Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Analisis Perbandingan Fuzzy Tsukamoto dan Sugeno dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Base Rule Decision Tree

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 7 No. 1 (2020) · pp. 171–180

DOI
10.25126/jtiik.2020701751
ISSN
2528-6579, 2355-7699
Published
2020-02-04
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id

Abstract

Penelitian ini menerangkan tentang analisis perbandingan fuzzy Tsukamoto dan Sugeno dalam menentukan jumlah produksi kain tenun dengan menggunakan base rule decision tree. Dari hasil analisis penelitian ini, maka ditemukan beberapa perbedaan yang sangat signifikan: (1) Metode fuzzy Tsukamoto dari hasil yang diperoleh lebih mendekati dari data sesungguhnya, dibandingkan dengan fuzzy Sugeno, (2) Selisih yang diperoleh dengan menggunakan fuzzy Tsukamoto dengan data produksi sesungguhnya selalu konsisten yaitu hasil fuzzy Tsukamoto selalu lebih besar, sedangkan untuk fuzzy Sugeno tidak konsisten, (3) Hasil selisih untuk fuzzy Tsukamoto relatif mendekati dari data produksi sesungguhnya, sedangkan untuk fuzzy Sugeno relatif jauh selisih yang dihasilkan. Sehingga dapat disimpulkan bahwa metode yang paling mendekati nilai kebenaran adalah produksi yang mengunakan metode Tsukamoto dengan keakuratan yang diperoleh menggunakan base rule decision tree sebesar 83.3333 %.AbstractThis study describes the comparative analysis of fuzzy Tsukamoto and Sugeno determining the amount of woven fabric production using a decision tree base rule. From the results the analysis of this study, we found several very significant differences: (1) The fuzzy Tsukamoto method of the results obtained is closer to the actual, compared to fuzzy Sugeno, (2) The difference obtained by using fuzzy Tsukamoto with actual production data is always consistent is that Tsukamoto fuzzy results are always greater, while for Sugeno's fuzzy inconsistency, (3) The difference results for fuzzy Tsukamoto are relatively close to the actual production data, whereas Sugeno fuzzy is relatively far from the difference produced. So it can be concluded that the method closest to the truth value is production using the Tsukamoto method with the accuracy obtained using the base rule decision tree of 83.3333%.

Collaboration network of the authors

12 authors · 19 co-authorship links · 9 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Teknologi Yogyakarta
  • Sunan Kalijaga State Islamic University Yogyakarta
  • Mulawarman University
  • AGH University of Krakow
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Shofwatul UyunSunan Kalijaga State Islamic University Yogyakarta4
M IhsanAffiliation unknown1
Saucha DiwandariUniversitas Teknologi Yogyakarta1
Briyan Efflin SyahputraUniversitas Teknologi Yogyakarta1
Nathaniela Aptanta ParamaUniversitas Teknologi Yogyakarta1
Anindita SeptiariniMulawarman University1
Doni KurniawanUniversitas Teknologi Yogyakarta1
Wisnu Dwi NugrohoUniversitas Teknologi Yogyakarta1
Shoffan SaifullahAGH University of Krakow1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Analisis Perbandingan Fuzzy Tsukamoto dan Sugeno dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Base Rule Decision Tree</dc:title>
	<dc:creator xml:lang="id">Tundo, Tundo</dc:creator>
	<dc:creator xml:lang="id">Akbar, Riolandi</dc:creator>
	<dc:creator xml:lang="id">Sela, Enny Itje</dc:creator>
	<dc:description xml:lang="id">Penelitian ini menerangkan tentang analisis perbandingan fuzzy Tsukamoto dan Sugeno dalam menentukan jumlah produksi kain tenun dengan menggunakan base rule decision tree. Dari hasil analisis penelitian ini, maka ditemukan beberapa perbedaan yang sangat signifikan: (1) Metode fuzzy Tsukamoto dari hasil yang diperoleh lebih mendekati dari data sesungguhnya, dibandingkan dengan fuzzy Sugeno, (2) Selisih yang diperoleh dengan menggunakan fuzzy Tsukamoto dengan data produksi sesungguhnya selalu konsisten yaitu hasil fuzzy Tsukamoto selalu lebih besar, sedangkan untuk fuzzy Sugeno tidak konsisten, (3) Hasil selisih untuk fuzzy Tsukamoto relatif mendekati dari data produksi sesungguhnya, sedangkan untuk fuzzy Sugeno relatif jauh selisih yang dihasilkan. Sehingga dapat disimpulkan bahwa metode yang paling mendekati nilai kebenaran adalah produksi yang mengunakan metode Tsukamoto dengan keakuratan yang diperoleh menggunakan base rule decision tree sebesar 83.3333 %.AbstractThis study describes the comparative analysis of fuzzy Tsukamoto and Sugeno determining the amount of woven fabric production using a decision tree base rule. From the results the analysis of this study, we found several very significant differences: (1) The fuzzy Tsukamoto method of the results obtained is closer to the actual, compared to fuzzy Sugeno, (2) The difference obtained by using fuzzy Tsukamoto with actual production data is always consistent is that Tsukamoto fuzzy results are always greater, while for Sugeno's fuzzy inconsistency, (3) The difference results for fuzzy Tsukamoto are relatively close to the actual production data, whereas Sugeno fuzzy is relatively far from the difference produced. So it can be concluded that the method closest to the truth value is production using the Tsukamoto method with the accuracy obtained using the base rule decision tree of 83.3333%.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2020-02-04</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/1751</dc:identifier>
	<dc:identifier>10.25126/jtiik.2020701751</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 7 No 1: Februari 2020; 171-180</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 7 No. 1: Februari 2020; 171-180</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.202071</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/1751/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2020 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>