Fuzzy Inference System Mamdani dalam Prediksi Produksi Kain Tenun Menggunakan Rule Berdasarkan Random Tree

Abstract

Kain tenun merupakan salah satu produk yang diminati oleh banyak orang. Hal ini menjadi pemicu produsen untuk meningkatkan pengelolahannya. Salah satu usaha yang dilakukan adalah memprediksi produksi yang dapat dilakukan untuk mendapatkan jumlah optimal yang diperoleh, sehingga mendapatkan keuntungan yang besar. Dalam penelitian ini, untuk mendapatkan prediksi jumlah produksi kain tenun dilakukan dengan perhitungan komputerisasi menggunakan metode logika fuzzy Mamdani. Metode ini menggunakan konsep pohon keputusan random tree dalam membentuk rule. Rule yang dibuat berdasarkan pada kriteria dalam penentuan jumlah produksi kain tenun, diantaranya yaitu biaya produksi, permintaan, dan stok. Konsep pohon keputusan random tree dalam penelitian ini digunakan untuk membuat rule secara otomatis berdasarkan data yang tersedia. Pembentukan rule ini berdasarkan data-data kain tenun dan diimplementasikan dalam random tree, sehingga tidak perlu menggunakan pakar. Penelitian ini membuktikan bahwa prediksi yang dilakukan dapat membangun rule dengan nilai akurasi sebesar 100%. Hasil perbandingan prediksi dengan produksi sesungguhnya memiliki persentase error sebesar 3% dengan nilai kebenaran sebesar 97% (berdasarkan perhitungan Average Forecasting Error Rate (AFER)). Oleh karena itu ketika diimplementasikan dalam fuzzy Mamdani dapat menghasilkan prediksi produksi kain tenun yang optimal. AbstractWoven fabric is a product that is in demand by many people. It triggers producers to improve their management. One of the efforts made is to predict the production that can be done to get the optimal amount obtained, to get a significant profit. In this study, to obtain a prediction of the amount of woven fabric production is done by computerized calculations using the Mamdani fuzzy logic method. This method uses the concept of a random tree decision tree in forming rules. The rules are made based on the criteria in determining the amount of woven fabric production, including production costs, demand, and stock. The concept of a random tree decision tree in this study automatically generates rules based on available data. This rule's formation is based on woven fabric data and is implemented in a random tree, so there is no need to use experts. This study shows that the predictions made can build rules with an accuracy value of 100%. The comparison of predictions with actual production has an error percentage of 3% with a truth value of 97% (based on the calculation of the Average Forecasting Error Rate (AFER)). When implemented in Fuzzy Mamdani, it can produce optimal woven fabric production predictions with predicted results less than the actual production.