Analisis Algoritma C4.5 dan Fuzzy Sugeno untuk Optimasi Rule Base Fuzzy Chapter III V

(1)

BAB 3

METODOLOGI PENELITIAN

Pada bab ini akan dijelaskan tentang metodologi penelitian yang digunakan pada tesis ini. Uraian itu akan meliputi metode pengumpulan data, rancangan penelitian, menentukan fungsi keanggotaan fuzzy, dan pembentukan rule IF-THEN. Peneliti mengambil data dari SMK Swasta Medan Area-1. Data yang didapat berupa komponen penilaian dan variabel penilaia uji komptensi siswa multimedia pada SMK Swasta Medan Area-1. Kemudian dari data tesebut dibuatlah suatu range penilaian dan variable himpunan fuzzy yang digunakan dalam penelitian ini. Dari variabel himpunan tersebut dibuatlah aturan fuzzy, yang kemudian aturan fuzzy tersebut dipangkas menggunakan algoritma klasifikasi C4.5.

3.1 Metode Pengumpulan Data

Ada beberapa metode yang digunakan dalam pengumpulan data, yaitu : 1. Metode Observasi

Metode observasi yaitu melakukan pengambilan data langsung pada instansi yang terkait untuk mendapatkan data yang dibutuhkan.

2. Metode Studi Literatur

Metode studi literatur yaitu proses memperoleh data melalui penelitian yang telah dibuat sebelumnya seperti buku, jurnal, tesis, dan sebaginya.

3.2 Rancangan Penelitian

Dalam rancangan penelitian ini, akan dijelaskan tahap-tahap yang dilakukan selama proses penelitian. Tahap-tahap tersebut adalah sebagai berikut :

1. Data masukan yang diambil berupa data penilaian uji kompetensi siswa jurusan multimedia SMK Swasta Medan Area-1,

2. Data kemudian diproses menggunakan metode fuzzifikasi dan menghasilkan

(2)

21

3. Pada saat proses penentuanrulefuzzy metode Sugeno,ruleyang digunakan adalahrulefuzzy yang telah dipangkas menggunakan algoritma C4.5,

4. Proses defuzzifikasi dilakukan dengan mencari nilai rata-rata yang dilakukan menggunakan metodeWeight Average(WA).

Gambar 3.1. Rancangan penelitian

3.3 Menentukan Fungsi Keanggotaan Fuzzy

Adapun variabel yang digunakan sebagai masukan, yaitu persiapan kerja, proses/cara kerja, hasil kerja, sikap kerja, dan waktu. Di dalam algoritma C4.5, variabel sering disebut juga dengan fitur. Himpunan fuzzy untuk setiap variable akan direpresentasikan sebagai berikut :

Tabel 3.1 Variabel himpunan fuzzy

No Nama Variabel Himpunan Fuzzy

1 Persiapan

Kurang (K)

Lengkap (L)

Sangat Lengkap (SL)

2 Proses

Belum Sesuai (BS)

Agak Sesuai (AS)

Sesuai (S)

Sangat Sesuai (SS)

3 Hasil

Rendah (R)

Sedang (S)

Tinggi (T)

(3)

22

No Nama Variabel Himpunan Fuzzy

4 Sikap

Karena variable fuzzy terdiri dari 5 inputan, maka jumlah total kombinasi rule yang dihasilkan adalah (3 × 4 × 4 × 3 × 2) atau 288 Rule. Untuk range tiap variabel didapat dari nilai rata-rata yang diperoleh siswa. Batas nilai paling bawah diambil dari variabel dengan nilai terendah yang mungkin diperoleh siswa.

1. Variabel Persiapan

Gambar 3.2 Fungsi keanggotaan variabel persiapan

(4)

23

2. Variabel Proses

Gambar 3.3 Fungsi keanggotaan variabel proses

=

0, < 7 ≥ 19

1, 7 ≤ ≤ 13

(19 − )/ 6, 13 ≤ ≤ 19

=

0, ≤ 13 ≥ 24

( − 13)/ 6, 13 ≤ ≤ 19

(24 − )/ 5, 19 ≤ ≤ 24

=

0, ≤ 19 ≥ 28

( − 19)/ 5, 19 ≤ ≤ 24

(28 − )/ 4, 24 ≤ ≤ 28

=

0, ≤ 24 > 28

( − 24)/ 4, 24 ≤ ≤ 28

0 0.2 0.4 0.6 0.8 1

0 2 4 6 8 10 12 14 16 18 20 22 24 26 28

(5)

24

3. Variabel Hasil

Gambar 3.4 Fungsi keanggotaan variabel hasil

=

0, < 8 ≥ 18

1, 8 ≤ ≤ 12

(18 − )/ 6, 12 ≤ ≤ 18

=

0, ≤ 12 ≥ 26

( − 12)/ 6, 12 ≤ ≤ 18

(26 − )/ 8, 18 ≤ ≤ 26

=

0, ≤ 18 ≥ 32

( − 18)/ 8, 18 ≤ ≤ 26

(32 − )/ 6, 26 ≤ ≤ 32

=

0, ≤ 26 > 32

( − 26)/ 6, 26 ≤ ≤ 32

0 0.2 0.4 0.6 0.8 1

0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32

(6)

25

4. Variabel Sikap

Gambar 3.5 Fungsi keanggotaan variabel sikap

=

Gambar 3.6 Fungsi Keanggotaan Variabel Waktu

(7)

26

3.4 PembentukanRule IF-THEN

Dari variabel fungsi keanggotaan, maka dapat ditentukan nilai tiap himpunan fuzzy untuk kemudian digunakan untuk mencari . adalah nilai konsekuen untuk setiap aturan fuzzy Sugeno. Jika nilai >= 80, maka Nilai_Ket(Nilai keterangan) = LULUS, jika nilai < 80, maka Nilai_ket = TL (TIDAK LULUS). Batas kelulusan ditentukan sesuai nilai kelulusan siswa SMK Swasta Medan Area-1 yaitu 80.

Adapun nilai tiap himpunan adalah sebagi berikut :

Tabel 3.2 Nilai himpunan

No Nama Variabel Himpunan Fuzzy Nilai

(8)

27

Contoh : Rule₂₈₅_:

IFPERSIAPAN Sangat Lengkap ANDPROSES Sangat Sesuai ANDHASIL Sangat TinggiANDSIKAP BaikANDWAKTU LamaTHEN = ...

Tahapanya adalah menerjemahkan variabel linguistik kedalam angka. Diketahui Persiapan = 12, Proses = 28, Hasil = 32, Sikap = 6, dan Waktu = 2.

Rumus untuk mencari diperoleh dari data penilaian siswa pada saat Uji Kompetensi. Berikut rumus untuk mencari :

= ∗ + ∗ + ∗

+ ∗ + ∗ (3.1)

Maka :

= ∗ + ∗ + ∗ + ∗ + ∗

= ,

Karena nilai >= 80, maka nilai_Ket = LULUS.

Berdasarkan variabel himpunan fuzzy dan perhitungan , maka Rule IF-THEN

terbentuk adalah berikut :

Tabel 3.3 Aturan Fuzzy

Rule PERSIAPAN PROSES HASIL SIKAP WAKTU Nilai_Ket Nilai z

(9)

28

Rule PERSIAPAN PROSES HASIL SIKAP WAKTU Nilai_Ket Nilai z

11 Kurang Belum Sesuai Sedang Sangat Baik Lama TL 57,26 12 Kurang Belum Sesuai Sedang Sangat Baik Cepat TL 62,26 13 Kurang Belum Sesuai Tinggi Kurang Baik Lama TL 62,26 14 Kurang Belum Sesuai Tinggi Kurang Baik Cepat TL 67,26 15 Kurang Belum Sesuai Tinggi Baik Lama TL 64,76 16 Kurang Belum Sesuai Tinggi Baik Cepat TL 69,76 17 Kurang Belum Sesuai Tinggi Sangat Baik Lama TL 67,26 18 Kurang Belum Sesuai Tinggi Sangat Baik Cepat TL 72,26 19 Kurang Belum Sesuai Sangat Tinggi Kurang Baik Lama TL 69,76 20 Kurang Belum Sesuai Sangat Tinggi Kurang Baik Cepat TL 74,76 21 Kurang Belum Sesuai Sangat Tinggi Baik Lama TL 72,26 22 Kurang Belum Sesuai Sangat Tinggi Baik Cepat TL 77,26 23 Kurang Belum Sesuai Sangat Tinggi Sangat Baik Lama TL 74,76 24 Kurang Belum Sesuai Sangat Tinggi Sangat Baik Cepat TL 79,76 25 Kurang Agak Sesuai Rendah Kurang Baik Lama TL 51,19 26 Kurang Agak Sesuai Rendah Kurang Baik Cepat TL 56,19 27 Kurang Agak Sesuai Rendah Baik Lama TL 53,69 28 Kurang Agak Sesuai Rendah Baik Cepat TL 58,69 29 Kurang Agak Sesuai Rendah Sangat Baik Lama TL 56,19 30 Kurang Agak Sesuai Rendah Sangat Baik Cepat TL 61,19 31 Kurang Agak Sesuai Sedang Kurang Baik Lama TL 58,69 32 Kurang Agak Sesuai Sedang Kurang Baik Cepat TL 63,69 33 Kurang Agak Sesuai Sedang Baik Lama TL 61,19 34 Kurang Agak Sesuai Sedang Baik Cepat TL 66,19 35 Kurang Agak Sesuai Sedang Sangat Baik Lama TL 63,69

(10)

SIL DAN PEMBAHASAN

P U

decission tree rule S

FIS metode Sugeno yang

diintegrasikan menggunakan algoritma C4.5 terhadap FIS metode Sugeno tanpa algoritma C4.5.

4.1 Klasifikasi Aturan Algoritma C4.5 danDecision Tree

Pada tahap ini, aturan yang didapat dari pakar sebanyak 288 rule. Aturan sebanyak 288 tersebut akan diklasifikasikan menggunakan algoritma C4.5. Tahap klasifikasi menggunakan informasientropy(entropi) dangain.

Tahap pertama yang dilakukan adalah menghitung jumlah kasus untuk setiap variabel. Setelah jumlah kasus didapat, maka diklasifikasikan jumlah siswa yang tidak lulus dan yang lulus. Kemudian dihitung nilai entropy menggunakan rumus 2.12 dan 2.13. Setelah nilai entropy didapat, maka dihitunglah nilai gain dari tiap variabel. Sehingga variabel dengan nilaigaintertinggi diambil sebagai akar, dan terus di ulang hingga tidak ada lagi node yang dapat diturunkan. Setiap perhitungan node akan terbentukdecision tree.

(11)

Tabel 4.1 Perhitunganentropydangainnode 1

Node kasusJml

(S)

Tidak Lulus

(TL) Lulus Entropy Gain

1 TOTAL 288 200 88 0,88797632

PERSIAPAN 0,009040662

Kurang 96 73 23 0,79434669

Lengkap 96 66 30 0,896038233

Sangat Lengkap 96 61 35 0,946422051

PROSES 0,130105018

Belum Sesuai 72 69 3 0,249882293

Agak Sesuai 72 54 18 0,811278124

Sesuai 72 43 29 0,972552317

Sangat Sesuai 72 34 38 0,997772472

HASIL 0,376176207

Rendah 72 72 0 0 TL

Sedang 72 69 3 0,249882293

Tinggi 72 41 31 0,986040032

Sangat Tinggi 72 18 54 0,811278124

SIKAP 0,009040662

Kurang Baik 96 73 23 0,79434669

Baik 96 66 30 0,896038233

Sangat Baik 96 61 35 0,946422051

WAKTU 0,013350253

Lama 144 109 35 0,800084745

Cepat 144 91 53 0,949167388

!" #$#!% #& ' #( ) * !+, '-&.#& /012 345 "#& 678 0 *#"# & 9" :; &, ) #, . #, & ' !',&..,

(12)

Gambar 4.1 Node 1

SHIHJ KLMHNOKPKIQ KNRSdeGTMKQKIHUVH NIWQJKLUWJ HX IFYZS[L RH NOKLTHENN\JK\ ]^H I = TL

SHIHJ KL MH NOKP KI QKN rule OKU\ decision tree, MKQK KQ KN O\L\IWN _ N\JK\ WNIWQ N`OH

aHJKNbWINcKde\MWJK\OKU\nodeGd GaKMPK\nodeGdGd Gd Gd

Tabel 4.2 Perhitunganentropydangainnode 1.1

(S)

Tidak Lulus

1.1 HASIL Sedang 72 69 3 0,249882293

Kurang 24 24 0 0

Lengkap 24 23 1 0,249882293

Sangat Lengkap 24 22 2 0,41381685

PROSES 0,087376687

Belum Sesuai 18 18 0 0 TL

Agak Sesuai 18 18 0 0 TL

Sesuai 18 18 0 0 TL

Sangat Sesuai 18 15 3 0,650022422

SIKAP 0,028649245

Kurang Baik 24 24 0 0

Baik 24 23 1 0,249882293

Sangat Baik 24 22 2 0,41381685

WAKTU 0,042973868

(13)

Node kasusJml (S)

Tidak Lulus

1.1 HASIL Sedang 72 69 3 0,249882293

Cepat 36 33 3 0,41381685

Tabel 4.3 Perhitunganentropydangainnode 1.1.1

(S)

Tidak Lulus

(TL) Lulus Entropy Gain 1.1.1 PROSES Sangat Sesuai 18 15 3 0,650022422

Kurang 6 6 0 0

Lengkap 6 5 1 0,650022422

Sangat Lengkap 6 4 2 0,918295834

SIKAP 0,12724967

Kurang Baik 6 6 0 0

Baik 6 5 1 0,650022422

Sangat Baik 6 4 2 0,918295834

WAKTU 0,190874505

Lama 9 9 0 0 TL

Cepat 9 6 3 0,918295834

Tabel 4.4 Perhitunganentropydangainnode 1.1.1.1

(S)

Tidak Lulus

1.1.1.1 WAKTU Cepat 9 6 3 0,918295834

PERSIAPAN 0,306098611

Kurang 3 3 0 0 TL

Lengkap 3 2 1 0,918295834

SIKAP 0,306098611

Kurang Baik 3 3 0 0 TL

Baik 3 2 1 0,918295834

Sangat Baik 3 1 2 0,918295834

(14)

1.1

Gambar 4.2 Percabangan node 1.1

(15)

(S)

Tidak Lulus

1.2 HASIL Tinggi 72 41 31 0,986040032

Kurang 24 17 7 0,870864469

Lengkap 24 13 11 0,994984828

Sangat Lengkap 24 11 13 0,994984828

PROSES 0,505128878

Belum Sesuai 18 18 0 0 TL

Agak Sesuai 18 15 3 0,650022422

Sesuai 18 7 11 0,964078765

Sangat Sesuai 18 1 17 0,309543429

SIKAP 0,032428657

Kurang Baik 24 17 7 0,870864469

Baik 24 13 11 0,994984828

Sangat Baik 24 11 13 0,994984828

WAKTU 0,046513842

Lama 36 25 11 0,88797632

Cepat 36 16 20 0,99107606

(S)

Tidak Lulus

(TL) Lulus Entropy Gain 1.2.1 PROSES Agak Sesuai 18 15 3 0,650022422

Kurang 6 6 0 0

Lengkap 6 5 1 0,650022422

SIKAP 0,12724967

Kurang Baik 6 6 0 0

Baik 6 5 1 0,650022422

Sangat Baik 6 4 2 0,918295834

WAKTU 0,190874505

Lama 9 9 0 0 TL

(16)

(S)

Tidak Lulus

(TL) Lulus Entropy Gain 1.2.2 PROSES Sesuai 18 7 11 0,964078765

Kurang 6 4 2 0,918295834

Lengkap 6 2 4 0,918295834

SIKAP 0,135207402

Kurang Baik 6 4 2 0,918295834

Baik 6 2 4 0,918295834

Sangat Baik 6 1 5 0,650022422

WAKTU 0,25330168

Lama 9 6 3 0,918295834

Cepat 9 1 8 0,503258335

(S)

Tidak Lulus

(TL) Lulus Entropy Gain 1.2.3 PROSES Sangat Sesuai 18 1 17 0,309543429

PERSIAPAN 0,092869289

Kurang 6 1 5 0,650022422

Lengkap 6 0 6 0 LULUS

Sangat Lengkap 6 0 6 0 LULUS

SIKAP 0,092869289

Kurang Baik 6 1 5 0,650022422

Baik 6 0 6 0 LULUS

Sangat Baik 6 0 6 0 LULUS

WAKTU 0,057914262

Lama 9 1 8 0,503258335

(17)

(S)

Tidak Lulus

1.2.1.1 WAKTU Cepat 9 6 3 0,918295834

PERSIAPAN 0,306098611

Kurang 3 3 0 0 TL

Lengkap 3 2 1 0,918295834

SIKAP 0,306098611

Baik 3 2 1 0,918295834

Sangat Baik 3 1 2 0,918295834

(S)

Tidak Lulus

1.2.2.1 WAKTU Lama 9 6 3 0,918295834

PERSIAPAN 0,306098611

Kurang 3 3 0 0 TL

Lengkap 3 2 1 0,918295834

SIKAP 0,306098611

Baik 3 2 1 0,918295834

Sangat Baik 3 1 2 0,918295834

(S)

Tidak Lulus

1.2.2.2 WAKTU Cepat 9 1 8 0,503258335

PERSIAPAN 0,197159723

Kurang 3 1 2 0,918295834

Lengkap 3 0 3 0 LULUS

SIKAP 0,197159723

Kurang Baik 3 1 2 0,918295834

Baik 3 0 3 0 LULUS

(18)

(S)

Tidak Lulus

1.2.3.1 PERSIAPAN Kurang 6 1 5 0,650022422

WAKTU 0,190874505

Lama 3 1 2 0,918295834

Cepat 3 0 3 0 LULUS

(S)

Tidak Lulus

1.2.3.2 SIKAP Kurang Baik 6 1 5 0,650022422

WAKTU 0,190874505

Lama 3 1 2 0,918295834

Agak Sesuai Sangat Sesuai

Sesuai

(19)

(20)

Süýüþ ÿ ü ÿÿý ÿ ÿ decision tree, ÿ ÿ ÿÿ ý þ ÿ ý ü

üþÿýÿ þÿ ÿnodeúÿ ÿnodeú

(S)

Tidak Lulus

(TL) Lulus Entropy Gain 1.3 HASIL Sangat Tinggi 72 18 54 0,811278124

Kurang 24 8 16 0,918295834

Lengkap 24 6 18 0,811278124

Sangat Lengkap 24 4 20 0,650022422

PROSES 0,486266914

Belum Sesuai 18 15 3 0,650022422

Agak Sesuai 18 3 15 0,650022422

Sesuai 18 0 18 0 LULUS

Sangat Sesuai 18 0 18 0 LULUS

SIKAP 0,018079331

Kurang Baik 24 8 16 0,918295834

Baik 24 6 18 0,811278124

Sangat Baik 24 4 20 0,650022422

WAKTU 0,027118997

Lama 36 12 24 0,918295834

Cepat 36 6 30 0,650022422

(S)

Tidak Lulus

(TL) Lulus Entropy Gain 1.3.1 PROSES Belum Sesuai 18 15 3 0,650022422

Kurang 6 6 0 0

Lengkap 6 5 1 0,650022422

SIKAP 0,12724967

Kurang Baik 6 6 0 0

Baik 6 5 1 0,650022422

(21)

Node kasusJml (S)

Tidak Lulus

WAKTU 0,190874505

Lama 9 9 0 0 TL

Cepat 9 6 3 0,918295834

(S)

Tidak Lulus

(TL) Lulus Entropy Gain 1.3.2 PROSES Agak Sesuai 18 3 15 0,650022422

Kurang 6 2 4 0,918295834

Lengkap 6 1 5 0,650022422

Sangat Lengkap 6 0 6 0

SIKAP 0,12724967

Kurang Baik 6 2 4 0,918295834

Baik 6 1 5 0,650022422

Sangat Baik 6 0 6 0

WAKTU 0,190874505

Lama 9 3 6 0,918295834

(S)

Tidak Lulus

1.3.1.1 WAKTU Cepat 9 6 3 0,918295834

PERSIAPAN 0,306098611

Kurang 3 3 0 0 TL

Lengkap 3 2 1 0,918295834

SIKAP 0,306098611

Baik 3 2 1 0,918295834

(22)

(S)

Tidak Lulus

1.3.2.1 WAKTU Lama 9 3 6 0,918295834

Kurang 3 2 1 0,918295834

Lengkap 3 1 2 0,918295834

SIKAP 0,306098611

Kurang Baik 3 2 1 0,918295834

Baik 3 1 2 0,918295834

Sangat Baik 3 0 3 0 LULUS

!" #$% &!'!()* +,-.!/01)" 2 3! '!! 4567$# $8 !decision tree" %$" Gambar 4.4.

Gambar 4.4 Percabangan node 1.3

Setelah mendapatkannode1.2 sampainode1.2.3.2, maka terbentuklah rule : IFHASIL Sangat TinggiANDPROSES SesuaiTHENNilai_Ket = LULUS

(23)

IF;<S=L S>? @ >A TB?@@BANDPROSCDEFG HISFJ H>B ANDK<KTU L>I>THEN NBG>BLMFA = TL

IF ;<S=L S>? @ >A TB? @@ B AND PROSCD EFG HI SFJH>B AND K<KTU N FO>A AND PCPS=<P<N KHQ>? @THENNBG>BLMFA = TL

IF ;<S=L S>? @ >A TB? @@ B AND PROSCD EFG HI SFJH>B AND K<KTU N FO>A AND S=K<P KHQ>? @E>BRTHENNBG >BLMFA = TL

IF ;<S=L S>?@ >A TB?@@ B AND PROSCD <@>R SFJH>B AND K<KTU NF O>A THEN NBG>BLMFA = LULUS

IF ;<S=L S>? @ >A TB? @@B AND PROSCD < @>R SFJH>B AND K <KTU L>I> AND PCPS=<P<N S>? @>A LF? @R>OTHENNBG>BLMFA = LULUS

IF ;<S=L S>? @ >A TB? @@B AND PROSCD < @>R SFJH>B AND K <KTU L>I > AND S=K<P S>? @>AE>BRTHENNBG>BLMFA = LULUSS

4.2 PembentukanIF-THEN RuleberdasarkanDecision Tree

SFAFG >T UBG >RHR>? RG>J BVBR>J B W XYZ I F?@@H? >R>? >G@[ QBA I > N9S\] I >R> AFQ^F?A HRG>T

W XYZ _ >AHQ>? J F^>?`>R \: >AHQ>?S TFQU>O>A a b >A HQ>? `>? @ ^FQT>J BG UBRG>J BVBR>J BR>?] U>? J BJ > >A HQ>? J FA FG>T UBRG >J BVBR>? >U>G >T JF^>?`>R : : >AHQ>?Sc>QB RFJ FG HQHT>? W XYZ

`>? @>R>?UB@H? >R>?>U>G>TJF^>@>B^FQBRHAd

Tabel 4.19Rulefuzzy menggunakan algoritma C4.5

Rule PERSIAPAN PROSES HASIL SIKAP WAKTU Nilai_KET Nilai_Z

1 Rendah TL 60,56

2 Belum Sesuai Sedang TL 59,48

3 Agak Sesuai Sedang TL 65,91

4 Sesuai Sedang TL 71,27

5 Belum Sesuai Tinggi TL 69,48

6 Sesuai Sangat Tinggi LULUS 88,77

7 Sangat Sesuai Sangat Tinggi LULUS 93,06

8 Sangat Sesuai Sedang Lama TL 73,06

9 Agak Sesuai Tinggi Lama TL 73,41

(24)

12 Sangat Sesuai Tinggi Baik LULUS 83,33

13 Sangat Sesuai Tinggi Sangat Baik LULUS 85,83 14 Belum Sesuai Sangat Tinggi Lama TL 74,48 15 Agak Sesuai Sangat Tinggi Cepat LULUS 85,91 16 Kurang Sangat Sesuai Sedang Cepat TL 75,83 17 Sangat Sesuai Sedang Kurang_Baik Cepat TL 76,67 18 Kurang Agak Sesuai Tinggi Cepat TL 76,19 19 Agak Sesuai Tinggi Kurang_Baik Cepat TL 77,02

20 Kurang Sesuai Tinggi Lama TL 76,55

21 Sesuai Tinggi Kurang_Baik Lama TL 77,38 22 Lengkap Sesuai Tinggi Cepat LULUS 84,05 23 Sangat Lengkap Sesuai Tinggi Cepat LULUS 85,71

24 Sesuai Tinggi Baik Cepat LULUS 81,55

25 Sesuai Tinggi Sangat Baik Cepat LULUS 84,05 26 Kurang Sangat Sesuai Tinggi Cepat LULUS 83,33 27 Kurang Belum Sesuai Sangat Tinggi Cepat TL 77,26 28 Belum Sesuai Sangat Tinggi Kurang_Baik Cepat TL 78,10 29 Sangat Lengkap Agak Sesuai Sangat Tinggi Lama LULUS 82,86 30 Agak Sesuai Sangat Tinggi Sangat Baik Lama LULUS 82,44 31 Kurang Agak Sesuai Sangat Tinggi Kurang_Baik Lama TL 76,19 32 Kurang Agak Sesuai Sangat Tinggi Baik Lama TL 78,69 33 Kurang Sesuai Tinggi Kurang_Baik Cepat TL 79,05

(25)

43 Lengkap Sangat Sesuai Sedang Baik Cepat TL 78,33 44 Lengkap Sangat Sesuai Sedang Sangat Baik Cepat LULUS 80,83 45 Sangat Lengkap Belum Sesuai Sangat Tinggi Baik Cepat LULUS 81,43 46 Sangat Lengkap Belum Sesuai Sangat Tinggi Sangat Baik Cepat LULUS 83,93 47 Sangat Lengkap Agak Sesuai Tinggi Baik Cepat LULUS 80,36 48 Sangat Lengkap Agak Sesuai Tinggi Sangat Baik Cepat LULUS 82,86 49 Sangat Lengkap Sesuai Tinggi Baik Lama LULUS 80,71 50 Sangat Lengkap Sesuai Tinggi Sangat Baik Lama LULUS 83,21 51 Sangat Lengkap Sangat Sesuai Sedang Baik Cepat LULUS 80,00 52 Sangat Lengkap Sangat Sesuai Sedang Sangat Baik Cepat LULUS 82,50

4.3 EvaluasiRule

Shihj kl mno p ih qr hs ituv w kuk xyj kutuksj kl hz kjtk{y mno p ts itu whjylki lk{ yj |ks }

xyxk~ki xkqy FIS metode Sugeno tanpa algoritma C4.5 dan FIS metode Sugeno yang diintegrasikan dengan algoritma C4.5. setelah evaluasi mnop dilakukan, maka tahap selanjutnya melakukan evaluasi tingkat akurasi fuzzy Sugeno yang diintegrasikan dengan algoritma C4.5 terhadap fuzzy Sugeno tanpa C4.5.

Tabel 4.20 Hasil evaluasirulefuzzy

No. NAMA KRITERIA PENILAIAN FUZZYHASIL

SUGENO PERSIAPAN PROSES HASIL SIKAP WAKTU

(26)

No. NAMA KRITERIA PENILAIAN FUZZYHASIL PERSIAPAN PROSES HASIL SIKAP WAKTU

12 NURSIAH LUBIS 11 13 12 6 3 53 60

Tabel 4.21 Evaluasi tingkat akurasi

No. NAMA KRITERIA PENILAIAN FUZZYHASIL

SUGENO PERSIAPAN PROSES HASIL SIKAP WAKTU

1 ADINDA NAWANG 11 23 30 8 3 LULUS LULUS

2 AINA RAMADHANI 7 16 14 4 2 TL TL

3 DINDA DESTRIYA 12 21 26 8 3 LULUS LULUS

4 EKOSYAPUTRA 7 16 14 4 2 TL TL

5 FITRI NURHANDIKA 12 20 26 8 4 LULUS LULUS 6 M. RIZKY ARFANDI 12 23 25 7 4 LULUS LULUS

7 MASYA ARIBIMO 11 20 23 6 2 TL TL

8 MUDZVIRA ALMA J 8 16 21 6 2 TL TL

9 MUTIA MAY P 11 13 12 6 3 TL TL

(27)

No. NAMA KRITERIA PENILAIAN FUZZYHASIL PERSIAPAN PROSES HASIL SIKAP WAKTU

11 MYA LESTARI 11 23 30 8 3 LULUS LULUS

12 NURSIAH LUBIS 11 13 12 6 3 TL TL

13 ONNIKE ELAWATI 12 28 30 8 3 LULUS LULUS 14 PUTRI ANZALIKA 12 27 29 8 4 LULUS LULUS

15 RIZKI KURNIAWAN 8 16 23 6 3 TL TL

16 ZULKARNAEN S 11 28 32 8 3 LULUS LULUS

17 AGUNG PRATAMA 12 16 23 6 2 TL TL

18 CINDY SYNTIA 12 21 26 8 3 LULUS LULUS

19 HARVINI 12 27 29 8 3 LULUS LULUS

20 MUTIA AISYAH 11 26 28 8 3 LULUS LULUS 21 REZA HIDAYAT 8 26 26 6 3 LULUS LULUS 22 TAMARA DILLA 12 24 26 8 4 LULUS LULUS

23 RESTU RAHAYU 12 19 26 8 3 LULUS TL

24 AMELIA ROSANTI 7 16 21 5 2 TL TL

25 GIO FANNY 12 20 26 8 3 LULUS LULUS

26 FITRIA SARI 11 26 32 8 3 LULUS LULUS

27 LAILATUL K 12 27 32 8 3 LULUS LULUS

4.4 Evaluasi Kinerja Metode

(28)

¤¥¦ §¨¦ ©ª ¦ §«¨© ¨«¬ ¨® ª ® ¥¯¥® ¨ °±²° £%, maka FIS metode Sugeno yang diintegrasikan dengan algoritma C4.5 dapat digunakan sebagai metode dalam pemangkasan³´µ ¶fuzzy.

Selain menganalisis tingkat keakuratan, dilakukan juga analisis terhadap waktu dari kedua metode yang diukur dalam milisekon (ms).

Tabel 4.22 Lama waktu proses

No. NAMA SISWA LPS LPSC4.5

1. ADINDA NAWANG W 0,312 0,187

2. PUTRI ANZALIKA HUKUL 0,562 0,234

3. MASYA ARIBIMO 0,500 0,203

4. ONNIKE ELAWATI Br. S 0,328 0,140

5. ZULKARNAEN SIREGAR 0,218 0,109

Keterangan :

LPS : lama proses metode fuzzy Sugeno

LPSC4.5 : lama proses metode fuzzy Sugeno dan algoritma C4.5

Dari data tabel 4.22 menunjukkan bahwa lama waktu proses yang dibutuhkan FIS metode Sugeno tanpa algoritma C4.5 lebih lama dibandingkan dengan FIS metode Sugeno yang diintegrasikan dengan algoritma C4.5.

Grafik perbandingan FIS Sugeno (FS) dan FIS Sugeno yang dintegrasikan menggunakan algoritma C4.5 (FSC4.5) menunjukkan bahwa hasil defuzzifikasinya FIS Sugeno dengan algoritma C4.5 mendekati hasil defuzzifikasi FIS Sugeno tanpa algoritma C4.5. Grafik tersebut ditampilkan pada Gambar 4.5

Gambar 4.5 Grafik perbandingan 0

20 40 60 80 100

X1 X3 X5 X7 X9 _X11 _X13 _X15 _X17 9_X1 _X21 _X23 _X25 _X27 _X29 _X31 _X33

(29)

4.5 Tampilan Aplikasi

Gambar 4.6 Form menu utama

(30)

Gambar 4.8 Form rule Sugeno

(31)

(32)

ÀÁÂ Ã Ä ÅULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil analisis dan pembahasan yang telah dilakukan, maka kesimpulan dari penelitian ini adalah :

1. Tingkat akurasi metode fuzzy Sugeno yang diintegrasikan dengan algoritma C4.5 mendapatkan hasil akurasi sebesar 96,97 %.

2. Jumlah aturan yang awalnya 288 rule menjadi hanya 52 rule, hal tersebut menyebabkan beban komputsi berkurang.

3. Lama waktu yang diperlukan selama proses perhitungan defuzzifikasi antara metode Sugeno yang diintegrasikan menggunkan algoritma C4.5 lebih cepat dibandingkan dengan metode Sugeno tanpa algoritma C4.5.

4. Jumlah rule yang sedikit, menyebabkan lama waktu proses menjadi lebih cepat.

5.2 Saran