Analisis Algoritma C4.5 dan Fuzzy Sugeno untuk Optimasi Rule Base Fuzzy Chapter III V
BAB 3
METODOLOGI PENELITIAN
Pada bab ini akan dijelaskan tentang metodologi penelitian yang digunakan pada tesis
ini. Uraian itu akan meliputi metode pengumpulan data, rancangan penelitian,
menentukan fungsi keanggotaan fuzzy, dan pembentukan rule IF-THEN. Peneliti
mengambil data dari SMK Swasta Medan Area-1. Data yang didapat berupa
komponen penilaian dan variabel penilaia uji komptensi siswa multimedia pada SMK
Swasta Medan Area-1. Kemudian dari data tesebut dibuatlah suatu range penilaian
dan variable himpunan fuzzy yang digunakan dalam penelitian ini. Dari variabel
himpunan tersebut dibuatlah aturan fuzzy, yang kemudian aturan fuzzy tersebut
dipangkas menggunakan algoritma klasifikasi C4.5.
3.1
Metode Pengumpulan Data
Ada beberapa metode yang digunakan dalam pengumpulan data, yaitu :
1. Metode Observasi
Metode observasi yaitu melakukan pengambilan data langsung pada instansi
yang terkait untuk mendapatkan data yang dibutuhkan.
2. Metode Studi Literatur
Metode studi literatur yaitu proses memperoleh data melalui penelitian yang
telah dibuat sebelumnya seperti buku, jurnal, tesis, dan sebaginya.
3.2
Rancangan Penelitian
Dalam rancangan penelitian ini, akan dijelaskan tahap-tahap yang dilakukan selama
proses penelitian. Tahap-tahap tersebut adalah sebagai berikut :
1. Data masukan yang diambil berupa data penilaian uji kompetensi siswa
jurusan multimedia SMK Swasta Medan Area-1,
2. Data kemudian diproses menggunakan metode fuzzifikasi dan menghasilkan
output berupa nilai keanggotaan untuk setiap variable,
Universitas Sumatera Utara
21
3. Pada saat proses penentuan rule fuzzy metode Sugeno, rule yang digunakan
adalah rule fuzzy yang telah dipangkas menggunakan algoritma C4.5,
4. Proses defuzzifikasi dilakukan dengan mencari nilai rata-rata yang dilakukan
menggunakan metode Weight Average(WA).
Gambar 3.1. Rancangan penelitian
3.3
Menentukan Fungsi Keanggotaan Fuzzy
Adapun variabel yang digunakan sebagai masukan, yaitu persiapan kerja, proses/cara
kerja, hasil kerja, sikap kerja, dan waktu. Di dalam algoritma C4.5, variabel sering
disebut
juga
dengan
fitur.
Himpunan
direpresentasikan sebagai berikut :
fuzzy untuk
setiap
variable
akan
Tabel 3.1 Variabel himpunan fuzzy
No
1
Nama Variabel
Persiapan
Himpunan Fuzzy
Kurang
(K)
Sangat Lengkap
(SL)
Lengkap
Belum Sesuai
2
Proses
Agak Sesuai
Sesuai
Rendah
Hasil
Sedang
Tinggi
(BS)
(AS)
Sangat Sesuai
3
(L)
(S)
(SS)
(R)
(S)
Sangat Tinggi
(T)
(ST)
Universitas Sumatera Utara
22
No
Nama Variabel
4
Sikap
5
Waktu
Himpunan Fuzzy
Kurang Baik
(KB)
Sangat Baik
(SB)
Baik
(B)
Lama
(L)
Cepat
(C)
Karena variable fuzzy terdiri dari 5 inputan, maka jumlah total kombinasi rule yang
dihasilkan adalah (3 × 4 × 4 × 3 × 2) atau 288 Rule. Untuk range tiap variabel
didapat dari nilai rata-rata yang diperoleh siswa. Batas nilai paling bawah diambil dari
variabel dengan nilai terendah yang mungkin diperoleh siswa.
1. Variabel Persiapan
K
L
SL
1
0.8
0.6
0.4
0.2
0
0
1
2
3
4
5
6
7
8
9 10 11 12
Gambar 3.2 Fungsi keanggotaan variabel persiapan
0,
=
< 3
1,
3≤
≤ 7
(10 − )/ 3,
7≤
≤ 10
0,
=
≥ 10
≤ 7
≥ 12
( − 7)/ 3,
7≤
≤ 10
(12 − )/ 2,
10 ≤
≤ 12
0,
≤ 10
> 12
=
( − 10)/ 2,
10 ≤
≤ 12
Universitas Sumatera Utara
23
2. Variabel Proses
BS
AS
S
SS
1
0.8
0.6
0.4
0.2
0
0
2
4
6
8
10 12 14 16 18 20 22 24 26 28
Gambar 3.3 Fungsi keanggotaan variabel proses
0,
7≤
≤ 13
(19 − )/ 6,
13 ≤
≤ 19
0,
≤ 13
≥ 24
( − 13)/ 6,
13 ≤
≤ 19
(24 − )/ 5,
19 ≤
≤ 24
0,
=
≥ 19
1,
=
=
< 7
≤ 19
≥ 28
( − 19)/ 5,
19 ≤
≤ 24
(28 − )/ 4,
24 ≤
≤ 28
0,
≤ 24
> 28
=
( − 24)/ 4,
24 ≤
≤ 28
Universitas Sumatera Utara
24
3. Variabel Hasil
R
S
T
ST
1
0.8
0.6
0.4
0.2
0
0
2
4
6
8
10 12 14 16 18 20 22 24 26 28 30 32
Gambar 3.4 Fungsi keanggotaan variabel hasil
0,
=
8≤
≤ 12
(18 − )/ 6,
12 ≤
≤ 18
≤ 12
≥ 26
( − 12)/ 6,
12 ≤
≤ 18
(26 − )/ 8,
18 ≤
≤ 26
0,
=
≥ 18
1,
0,
=
< 8
≤ 18
≥ 32
( − 18)/ 8,
18 ≤
≤ 26
(32 − )/ 6,
26 ≤
≤ 32
0,
≤ 26
> 32
=
( − 26)/ 6,
26 ≤
≤ 32
Universitas Sumatera Utara
25
4. Variabel Sikap
KB
B
SB
1
0.8
0.6
0.4
0.2
0
0
1
2
3
4
5
6
7
8
Gambar 3.5 Fungsi keanggotaan variabel sikap
0,
< 2
1,
2≤
≤ 4
(6 − )/ 2,
4≤
≤ 6
=
0,
=
≥ 6
≤ 4
≥ 8
( − 4)/ 2,
4≤
≤ 6
(8 − )/ 2,
6≤
≤ 8
0,
≤ 6
> 8
=
( − 6)/ 2,
6≤
≤ 8
5. Variabel Waktu
1
0.8
0.6
LAMA
0.4
CEPAT
0.2
0
0
1
2
3
4
Gambar 3.6 Fungsi Keanggotaan Variabel Waktu
Universitas Sumatera Utara
26
0,
=
< 1
≥ 4
1,
1≤
≤ 2
(4 − )/ 2,
2≤
≤ 4
0,
≤ 2
> 4
=
( − 2)/ 2,
3.4
2≤
≤ 4
Pembentukan Rule IF-THEN
Dari variabel fungsi keanggotaan, maka dapat ditentukan nilai tiap himpunan fuzzy
.
untuk kemudian digunakan untuk mencari
adalah nilai konsekuen
untuk setiap aturan fuzzy Sugeno. Jika nilai >= 80, maka Nilai_Ket(Nilai keterangan)
= LULUS, jika nilai < 80, maka Nilai_ket = TL (TIDAK LULUS). Batas kelulusan
ditentukan sesuai nilai kelulusan siswa SMK Swasta Medan Area-1 yaitu 80.
Adapun nilai tiap himpunan adalah sebagi berikut :
No
1
Tabel 3.2 Nilai himpunan
Nama Variabel
Himpunan Fuzzy
Nilai
Persiapan
Lengkap
10
Kurang
Sangat Lengkap
Belum Sesuai
2
Proses
Agak Sesuai
Sesuai
Rendah
Hasil
Sedang
Tinggi
4
Sikap
5
Waktu
Baik
Sangat Baik
Lama
Cepat
13
24
28
12
18
Sangat Tinggi
Kurang Baik
12
19
Sangat Sesuai
3
7
26
32
4
6
8
2
4
Universitas Sumatera Utara
27
Contoh :
Rule 285 :
IF PERSIAPAN Sangat Lengkap AND PROSES Sangat Sesuai AND HASIL Sangat
Tinggi AND SIKAP Baik AND WAKTU Lama THEN = ...
Tahapanya adalah menerjemahkan variabel linguistik kedalam angka. Diketahui
Persiapan = 12, Proses = 28, Hasil = 32, Sikap = 6, dan Waktu = 2.
diperoleh dari data penilaian siswa pada saat Uji
Rumus untuk mencari
Kompetensi. Berikut rumus untuk mencari
∗
=
+
Maka
∗
:
+
∗
+
+
∗
(3.1)
∗
:
=
=
∗
+
∗
+
∗
+
∗
+
∗
,
Karena nilai >= 80, maka nilai_Ket = LULUS.
Berdasarkan variabel himpunan fuzzy dan perhitungan
terbentuk adalah berikut :
, maka Rule IF-THEN
Tabel 3.3 Aturan Fuzzy
Rule
PERSIAPAN
PROSES
HASIL
SIKAP
WAKTU
Nilai
Ket
Nilai z
1
Kurang
Belum Sesuai
Rendah
Kurang Baik
Lama
TL
44,76
2
Kurang
Belum Sesuai
Rendah
Kurang Baik
Cepat
TL
49,76
3
Kurang
Belum Sesuai
Rendah
Baik
Lama
TL
47,26
4
Kurang
Belum Sesuai
Rendah
Baik
Cepat
TL
52,26
5
Kurang
Belum Sesuai
Rendah
Sangat Baik
Lama
TL
49,76
6
Kurang
Belum Sesuai
Rendah
Sangat Baik
Cepat
TL
54,76
7
Kurang
Belum Sesuai
Sedang
Kurang Baik
Lama
TL
52,26
8
Kurang
Belum Sesuai
Sedang
Kurang Baik
Cepat
TL
57,26
9
Kurang
Belum Sesuai
Sedang
Baik
Lama
TL
54,76
10
Kurang
Belum Sesuai
Sedang
Baik
Cepat
TL
59,76
Universitas Sumatera Utara
28
Rule
PERSIAPAN
PROSES
HASIL
SIKAP
WAKTU
Nilai
Ket
Nilai z
11
Kurang
Belum Sesuai
Sedang
Sangat Baik
Lama
TL
57,26
12
Kurang
Belum Sesuai
Sedang
Sangat Baik
Cepat
TL
62,26
13
Kurang
Belum Sesuai
Tinggi
Kurang Baik
Lama
TL
62,26
14
Kurang
Belum Sesuai
Tinggi
Kurang Baik
Cepat
TL
67,26
15
Kurang
Belum Sesuai
Tinggi
Baik
Lama
TL
64,76
16
Kurang
Belum Sesuai
Tinggi
Baik
Cepat
TL
69,76
17
Kurang
Belum Sesuai
Tinggi
Sangat Baik
Lama
TL
67,26
18
Kurang
Belum Sesuai
Tinggi
Sangat Baik
Cepat
TL
72,26
19
Kurang
Belum Sesuai
Sangat Tinggi
Kurang Baik
Lama
TL
69,76
20
Kurang
Belum Sesuai
Sangat Tinggi
Kurang Baik
Cepat
TL
74,76
21
Kurang
Belum Sesuai
Sangat Tinggi
Baik
Lama
TL
72,26
22
Kurang
Belum Sesuai
Sangat Tinggi
Baik
Cepat
TL
77,26
23
Kurang
Belum Sesuai
Sangat Tinggi
Sangat Baik
Lama
TL
74,76
24
Kurang
Belum Sesuai
Sangat Tinggi
Sangat Baik
Cepat
TL
79,76
25
Kurang
Agak Sesuai
Rendah
Kurang Baik
Lama
TL
51,19
26
Kurang
Agak Sesuai
Rendah
Kurang Baik
Cepat
TL
56,19
27
Kurang
Agak Sesuai
Rendah
Baik
Lama
TL
53,69
28
Kurang
Agak Sesuai
Rendah
Baik
Cepat
TL
58,69
29
Kurang
Agak Sesuai
Rendah
Sangat Baik
Lama
TL
56,19
30
Kurang
Agak Sesuai
Rendah
Sangat Baik
Cepat
TL
61,19
31
Kurang
Agak Sesuai
Sedang
Kurang Baik
Lama
TL
58,69
32
Kurang
Agak Sesuai
Sedang
Kurang Baik
Cepat
TL
63,69
33
Kurang
Agak Sesuai
Sedang
Baik
Lama
TL
61,19
34
Kurang
Agak Sesuai
Sedang
Baik
Cepat
TL
66,19
35
Kurang
Agak Sesuai
Sedang
Sangat Baik
Lama
TL
63,69
.
.
.
285
.
.
.
Sangat Lengkap
.
.
.
Sangat Sesuai
.
.
.
Sangat Tinggi
Baik
286
Sangat Lengkap
Sangat Sesuai
Sangat Tinggi
287
Sangat Lengkap
Sangat Sesuai
288
Sangat Lengkap
Sangat Sesuai
.
.
.
.
.
.
Lama
.
.
.
LULUS
.
.
.
92,50
Baik
Cepat
LULUS
97,50
Sangat Tinggi
Sangat Baik
Lama
LULUS
95,00
Sangat Tinggi
Sangat Baik
Cepat
LULUS
100,00
Universitas Sumatera Utara
SIL DAN PEMBAHASAN
U
decission tree
rule
S
FIS metode Sugeno yang
P
diintegrasikan menggunakan algoritma C4.5 terhadap FIS metode Sugeno tanpa
algoritma C4.5.
4.1
Klasifikasi Aturan Algoritma C4.5 dan Decision Tree
Pada tahap ini, aturan yang didapat dari pakar sebanyak 288 rule. Aturan sebanyak
288 tersebut akan diklasifikasikan menggunakan algoritma C4.5. Tahap klasifikasi
menggunakan informasi entropy (entropi) dan gain.
Tahap pertama yang dilakukan adalah menghitung jumlah kasus untuk setiap
variabel. Setelah jumlah kasus didapat, maka diklasifikasikan jumlah siswa yang tidak
lulus dan yang lulus. Kemudian dihitung nilai entropy menggunakan rumus 2.12 dan
2.13. Setelah nilai entropy didapat, maka dihitunglah nilai gain dari tiap variabel.
Sehingga variabel dengan nilai gain tertinggi diambil sebagai akar, dan terus di ulang
hingga tidak ada lagi node yang dapat diturunkan. Setiap perhitungan node akan
terbentuk decision tree.
Berikut ini disajikan hasil-hasil perhitungan entropy dan gain untuk tiap variabel
serta pembentukan decission tree.
Universitas Sumatera Utara
Tabel 4.1 Perhitungan entropy dan gain node 1
Jml
kasus
(S)
Tidak
Lulus
(TL)
Lulus
288
200
88
0,88797632
Kurang
96
73
23
0,79434669
Sangat Lengkap
96
61
35
Node
1
TOTAL
PERSIAPAN
Lengkap
PROSES
72
69
Sesuai
72
43
Sangat Sesuai
72
0,972552317
38
0
Tinggi
72
41
31
72
69
18
0,811278124
23
Sangat Baik
96
61
35
Lama
Cepat
144
144
66
109
91
0
54
73
96
0,997772472
0,249882293
96
30
35
53
0,130105018
0,811278124
3
Kurang Baik
Baik
0,946422051
29
34
0,009040662
0,896038233
0,249882293
18
72
72
Gain
3
54
72
Sangat Tinggi
WAKTU
72
30
Rendah
Sedang
SIKAP
66
Belum Sesuai
Agak Sesuai
HASIL
96
Entropy
0,376176207
0,986040032
0,79434669
0,009040662
0,896038233
0,946422051
0,800084745
0,013350253
0,949167388
!"#$#!%#& '#( ) * !+,'-&.#& /012345 "#& 6780 *#"# &9" :; &,)#, .#,& ' !',&..,
",* !9) + 9) +
METODOLOGI PENELITIAN
Pada bab ini akan dijelaskan tentang metodologi penelitian yang digunakan pada tesis
ini. Uraian itu akan meliputi metode pengumpulan data, rancangan penelitian,
menentukan fungsi keanggotaan fuzzy, dan pembentukan rule IF-THEN. Peneliti
mengambil data dari SMK Swasta Medan Area-1. Data yang didapat berupa
komponen penilaian dan variabel penilaia uji komptensi siswa multimedia pada SMK
Swasta Medan Area-1. Kemudian dari data tesebut dibuatlah suatu range penilaian
dan variable himpunan fuzzy yang digunakan dalam penelitian ini. Dari variabel
himpunan tersebut dibuatlah aturan fuzzy, yang kemudian aturan fuzzy tersebut
dipangkas menggunakan algoritma klasifikasi C4.5.
3.1
Metode Pengumpulan Data
Ada beberapa metode yang digunakan dalam pengumpulan data, yaitu :
1. Metode Observasi
Metode observasi yaitu melakukan pengambilan data langsung pada instansi
yang terkait untuk mendapatkan data yang dibutuhkan.
2. Metode Studi Literatur
Metode studi literatur yaitu proses memperoleh data melalui penelitian yang
telah dibuat sebelumnya seperti buku, jurnal, tesis, dan sebaginya.
3.2
Rancangan Penelitian
Dalam rancangan penelitian ini, akan dijelaskan tahap-tahap yang dilakukan selama
proses penelitian. Tahap-tahap tersebut adalah sebagai berikut :
1. Data masukan yang diambil berupa data penilaian uji kompetensi siswa
jurusan multimedia SMK Swasta Medan Area-1,
2. Data kemudian diproses menggunakan metode fuzzifikasi dan menghasilkan
output berupa nilai keanggotaan untuk setiap variable,
Universitas Sumatera Utara
21
3. Pada saat proses penentuan rule fuzzy metode Sugeno, rule yang digunakan
adalah rule fuzzy yang telah dipangkas menggunakan algoritma C4.5,
4. Proses defuzzifikasi dilakukan dengan mencari nilai rata-rata yang dilakukan
menggunakan metode Weight Average(WA).
Gambar 3.1. Rancangan penelitian
3.3
Menentukan Fungsi Keanggotaan Fuzzy
Adapun variabel yang digunakan sebagai masukan, yaitu persiapan kerja, proses/cara
kerja, hasil kerja, sikap kerja, dan waktu. Di dalam algoritma C4.5, variabel sering
disebut
juga
dengan
fitur.
Himpunan
direpresentasikan sebagai berikut :
fuzzy untuk
setiap
variable
akan
Tabel 3.1 Variabel himpunan fuzzy
No
1
Nama Variabel
Persiapan
Himpunan Fuzzy
Kurang
(K)
Sangat Lengkap
(SL)
Lengkap
Belum Sesuai
2
Proses
Agak Sesuai
Sesuai
Rendah
Hasil
Sedang
Tinggi
(BS)
(AS)
Sangat Sesuai
3
(L)
(S)
(SS)
(R)
(S)
Sangat Tinggi
(T)
(ST)
Universitas Sumatera Utara
22
No
Nama Variabel
4
Sikap
5
Waktu
Himpunan Fuzzy
Kurang Baik
(KB)
Sangat Baik
(SB)
Baik
(B)
Lama
(L)
Cepat
(C)
Karena variable fuzzy terdiri dari 5 inputan, maka jumlah total kombinasi rule yang
dihasilkan adalah (3 × 4 × 4 × 3 × 2) atau 288 Rule. Untuk range tiap variabel
didapat dari nilai rata-rata yang diperoleh siswa. Batas nilai paling bawah diambil dari
variabel dengan nilai terendah yang mungkin diperoleh siswa.
1. Variabel Persiapan
K
L
SL
1
0.8
0.6
0.4
0.2
0
0
1
2
3
4
5
6
7
8
9 10 11 12
Gambar 3.2 Fungsi keanggotaan variabel persiapan
0,
=
< 3
1,
3≤
≤ 7
(10 − )/ 3,
7≤
≤ 10
0,
=
≥ 10
≤ 7
≥ 12
( − 7)/ 3,
7≤
≤ 10
(12 − )/ 2,
10 ≤
≤ 12
0,
≤ 10
> 12
=
( − 10)/ 2,
10 ≤
≤ 12
Universitas Sumatera Utara
23
2. Variabel Proses
BS
AS
S
SS
1
0.8
0.6
0.4
0.2
0
0
2
4
6
8
10 12 14 16 18 20 22 24 26 28
Gambar 3.3 Fungsi keanggotaan variabel proses
0,
7≤
≤ 13
(19 − )/ 6,
13 ≤
≤ 19
0,
≤ 13
≥ 24
( − 13)/ 6,
13 ≤
≤ 19
(24 − )/ 5,
19 ≤
≤ 24
0,
=
≥ 19
1,
=
=
< 7
≤ 19
≥ 28
( − 19)/ 5,
19 ≤
≤ 24
(28 − )/ 4,
24 ≤
≤ 28
0,
≤ 24
> 28
=
( − 24)/ 4,
24 ≤
≤ 28
Universitas Sumatera Utara
24
3. Variabel Hasil
R
S
T
ST
1
0.8
0.6
0.4
0.2
0
0
2
4
6
8
10 12 14 16 18 20 22 24 26 28 30 32
Gambar 3.4 Fungsi keanggotaan variabel hasil
0,
=
8≤
≤ 12
(18 − )/ 6,
12 ≤
≤ 18
≤ 12
≥ 26
( − 12)/ 6,
12 ≤
≤ 18
(26 − )/ 8,
18 ≤
≤ 26
0,
=
≥ 18
1,
0,
=
< 8
≤ 18
≥ 32
( − 18)/ 8,
18 ≤
≤ 26
(32 − )/ 6,
26 ≤
≤ 32
0,
≤ 26
> 32
=
( − 26)/ 6,
26 ≤
≤ 32
Universitas Sumatera Utara
25
4. Variabel Sikap
KB
B
SB
1
0.8
0.6
0.4
0.2
0
0
1
2
3
4
5
6
7
8
Gambar 3.5 Fungsi keanggotaan variabel sikap
0,
< 2
1,
2≤
≤ 4
(6 − )/ 2,
4≤
≤ 6
=
0,
=
≥ 6
≤ 4
≥ 8
( − 4)/ 2,
4≤
≤ 6
(8 − )/ 2,
6≤
≤ 8
0,
≤ 6
> 8
=
( − 6)/ 2,
6≤
≤ 8
5. Variabel Waktu
1
0.8
0.6
LAMA
0.4
CEPAT
0.2
0
0
1
2
3
4
Gambar 3.6 Fungsi Keanggotaan Variabel Waktu
Universitas Sumatera Utara
26
0,
=
< 1
≥ 4
1,
1≤
≤ 2
(4 − )/ 2,
2≤
≤ 4
0,
≤ 2
> 4
=
( − 2)/ 2,
3.4
2≤
≤ 4
Pembentukan Rule IF-THEN
Dari variabel fungsi keanggotaan, maka dapat ditentukan nilai tiap himpunan fuzzy
.
untuk kemudian digunakan untuk mencari
adalah nilai konsekuen
untuk setiap aturan fuzzy Sugeno. Jika nilai >= 80, maka Nilai_Ket(Nilai keterangan)
= LULUS, jika nilai < 80, maka Nilai_ket = TL (TIDAK LULUS). Batas kelulusan
ditentukan sesuai nilai kelulusan siswa SMK Swasta Medan Area-1 yaitu 80.
Adapun nilai tiap himpunan adalah sebagi berikut :
No
1
Tabel 3.2 Nilai himpunan
Nama Variabel
Himpunan Fuzzy
Nilai
Persiapan
Lengkap
10
Kurang
Sangat Lengkap
Belum Sesuai
2
Proses
Agak Sesuai
Sesuai
Rendah
Hasil
Sedang
Tinggi
4
Sikap
5
Waktu
Baik
Sangat Baik
Lama
Cepat
13
24
28
12
18
Sangat Tinggi
Kurang Baik
12
19
Sangat Sesuai
3
7
26
32
4
6
8
2
4
Universitas Sumatera Utara
27
Contoh :
Rule 285 :
IF PERSIAPAN Sangat Lengkap AND PROSES Sangat Sesuai AND HASIL Sangat
Tinggi AND SIKAP Baik AND WAKTU Lama THEN = ...
Tahapanya adalah menerjemahkan variabel linguistik kedalam angka. Diketahui
Persiapan = 12, Proses = 28, Hasil = 32, Sikap = 6, dan Waktu = 2.
diperoleh dari data penilaian siswa pada saat Uji
Rumus untuk mencari
Kompetensi. Berikut rumus untuk mencari
∗
=
+
Maka
∗
:
+
∗
+
+
∗
(3.1)
∗
:
=
=
∗
+
∗
+
∗
+
∗
+
∗
,
Karena nilai >= 80, maka nilai_Ket = LULUS.
Berdasarkan variabel himpunan fuzzy dan perhitungan
terbentuk adalah berikut :
, maka Rule IF-THEN
Tabel 3.3 Aturan Fuzzy
Rule
PERSIAPAN
PROSES
HASIL
SIKAP
WAKTU
Nilai
Ket
Nilai z
1
Kurang
Belum Sesuai
Rendah
Kurang Baik
Lama
TL
44,76
2
Kurang
Belum Sesuai
Rendah
Kurang Baik
Cepat
TL
49,76
3
Kurang
Belum Sesuai
Rendah
Baik
Lama
TL
47,26
4
Kurang
Belum Sesuai
Rendah
Baik
Cepat
TL
52,26
5
Kurang
Belum Sesuai
Rendah
Sangat Baik
Lama
TL
49,76
6
Kurang
Belum Sesuai
Rendah
Sangat Baik
Cepat
TL
54,76
7
Kurang
Belum Sesuai
Sedang
Kurang Baik
Lama
TL
52,26
8
Kurang
Belum Sesuai
Sedang
Kurang Baik
Cepat
TL
57,26
9
Kurang
Belum Sesuai
Sedang
Baik
Lama
TL
54,76
10
Kurang
Belum Sesuai
Sedang
Baik
Cepat
TL
59,76
Universitas Sumatera Utara
28
Rule
PERSIAPAN
PROSES
HASIL
SIKAP
WAKTU
Nilai
Ket
Nilai z
11
Kurang
Belum Sesuai
Sedang
Sangat Baik
Lama
TL
57,26
12
Kurang
Belum Sesuai
Sedang
Sangat Baik
Cepat
TL
62,26
13
Kurang
Belum Sesuai
Tinggi
Kurang Baik
Lama
TL
62,26
14
Kurang
Belum Sesuai
Tinggi
Kurang Baik
Cepat
TL
67,26
15
Kurang
Belum Sesuai
Tinggi
Baik
Lama
TL
64,76
16
Kurang
Belum Sesuai
Tinggi
Baik
Cepat
TL
69,76
17
Kurang
Belum Sesuai
Tinggi
Sangat Baik
Lama
TL
67,26
18
Kurang
Belum Sesuai
Tinggi
Sangat Baik
Cepat
TL
72,26
19
Kurang
Belum Sesuai
Sangat Tinggi
Kurang Baik
Lama
TL
69,76
20
Kurang
Belum Sesuai
Sangat Tinggi
Kurang Baik
Cepat
TL
74,76
21
Kurang
Belum Sesuai
Sangat Tinggi
Baik
Lama
TL
72,26
22
Kurang
Belum Sesuai
Sangat Tinggi
Baik
Cepat
TL
77,26
23
Kurang
Belum Sesuai
Sangat Tinggi
Sangat Baik
Lama
TL
74,76
24
Kurang
Belum Sesuai
Sangat Tinggi
Sangat Baik
Cepat
TL
79,76
25
Kurang
Agak Sesuai
Rendah
Kurang Baik
Lama
TL
51,19
26
Kurang
Agak Sesuai
Rendah
Kurang Baik
Cepat
TL
56,19
27
Kurang
Agak Sesuai
Rendah
Baik
Lama
TL
53,69
28
Kurang
Agak Sesuai
Rendah
Baik
Cepat
TL
58,69
29
Kurang
Agak Sesuai
Rendah
Sangat Baik
Lama
TL
56,19
30
Kurang
Agak Sesuai
Rendah
Sangat Baik
Cepat
TL
61,19
31
Kurang
Agak Sesuai
Sedang
Kurang Baik
Lama
TL
58,69
32
Kurang
Agak Sesuai
Sedang
Kurang Baik
Cepat
TL
63,69
33
Kurang
Agak Sesuai
Sedang
Baik
Lama
TL
61,19
34
Kurang
Agak Sesuai
Sedang
Baik
Cepat
TL
66,19
35
Kurang
Agak Sesuai
Sedang
Sangat Baik
Lama
TL
63,69
.
.
.
285
.
.
.
Sangat Lengkap
.
.
.
Sangat Sesuai
.
.
.
Sangat Tinggi
Baik
286
Sangat Lengkap
Sangat Sesuai
Sangat Tinggi
287
Sangat Lengkap
Sangat Sesuai
288
Sangat Lengkap
Sangat Sesuai
.
.
.
.
.
.
Lama
.
.
.
LULUS
.
.
.
92,50
Baik
Cepat
LULUS
97,50
Sangat Tinggi
Sangat Baik
Lama
LULUS
95,00
Sangat Tinggi
Sangat Baik
Cepat
LULUS
100,00
Universitas Sumatera Utara
SIL DAN PEMBAHASAN
U
decission tree
rule
S
FIS metode Sugeno yang
P
diintegrasikan menggunakan algoritma C4.5 terhadap FIS metode Sugeno tanpa
algoritma C4.5.
4.1
Klasifikasi Aturan Algoritma C4.5 dan Decision Tree
Pada tahap ini, aturan yang didapat dari pakar sebanyak 288 rule. Aturan sebanyak
288 tersebut akan diklasifikasikan menggunakan algoritma C4.5. Tahap klasifikasi
menggunakan informasi entropy (entropi) dan gain.
Tahap pertama yang dilakukan adalah menghitung jumlah kasus untuk setiap
variabel. Setelah jumlah kasus didapat, maka diklasifikasikan jumlah siswa yang tidak
lulus dan yang lulus. Kemudian dihitung nilai entropy menggunakan rumus 2.12 dan
2.13. Setelah nilai entropy didapat, maka dihitunglah nilai gain dari tiap variabel.
Sehingga variabel dengan nilai gain tertinggi diambil sebagai akar, dan terus di ulang
hingga tidak ada lagi node yang dapat diturunkan. Setiap perhitungan node akan
terbentuk decision tree.
Berikut ini disajikan hasil-hasil perhitungan entropy dan gain untuk tiap variabel
serta pembentukan decission tree.
Universitas Sumatera Utara
Tabel 4.1 Perhitungan entropy dan gain node 1
Jml
kasus
(S)
Tidak
Lulus
(TL)
Lulus
288
200
88
0,88797632
Kurang
96
73
23
0,79434669
Sangat Lengkap
96
61
35
Node
1
TOTAL
PERSIAPAN
Lengkap
PROSES
72
69
Sesuai
72
43
Sangat Sesuai
72
0,972552317
38
0
Tinggi
72
41
31
72
69
18
0,811278124
23
Sangat Baik
96
61
35
Lama
Cepat
144
144
66
109
91
0
54
73
96
0,997772472
0,249882293
96
30
35
53
0,130105018
0,811278124
3
Kurang Baik
Baik
0,946422051
29
34
0,009040662
0,896038233
0,249882293
18
72
72
Gain
3
54
72
Sangat Tinggi
WAKTU
72
30
Rendah
Sedang
SIKAP
66
Belum Sesuai
Agak Sesuai
HASIL
96
Entropy
0,376176207
0,986040032
0,79434669
0,009040662
0,896038233
0,946422051
0,800084745
0,013350253
0,949167388
!"#$#!%#& '#( ) * !+,'-&.#& /012345 "#& 6780 *#"# &9" :; &,)#, .#,& ' !',&..,
",* !9) + 9) +