Skripsi

Perbandingan fuzzy inference system metode Tsukamoto, Mamdani, dan Sugeno dalam memprediksi jumlah mahasiswa baru / Billie Ahmad Santoso

Abstrak
Penerimaan mahasiswa baru merupakan salah satu aktivitas utama di perguruan tinggi termasuk di Universitas Negeri Malang yang setiap tahunnya menerima mahasiswa baru melalui berbagai jalur seleksi. Proses ini memerlukan perencanaan yang matang terutama dalam pengelolaan sumber daya seperti tenaga pengajar ruang kelas dan fasilitas pendukung. Salah satu tantangan terbesar adalah ketidakpastian jumlah pendaftar setiap tahunnya yang dapat memengaruhi alokasi sumber daya. Oleh karena itu diperlukan metode prediksi yang akurat untuk meminimalkan ketidakpastian tersebut dan meningkatkan efisiensi dalam perencanaan. Mengingat kompleksitas variabel yang memengaruhi jumlah penerimaan mahasiswa baru Fuzzy Inference System (FIS) merupakan salah satu metode yang dapat memberikan hasil yang fleksibel dan akurat. Terdapat beberapa metode yang dapat digunakan dalam FIS tiga metode yang sering digunakan pada FIS yaitu metode Tsukamoto metode Sugeno dan metode Mamdani. Pada penelitian ini dilakukan perbandingan FIS Tsukamoto Mamdani dan Sugeno dalam memprediksi jumlah mahasiswa baru di Universitas Negeri Malang. Tujuannya adalah untuk mengetahui metode FIS mana yang paling akurat dalam memprediksi jumlah mahasiswa baru di Universitas Negeri Malang sehingga dapat digunakan sebagai dasar pengambilan keputusan yang lebih baik. Hasil yang didapat yaitu fuzzy Sugeno adalah metode terbaik dalam memprediksi jumlah mahasiswa baru dengan nilai Mean Absolute Percentage Eror (MAPE) 7 83% diikiti oleh fuzzy Tsukamoto dengan 13 289% dan fuzzy Mamdani dengan 14 34%.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2025.

Deskripsi Fisik

vii, 29 hlm. : ilus.

Bahasa

Indonesia

No Reg

0013/RS/25

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2025

Subjek

Pembimbing

1. Dr. Hery Susanto, M.si

Lampiran Berkas