Pendekatan Association Rules Menggunakan Algoritma Apriori Pada Penentuan Basis Aturan Fuzzy Dalam Perbandingan Fuzzy Inference System (Fis) Metode Mamdani Dan Metode Sugeno
| Main Author: | Anoraga, Bima |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2015
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/154161/ |
Daftar Isi:
- Stabilitas Ekonomi Dapat Diketahui Melalui Perubahan Laju Inflasi. Laju Inflasi Diukur Dengan Perkembangan Indeks Harga Konsumen (Ihk). Terdapat Ketidakpastian Dalam Data Inflasi, Logika Fuzzy Merupakan Salah Satu Cara Untuk Melakukan Analisis Terhadap Permasalahan Yang Mengandung Ketidakpastian. Pengambilan Keputusan Dalam Logika Fuzzy Dilakukan Menggunakan Inference System Yang Berdasar Pada Basis Aturan Fuzzy. Basis Aturan Fuzzy Dapat Berasal Dari Pengetahuan Pakar, Akan Tetapi Tidak Selalu Pengetahuan Pakar Tentang Cara Kerja Dari Suatu Sistem Tersedia. Oleh Karena Itu, Digunakanlah Pendekatan Association Rules Untuk Mengatasi Hal Tersebut. Fitting Terhadap Data Inflasi Umum Month To Month Indonesia (Inflasi) Berdasarkan Inflasi Harga Bahan Makanan (X1); Inflasi Harga Makanan Jadi, Minuman, Rokok, Dan Tembakau (X2); Inflasi Harga Perumahan, Air, Listrik, Gas, Dan Bahan Bakar (X3); Inflasi Harga Sandang (X4); Inflasi Harga Kesehatan (X5); Inflasi Harga Pendidikan, Rekreasi, Dan Olahraga (X6); Dan Inflasi Harga Transportasi, Komunikasi Dan Jasa Keuangan (X7) Menggunakan Tiga Metode Inferensi Fuzzy, Yaitu Metode Mamdani, Metode Sugeno Orde Nol Dan Metode Sugeno Orde Satu, Kemudian Akan Dibandingkan Metode Inferensi Fuzzy Yang Lebih Baik Dalam Melakukan Fitting Dengan Menggunakan Ukuran Ketepatan Mse (Mean Square Error) Dan Mape (Mean Absolute Percentage Error). Berdasarkan Nilai Mse Dan Mape Yang Diperoleh, Fitting Sistem Inferensi Fuzzy Metode Sugeno Orde Satu Lebih Akurat Terhadap Data Inflasi.