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

(1)

ANALISIS ALGORITMA C4.5 DAN FUZZY SUGENO

UNTUK OPTIMASI RULE BASE FUZZY

TESIS

VERI ILHADI

147038067

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(2)

ANALISIS ALGORITMA C4.5 DAN FUZZY SUGENO

UNTUK OPTIMASI RULE BASE FUZZY

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

VERI ILHADI

147038067

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : ANALISIS ALGORITMA C4.5 DAN FUZZY

SUGENO UNTUK OPTIMASI RULE BASE FUZZY

Kategori : TESIS

Nama : VERI ILHADI

Nomor Induk Mahasiswa : 147038067

Program Studi : MAGISTER(S2) TEKNIK INFORMATIKA

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dr. Sutarman, M.Sc Prof. Dr. Herman Mawengkang

Diketahui/disetujui oleh

Program Studi Magister(S2) Teknik Informatika Ketua,

(4)

PERNYATAAN

ANALISIS ALGORITMA C4.5 DAN FUZZY SUGENO UNTUK OPTIMASI RULE BASE FUZZY

TESIS

Saya mengakui semua tesis ini adalah hasil karya saya sendiri kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, Februari 2017

(5)

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini :

Nama : Veri Ilhadi

NIM : 147038067

Program Studi : Magister(S2) Teknik Informatika Jenis Karya Ilmiah : Tesis

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif(Non-Exclusive Royalty Free Right) atas tesis saya yang berjudul :

ANALISIS ALGORITMA C4.5 DAN FUZZY SUGENO UNTUK OPTIMASI RULE BASE FUZZY

Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, Februari 2017

(6)

Telah diuji pada

Tanggal : 10 Februari 2017

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Muhammad Zarlis Anggota : 1. Prof. Dr. Herman Mawengkang

(7)

RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap : Veri Ilhadi

Tempat dan Tanggal Lahir : Lhokseumawe, 29 November 1991 Alamat Rumah : Jl. Medan-B. Aceh, Blang Panyang, Kec.

Muara Satu Kota Lhokseumawe

Telp/HP : 0852 9623 5277

Email : [email protected]

Instansi tempat bekerja : Politeknik Unggul LP3M

Alamat Kantor : Jl. Iskandar Muda No.3 CDEF, Medan.

DATA PENDIDIKAN

SD : SD Negeri 1 Muara Dua TAMAT : 2003

SLTP : SMP Negeri 1 Lhokseumawe TAMAT : 2006 SLTA : SMA Negeri 2 Lhokseumawe TAMAT : 2009 S1 : Teknik Informatika UNIMAL TAMAT : 2014

(8)

UCAPAN TERIMA KASIH

Puji Syukur kehadirat Allah SWT, yang telah melimpahkan rahmat dan karunia-Nya kepada penulis, sehingga penulis dapat menyelesaikan tesis ini yang berjudul :

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

dengan sebaik-baiknya.

Penyusunan Tesis ini merupakan salah satu syarat untuk dapat memperoleh gelar Magister (S2) Teknik Informatika Pada Universitas Sumatera Utara. Penulis menyadari apa yang penulis tuangkan dalam Tesis ini tidak terlepas dari peranan seluruh dosen, teman-teman dan seluruh keluarga yang turut memberikan bantuan moril maupun materil. Untuk itu penulis menyampaikan terima kasih kepada:

1. Rektor Universitas Sumatera Utara, Bapak Prof. Dr. Runtung Sitepu, S.H., M.Hum., atas kesempatan yang telah diberikan kepada penulis untuk dapat mengikuti dan menyelesaikan pendidikan Program Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. 2. Dekan Fakultas Ilmu Komputer dan Teknologi Informasi (Fasilkom-TI)

Universitas Sumatera Utara, Bapak Prof. Dr. Opim Salim Sitompul, yang sudah banyak memberikan bimbingan dan arahan.

3. Ketua Program Studi Magister Teknik Informatika, Bapak Prof. Dr. Muhammad Zarlis. Sekretaris Program Studi Teknik Informatika, Bapak Syahril Efendi, S.Si., M.IT. Beserta seluruh Staf Pengajar Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. 4. Bapak Prof. Dr. Herman Mawengkang selaku Pembimbing Utama, demikian juga

kepada Bapak Dr. Sutarman, M.Sc selaku Pembimbing Kedua yang dengan penuh kesabaran menuntun dan membimbing penulis hingga selesainya tesis ini dengan baik.

(9)

6. Ayahanda tercinta Ilyas, S.Pd, Ibunda tercinta Hamiah, S.Pd, serta adikku tersayang Vera Ilhani, atas ketulusan do a, motivasi dan nasehat-nasehat sepanjang waktu sehingga penulis dapat menyelesaikan pendidikan.

7. Seluruh staf pegawai Program Studi S2 Teknik Informatika Fakultas Ilmu Komputer dan Teknik Informatika, serta teman-teman seperjuangan mahasiswa/i Kom-C 2014.

8. Dan seluruh pihak yang tidak dapat disebutkan satu persatu dalam tesis ini, sekali lagi terima kasih atas segala bantuan dan doa yang telah diberikan.

Penulis menyadari bahwa penelitian ini masih jauh dari kata sempurna, dikarenakan oleh keterbatasan, kemampuan dan pengetahuan penulis. Harapan penulis, semoga penelitian ini bermanfaat bagi penulis khususnya dan pembaca pada umumnya. Semoga Allah SWT membalas kebaikan yang telah diberikan. Aamiin.

Medan, Februari 2017 Penulis,

(10)

ABSTRAK

Logika fuzzy dapat mengatasi ketidakmampuan matematika konvensional untuk model sistem nonlinear. Fuzzy Sugeno merupakan salah satu metode yang sering digunakan dalam logika fuzzy. Penggunaan metode Sugeno dapat mengatasi masalah sistem nonlinear. Kelemahan dari logika fuzzy adalah meningkatnya beban komputasi yang bertambah secara eksponensial seiring dengan bertambahnya jumlah variabel dan jumlah aturan dalam logika fuzzy. Beberapa cara telah dilakukan oleh para peneliti sebelumnya untuk mengurangi beban komputasi, diantaranya dengan mengurangi sejumlah aturan dalam logika fuzzy. Mengurangi sejumlah aturan akan berdampak pada tingkat akurasi fuzzy yang berkurang. Pada penelitian ini, peneliti menggunakan algoritma C4.5 sebagai optimasi rule fuzzy. Aturan awal sejumlah 288 aturan, namun setelah diklasifikasikan menggunakan algoritma C4.5 maka aturan fuzzy menjadi lebih sedikit yaitu sebanyak 52 aturan. Setelah diterapkan didalam data, maka didapat tingkat akurasi menjadi 96,97 %.

(11)

ANALYSIS OF C4.5 ALGORITHM AND FUZZY SUGENO FOR OPTIMATION RULE BASE FUZZY

ABSTRACT

Fuzzy logic can handle problems inability mathematic conventional for nonlinear system model. Fuzzy Sugeno is one of method which frequently used in fuzzy logic. The using of Sugeno method can solve problem in nonlinear system. The shortcoming of fuzzy logic is the increasing of load computing exponentially along with the increasing of variable value and rules in fuzzy logic. Some solution have been investigated by researchers before for decreasing of load computing by decrease a number of rule fuzzy logic. Decreasing a number of rule will impact the lack fuzzy accuracy level. In this research, researcher use C4.5 algorithm as fuzzy rule optimation. Initial rule has 288 rules but after has classified by using C4.5 algorithm, it is converted into 52 rule. After applied in data, accordingly level accuracy convert into 96.97%.

(12)

DAFTAR ISI

Hal.

HALAMAN JUDUL

PERSETUJUAN... i

PENYATAAN...ii

PERSETUJUAN PUBLIKASI ... iii

PANITIA PENGUJI TESIS ... iv

RIWAYAT HIDUP...v

UCAPAN TERIMA KASIH... vi

ABSTRAK ... viii

ABSTRACT ... ix

DAFTAR ISI ...x

DAFTAR TABEL...xii

DAFTAR GAMBAR ... xiii

BAB 1 PENDAHULUAN 1.1 Latar Belakang ...1

1.2 Rumusan Masalah ...3

1.3 Batasan Masalah...3

1.4 Tujuan Penelitian ...3

1.5 Manfaat Penelitian...4

BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy ...5

2.1.1 Fungsi Keanggotaan ...6

2.1.2 Fuzzifikasi ...9

2.1.3 Operasi Himpunan Fuzzy ...9

(13)

2.1.6 Metode Sugeno ...14

2.2 Data Mining ...15

2.2.1 Klasifikasi ...16

2.2.2 Decission Tree ... 17

2.2.3 Klasifikasi Basis Aturan (IF-THEN) ... 18

2.2.4 Algoritma C4.5 ...18

BAB 3 METODOLOGI PENELITIAN 3.1 Metode Pengumpulan Data ...20

3.2 Racangan Penelitian ... 20

3.3 Menentukan Fungsi Keanggotaan Fuzzy ...21

3.4 Pembentukan Rule IF-THEN ...26

BAB 4 HASIL DAN PEMBAHASAN 4.1 Klasifikasi Aturan Algoritma C4.5 dan Decision Tree ...29

4.2 Pembentukan Rule IF-THENberdasarkan Decion Tree ...42

4.3 Evaluasi Rule ...44

4.4 Evaluasi Kinerja Metode ...46

4.5 Tampilan Aplikasi ... 48

BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan ...51

5.2 Saran ...51

DAFTAR PUSTAKA...52

(14)

DAFTAR TABEL

Hal.

Tabel 3.1 Variabel Himpunan Fuzzy ... 21

Tabel 3.2 Nilai himpunan ...26

Tabel 3.3 Aturan Fuzzy...27

Tabel 4.1 Perhitungan entropy dan gain node 1 ...30

Tabel 4.2 Perhitungan entropy dan gain node 1.1 ...31

Tabel 4.3 Perhitungan entropy dan gain node 1.1.1...32

Tabel 4.4 Perhitungan entropy dan gain node 1.1.1.1 ...32

Tabel 4.6 Perhitungan entropy dan gain node 1.2.1 ...34

Tabel 4.7 Perhitunagn entropy dan gain node 1.2.2 ...35

Tabel 4.17 Perhitunga entropy dan gain node 1.3.1.1 ...40

Tabel 4.19Rule fuzzy menggunakan algoritma C4.5 ...42

Tabel 4.20 Hasil evaluasi rule fuzzy ... 44

Tabel 4.21 Evaluasi tingkat akurasi ... 45

(15)

DAFTAR GAMBAR

Hal.

Gambar 2.1 Representasi linear naik ...7

Gambar 2.2 Representasi linear turun ...8

Gambar 2.3 Representasi kurva segitiga ...8

Gambar 2.4 Representasi kurva trapesium ...9

Gambar 2.5 Gabungan set A dan set B (Logika OR) ...10

Gambar 2.6 Irisan set A dan set B (logika AND) ...11

Gambar 2.7 Complement set A ...11

Gambar 2.8 Grafik metode defuzzifikasi keanggotaan Max ...13

Gambar 2.9 Grafik metode defuzzifikasi centroid ...13

Gambar 2.10 Grafik defuzzifikasi metode weighted average ...14

Gambar 2.11 Alur pengolahan data ... 16

Gambar 3.1 Rancangan penelitian ... 21

Gambar 3.2 Fungsi keanggotaan variabel persiapan ...22

Gambar 3.3 Fungsi keanggotaan variabel proses ...23

Gambar 3.4 Fungsi keanggotaan variabel hasil ...24

Gambar 3.5 Fungsi keanggotaan variabel sikap ...25

Gambar 3.6 Fungsi keanggotaan variabel waktu ...25

Gambar 4.1 Node 1 ...31

Gambar 4.2 Percabangan node 1.1 ... 33

Gambar 4.5 Grafik perbandingan ... 47

Gambar 4.6 Form menu utama ...48

Gambar 4.7 Form input nilai siswa ... 48

Gambar 4.8 FormruleSugeno ...49

(16)

Gambar 4.5 Form update data dan lama waktu proses fuzzy Sugeno dan