Penentuan Bantuan Siswa Miskin Menggunakan Fuzzy Tsukamoto Dengan Perbandingan Rule Pakar dan Decision Tree (Studi Kasus : SDN 37 Bengkulu Selatan)

• Main Authors: Riolandi Akbar, Shofwatul 'Uyun
• Format: Article
• Language: Indonesian
• Published: University of Brawijaya 2021-07-01
• Series: Jurnal Teknologi Informasi dan Ilmu Komputer
• Online Access: https://jtiik.ub.ac.id/index.php/jtiik/article/view/3191

Penelitian penentuan calon bantuan siswa miskin ini di Sekolah Dasar Negeri 37 Bengkulu Selatan. Masalah yang terjadi ada ketidaksesuaian dari hasil output dalam pemberian bantuan siswa miskin, belum digunakannya metode keputusan untuk setiap kriteria dan masih menggunakan penilaian prediksi atau perkiraan untuk calon penerima bantuan. Metode penelitian yang dilakukan menggunakan Fuzzy Tsukamoto dengan perbandingan dua metode yaitu rule pakar dan Decision Tree SimpleCart. Tahapan penelitian ini dimulai dengan menganalisis output dengan melakukan seleksi dari sejumlah alternatif hasil, kemudian melakukan pencarian nilai bobot setiap atribut dari Fuzzy Tsukamoto dengan metode perbandingan rule pakar dan Decision Tree SimpleCart. Selanjutnya menentukan parameter batasan fungsi keanggotaan fuzzy meliputi kartu perlindungan sosial, nilai rata-rata raport, tanggungan, penghasilan orang tua, prestasi dan kepemilikan rumah. Analisis hasil yang diperoleh dari pengujian terhadap 75 data siswa dan telah dilakukan klasifikasi menggunakan Fuzzy Tsukamoto didapatkan hasil akurasi dengan metode rule pakar sebesar 72% dan metode Decision Tree SimpleCart sebesar 76%. Hasil akurasi tersebut di simpulkan bahwa metode Decision Tree SimpleCart mempunyai tingkat akurasi yang lebih tinggi dari metode rule pakar sehingga lebih mampu dalam menyeleksi serta mencari nilai bobot penentuan bantuan siswa miskin.    Abstract Research on the determination of candidates for assistance from poor students in South Bengkulu 37 Primary School. The problem that occurs is there is a mismatch of the output results in the provision of assistance to poor students, the decision method has not been used for each criterion and is still using predictive or estimated assessments for prospective beneficiaries. The research method used was Fuzzy Tsukamoto with a comparison of two methods, namely expert rule, and SimpleCart Decision Tree. The stages of this research began by analyzing the output by selecting many alternative results, then searching for the weight value of each attribute from Fuzzy Tsukamoto with the method of expert rule comparison and the SimpleCart Decision Tree. Next determine the parameters of the fuzzy membership function limit includes social protection cards, the average value of report cards, dependents, parents' income, achievements, and homeownership. Analysis of the results obtained from testing of 75 student data and classification using Fuzzy Tsukamoto has obtained accuracy with the expert rule method by 72% and the SimpleCart Decision Tree method by 76%. The accuracy results are concluded that the SimpleCart Decision Tree method has a higher level of accuracy than the expert rule method so that it is better able to select and search for the weighting value of determining the assistance of poor students.