuzzifikasi
12
2.8 Aturan IF-THEN
12
2.9 Metode Fuzzy Inferensi Sistem (FIS) Sugeno
13
BAB 3METODOLOGI PENELITIAN
14
3.1 Pendahuluan
14
3.2 MetodologiPenelitian
14
3.3Prosedur Pemrosesan Data
16
BAB 4HASIL DAN PEMBAHASAN
18
4.1 Pendahuluan
18
4.2 Menentukan Fungsi Keanggotaan
19
4.2.2.1 Derajat Keanggotaan Variabel Raport
19
4.2.3 Hasil Fuzzifikasi Variabel Nilai IQ
21
4.2.4 Hasil Fuzzifikasi Variabel Nilai Penghasilan
22
4.3Model Perancangan Rule
31
4.3.1 Fuzzy Rule Base
32
4.3.2 Pembentukan α Predikat
35
4.3.2.1 Data C1
35
4.3.2.2 Defuzzikasi C1
38
4.4 Pembahasan
40
4.5Analisis Tingkat Akurasi Sistem Prediksi dan Sistem Pendukung Keputusan
40
4.6 Analisis Rule Sistem Prediksi dan Sistem Pendukung Keputusan
40
BAB 5 KESIMPULAN DAN SARAN
41
5.1 Kesimpulan
41
5.2 Saran
41
DAFTAR PUSTAKA
Lampiran 1: Daftar Publikasi Ilmiah
Lampiran 2 : TabelHasilPrediksidanSistemPendukungKeputusan
Lampiran
3
:
DaftarJurusanSaintek,
dayatampung,
peminat,
passing
grade,
dayatampung,
peminat,
passing
grade,
danstandartkelulusan
Lampiran4
:TabelDaftarJurusanSoshum,
danstandartkelulusan
Lampiran 5 : Data JurusanSaintek Di Universitas Sumatera Utara
Lampiran 6 : Data JurusanSoshum Di Universitas Sumatera Utara
DAFTAR GAMBAR
Gambar 2.1 Tahapan Proses Dalam Logika Fuzzy
8
Gambar 2.2 fungsi keanggotaan kurva bahu
9
Gambar 2.3 Representas Linear Naik
9
Gambar 2.4 Representas Linear Turun
10
Gambar 3.1 Diagram Alir Metode Penelitian
16
Gambar 3.2 Model Sekuensial Linier
DAFTAR TABEL
Tabel 4.1 Derajat Keanggotaan Variabel Nilai Raport
19
Tabel 4.2 Derajat Keanggotaan Nilai IQ
21
Tabel 4.3 Derajat Keanggotaan Variabel Penghasilan
23
Tabel 4.4 Hasil Fuzzyfikasi Tiga Variabel Masukan
23
Tabel 4.5 Model Perancangan Rule
31
Tabel 4.6 Hasil Pembentukan Rule Base
34
Tabel 4.7 Hasil Defuzzifikasi Variabel C1-C12
37
Tabel 4.8 Hasil Prediksi dan Sistem Pendukung Keputusan
39