Penerapan Decision Tree J48 dan Reptree dalam Menentukan Prediksi Produksi Minyak Kelapa Sawit menggunakan Metode Fuzzy Tsukamoto
DOI:
https://doi.org/10.25126/jtiik.2020731870Abstrak
Penelitian ini menerangkan penerapan decision tree J48 dan REPTree dengan menggunakan metode fuzzy Tsukamoto dengan objek yang digunakan adalah penentuan jumlah produksi minyak kelapa sawit di perusahaan PT Tapiana Nadenggan dengan tujuan untuk mengetahui decision tree mana yang hasilnya mendekati dari data sesungguhnya sehingga dapat digunakan untuk membantu memprediksi jumlah produksi minyak kelapa sawit di PT Tapiana Nadenggan ketika proses produksi belum diproses. Digunakannya decision tree J48 dan REPTree yaitu untuk mempercepat dalam pembuatan rule yang digunakan tanpa harus berkonsultasi dengan para pakar dalam menentukan rule yang digunakan. Dari data yang digunakan akurasi dari decision tree J48 adalah 95.2381%, sedangkan akurasi REPTree adalah 90.4762%, akan tetapi dalam kasus ini decision tree REPTree yang lebih tepat digunakan dalam proses prediksi produksi minyak kelapa sawit, karena di uji dengan data sesungguhnya pada bulan Maret tahun 2019 menggunakan REPTree diperoleh 16355835 liter, sedangkan menggunakan J48 diperoleh 11844763 liter, dimana data produksi sesungguhnya sebesar 17920000 liter. Sehingga dapat ditemukan suatu kesimpulan bahwa untuk kasus ini data produksi yang mendekati dengan data sesungguhnya adalah REPTree, meskipun akurasi yang diperoleh lebih kecil dibandingkan dengan J48.
Abstract
This study explains the application of the J48 and REPTree decision tree using the fuzzy Tsukamoto method with the object used is the determination of the amount of palm oil production in the company PT Tapiana Nadenggan with the aim of knowing which decision tree the results are close to the actual data so that it can be used to help predict the amount palm oil production at PT Tapiana Nadenggan when the production process has not been processed. The use of the J48 and REPTree decision tree is to speed up the rule making that is used without having to consult with experts in determining the rules used. From the data used the accuracy of the J48 decision tree is 95.2381%, while the REPTree accuracy is 90.4762%, but in this case the REPTree decision tree is more appropriate to be used in the prediction process of palm oil production, because it is tested with actual data in March 2019 uses REPTree obtained 16355835 liters, while using J48 obtained 11844763 liters, where the actual production data is 179,20000 liters. So that it can be found a conclusion that for this case the production data approaching the actual data is REPTree, even though the accuracy obtained is smaller compared to J48.
Downloads
Referensi
HIDAYATI, J. et al. (2013) ‘Optimization of Business Partners Feasibility for Oil Palm Revitalization Using Fuzzy Approach’, 3(2), pp. 29–35.
JULIANSYAH, A. (2015) ‘Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Hasil Produksi Kelapa Sawit (Studi Kasus :PT Amal Tani Perkebunan Tanjung Putri-Bahorok)’, 4(1), pp. 130–137.
KUSUMADEWI, 2013. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Graha Ilmu Yogyakarta.
SELA, E. I. et al. (2015) ‘Feature Selection of the Combination of Porous Trabecular with Anthropometric Features for Osteoporosis Screening’, International Journal of Electrical and Computer Engineering (IJECE), 5(1), pp. 78–83.
SELYWITA, D. and Hamdani (2013) ‘Sistem Pendukung Keputusan Pemilihan Supplier Obat Menggunakan Metode Fuzzy Tsukamoto’, 3(1), pp. 21–30.
SIGIT, H. / T. A. M. / H. T. (2015) ‘Implementation Of Fuzzy-C4.5 Classification As a Decision Support For Students Choice Of Major Specialization’, ArXiv.org, 2(11), pp. 1577–1581.
SOLIKIN, F. (2013) ‘Aplikasi Logika Fuzzy Dalam Optimisasi Produksi Barang Menggunakan Metode Mamdani Dan Metode Sugeno’, 2013(Sentika).
SUKANDY, D. M., Basuki, A. T. and Puspasari, S. (2014) ‘Penerapan Metode Fuzzy Mamdani Untuk Memprediksi Jumlah Produksi Minyak Sawit Berdasarkan Data Persediaan Dan Jumlah Permintaan ( Studi Kasus Pt Perkebunan Mitra Ogan Baturaja )’, Program Studi Teknik Informatika, pp. 1–9.
TSENG, T. L. (Bill), Konada, U. and Kwon, Y. (James) (2016) ‘A novel approach to predict surface roughness in machining operations using fuzzy set theory’, Journal of Computational Design and Engineering. Elsevier, 3(1), pp. 1–13.
TUNDO and Sela, E. I. (2018) ‘APPLICATION OF THE FUZZY INFERENCE SYSTEM METHOD TO PREDICT’, (IJID) International Journal on Informatics for Development, 7(1), pp. 1–9.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
