Fuzzy Inference System Mamdani dalam Prediksi Produksi Kain Tenun Menggunakan Rule Berdasarkan Random Tree
DOI:
https://doi.org/10.25126/jtiik.2022924212Abstrak
Kain tenun merupakan salah satu produk yang diminati oleh banyak orang. Hal ini menjadi pemicu produsen untuk meningkatkan pengelolahannya. Salah satu usaha yang dilakukan adalah memprediksi produksi yang dapat dilakukan untuk mendapatkan jumlah optimal yang diperoleh, sehingga mendapatkan keuntungan yang besar. Dalam penelitian ini, untuk mendapatkan prediksi jumlah produksi kain tenun dilakukan dengan perhitungan komputerisasi menggunakan metode logika fuzzy Mamdani. Metode ini menggunakan konsep pohon keputusan random tree dalam membentuk rule. Rule yang dibuat berdasarkan pada kriteria dalam penentuan jumlah produksi kain tenun, diantaranya yaitu biaya produksi, permintaan, dan stok. Konsep pohon keputusan random tree dalam penelitian ini digunakan untuk membuat rule secara otomatis berdasarkan data yang tersedia. Pembentukan rule ini berdasarkan data-data kain tenun dan diimplementasikan dalam random tree, sehingga tidak perlu menggunakan pakar. Penelitian ini membuktikan bahwa prediksi yang dilakukan dapat membangun rule dengan nilai akurasi sebesar 100%. Hasil perbandingan prediksi dengan produksi sesungguhnya memiliki persentase error sebesar 3% dengan nilai kebenaran sebesar 97% (berdasarkan perhitungan Average Forecasting Error Rate (AFER)). Oleh karena itu ketika diimplementasikan dalam fuzzy Mamdani dapat menghasilkan prediksi produksi kain tenun yang optimal.
Abstract
Woven fabric is a product that is in demand by many people. It triggers producers to improve their management. One of the efforts made is to predict the production that can be done to get the optimal amount obtained, to get a significant profit. In this study, to obtain a prediction of the amount of woven fabric production is done by computerized calculations using the Mamdani fuzzy logic method. This method uses the concept of a random tree decision tree in forming rules. The rules are made based on the criteria in determining the amount of woven fabric production, including production costs, demand, and stock. The concept of a random tree decision tree in this study automatically generates rules based on available data. This rule's formation is based on woven fabric data and is implemented in a random tree, so there is no need to use experts. This study shows that the predictions made can build rules with an accuracy value of 100%. The comparison of predictions with actual production has an error percentage of 3% with a truth value of 97% (based on the calculation of the Average Forecasting Error Rate (AFER)). When implemented in Fuzzy Mamdani, it can produce optimal woven fabric production predictions with predicted results less than the actual production.
Downloads
Referensi
ALAOUI, S. S., FARHAOUI, Y. and AKSASSE, B. 2018. Classification Algorithms in Data Mining : A Survey. IJSRCSEIT, 3(1), pp. 349–355.
BATUBARA, S. 2017. Analisis Perbandingan Metode Fuzzy Mamdani Dan Fuzzy Sugeno Untuk Penentuan Kualitas Cor Beton Instan. It Journal Research and Development, 2(1), pp. 1–11. doi: 10.25299/itjrd.2017.vol2(1).644.
DJUNAIDI, M. 2005. Penentuan Jumlah Produksi Dengan. Jurnal Ilmiah Teknik Insudtri, 4(2), pp. 95–104.
DONDA, T. B., MONTOLALU, C. & RINDENGAN, A. J. 2018. Prediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses Manado Menggunakan Fuzzy Inference System. d’CARTESIAN, 7(1), p. 35. doi: 10.35799/dc.7.1.2018.19552.
ELEKAR, K. S. and WAGHMARE, M. M. 2014. Study of Tree Base Data Mining Algorithms for Network Intrusion Detection. International Journal on Recent and Innovation Trends in Computing and Communication, 2(10), pp. 3253–3257.
ELFAJAR, A. B., SETIAWAN, B. D. and DEWI, C. 2017. Peramalan Jumlah Kunjungan Wisatawan Kota Batu Menggunakan Metode Time Invariant Fuzzy Time Series. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 1(2), pp. 85–94.
FATHIMAH, S. 2017. Penentuan Jumlah Permintaan Obat Pada Kantor Kepolisian Resort Kota Menggunakan Logika Fuzzy Mamdani. JUTISI Vol. 6, No. 3, 6(3), pp. 1629–1638.
HAMOUD, A. K., HASHIM, A. S. & AWADH, W. A. 2018. Predicting Student Performance in Higher Education Institutions Using Decision Tree Analysis. International Journal of Interactive Multimedia and Artificial Intelligence, 5(2), p. 26. doi: 10.9781/ijimai.2018.02.004.
HERAWATI, M., MUKHLASH, I. & WIBOWO, I. L. 2016. Prediksi Customer Churn Menggunakan Algoritma Fuzzy Iterative Dichotomiser 3. J.Math.and Its Appl, 13(1), pp. 23–36.
HIDAYATI, J., SUKARDI, SURYANI, A. & SUGIHARTO. 2013. Optimization of Business Partners Feasibility for Oil Palm Revitalization Using Fuzzy Approach. International Journal on Advanced Science Engineering Information Technology, 3(2), pp. 29–35.
KARTIKA, D., SOVIA, R. & SANDAWA, H. M. 2018. Penerapan Metode Fuzzy Mamdani Untuk Memprediksi Angka Penjualan Token Berdasarkan Persediaan Dan Jumlah. Jurnal KomTekInfo, 5(1), pp. 81–95.
MAIBANG, C. P. P. & HUSEIN, A. M. (2019) ‘Prediksi Jumlah Produksi Palm Oil Menggunakan Fuzzy Inference System Mamdani. Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP), 2(2), p. 19. doi: 10.34012/jutikomp.v2i2.528.
MUJAHID, T. A. & SELA, E. I. 2019. Analisis Perbandingan Rule Pakar dan Decision Tree J48 Dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Metode Fuzzy Tsukamoto. JURIKOM (Jurnal Riset Komputer), 6(5), pp. 501–505.
MUSTIKA SARI, S. D. P., GINARDI, H. & FATICHAH, C. 2017. Penentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi “Finding-Tutor. Jurnal Teknik ITS, 6(2). doi: 10.12962/j23373539.v6i2.24123.
NURHAYATI, S. & IMMANUDIN, I. 2019. Penerapan Logika Fuzzy Mamdani Untuk Prediksi Pengadaan Peralatan Rumah Tangga Rumah Sakit. Komputika : Jurnal Sistem Komputer, 8(2), pp. 81–87. doi: 10.34010/komputika.v8i2.2254.
SAIFULLAH, S. 2019. Fuzzy-AHP approach using Normalized Decision Matrix on Tourism Trend Ranking based-on Social Media. Jurnal Informatika, 13(2), pp. 16–23. doi: 10.26555/jifo.v13i2.a15268.
SAITAKELA, M. & ELIM, W. A. 2020. Penerapan Customer Relationship Managemen Crm) Pada Toko Souvenir Mitra Agung Utama. Jurnal Pendidikan Teknologi Informasi (JUKANTI), 3(1), pp. 8–13.
SIVAGOWRY, S. & MOHAMMED, D. 2015. An Intelligent System based on Fuzzy Inference System to prophesy the brutality of Cardio Vascular Disease. Advances in Computer Science an International Journal (ACSIJ), 4(6), pp. 119–125.
SURYA, R. A. S., BASRI, Y. M., KAMALIAH & BASRI, Y. M. 2015. Peningkatan Daya Saing USAha UMKM Batik dan Tenun Riau melalui Efisiensi Produksi. PEKBIS (Jurnal Pendidikan Ekonomi Dan Bisnis), 7(2), pp. 110–121.
TSENG, T. L. BILL, KONADA, U. & 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. doi: 10.1016/j.jcde.2015.04.002.
TUAN, T. M., LAN, L.T.H., CHOU, S.Y., NGAN, T.T, SON, L.H., GIANG, N.L. & ALI, M. 2020. M-CFIS-R: Mamdani complex fuzzy inference system with rule reduction using complex fuzzy measures in granular computing. Mathematics, 8(5). doi: 10.3390/MATH8050707.
TUNDO, 2020. Prediksi Produksi Minyak Kelapa Sawit Menggunakan Metode Fuzzy Tsukamoto Dengan Rule Yang Terbentuk Menggunakan Decision Tree Reptree. JANAPATI, 9(2), pp. 253–265.
TUNDO, AKBAR, R. & SELA, E. I. 2020. Analisis Perbandingan Fuzzy Tsukamoto Dan Sugeno Dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Base Rule Decision Tree. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 7(1), pp. 171–180. doi: 10.25126/jtiik.202071751.
TUNDO & 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.
TUNDO, T. & UYUN, S. 2020. Penerapan Decision Tree J48 dan Reptree dalam Menentukan Prediksi Produksi Minyak Kelapa Sawit menggunakan Metode Fuzzy Tsukamoto. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 7(3), p. 483. doi: 10.25126/jtiik.2020731870.
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).
