Analisa Perbandingan Tingkat Akurasi dalam Memprediksi Laju Inflasi Kota Medan Menggunakan Model Fuzzy Inference System Sugeno dan Mamdani

Abstract Views: 415   PDF Downloads: 446

Authors

  • Putri Harliana Universitas Harapan Medan, Medan
  • Mardiana Mardiana Politeknik Negeri Medan, Medan
  • Yuris Agustira Nainggolan Universitas Harapan Medan, Medan

DOI:

https://doi.org/10.56211/helloworld.v1i3.130

Keywords:

Fuzzy; Sugeno; Mamdani; Akurasi; Analisis

Abstract

Logika fuzzy merupakan perluasan dari penalaran tradisional, di mana x adalah salah satu anggota dari himpunan A atau tidak, atau sebuah x dapat menjadi anggota himpunan A dengan derajat keanggotaan (μ) tertentu. Kemampuan model fuzzy dalam memetakan nilai kabur menjadi alasan penggunaan model inferensi fuzzy dalam berbagai kasus yang menggunakan nilai kabur untuk menghasilkan suatu output yang jelas atau pasti. Dalam penelitian ini akan dilakukan analis tingkat akurasi yang dihasilkan model inferensi fuzzy Sugeno dan Mamdani dalam memprediksi laju inflasi di Kota Medan, hasil prediksi akan dianalisis tingkat akurasinya dengan membandingkan hasil yang diperoleh model fuzzy inferensi Sugeno dan Mamdani dengan nilai aktualnya. Hasil dari analisis yang dilakukan untuk model fuzzy Sugeno tingkat akurasi dipengaruhi nilai regresi linier berganda sedangkan tingkat akurasi dari model fuzzy inferensi Mamdani dipengaruhi oleh ketepatan nilai masukannya. Hasil akhirnya model fuzzy Mamdani lebih akurat dibandingkan dengan model fuzzy inferensi Sugeno dalam uji kasus laju inflasi di Kota Medan.

Downloads

Download data is not yet available.

References

Batra, G. & Trivedi, M. 2013. A fuzzy approach for software effort Estimation. International Journal on Cybernetics & Informatics2(1): 9-15

Hosseinzadeh, B., Zareiforoush, H., Adabi, M.E. & Motevali, A. 2011. Development of a Fuzzy Model to Determine the Optimum Shear Strength of Wheat Stem. International Journal of Computer Science and Telecommunications2(4): 56-60.

Klir, G. J. & Yuan, B. 1995. Fuzzy Set And Fuzzy Logic Theory And Application. Prentice-Hall Inc. United State of America

Nasution, H. 2012. Implementasi Logika Fuzzy pada Sistem Kecerdasan Buatan. Jurnal ELKHA4(2): 4-8.

Poonam., Tripathi, S.P., Shukla, K.P. 2012. Uncertainty Handling using Fuzzy Logic in Rule Based Systems. International Journal of Advanced Science and Technology45: 31 – 46.

Roubus, J.A., Setnes, M. & Abonyi, J. 2003. Learning Fuzzy Classification Rules From Labeled Data. Information Sciences An International Journal1: 77-93.

Zadeh, L.A. 2004. Fuzzy Logic Systems: Origin, Concepts, And Trends. Computer Science Division Department of EECS UC Berkeley. 1-138.

Downloads

Article History

Submitted: 2022-10-14
Published: 2022-10-23
Pages: 145-152

PlumX Metrics

How to Cite

Harliana, P., Mardiana, M., & Nainggolan, Y. A. (2022). Analisa Perbandingan Tingkat Akurasi dalam Memprediksi Laju Inflasi Kota Medan Menggunakan Model Fuzzy Inference System Sugeno dan Mamdani. Hello World Jurnal Ilmu Komputer, 1(3), 145–152. https://doi.org/10.56211/helloworld.v1i3.130