Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
Penerapan Logika Fuzzy Mamdani dalam Menentukan Konsentrasi Mahasiswa pada Program Studi Ilmu Komputer Unpatti Daniel Makulua*1.
Jefri Esna Thomas Radjabaycolle2.
Shalu Ollong3
1,2,3
Ilmu Komputer.
Fakultas Mipa.
Universitas Pattimura.
Indonesia Email: 1makuluadaniel0@gmail.
com, 3shaluollong20@gmail.
Abstrak Pemilihan konsentrasi di jurusan Ilmu Komputer di Universitas Pattimura Ambon adalah langkah penting bagi mahasiswa sebelum memasuki semester 5.
Mereka harus memilih antara Software Arsitektur.
Machine Learning, atau Kriptografi Terapan.
Pilihan ini memengaruhi akademik dan prospek karir mereka, namun banyak yang kesulitan menentukan konsentrasi yang tepat sesuai minat dan kemampuan.
Penelitian ini mengusulkan metode menggunakan logika fuzzy Mamdani untuk membantu mahasiswa memilih konsentrasi yang sesuai.
Data mahasiswa diolah dengan konsep logika fuzzy Mamdani menggunakan software MATLAB untuk menghasilkan rekomendasi konsentrasi.
Hasilnya menunjukkan metode ini lumayan efektif dengan akurasi 73.
3%, dan dapat merepresentasikan minat serta kemampuan mahasiswa secara akurat.
Penelitian ini menawarkan panduan berguna bagi mahasiswa dan universitas dalam menentukan konsentrasi yang tepat.
Kata kunci: Aturan.
Fungsi Keanggotaan.
Mamdani.
Penarikan Kesimpulan Abstract Choosing a concentration in the Computer Science department at Pattimura University Ambon is an important step for students before entering the fifth semester.
They must choose between Software Architecture.
Machine Learning, or Applied Cryptography.
This choice impacts their academic performance and career prospects, but many students struggle to determine the right concentration that matches their interests and abilities.
This study proposes a method using Mamdani fuzzy logic to assist students in selecting a suitable concentration.
Student data is processed with Mamdani fuzzy logic in MATLAB to generate concentration recommendations.
The results show that this method is effective with an accuracy of 73.
3% and can accurately represent students' interests and abilities.
This research provides valuable guidance for both students and the university in determining the appropriate concentration.
Keywords: Inferensi.
Mamdani.
Membership Function.
Rule
PENDAHULUAN
Program Studi Ilmu komputer Merupakan salah satu program studi yang berada di Jurusan Matematika Universitas Pattimura Ambon .
Memasuki semester 5 untuk memilih salah satu konsentrasi yang tersedia yaitu Kriptografi Terapan.
Software Arsitektur dan Machine Learning adalah bagian yang penting dalam akademik mahasiswa, karena nantinya akan sangat berdampak signifikan dalam proses akademik kedepan nya.
Kebanyakan mahasiswa masih ragu tentang bakat, minat dan kemampuan mereka.
oleh karena itu Mahasiswa harus bisa cermat agar dapat menghindari kesalahan dalam memilih konsentrasi.
Sebab jika mahasiswa yang memilih konsentrasi yang kurang tepat, maka akan berdampak pada prospek karir mereka oleh karena itu pastilah di perlukan metode yang efisien untuk membantu mahasiswa untuk memilih konsentrasi yang tepat dan sesuai.
Pada penelitian ini akan menggunakan Metode dalam Logika Fuzzy yaitu Mamdani yang di mana merupakan pengaplikasian prinsip-prinsip logika fuzzy untuk menyusun aturan dan mengontrol sistem yang kompleks dengan ketidakpastian dan informasi yang tidak lengkap.
Untuk Karakteristik Utamanya sendiri, menggunakan pendekatan berbasis aturan.
Inferensi Fuzzy dimana Menggunakan Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
metode inferensi untuk menentukan output berdasarkan aturan fuzzy dan Proses Defuzzyfikasi dimana Mengubah output fuzzy menjadi nilai Crisp yang bisa di gunakan dalam aplikasi nyata.
Dalam sebuah studi yang dilakukan oleh .
, yang membahas implementasi Sistem Inferensi Fuzzy (FIS) dengan metode Sugeono dalam menentukan konsentrasi untuk siswa SMA di SMP Bakti 17 Jakarta yang baru lulus.
Namun, penelitian ini tidak mempertimbangkan minat dan bakat siswa.
Dalam sebuah studi yang dilakukan oleh .
, algoritma Fuzzy C-Means digunakan sebagai metode Berdasarkan hasil penelitian, ditemukan bahwa algoritma Fuzzy C-Means mencapai tingkat akurasi rata-rata 78,39%.
Namun, proses penentuan jumlah klaster berdasarkan jumlah departemen yang diinginkan, sehingga tidak dapat menjamin jumlah klaster yang ideal, dan akurasi pengelompokan tidak dapat diukur.
Dalam sebuah studi yang dilakukan oleh .
, yang membahas tentang penentuan program studi di Fakultas Sains dan Teknologi Universitas Muhammadiyah Kalimantan Timur menggunakan Sistem Inferensi Fuzzy dengan metode Tsukamoto.
Dalam studi itu, tingkat akurasi menggunakan metode Tsukamoto mencapai 87,72% dari 57 sampel data yang di Namun, penelitian ini hanya mencakup tiga variabel input, seperti Matematika.
Bahasa Inggris, dan Bahasa Indonesia.
Berdasarkan penjelasan di atas, peneliti melakukan penelitian tentang penerapan metode Mamdani dari Sistem Inferensi Fuzzy (FIS) dalam menentukan konsentrasi mahasiswa di bidang Kriptografi Terapan.
Software Arsitektur, dan Machine Learning.
Metode Mamdani memiliki keunggulan dalam menghadapi ketidakpastian dan kompleksitas data.
Menurut penelitian yang dilakukan oleh .
, menggunakan sistem Inferensi Fuzzy dengan metode Mamdani, yang di mana menggunakan 5 variabel Input, tingkat akurasi menggunakan metode Mamdani mencapai 80%.
Pada penelitian ini Penulis akan menggunakan 5 variabel Input namun dengan Data yang berbeda dari penelitian di atas.
sekaligus peneliti akan melihat bahwa apakah Data yang di peroleh juga berpengaruh terhadap keakuratan presentase Proses prediksi menggunakan Metode Fuzzy Mamdani.
Yang dimana.
Penelitian ini bertujuan untuk membantu mahasiswa dalam menentukan konsentrasi yang sesuai dengan kemampuan mereka pada program studi Ilmu Komputer Universitas Pattimura.
METODE PENELITIAN
Di bawah ini merupakan Diagram Alur dari proses penelitian dapat di lihat pada gambar 1 di bawah ini:
Gambar 1.
Flowchart Diagram Alur Penelitian Identifikasi Masalah Informasi di kumpulkan tentang permasalahan yang terjadi didalam program studi Ilmu komputer Universitas Patimurra .
Masalah yang diteliti adalah mengenai penentuan konsentrasi yang cocok dengan Mahasiswa program Studi Ilmu Komputer.
Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
Pengumpulan Data Di Langkah ini data yang dikumpulkan adalah Mahasiswa prodi Ilmu komputer Yang telah memilih Konsentrasi lanjutan.
Data ini akan di uji dan di olah untuk pengambilan keputusan dalam pemilihan Konsentrasi bagi mahasiswa.
Pada tabel 1 di bawah ini merupakan data yang telah Tabel 1.
Data mahasiswa
Nama Artificial Intelligence Rekayasa
Perangkat
Lunak
Ampy Dani David
Margi
Aziz
Denis Jekson
Arman
Sabon
Widia
Desli
Askin
Shalu
Sinta
Iqbal
Kiptografi Keamanan Informasi
IPK
Pendidikan Terakhir Konsentrasi
SMA
SMA
SMA
SMA
SMK
SMA
SMK
SMA
SMA
SMA
SMA
SMA
SMA
SMA
SMA
Penerapan Metode Logika Fuzzy Dalam tahap ini, dibentuk himpunan Fuzy untuk variabel Input dan output dari data yang di Himpunan fuzzy ini untuk menyerupakan ketidakpastian atau tingkat keanggotaan suatu nilai dalam input dan output.
Mulai dari inferensi berdasarkan nilai input dan output nya sampai ke langkah terakhir yaitu Defuzzyfikkasi atau merubah nilai fuzzy menjadi nilai Konkret.
Adapaun tujuan sebenarnya dari Defuzzyfikasi ini adalah untuk hasil yang jelas dan di pahami.
Kesimpulan Merupakan tahap pengambilan keputusan terhadap penelitian ini yaitu penetapan konsentrasi Mahasiswa dalam Machine Learning.
Software Arsitektur dan Kriptografi Terapan.
HASIL DAN PEMBAHASAN
Variabel Penelitian Pada Penelitian ini, memiliki lima variabel input yaitu: Artificial intelligence.
Rekayasa perangkat Lunak, kriptografi dan keamanan informasi.
Ipk, dan lulusan terakhir dan satu variabel output yakni Konsentrasi.
di bawah ini merupakan himpunan fuzzy dari variabel-variabel di atas:
Tabel 2.
Input dan Output Variabel Input/Output Variabel Fuzzy Sets Low Medium High Low Medium High Artificial Intelligence Input Rekayasa perangkat Lunak Range .
- 2.
- .
5 - .
- 2.
- .
5 - .
Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
Low
Medium
High
Low
Medium
High
Sederajat SMA
SMK
Kriptografi dan keamanan IPK Pendidikan Terakhir Output Konsentrasi .
5 -.
5 - 3.
- .
5 - 1.
5 - 2.
5 - 3.
- .
- .
- .
Di bawah ini merupakan fungsi keanggotaan dari variabel input 1 yaitu Artificial intelligence, yang dapat di lihat pada gambar 2 di bawah ini:
Gambar 2.
Fungsi keanggotaan variabel input AuArtificial IntelligenceAy Grafik fungsi di atas memiliki 3 pengaturan fuzzy yaitu Low.
Medium dan High di bawah ini merupakan persamaan matematika fungsi keanggotaan nya:
ycuO2 2 O ycu O 2.
ycu Ou 2.
8Oeycu AALow.
={ 2.
8Oe2 .
AAMedium.
= ycu O 2 ycaycycayc ycu Ou 4 2 O ycu O 2.
ycuOe2 8Oe2 4Oeycu { 4Oe3.
8 O ycu O 3.
5 O ycu O 4 ycu O 3.
AAHigh.
ycuOe3.
= .
Oe3.
5 O ycu O 4 4Oycu Di bawah ini merupakan fungsi keanggotaan dari variabel input 2 yaitu Rekayasa perangkat Lunak, yang dapat di lihat pada gambar 3 di bawah ini:
Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
Gambar 3.
Fungsi keanggotaan variabel input Au Rekayasa perangkat LunakAy Grafik fungsi di atas memiliki 3 pengaturan fuzzy yaitu Low.
Medium dan High di bawah ini merupakan persamaan matematika fungsi keanggotaan nya:
8Oeycu AALow(X) = { 2.
8Oe2 .
AAMedium(X) = ycuO2 2 O ycu O 2.
ycu Ou 2.
ycu O 2 ycaycycayc ycu Ou 4 2 O ycu O 2.
ycuOe2 8Oe2 4Oeycu { 4Oe3.
8 O ycu O 3.
5 O ycu O 4 ycu O 3.
ycuOe3.
AAHigh(X) = { 4Oe3.
5 O ycu O 4 4 O ycu Di bawah ini merupakan fungsi keanggotaan dari variabel input 3 yaitu Kriptografi dan keamanan informasi, yang dapat di lihat pada gambar 4 di bawah ini:
Gambar 4.
Fungsi keanggotaan variabel input AuKriptografi dan keamanan informasiAy Grafik fungsi di atas memiliki 3 pengaturan fuzzy yaitu Low.
Medium dan High di bawah ini merupakan persamaan matematika fungsi keanggotaan nya:
ycuO2 8Oeycu AALow(X) = { 2.
8Oe2 .
2 O ycu O 2.
ycu Ou 2.
Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
AAMedium(X) = ycu O 2 ycaycycayc ycu Ou 4 2 O ycu O 2.
ycuOe2 8Oe2 4Oeycu { 4Oe3.
8 O ycu O 3.
5 O ycu O 4 ycu O 3.
AAHigh(X) ycuOe3.
4Oe3.
5 O ycu O 4 4Oycu Di bawah ini merupakan fungsi keanggotaan dari variabel input 5 yaitu IPK, yang dapat di lihat pada gambar 5 di bawah ini:
Gambar 5.
Fungsi keanggotaan variabel input AuIPKAy Grafik fungsi di atas memiliki 3 pengaturan fuzzy yaitu Low.
Medium dan High di bawah ini merupakan persamaan matematika fungsi keanggotaan nya:
ycu O 1.
5 O ycu O 2.
ycu Ou 2.
8Oeycu AALow(X) = .
8Oe1.
ycu O 1.
5 ycaycycayc ycu Ou 3.
AAMedium(X) = ycuOe1.
8Oe1.
5Oeycu { 3.
5Oe3 .
AAHigh .
)= 5 O ycu O 2.
8 O ycu O 3 3 O ycu O 3.
ycu O 3 3 O ycu O 3.
ycuOe3 .
5Oe3 .
ycu Ou 3.
Di bawah ini merupakan fungsi keanggotaan dari variabel input 6 yaitu Pendidikan Terakhir, yang dapat di lihat pada gambar 6 di bawah ini:
Gambar 6.
Fungsi keanggotaan variabel input AuPendidikan TerakhirAy Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
Grafik fungsi di atas memiliki 3 pengaturan fuzzy yaitu Low.
Medium dan High di bawah ini merupakan persamaan matematika fungsi keanggotaan nya:
ycu O 0.
5 ycaycycayc ycu Ou 1.
ycuOe0.
AASederajad(X)= { 1Oe0.
5 O ycu O 1 5Oeycu 5Oe1 1 O ycu O 1.
ycu O 1.
5 ycaycycayc ycu Ou 2.
ycuOe1.
AASma(X)= .
Oe1.
5Oeycu 5Oe2 5 O ycu O 2 3 O ycu Ou 2.
ycu O 2.
5 ycaycycayc ycu Ou 3.
ycuOe2.
AASmK(X) = .
Oe2.
5 O ycu O 3.
5Oeycu 5Oe3 3 O ycu O 3.
Pada Variabel Output Konsentrasi dapat dibentuk tiga kelompok fuzzy yaitu Kriptografi Terapan,Software Arsitektur dan Machine Learning.
Himpunan fuzzy dari variabel Output dapat dilihat pada persamaan di bawah ini:
ycu O 70 75OeycU AAKT(X)= .
Oe70 .
70 O ycu O 75
ycu Ou 75
ycu O 75 ycaycycayc ycu Ou 85
AASA(X))= {
ycuOe75 75 O ycu O 80 80Oe75 85Oeycu 80 O ycu O 85 85Oe80 ycu O 85 ycuOe85 AAML(X)= .
Oe85 .
85 O ycu O 100 ycu Ou 90 Rules Information Langkah ini adalah pembentukan aturan logika fuzzy yang menunjukkan hubungan antara variabel input dan variabel output.
dan menggunakan operator AND untuk menggabungkan aturan input dan menunjukkan hubungan antara input dan output dalam rumus IF-THEN.
Variabel input dan output dapat dilihat pada Tabel 3 di bawah ini:
Tabel 3.
Rules Input dan Output Variabels Aturan Artificial Intelegence Rekayasa
Perangkat
Lunak
Sedang Sedang Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Kriptografi Keamanan Sedang Tinggi Tinggi Tinggi Tinggi GPA
Pendidikan Terakhir Konsentrasi
Tinggi Tinggi Tinggi Sedang Tinggi SMK
SMA
SMK
SMA
SMK
Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
R10
R11
R12
R13
R14
R15
R16
R17
R18
R19
R20
R21
Tinggi Sedang Sedang Sedang Sedang Tinggi Tinggi Tinggi Tinggi Sedang Sedang Tinggi Tinggi Tinggi Sedang Sedang Tinggi Tinggi Tinggi Tinggi Tinggi Sedang Sedang Tinggi Tinggi Sedang Sedang Tinggi Tinggi Sedang Tinggi Tinggi DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
Sedang Sedang Sedang Tinggi Tinggi Tinggi Tinggi Tinggi Tinggi Sedang Sedang Sedang Sedang Sedang Tinggi Tinggi Sedang Tinggi Tinggi Sedang Tinggi Sedang Tinggi Sedang Sedang Sedang Tinggi Sedang Sedang Tinggi Sedang Sedang SMK
SMK
SMA
SMA
SMA
SMK
SMA
SMA
SMK
SMK
SMA
SMA
SMK
SMK
SMA
SMK
Inferensi Metode inferensi dalam metode Mamdani adalah langkah-langkah pengambilan keputusan atau penarikan kesimpulan sesuai dengan aturan-aturan Fuzzy yang telah di tentukan.
Metode ini bertujuan untuk mengubah masukan Fuzzy menjadi keluaran fuzzy menggunakan aturan-aturan Fuzzy.
dalam metode Mamdani memungkinkan kita untuk menggabungkan pengetahuan domain yang atau tidak pasti ke dalam sebuah sistem yang dapat memberikan keputusan yang lebih akurat.
Dengan menggunakan aturan-aturan fuzzy ini, metode ini memungkinkan model untuk merepresentasikan tingkat ketidakpastian atau kekurangan informasi dalam sistem tersebut.
Gambar 7.
Rule editor Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
Gambar 8.
Hasil Inferensi untuk nilai Output dalam FIS(Fuzzy inference syste.
Defuzzification Defuzzifikasi adalah langkah dalam sistem kabur yang bertujuan untuk mengubah hasil keluaran kabur melalui himpunan kabur menggunakan fungsi keanggotaan menjadi nilai tertentu.
Ini penting dalam aplikasi praktis karena kebanyakan kasus membutuhkan nilai konkret atau tertentu dalam pengambilan keputusan atau tindakan.
Dalam proses defuzzifikasi, grafik fungsi keanggotaan digunakan untuk menentukan batas-batas keluaran kabur.
Terdapat tiga nilai linguistik untuk menentukan kondisi konsentrasi, seperti yang ditunjukkan dalam Gambar 9 di bawah ini:
Gambar 9.
Fungsi keanggotaan variabel Output AuKonsentrasiAy Gambar 10.
Contoh GUI untuk pemilihan konsentrasi Mahasiswa Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
Pada gambar 8 di atas, hasil pemilihan konsentrasi mahasiswa menggunakan GUI MATLAB di Di sisi kiri, terdapaat konfigurasi input di mana nilai-nilai dapat di masukan berdasarkan data yang di peroleh sebelumnya.
di sisi kanan di gunakan untuk memperoleh nilai output.
Hasil dari memasukan data yang telah di peroleh sebelum nya dapat di lihat pada Tabel 4 di bawah ini:
Tabel 4.
Input dan Output variables Nama Artificial Intelegen
Rekayasa
Perangka t Lunak
Ampy Dani David
Margi
Aziz
Denis Jekson
Arman
Sabon
Widia
Desli
Askin
Shalu
Sinta
Iqbal
Kiptografi Keamanan Informasi
IPK
Pendidikan Terakhir Nilai Hasil
Sesuai/Tida k sesuai Konsentra
SMA
SMA
SMA
SMA
SMK
SMA
SMK
SMA
SMA
SMA
SMA
SMA
SMA
SMA
SMA
TIDAK
TIDAK
TIDAK
TIDAK
Perhitungan dapat dilakukan untuk memperoleh nilai kesalahan dan nilai akurasi.
Hasil dari FIS Mamdani kemudian dibuat perbandingannya antara data yang diperoleh, dan data dari sistem yang telah dibuat.
Perhitungan dapat di lihat di bawah ini:
Total data = 15 Data yang Tidak sesuai = 4 Jumlah data yang sesuai = 11 Sehingga:
Nilai error = .
y 100% = 26.
Nilai Acuracy = .
y 100% = 73.
Hasil menunjukkan bahwa FIS Mamdani memberikan tingkat akurasi sebesar 73,3%, menunjukkan bahwa 73,3% prediksi FIS Mamdani sesuai dengan program studi yang diterima oleh mahasiswa Ilmu komputer universitas pattimura.
Namun, terdapat perbedaan sebesar 26.
6% antara hasil FIS Mamdani dan program studi yang sebenarnya.
Nilai kesalahan ini mewakili persentase kesalahan antara hasil FIS Mamdani dan program studi yang sebenarnya.
KESIMPULAN
Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa Sistem Inferensi Fuzzy (FIS) dengan metode Mamdani dapat diterapkan untuk menentukan konsentrasi mahasiswa dalam bidang Kriptografi Terapan.
Software Arsitektur dan Machine learning, pada program studi Ilmu Komputer universitas pattimura.
Metode ini berpotensi membantu mahasiswa yang menghadapi kesulitan dalam memilih konsentrasi yang sesuai dengan keterampilan mereka.
Akurasi metode ini mencapai 73.
yang dimana ternyata Data yang di gunakan juga sangat berpengaruh terhadap Presentase yang di Pelaksanaan sistem pendukung keputusan yang berbasis FIS Mamdani diharapkan dapat memberikan kontribusi yang signifikan bagi mahasiswa, lembaga pendidikan tinggi, dan industri.
Mahasiswa dapat menghindari kesalahan dalam pemilihan konsentrasi yang dapat menghambat kemajuan akademik dan karier mereka.
Lembaga pendidikan tinggi akan mendapatkan mahasiswa yang lebih berkomitmen dan sesuai dengan program yang ditawarkan, sehingga dapat meningkatkan Jurnal Ilmu Komputer dan Informatika (JIKI) Vol.
No.
Desember 2024.
Hal.
https://jiki.
jurnal-id.
DOI: https://doi.
org/10.
54082/jiki.
P-ISSN: 2807-6664
E-ISSN: 2807-6591
tingkat kelulusan dan reputasi institusi tersebut.
Sementara itu, industri juga akan diuntungkan dari lulusan yang sudah siap dan selaras dengan kebutuhan pasar kerja.
Namun, meskipun tingkat akurasi mencapai 73.
3%, sistem ini masih memiliki potensi untuk perbaikan lebih lanjut.
Mengembangkan model dengan data yang lebih banyak dan variasi konsentrasi yang lebih luas dapat meningkatkan kinerja sistem.
Selain itu, faktor-faktor lain seperti minat pribadi, tujuan karier, dan perkembangan teknologi dapat mempengaruhi pilihan mahasiswa.
Dengan dukungan dan pengembangan lebih lanjut, sistem pendukung keputusan berbasis FIS Mamdani memiliki potensi untuk mencapai kemajuan signifikan dan memberikan kontribusi pada dunia pendidikan yang lebih cerah serta karier mahasiswa.
DAFTAR PUSTAKA