Analisis Perbandingan Metode Fuzzy Tsukamoto, Mamdani dan Sugeno dalam Pengambilan Keputusan Penentuan Jumlah Distribusi Raskin di Bulog Sub. Divisi Regional (Divre) Cianjur

Authors

  • Sri Widaningsih Universitas Suryakancana

DOI:

https://doi.org/10.33481/infomans.v11i1.40

Keywords:

Logika Fuzzy, Tsukamoto, Madani, Sugeno, Sistem Inferensia, Raskin, Distribusi

Abstract

Beras untuk penduduk miskin (raskin) merupakan salah satu program pemerintah untuk meningkatkan kesejahteraan penduduk miskin yang dikelola oleh Bulog. Permasalahan yang terjadi yaitu sering kurang tepatnya pemberian jumlah raskin dibandingkan dengan jumlah penduduk miskin yang ada di suatu kota/kabupaten diantaranya Kabupaten Cianjur. Salah satu model yang dapat digunakan untuk pengambilan keputusan jumlah distribusi raskin adalah model logika fuzzy karena model ini dapat menangani data-data yang tidak linier. Pada penelitian ini dilakukan perbandingan antara ketiga metode sistem inferensia fuzzy yang sering digunakan yaitu metode Tsukamoto, Mamdani, dan Sugeno. Variabel input berupa jumlah penduduk miskin dan jumlah rata-rata stok, sedangkan variabel output berupa jumlah distribusi raskin. Untuk mengevaluasi output digunakan dua teknik yaitu perbandingan standar eror dan uji hipotesis t-test. Dari ketiga metode diperoleh nilai MAPE masing-masing untuk metode Tsukamoto (28,05%), Mamdani(39,05%), dan Sugeno (7,45%). Untuk uji hipotesis hanya metode Sugeno yang hipotesisnya diterima sehingga dari dua teknik evaluasi output, metode Sugeno yang terbaik untuk pengambilan keputusan jumlah distribusi raskin di Cianjur

Downloads

Download data is not yet available.

References

[1] Zadeh, L.A,(1965), Fuzzy Set, Information and Control 8, pp 338 – 353
[2] Kusumadewi, S. & Purnomo, H. (2013). Aplikasi Logika Fuzzy Untuk Sistem Pendukung Keputusan ,Graha Ilmu : Yogyakarta
[3] Zadeh, L.A,(2008), Is there a Need for Fuzzy Logic ?, Information Sciences 178 ,pp 2751–2779
[4] Ross, T.J.(2004). Fuzzy Logic With Engineering Aplications, Wiley : London
[5] Castillo, O. and Melin, P. (2008). Type-2 Fuzzy Logic: Theory and Application ,Springer-Verlag Berlin Heidelberg.
[6] Yudihartanti, Y. (2011). Analisis Komparasi Metode Fuzzy Mamdani Dan Sugeno Dalam Penjadwalan Mata Kuliah, Progresif, Vol. 7, No. 2, Agustus 2011 : 731-780
[7] Takagi,T. & Sugeno, M. (1985). Fuzzy Identification of systems and its aplications to modeling and control, IEEE Transactions on Systems , Man, and Cybernetics, Vol SMC – 15, No , January/February
[8] Karlaftis, M.G.,et al, (2005). Optimized and meta-optimized neural networks for shortterm traffic flow prediction: A genetic approach, Transportation Research Part C, vol. 13, pp. 211-34.
[9] Zhang, A dan Liu, Y.(2011) ,Analysis of peak and non-peak traffic forecasts using combined models, Journal of Advanced Transportation, vol. 45, pp. 21-37.
[10] Walpole, R.E., (1995). Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, Bandung : ITB
[11] Siddique, N. (2014) .Intelligent Control : A Hybrid Approach Based on Fuzzy Logic , Neural Network, and Genetic Algorithms, Springer , London
[12] Castillo,O. and Melin,P. (2003). Soft Computing and Fractal Theory for Intelligent Manufacturing, Springer-Verlag Berlin Heidelberg.
[13] Kaur, A., & Kaur, A. (2012), Comparison of Mamdani-Type and Sugeno-Type Fuzzy Inference Systems for Air Conditioning System, International Journal of Soft Computing and Engineering (IJSCE) , Volume-2, Issue-2, May pp 323 -325
[14] Sari ,et al (2016) A Comparative Study on Fuzzy Mamdani-Sugeno-Tsukamoto for the Childhood Tuberculosis Diagnosis, AIP Conference Proceedings, View online: http://dx.doi.org/10.1063/1.4958498
[15] Saepullah, A. & Wahono, R.S. (2015). Comparative Analysis of Mamdani, Sugeno And Tsukamoto Method of Fuzzy Inference System for Air Conditioner Energy Saving, Journal of Intelligent Systems, Vol. 1, No. 2, December
[16] Latumakulita, L.A. (2013). Sistem Pendukung Keputusan Distribusi Beras Miskin (Raskin) Menggunakan Logika Samar, Jurnal Teknik Informatika Sam Ratulangi, Vol 2 No 1 diunduh dari ejournal.unsrat.ac.id/index.php/informatika/article/view/1988/1581 tgl 12 Desember 2016
[17] Sahvitri, V., dkk (2015) . Sistem Penunjang Keputusan Penentuan Penerimaan Beras Miskin, SNATIKA 2015 Prosiding Vol 3. Malang
[18] Ekawati, A. (2013) Sistem Pendukung Keputusan Pembagian Raskin dengan Metode Simple Additive Weighting (SAW) diunduh http://eprints.dinus.ac.id/12112/1/jurnal_11988.pdf tgl 12 Des 2016
[19] Ferawati, M & Karpen .(2015), Implementasi Metode Analytical Hierarchy Process (AHP) Dalam Sistem Pendukung Keputusan Untuk Penerimaan Raskin Di Kelurahan Simpang Baru Panam, Jurnal SATIN – Sains dan Teknologi Informasi, Vol. 1, No. 1, Juni
[20] Fitrah, K. (2013). Penentuan Penerimaan Raskin Menggunakan Metode Algoritma K-Means Dan F-AHP, Tugas Akhir, Fakultas Sains Dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Pekanbaru
[21] Sumiyati (2015), Sistem Pendukung Keputusan Pendistribusian Beras Raskin Dengan Menggunakan Metode Fuzzy Mamdani Di Bulog Sub Divisi Regional (Divre) Cianjur, Tugas Akhir, Univeristas Suryakancana, Cianjur

Downloads

Published

2017-05-15

How to Cite

Sri Widaningsih. (2017). Analisis Perbandingan Metode Fuzzy Tsukamoto, Mamdani dan Sugeno dalam Pengambilan Keputusan Penentuan Jumlah Distribusi Raskin di Bulog Sub. Divisi Regional (Divre) Cianjur. Infoman’s : Jurnal Ilmu-Ilmu Manajemen Dan Informatika, 11(1), 51-65. https://doi.org/10.33481/infomans.v11i1.40

Issue

Section

Articles