Analisis Algoritma C4.5 dan Fuzzy Sugeno untuk Optimasi Rule Base Fuzzy

ANALISIS ALGORITMA C4.5 DAN FUZZY SUGENO
UNTUK OPTIMASI RULE BASE FUZZY

TESIS
VERI ILHADI
147038067

PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017

Universitas Sumatera Utara

ANALISIS ALGORITMA C4.5 DAN FUZZY SUGENO
UNTUK OPTIMASI RULE BASE FUZZY
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Magister Teknik Informatika

VERI ILHADI
147038067

PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017

Universitas Sumatera Utara

PERSETUJUAN

Judul

: ANALISIS

Kategori

: TESIS

ALGORITMA

C4.5

DAN

FUZZY

SUGENO UNTUK OPTIMASI RULE BASE FUZZY

Nama

: VERI ILHADI

Program Studi

: MAGISTER(S2) TEKNIK INFORMATIKA

Nomor Induk Mahasiswa : 147038067

Fakultas

: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

Komisi Pembimbing

:

UNIVERSITAS SUMATERA UTARA

Pembimbing 2

Pembimbing 1

Dr. Sutarman, M.Sc

Prof. Dr. Herman Mawengkang

Diketahui/disetujui oleh
Program Studi Magister(S2) Teknik Informatika

Ketua,

Prof. Dr. Muhammad Zarlis
NIP. 19570701 198601 1 003

i
Universitas Sumatera Utara

PERNYATAAN

ANALISIS ALGORITMA C4.5 DAN FUZZY SUGENO
UNTUK OPTIMASI RULE BASE FUZZY
TESIS
Saya mengakui semua tesis ini adalah hasil karya saya sendiri kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Februari 2017

Veri Ilhadi
147038067

ii
Universitas Sumatera Utara

PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di
bawah ini :

Nama

: Veri Ilhadi

NIM

: 147038067

Jenis Karya Ilmiah

: Tesis

Program Studi

: Magister(S2) Teknik Informatika

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 ALGORITMA C4.5 DAN FUZZY SUGENO
UNTUK OPTIMASI RULE BASE FUZZY

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,

Februari 2017

Veri Ilhadi
147038067
iii
Universitas Sumatera Utara

Telah diuji pada
Tanggal

: 10 Februari 2017

PANITIA PENGUJI TESIS
Ketua

Anggota

: Prof. Dr. Muhammad Zarlis

: 1. Prof. Dr. Herman Mawengkang
2. Dr. Sutarman, M.Sc

3. Dr.Sawaluddin, M.IT

iv
Universitas Sumatera Utara

RIWAYAT HIDUP

DATA PRIBADI
Nama Lengkap

: Veri Ilhadi

Alamat Rumah

: Jl. Medan-B. Aceh, Blang Panyang, Kec.

Tempat dan Tanggal Lahir

Telp/HP
Email

Instansi tempat bekerja

: Lhokseumawe, 29 November 1991
Muara Satu Kota Lhokseumawe

: 0852 9623 5277

: verilhadi@gmail.com

Alamat Kantor

: Politeknik Unggul LP3M

: Jl. Iskandar Muda No.3 CDEF, Medan.

DATA PENDIDIKAN
SD

: SD Negeri 1 Muara Dua

SLTP : SMP Negeri 1 Lhokseumawe

TAMAT : 2003

TAMAT : 2006

SLTA : SMA Negeri 2 Lhokseumawe

TAMAT : 2009

S2

TAMAT : 2017

S1

: Teknik Informatika UNIMAL
: Teknik Informatika USU

TAMAT : 2014

v
Universitas Sumatera Utara

UCAPAN TERIMA KASIH

Puji Syukur kehadirat Allah SWT, yang telah melimpahkan rahmat dan karunia-

Nya kepada penulis, sehingga penulis dapat menyelesaikan tesis ini yang berjudul :
Analisis Algoritma C4.5 dan Fuzzy Sugeno untuk Optimasi Rule Base Fuzzy

dengan sebaik-baiknya.

Penyusunan Tesis ini merupakan salah satu syarat untuk dapat memperoleh gelar

Magister (S2) Teknik Informatika Pada Universitas Sumatera Utara. Penulis
menyadari apa yang penulis tuangkan dalam Tesis ini tidak terlepas dari peranan

seluruh dosen, teman-teman dan seluruh keluarga yang turut memberikan bantuan
moril maupun materil. Untuk itu penulis menyampaikan terima kasih kepada:

1. Rektor Universitas Sumatera Utara, Bapak Prof. Dr. Runtung Sitepu, S.H.,

M.Hum., atas kesempatan yang telah diberikan kepada penulis untuk dapat
mengikuti dan menyelesaikan pendidikan Program Magister Teknik Informatika
Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

2. Dekan Fakultas Ilmu Komputer dan Teknologi Informasi (Fasilkom-TI)
Universitas Sumatera Utara, Bapak Prof. Dr. Opim Salim Sitompul, yang sudah
banyak memberikan bimbingan dan arahan.

3. Ketua Program Studi Magister Teknik Informatika, Bapak Prof. Dr. Muhammad

Zarlis. Sekretaris Program Studi Teknik Informatika, Bapak Syahril Efendi, S.Si.,
M.IT. Beserta seluruh Staf Pengajar Program Studi Magister Teknik Informatika
Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

4. Bapak Prof. Dr. Herman Mawengkang selaku Pembimbing Utama, demikian juga

kepada Bapak Dr. Sutarman, M.Sc selaku Pembimbing Kedua yang dengan
penuh kesabaran menuntun dan membimbing penulis hingga selesainya tesis ini
dengan baik.

5. Bapak Prof. Dr. Muhammad Zarlis dan Bapak Dr. Sawaluddin, M.IT, sebagai
Dosen Pembanding yang telah memberikan saran dan masukan serta arahan yang
baik demi penyelesaian tesis ini.

vi
Universitas Sumatera Utara

6. Ayahanda tercinta Ilyas, S.Pd, Ibunda tercinta Hamiah, S.Pd, serta adikku
tersayang Vera Ilhani, atas ketulusan do a, motivasi dan nasehat-nasehat
sepanjang waktu sehingga penulis dapat menyelesaikan pendidikan.

7. Seluruh staf pegawai Program Studi S2 Teknik Informatika Fakultas Ilmu

Komputer dan Teknik Informatika, serta teman-teman seperjuangan mahasiswa/i
Kom-C 2014.

8. Dan seluruh pihak yang tidak dapat disebutkan satu persatu dalam tesis ini, sekali
lagi terima kasih atas segala bantuan dan doa yang telah diberikan.

Penulis menyadari bahwa penelitian ini masih jauh dari kata sempurna,

dikarenakan oleh keterbatasan, kemampuan dan pengetahuan penulis. Harapan

penulis, semoga penelitian ini bermanfaat bagi penulis khususnya dan pembaca pada
umumnya. Semoga Allah SWT membalas kebaikan yang telah diberikan. Aamiin.

Medan, Februari 2017
Penulis,

Veri Ilhadi
NIM: 147038067

vii
Universitas Sumatera Utara

ABSTRAK

Logika fuzzy dapat mengatasi ketidakmampuan matematika konvensional untuk
model sistem nonlinear. Fuzzy Sugeno merupakan salah satu metode yang sering
digunakan dalam logika fuzzy. Penggunaan metode Sugeno dapat mengatasi masalah
sistem nonlinear. Kelemahan dari logika fuzzy adalah meningkatnya beban komputasi
yang bertambah secara eksponensial seiring dengan bertambahnya jumlah variabel
dan jumlah aturan dalam logika fuzzy. Beberapa cara telah dilakukan oleh para
peneliti sebelumnya untuk mengurangi beban komputasi, diantaranya dengan
mengurangi sejumlah aturan dalam logika fuzzy. Mengurangi sejumlah aturan akan
berdampak pada tingkat akurasi fuzzy yang berkurang. Pada penelitian ini, peneliti
menggunakan algoritma C4.5 sebagai optimasi rule fuzzy. Aturan awal sejumlah 288
aturan, namun setelah diklasifikasikan menggunakan algoritma C4.5 maka aturan
fuzzy menjadi lebih sedikit yaitu sebanyak 52 aturan. Setelah diterapkan didalam
data, maka didapat tingkat akurasi menjadi 96,97 %.
Kata kunci : fuzzy Sugeno, algoritma C4.5, optimasi, aturan

viii
Universitas Sumatera Utara

ANALYSIS OF C4.5 ALGORITHM AND FUZZY SUGENO
FOR OPTIMATION RULE BASE FUZZY
ABSTRACT

Fuzzy logic can handle problems inability mathematic conventional for nonlinear
system model. Fuzzy Sugeno is one of method which frequently used in fuzzy logic.
The using of Sugeno method can solve problem in nonlinear system. The shortcoming
of fuzzy logic is the increasing of load computing exponentially along with the
increasing of variable value and rules in fuzzy logic. Some solution have been
investigated by researchers before for decreasing of load computing by decrease a
number of rule fuzzy logic. Decreasing a number of rule will impact the lack fuzzy
accuracy level. In this research, researcher use C4.5 algorithm as fuzzy rule
optimation. Initial rule has 288 rules but after has classified by using C4.5 algorithm,
it is converted into 52 rule. After applied in data, accordingly level accuracy convert
into 96.97%.
Keyword: Fuzzy Sugeno, C4.5 algorithm, optimation, rule

ix
Universitas Sumatera Utara

DAFTAR ISI

Hal.
HALAMAN JUDUL

PERSETUJUAN ........................................................................................... i

PENYATAAN ..............................................................................................ii

PERSETUJUAN PUBLIKASI ..................................................................... iii
PANITIA PENGUJI TESIS ......................................................................... iv
RIWAYAT HIDUP....................................................................................... v

UCAPAN TERIMA KASIH......................................................................... vi

ABSTRAK ................................................................................................. viii
ABSTRACT ................................................................................................ ix
DAFTAR ISI ................................................................................................ x

DAFTAR TABEL........................................................................................ xii

DAFTAR GAMBAR .................................................................................. xiii
BAB 1

PENDAHULUAN
1.1

Latar Belakang ...................................................................... 1

1.3

Batasan Masalah.................................................................... 3

1.2
1.4
BAB 2

1.5

Rumusan Masalah .................................................................3

Tujuan Penelitian .................................................................. 3

Manfaat Penelitian.................................................................4

TINJAUAN PUSTAKA
2.1

Logika Fuzzy ........................................................................ 5

2.1.1 Fungsi Keanggotaan .................................................... 6

2.1.2 Fuzzifikasi .................................................................. 9
2.1.3 Operasi Himpunan Fuzzy ............................................ 9

2.1.4 Rule IF-THEN ........................................................... 11

2.1.5 Defuzzifikasi .............................................................. 12
x
Universitas Sumatera Utara

2.2

2.1.6 Metode Sugeno .......................................................... 14

Data Mining ......................................................................... 15

2.2.1 Klasifikasi ................................................................. 16

2.2.2 Decission Tree ........................................................... 17

2.2.3 Klasifikasi Basis Aturan (IF-THEN) ........................... 18
BAB 3

2.2.4 Algoritma C4.5 .......................................................... 18

METODOLOGI PENELITIAN
3.1

Metode Pengumpulan Data ................................................. 20

3.3

Menentukan Fungsi Keanggotaan Fuzzy ..............................21

3.2

BAB 4

3.4

Pembentukan Rule IF-THEN ............................................... 26

HASIL DAN PEMBAHASAN
4.1

Klasifikasi Aturan Algoritma C4.5 dan Decision Tree .......... 29

4.3

Evaluasi Rule ..................................................................... 44

4.5

Tampilan Aplikasi .............................................................. 48

4.2
4.4

BAB 5

Racangan Penelitian ............................................................ 20

Pembentukan Rule IF-THEN berdasarkan Decion Tree ........ 42

Evaluasi Kinerja Metode ..................................................... 46

KESIMPULAN DAN SARAN
5.1
5.2

Kesimpulan ..........................................................................51

Saran ...................................................................................51

DAFTAR PUSTAKA................................................................................... 52
LAMPIRAN ...............................................................................................54

xi
Universitas Sumatera Utara

DAFTAR TABEL

Hal.
Tabel 3.1 Variabel Himpunan Fuzzy ............................................................ 21
Tabel 3.2 Nilai himpunan ............................................................................ 26
Tabel 3.3 Aturan Fuzzy................................................................................ 27

Tabel 4.1 Perhitungan entropy dan gain node 1 ........................................... 30
Tabel 4.2 Perhitungan entropy dan gain node 1.1 ......................................... 31

Tabel 4.3 Perhitungan entropy dan gain node 1.1.1....................................... 32

Tabel 4.4 Perhitungan entropy dan gain node 1.1.1.1 ................................... 32

Tabel 4.5 Perhitungan entropy dan gain node 1.2 ......................................... 34
Tabel 4.6 Perhitungan entropy dan gain node 1.2.1 ....................................... 34
Tabel 4.7 Perhitunagn entropy dan gain node 1.2.2 ....................................... 35
Tabel 4.8 Perhitungan entropy dan gain node 1.2.3 ....................................... 35

Tabel 4.9 Perhitungan entropy dan gain node 1.2.1.1 .................................... 36

Tabel 4.10 Perhitungan entropy dan gain node 1.2.2.1 .................................. 36
Tabel 4.11 Perhitungan entropy dan gain node 1.2.2.2 .................................. 36
Tabel 4.12 Perhitungan entropy dan gain node 1.2.3.1 .................................. 37
Tabel 4.13 Perhitungan entropy dan gain node 1.2.3.2 .................................. 37
Tabel 4.14 Perhitungan entropy dan gain node 1.3 ........................................ 39

Tabel 4.15 Perhitungan entropy dan gain node 1.3.1 ..................................... 39
Tabel 4.16 Perhitungan entropy dan gain node 1.3.2 ..................................... 40

Tabel 4.17 Perhitunga entropy dan gain node 1.3.1.1 .................................... 40

Tabel 4.18 Perhitungan entropy dan gain node 1.3.2.1 .................................. 41
Tabel 4.19 Rule fuzzy menggunakan algoritma C4.5 ................................... 42

Tabel 4.20 Hasil evaluasi rule fuzzy ............................................................ 44

Tabel 4.21 Evaluasi tingkat akurasi ............................................................. 45

Tabel 4.22 Lama waktu proses .................................................................... 47

xii
Universitas Sumatera Utara

DAFTAR GAMBAR

Hal.
Gambar 2.1 Representasi linear naik ............................................................. 7

Gambar 2.2 Representasi linear turun ........................................................... 8

Gambar 2.3 Representasi kurva segitiga ........................................................ 8
Gambar 2.4 Representasi kurva trapesium .................................................... 9

Gambar 2.5 Gabungan set A dan set B (Logika OR) .................................... 10

Gambar 2.6 Irisan set A dan set B (logika AND) ......................................... 11
Gambar 2.7 Complement set A .................................................................... 11

Gambar 2.8 Grafik metode defuzzifikasi keanggotaan Max ......................... 13
Gambar 2.9 Grafik metode defuzzifikasi centroid ........................................ 13

Gambar 2.10 Grafik defuzzifikasi metode weighted average ........................ 14
Gambar 2.11 Alur pengolahan data ............................................................. 16
Gambar 3.1 Rancangan penelitian ............................................................... 21
Gambar 3.2 Fungsi keanggotaan variabel persiapan ..................................... 22

Gambar 3.3 Fungsi keanggotaan variabel proses .......................................... 23

Gambar 3.4 Fungsi keanggotaan variabel hasil ............................................ 24
Gambar 3.5 Fungsi keanggotaan variabel sikap ........................................... 25
Gambar 3.6 Fungsi keanggotaan variabel waktu .......................................... 25
Gambar 4.1 Node 1 ..................................................................................... 31

Gambar 4.2 Percabangan node 1.1 ............................................................... 33
Gambar 4.3 Percabangan node 1.2 ............................................................... 37
Gambar 4.4 Percabangan node 1.3 ............................................................... 41

Gambar 4.5 Grafik perbandingan ................................................................ 47
Gambar 4.6 Form menu utama .................................................................... 48

Gambar 4.7 Form input nilai siswa .............................................................. 48

Gambar 4.8 Form rule Sugeno .................................................................... 49

Gambar 4.5 Form update data dan lama waktu proses fuzzy Sugeno ............. 49
xiii
Universitas Sumatera Utara

Gambar 4.5 Form update data dan lama waktu proses fuzzy Sugeno dan

algoritma C4.5 .......................................................................... 50

xiv
Universitas Sumatera Utara