Skripsi

Implementasi metode fuzzy sugeno menggunakan rule base decision tree: random tree, reptree, dan j48 untuk memprediksi jumlah mahasiswa baru / Noniek Wijayanti Sartono Putri

Abstrak
Universitas Negeri Malang selalu mengadakan aktivitas tahunan yaitu Penerimaan Mahasiswa Baru (PMB). Dari data hasil observasi di bagian seksi data dan informasi UM setiap melaksanakan PMB pada tahun 2020 minus 2023 jumlah mahasiswa yang berhasil registrasi akademik di beberapa fakultas ada yang melebihi daya tampungnya ada juga yang kurang dari daya tampung. Kondisi tersebut dikhawatirkan akan mengganggu terlaksananya proses belajar dan mengajar karena ketersediaan SDM dan infrastruktur pembelajaran akan disesuaikan dengan jumlah daya tampung program studi tersebut. Oleh karena itu jumlah mahasiswa baru perlu diprediksi. Salah satu cara untuk memprediksi jumlah mahasiswa baru dapat menggunakan penerapan logika fuzzy. Pada penelitian ini digunakan metode fuzzy Sugeno menggunakan base rule yang dibentuk oleh decision tree Random Tree REPTree dan J48. Tujuannya adalah untuk mengetahui manakah di antara ketiga rule hasil decision tree tersebut yang menghasilkan prediksi dengan nilai error paling kecil. Hasilnya didapat bahwa prediksi menggunakan rule hasil decision tree Random Tree memiliki nilai Average Forecasting Error Rate (AFER) lebih kecil yaitu sebesar 7.83% dibandingkan rule yang dihasilkan decision tree REPTree sebesar 9.96% dan J48 sebesar 8.20%.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2024.

Deskripsi Fisik

x, 25 hlm. : ilus.

Bahasa

Indonesia

No Reg

1790/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. LOGIKA (MATEMATIKA) - FUZZY
2. LOGIC (MATHEMATICS) - FUZZY

Pembimbing

1. Dr. Hery Susanto, M.Si

Lampiran Berkas