Skripsi

Perbandingan rule decision tree j48, rule pakar, dan rule alami pada fuzzy mamdani dalam memprediksi jumlah mahasiswa baru / Evy Teguh Wuryaningrum

Abstrak
Banyaknya mahasiswa baru yang diterima pada perguruan tinggi akan berkaitan dengan ketersediaan dosen dan ruang kuliah. Oleh karena itu prediksi jumlah mahasiswa baru diperlukan untuk meningkatkan efisiensi dan efektivitas dalam perkuliahan. Salah satu metode yang dapat digunakan untuk melakukan prediksi adalah Fuzzy Inference System (FIS). Ada beberapa rule yang dapat digunakan sebagai rule base pada FIS seperti rule alami rule pakar dan rule decision tree. Pada FIS pembentukan rule base merupakan salah satu tahapan yang penting karena berperan dalam proses inferensi. Penelitian ini menjelaskan tentang perbandingan rule decision tree rule J48 rule pakar dan rule alami pada Fuzzy Inference System Mamdani dalam memprediksi jumlah mahasiswa baru di Universitas Negeri Malang. Ada 4 variabel yang digunakan yaitu jumlah pendaftar daya tampung jumlah mahasiswa yang lulus seleksi sebagai variabel input dan jumlah mahasiswa yang melakukan registrasi sebagai variabel output. Berdasarkan 32 data uji diperoleh hasil prediksi dengan FIS Mamdani menggunakan rule decision tree J48 memiliki nilai Mean Absolute Error (MAE) Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE) paling kecil dibandingkan menggunakan rule pakar dan rule alami. Akurasi tersebut menunjukkan bahwa metode FIS Mamdani menggunakan rule decision tree J48 lebih baik dibandingkan menggunakan rule pakar dan rule alami.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2024.

Deskripsi Fisik

xii, 50 hlm. : ilus.

Bahasa

Indonesia

No Reg

2163/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. LOGIKA MATEMATIKA
2. MATHEMATICAL LOGIC

Pembimbing

1. Dr. Hery Susanto, M.Si

Lampiran Berkas