MUST: Journal of Mathematics Education.
Science and Technology Vol.
9 No.
Juli 2024 Hal 48-63 DOI: http://doi.
org/10.
30651/must.
STRATEGI MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA
UNIVERSITAS MUHAMMADIYAH PONOROGO DENGAN TEORI FUZZY
TSUKAMOTO
Ranti Kurniasih1.
Annafi Awantagusnik2.
Muhammad Zia Alghar3 Universitas Muhaammadiyah Ponorogo, 2.
Universitas Al Qolam Malang, dan 3Universitas Negeri Malang rantikurniasih@umpo.
id1, annafi@alqolam.
muhammadzia1904@gmail.
Received 05 June 2024.
revised 21 June 2024.
accepted 30 June 2024.
ABSTRAK
Tujuan penelitian ini yaitu membuat model matematis yang berkaitan dengan logika fuzzy untuk memprediksi tingkat kelulusan mahasiswa mulai tahun 2024.
Jenis penelitian ini merupakan penelitian terapan .
pplied researc.
Metode yang digunakan yaitu metode tsukamoto dalam analisis fuzzy serta pengecekan keakuratan peramalan dengan MAPE.
Teknik pengumpulan data dilakukan dengan mengumpulkan data primer dan data sekunder.
Data primer yang digunakan yaitu data penerimaan mahasiswa baru, banyak lulusan, dan banyak wisudawan dari Universitas Muhammadiyah Ponorogo pada tahun 2021, 2022, dan 2023.
Data sekunder diperoleh dari buku, artikel, dan dokumen yang relevan dengan fuzzy Tsukamoto.
Hasil analisis fuzzy Tsukamoto dengan pengujian MAPE menunjukkan bahwa model fuzzy yang dibangun berada pada persentase 5.
Artinya sistem fuzzy memiliki kemampuan peramalan yang sangat baik dalam memprediksi tingkat kelulusan mahasiswa di tahun 2021, 2022, dan 2023 serta dapat digunakan untuk memprediksi banyak lulusan tahun 2024.
Kata kunci: fuzzy.
Tsukamoto, kelulusan mahasiswa.
ABSTRACT
The purpose of this research is to create a mathematical model related to fuzzy logic to predict student graduation rates starting in 2024.
This type of research is applied The method used is the tsukamoto method in fuzzy analysis and checking the accuracy of forecasting with MAPE.
Data collection techniques are carried out by collecting primary data and secondary data.
The primary data used is data on new student admissions, many graduates, and many graduates from Muhammadiyah Ponorogo University in 2021, 2022, and 2023.
Secondary data is obtained from books, articles, and documents relevant to Tsukamoto fuzzy.
The results of the Tsukamoto fuzzy analysis with MAPE testing show that the fuzzy model built is at a percentage of 5.
This means that Strategi Memprediksi Tingkat Kelulusan Mahasiswa Universitas Muhammadiyah Ponorogo Dengan Teori Fuzzy Tsukamoto the fuzzy system has excellent forecasting capabilities in predicting student graduation rates in 2021, 2022, and 2023 and can be used to predict many graduates in 2024.
Keywords: fuzzy.
Tsukamoto, student graduation PENDAHULUAN Sebuah institusi perguruan tinggi atau universitas memiliki tujuan untuk meluluskan mahasiswanya secara keseluruhan sesuai dengan waktu pendidikan yang ditempuh.
Lama waktu tempuh mahasiswa dalam menyelesaikan studi dan Indeks Prestasi Kumulatif (IPK) menjadi salah satu faktor penentu sebuah perguruan tinggi dikatakan unggul (Masui et al.
Namun tidak jarang beberapa institusi belum mampu meluluskan mahasiswa sesuai target yang diinginkan, karena tidak semua mahasiswa dapat menyelesaikan studinya tepat waktu (Asriningtias and Mardhiyah 2014.
Plant et al.
Universitas Muhammadiyah Ponorogo, sebagai salah satu institusi pendidikan tinggi yang berkomitmen pada peningkatan kualitas pendidikan dan penelitian, memerlukan metode yang canggih untuk mengelola dan menganalisis data, juga dalam hal memprediksi tingakt kelulusan mahasiswa di tahun yang akan datang.
Metode Fuzzy Tsukamoto, salah satu metode dalam sistem logika fuzzy, menawarkan pendekatan yang tepat dalam menangani data yang tidak pasti atau Sistem logika fuzzy ini memungkinkan pengambilan keputusan berdasarkan aturan-aturan yang fleksibel, yang sering kali lebih sesuai dengan kondisi dunia nyata dibandingkan dengan pendekatan konvensional.
Teori yang dapat digunakan untuk memprediksi tingkat kelulusan mahasiswa salah satunya adalah logika fuzzy (Chang.
Wang, and Liu 2007.
Kusumadewi and Purnomo 2.
Logika fuzzy sebagai salah satu cabang dari sistem kecerdasan buatan dapat diterapkan dalam dunia pendidikan.
Logika fuzzy juga diartikan sebagai logika yang menggambarkan Logika fuzzy mengadopsi kecerdasan yang dimiliki manusia dan mencoba menggambarkan perkataan manusia dan pengambilan keputusan (Chang.
Wang, and Liu 2.
Dalam penerapannya, sistem pengendaliannya dilakukan melalui ekspresi linguistik.
Terdapat beberapa metode yang dapat digunakan dari logika fuzzy ini, yaitu metode Tsukamoto.
Mamdani, dan Sugeno (Arifin and Salafinah 2020.
Bede 2.
Ranti Kurniasih.
Annafi Awantagusnik.
Muhammad Zia Alghar Pada penelitian sebelumnya yang dilakukan Salafinah dan M.
Arifin di Institut Agama Islam Negeri Jember menggunakan data 1 tahun sebelumnya dengan metode tsukamoto dengan penerapan perhitungan yang sistematis (IF THEN).
Pada penelitian ini menggunakan data 3 tahun berturut- tururt untuk memprediksi tingkat kelulusan mahasiswa tahun 2024 dengan metode MAPE (Mean Absolute Percentage Erro.
untuk menentukan hasil prediksi tingkat kelulusan mahasiswa tahun yang akan datang.
Sistem logika fuzzy seperti Fuzzy Tsukamoto memungkinkan universitas untuk lebih adaptif terhadap perubahan dan dinamika lingkungan, baik internal maupun eksternal.
Hal ini penting untuk mempertahankan relevansi dan responsivitas institusi dalam menghadapi tantangan Metode yang akan digunakan dalam memprediksi kelulusan mahasiswa dalam penulisan ini adalah metode Tsukamoto.
Pemilihan metode ini dikarenakan jika-maka direpresentasikan pada suatu himpunan fuzzy dengan fungsi keanggotaan monoton (Basriati.
Safitri, and Nofridayani 2.
Basriati dan Safitri .
mengatakan bahwa output hasil inferensi pada aturan fuzzy disajikan dengan tegas .
berdasarkan yu-predikat .
ire strengt.
Kemudian hasil akhirnya didapatkan dengan menghitung rata-rata terbobot (Kusumadewi and Purnomo 2.
Logika fuzzy diperkenalkan oleh seorang ilmuwan yang bernama Profesor Lotfi A.
Zadeh pada 1965 (Kusumadewi and Purnomo 2010.
Zadeh 1.
Logika fuzzy merupakan keberlanjutan dari teori himpunan yang setiap bagiannya memiliki derajat keanggotaan dari 0 hingga 1 yang menggambarkan suatu ambiguitas.
Umumnya logika fuzzy diartikan sebagai suatu cara berhitung dengan menggunakan variabel linguistik sebagai angka (Setiawan.
Yanto, and Yasdomi 2.
METODE PENELITIAN
Jenis penelitian yang dilakukan merupakan penelitian terapan .
pplied researc.
Penelitian terapan bertujuan guna memperoleh solusi dari suatu masalah menggunakan suatu pendekatan yang diterapkan secara langsung (Setiyawan.
Arbansyah, and Latipah 2.
Penelitian terapan juga berperan dalam menyelesaikan berbagai masalah praktis maupun menciptakan produk baru Strategi Memprediksi Tingkat Kelulusan Mahasiswa Universitas Muhammadiyah Ponorogo Dengan Teori Fuzzy Tsukamoto (Mulyatiningsih 2.
Hasil dari penelitian terapan dapat dimanfaatkan oleh pihak yang berkepentingan.
Dalam penelitian ini, hasil penelitian diuji kembali kualitas akurasi peramalannya dengan menggunakan Mean Absolute Percentage Error (MAPE).
Data yang digunakan dalam penelitian ini berasal dari data primer dan data Data primer yang digunakan berupa data penerimaan mahasiswa baru, banyak lulusan, dan banyak wisudawan dari Universitas Muhammadiyah Ponorogo pada tahun 2021, 2022, dan 2023.
Sedangkan data sekunder diperoleh dari berbagai literatur, seperti buku, dokumen, dan artikel-artikel ilmiah yang relevan dengan tema penelitian.
Kemudian data dianalisis menggunakan analisis fuzzy metode Tsukamoto dan pengujian akurasi peramalan dengan MAPE.
Terdapat beberapa aspek yang diperlukan dalam menyusun sebuah sistem fuzzy (Bede 2013.
Rindengan and Langi 2.
, yaitu Variabel fuzzy, yaitu simbol yang menggambarkan suatu kuantitas pada sistem fuzzy.
Contoh: variabel umur.
Himpunan fuzzy Himpunan fuzzy merupakan kelas yang mempunyai kontinum nilai keanggotaan (Bede 2.
Himpunan fuzzy didefinisikan secara formal sebagai berikut.
Suatu himpunan fuzzy ya .
impunan bagian fuzzy dari ycU) didefinisikan sebagai suatu pemetaan ya: ycU Ie .
Di mana ya.
merupakan derajat keanggotaan dari ycu ke himpunan fuzzy.
Semesta pembicaraan, yaitu interval nilai yang dapat digunakan dalam variabel fuzzy yang nilai tersebut merupakan anggota bilangan riil.
Contoh:
variabel umur, ycu OO .
, .
Domain, yaitu interval nilai yang diperbolehkan dalam himpunan fuzzy berdasarkan nilai semesta pembicaraan.
Contoh: muda apabila ycu OO .
, .
dewasa apabila ycu OO .
, .
, dan tua apabila ycu OO .
, .
Dalam metode Tsukamoto, setiap konsekuen bentuk aturan Aujika-makaAy perlu direpresentasikan pada himpunan fuzzy dengan fungsi keanggotaan monoton (Kusumadewi and Purnomo 2.
Akibatnya, hasil inferensi dari setiap aturan disajikan secara tegas .
berdasarkan -predikat, kemudian hasilnya Ranti Kurniasih.
Annafi Awantagusnik.
Muhammad Zia Alghar didapatkan dengan menghitung rata-rata terbobot.
Diperlukan empat tahapan dalam menyusun sistem pendukung keputusan dengan metode fuzzy Tsukamoto, (Arifin and Salafinah 2020.
Basriati.
Safitri, and Nofridayani 2.
Fuzzyfikasi Merupakan proses menetapkan berbagai variabel yang berkaitan dalam sistem fuzzy yang akan dibangun.
Pembentukan aturan fuzzy Aturan fuzzy dibentuk guna mendapatkan hasil yang merupakan relasi antara variabel input dengan variabel output.
Aturan fuzzy Tsukamoto menggunakan aturan Aujika-makaAy dengan operator antara variabel input yaitu AudanAy.
Pernyataan yang menyertai AujikaAy merupakan antiseden dan pernyataan yang menyertai AumakaAy merupakan konsekuen.
Jika .
u1 merupakan ya1 ) O .
u2 merupakan ya2 ) O A O .
uycu merupakan yaycu ) maka .
ca merupakan yc.
Analisis logika fuzzy Setiap aturan yang dibentuk merupakan pernyataan dari suatu fungsi Fuzzy Tsukamoto menggunakan fungsi implikasi minimum (Mi.
Fungsi implikasi Min.
diartikan dengan mengambil nilai keanggotaan terkecil antar anggota pada suatu himpunan fuzzy.
Fungsi implikasi minimum dapat ditulis sebagai:
yuNyaUCyaA = min( yuNya .
cuycn ), yuNyaA .
cycn )) Defuzzyfikasi Proses defuzzyfikasi pada metode Tsukamoto menggunakan metode ratarata terbobot .
(Sihaloho.
Nasution, and Situmorang 2.
ycy= ycy: variabel output
yuycn : nilai yu -predikat
ycyycn : nilai variabel output
Oc yuycn ycyycn
Oc yuycn
Strategi Memprediksi Tingkat Kelulusan Mahasiswa Universitas Muhammadiyah Ponorogo Dengan Teori Fuzzy Tsukamoto
HASIL PENELITIAN DAN PEMBAHASAN
Tabel 1.
Data Banyak Mahasiswa Baru.
Banyak Peserta Wisuda, dan Banyak Lulusan Himpunan Nilai Nilai Nilai Semesta Variabel Simbol Istilah Pembicaraan Linguistik Banyak Turun , 1.
Peserta Naik Wisuda Banyak Sedikit yc 0, 2.
Mahasiswa Banyak Baru Banyak yc , 1.
Berkurang Lulusan Data penelitian terdiri atas data banyaknya mahasiswa baru, banyaknya lulusan, dan banyaknya peserta wisuda dari Universitas Muhammadiyah Ponorogo tahun 2021, 2022, dan 2023.
Menurut Arifin and Salafinah .
, variable input yang dapat digunakan untuk memprediksi lulusan yaitu dengan variable mahasiswa baru dan variable peserta wisuda.
Sementara menurut Onoaji.
Santi, dan Chulkamdi .
, penggunaan data dari beberapa tahun ke belakang, akan memperkuat akurasi fuzzy Tsukamoto yang digunakan.
Dengan demikian, penelitian in menggunakan variabel input berupa data banyak peserta wisuda dan banyak mahasiswa baru di tahun 2021, 2022, dan 2023.
Untuk mempermudah fuzzyfikasi, penelitian ini memisalkan variabel banyak peserta wisuda sebagai x, banyak mahasiswa baru sebagai y, dan variabel banyak lulusan sebagai z (Bede 2.
Ketiga variabel tersebut digunakan untuk memprediksi banyaknya lulusaan pada tahun berikutnya dengan bantuan metode fuzzy Tsukamoto.
Tabel 1 menyajikan data yang digunakan peneliti untuk memprediksi banyaknya lulusan setelah tahun 2023.
da seaknya lulusaan pada tahun berikutnya dengan bantuan metode fuzzy Tsukamoto.
Tabel 1 menyajikan data yang digunakan peneliti untuk memprediksi banyaknya lulusan setelah tahun Ranti Kurniasih.
Annafi Awantagusnik.
Muhammad Zia Alghar Data pada Tabel 1 kemudian diolah dengan menggunakan metode fuzzy Tsukamoto yang dilakukan melalui tahapan berikut:
Fuzzyfikasi Fungsi keanggotaan banyak peserta wisuda .
Fungsi keanggotaan Himpunan Turun dan Naik pada banyak peserta wisuda direpresentasikan sebagai berikut:
ycu O 900 1500 Oe ycu yuNycycycycycu .
: { , 900 < ycu < 1500 ycu Ou 1500 ycu O 1000 ycu Oe 900 yuNycuycaycnyco .
: { , 900 < ycu < 1500 ycu Ou 1500 Gambar 1 dan 2 berikut berturut-turut merupakan grafik dari fungsi keanggotaan Himpunan Turun dan Naik pada banyak peserta wisuda .
Gambar 1.
Grafik Fungsi Keanggotaan Gambar 2.
Grafik Fungsi Keanggotaan Himpunan Turun Himpunan Naik Fungsi keanggotaan variabel banyak mahasiswa baru .
Variabel banyak mahasiswa baru .
terdiri dari dua himpunan yaitu Himpunan Sedikit dan Banyak, dengan fungsi keanggotaan sebagai yc O 1000 2000 Oe yc yuNycyceyccycnycoycnyc .
: { , 1000 < yc < 2000 yc Ou 2000 yc O 1000 yc Oe 1000 yuNycaycaycuycycayco .
: { , 1000 < yc < 2000 yc Ou 2000 Strategi Memprediksi Tingkat Kelulusan Mahasiswa Universitas Muhammadiyah Ponorogo Dengan Teori Fuzzy Tsukamoto Gambar 3 dan 4 berikut berturut-turut merupakan grafik dari fungsi keanggotaan Himpunan Sedikit dan Banyak pada banyak mahasiswa baru .
Gambar 3.
Grafik Fungsi Keanggotaan Gambar 4.
Grafik Fungsi Keanggotaan Himpunan Sedikit Himpunan Banyak Fungsi keanggotaan variabel banyak lulusan .
Variabel banyak lulusan .
terdiri atas dua himpunan yaitu Himpunan Berkurang dan Bertambah, dengan fungsi keanggotaan sebagai berikut: .
yc O 900 1500 Oe yc yuNycayceycycoycycycaycuyci .
: { , 900 < yc < 1500 yc Ou 1500 yc O 900 yc Oe 900 yuNycayceycycycaycoycaycaEa .
: { , 900 < yc < 1500 yc > 1500 Gambar 5 dan 6 berturut-turut merupakan grafik dari fungsi keanggotaan Himpunan Berkurang dan Bertambah pada banyak lulusan .
Gambar 5.
Grafik Fungsi Keanggotaan Gambar 6.
Grafik Fungsi Keanggotaan Himpunan Berkurang Himpunan Bertambah Nilai keanggotaan Himpunan Naik dan Turun dari variabel banyak peserta wisuda .
dapat diperoleh dengan cara sebagai berikut:
yuNturun_2023 .
= 1500 Oe 1242 258
= 0,430
Ranti Kurniasih.
Annafi Awantagusnik.
Muhammad Zia Alghar
1242 Oe 900
= 0,570
1500 Oe 1053 yuN turun_2022 .
= = 0,745 1053 Oe 900 153 yuN naik_2022.
= = 0,255 1500 Oe 1275 yuN turun_2021 .
= = 0,375 1275 Oe 900 yuNnaik_2021 .
= = 0,625 yuNnaik_2023 .
= Nilai keanggotaan Himpunan Banyak dan Sedikit dari variabel banyak mahasiswa baru .
dapat diperoleh dengan cara sebagai berikut:
1467 Oe 1000
= 0,467
2000 Oe 1467 yuN sedikit_2023 .
= = 0,533 yuN banyak_2023 .
= 1830 Oe 1000
= 0,830
2000 Oe 1830 yuNsedikit_2022 .
= = 0,170 1460 Oe 1000 yuNbanyak_2021 .
= = 0,460 2000 Oe 1460 yuNsedikit_2021 .
= = 0,540 yuNbanyak_2022 .
= Pembentukan Aturan Fuzzy Untuk memprediksi kelulusan, peneliti menggunakan aturan Fuzzy sebagai Jika banyak mahasiswa baru .
adalah anggota Himpunan Banyak dan banyak peserta wisuda .
adalah anggota Himpunan Naik maka banyak lulusan .
adalah anggota Himpunan Bertambah.
Jika banyak mahasiswa baru .
adalah anggota Himpunan Banyak dan banyak peserta wisuda .
adalah anggota Himpunan Turun maka banyak lulusan .
adalah anggota Himpunan Berkurang.
Jika banyak mahasiswa baru .
adalah anggota Himpunan Sedikit dan banyak peserta wisuda .
adalah anggota Himpunan Naik maka banyak lulusan .
adalah anggota Himpunan Bertambah.
Strategi Memprediksi Tingkat Kelulusan Mahasiswa Universitas Muhammadiyah Ponorogo Dengan Teori Fuzzy Tsukamoto Jika banyak mahasiswa baru .
adalah anggota Himpunan Sedikit dan banyak peserta wisuda .
adalah anggota Himpunan Turun maka banyak lulusan .
adalah anggota Himpunan Berkurang.
Inferensi Aturan pertama Jika banyak mahasiswa baru .
anggota Himpunan Banyak dan banyak peserta wisuda .
anggota Himpunan Naik, maka berdasarkan aturan, banyak lulusan .
adalah anggota Himpunan Bertambah.
= yuNbanyak_2023 .
O yuNnaik_2023.
yu1_2023 = min .
uNbanyak_2023 .
O yuNnaik_2023 .
) = min.
,467.
= 0,467
= yuN banyak_2022 .
O yuN naik_2022.
yu1_2022 = min .
uNycaycaycuycycayco_2022 .
O yuN ycuycaycnyco_2022 .
) = min.
,830.
= 0,255
yu1_2021 = yuNbanyak_2021 .
O yuNnaik_2021.
= min .
uNycaycaycuycycayco_2021 .
O yuNycuycaycnyco_2021 .
) = min.
,460.
= 0,460
Banyak mahasiswa yang merupakan anggota Himpunan Bertambah yaitu yc tahun 2023
ycOe900
= 0,467
yc tahun 2022
yc tahun 2021
ycOe900
ycOe900
= 0,255
= 0,460
yc Oe 900 = 280,2 yc Oe 900 = 153 yc Oe 900 = 276 yc = 1180,2 yc = 1053 yc = 1176 Aturan kedua Jika banyak mahasiswa baru .
anggota Himpunan Banyak dan banyak peserta wisuda .
anggota Himpunan Turun, maka banyak lulusan .
adalah anggota Himpunan Berkurang.
yu2_2023 = yuNbanyak_2023 .
O yuNturun_2023.
= min .
uN banyak_2023 .
O yuNturun_2023 .
) = min.
,467.
= 0,430
yu2_2022 = yuN banyak_2022 .
O yuNturun_2022 .
Ranti Kurniasih.
Annafi Awantagusnik.
Muhammad Zia Alghar = min .
uNbanyak_2022 .
O yuNturun_2022.
) = min.
,830.
= 0,745
= yuNbanyak_2021 .
O yuNturun_2021.
yu2_2021 = min .
uNbanyak_2021 .
O yuNturun_2021.
) = min.
,460.
= 0,375
Banyak mahasiswa yang merupakan anggota Himpunan Berkurang yaitu yc tahun 2023
1500Oeyc
= 0,430
1500 Oe yc = 258
yc tahun 2022
1500Oeyc
= 0,745
1500 Oe yc = 447
yc = 1242
yc tahun 2021
1500Oeyc
= 0,375
1500 Oe yc = 225 yc = 1053 yc = 1275 Aturan Ketiga Jika banyak mahasiswa baru .
anggota Himpunan Sedikit dan banyak peserta wisuda .
anggota Himpunan Naik, maka banyak lulusan .
anggota Himpunan Bertambah.
yu3_2023 = yuNsedikit_2023 .
O yuNnaik_2023 .
= min .
uNsedikit_2023 .
O yuNnaik_2023 .
) = min.
,533.
= 0,533
yu3_2022 = yuNsedikit_2022 .
O yuNnaik_2022 .
= min .
uNsedikit_2022 .
O yuNnaik_2022 .
) = min.
,170.
= 0,170
yu3_2021 = yuNsedikit_2021 .
O yuNnaik_2021 .
= min .
uNsedikit_2021 .
O yuNnaik_2021 .
) = min.
,540.
= 0,540
Banyak lulusan yang merupakan anggota Himpunan Bertambah yaitu yc tahun 2023
ycOe900
= 0,533
yc tahun 2022
ycOe900
= 0,170
yc tahun 2021
ycOe900
= 0,540
yc Oe 900 = 319,8 yc Oe 900 = 102 yc Oe 900 = 324 yc = 1219,8 yc = 1002 yc = 1224 Strategi Memprediksi Tingkat Kelulusan Mahasiswa Universitas Muhammadiyah Ponorogo Dengan Teori Fuzzy Tsukamoto Aturan Keempat Jika banyak mahasiswa .
adalah anggota Himpunan Sedikit dan banyak peserta wisuda .
adalah anggota Himpunan Turun, maka banyak lulusan .
adalah anggota Himpunan Berkurang.
= yuNycyceyccycnycoycnyc_2023 .
O yuNturun_2023 .
yu4_2023 = min .
uNycyceyccycnycoycnyc_2023 .
O yuNturun_2023 .
) = min.
,533.
= 0,430
= yuNycyceyccycnycoycnyc_2022 .
O yuNturun_2022 .
yu4_2022 = min .
uNycyceyccycnycoycnyc_2022 .
O yuNturun_2022 .
) = min.
,170.
= 0,170
= yuNycyceyccycnycoycnyc_2021 .
O yuNturun_2021 .
yu4_2021 = min .
uNycyceyccycnycoycnyc_2021 .
O yuNturun_2021 .
) = min.
,540.
= 0,375
Banyak mahasiswa yang merupakan anggota Himpunan Berkurang yaitu yc tahun 2023
yc tahun 2022
1500Oeyc
1500Oeyc
= 0,430
= 0,170
yc tahun 2021
1500Oeyc
= 0,375
1500 Oe yc = 258 1500 Oe yc = 102 1500 Oe yc = 225 yc = 1242 yc = 1398 yc = 1275 Defuzzyfikasi Pada proses defuzzyfikasi, metode Tsukamoto menggunakan metode ratarata terbobot ycy= Oc yuycn ycyycn Oc yuycn Nilai yc tahun 2023 adalah yc2023 u1_2023 Oo yc1_2023 ) .
u2_2023 Oo yc2_2023 ) .
u3_2023 Oo yc3_2023 ) .
u4_2023 Oo yc4_2.
yu1_2023 yu2_2023 yu3_2023 yu4_2023 .
,467 Oo 1180,.
,430 Oo 1.
,533 Oo 1219,.
,430 Oo 1.
0,467 0,430 0,533 0,430 Ranti Kurniasih.
Annafi Awantagusnik.
Muhammad Zia Alghar
551,15 534,06 650,15 534,06
= 1220,122 OO 1220
1,86
Nilai yc tahun 2022 adalah yc2022 ca1_2022 Oo yc1_2.
ca2_2022 Oo yc2_2022 ) .
ca3_2022 Oo yc3_2022 ) .
ca4_2022 Oo yc4_2022 ) yca1_2022 yca2_2022 yca3_2022 yca4_2022 .
,255 Oo 1.
,745 Oo 1.
,170 Oo 1.
,170 Oo 1.
0,255 0,745 0,170 0,170 268,515 784,485 170,34 237,66 1,34 = 1090,299 OO 1090
1,34
Nilai yc tahun 2021 adalah ycs2021 ca1_2021 Oo yc1_2.
ca2_2021 Oo yc2_2021 ) .
ca3_2021 Oo yc3_2021 ) .
ca4_2021 Oo yc4_2021 ) yca1_2021 yca2_2021 yca3_2021 yca4_2021 .
,460 Oo 1.
,375 Oo 1.
,540 Oo 1.
,375 Oo 1.
0,460 0,375 0,540 0,375 540,96 478,125 660,96 478,125 1,75 2158,17 = 1233,24 OO 1233
1,75
Berdasarkan hasil pemodelan fuzzy, banyak mahasiswa yang lulus pada tahun 2023 sekitar 1.
220, tahun 2022 sekitar 1.
090, dan tahun 2021 sekitar 1.
Pengukuran Akurasi Sistem Fuzzy Mean Absolute Percentage Error (MAPE) merupakan suatu ukuran akurasi peramalan dari suatu metode peramalan.
Bentuk persamaannya sebagai berikut:
ycAyaycEya = Ocycuycn=1 C| .
cyycn Oeycy ycn ycyycn ycu y 100% Strategi Memprediksi Tingkat Kelulusan Mahasiswa Universitas Muhammadiyah Ponorogo Dengan Teori Fuzzy Tsukamoto Tabel 2.
Data Asli dan Data Prediksi Banyak Lulusan Tahun Data Asli .
cyycn ) Data
Prediksi
cyycn ) |( ycyycn Oe ycyC)|/ycy ycn
MAPE
0,03211
0,075426
5,305841% OO 5,3%
Berdasarkan hasil perhitungan, nilai MAPE yang diperoleh berada pada 5,3%.
Berdasarkan kriteria nilai MAPE menurut (Chang.
Wang, and Liu 2007.
Vivas.
Allende-Cid, and Salas 2.
, maka akurasi peramalan 5,3% bermakna kemampuan peramalan sangat baik.
Dengan demikian, sistem fuzzy yang dibangun untuk menentukan banyak lulusan dalam penulisan ini memiliki akurasi peramalan yang sangat baik dan bisa digunakan untuk memprediksi banyak lulusan di tahuntahun berikutnya .
ika tidak ada perubahan kebijakan maupun faktor-faktor yang lain dari pihak Universita.
Temuan penelitian ini selaras dengan penelitian terdahulu dilakukan oleh Arifin dan Salafinah .
terkait penggunaan teori fuzzy Tsukamoto untuk memprediksi kelulusan mahasasiswa di Jember.
Hasilnya, teori fuzzy Tsukamoto dapat membantu memprediksi jumlah mahasiswa yang lulus menggunakan 3 variabel yaitu, banyak penerimaan peserta wisuda, banyak mahasiswa, dan banyak mahasiswa yang lulus.
Penelitian ini juga selaras dengan Asriningtias dan Mardhiyah .
yang menampilkan informasi tingkat kelulusan mahasiswa dengan penggunaan data mining mengunakan bahasa pemrograman Borland Delphi 7 dan penggunaan Database SQL Server 2000 untuk mengukur menghasilkan tingkat ketepatan waktu dan nilai kelulusan mahasiswa yang berelasi dengan atribut data untuk mahasiswa.
Penelitian lain menerapkan metode fuzzy Tsukamoto yaitu dalam menentukan jumlah produksi tahu di Simpang Pulau oleh Basriati.
Safitri, dan Nofridayani .
Penelitiannya menyimpulkan bahwa fuzzy Tsukamoto berhasil menentukan produski tahu yang optimum dengan nilai kebenaran peramalan mencapai 98.
91% dan tergolong sangat baik dengan 3 variabel input .
ermintaan, persediaan, dan bahan bak.
serta 1 variabel output .
Ranti Kurniasih.
Annafi Awantagusnik.
Muhammad Zia Alghar
SIMPULAN
Berdasarkan pembahasan diperoleh kesimpulan bahwa metode fuzzy Tsukamoto dapat diterapkan untuk memprediksi banyaknya lulusan perguruan tinggi menggunakan variabel banyak mahasiswa baru dan banyak peserta wisuda.
Sistem fuzzy yang memprediksi banyak lulusan Universitas Muhammadiyah Ponorogo memperoleh nilai MAPE 5,3 % yang masuk ke dalam kategori peramalan sangat baik.
UCAPAN TERIMA KASIH
Ucapan terimakasih peneliti sampaikan kepada Universitas Muhammadiyah Ponorogo yang telah memberikan data jumlah mahasiswa baru, jumlah lulusan, dan jumlah wisudawan tahun 2021, 2022, dan 2023 untuk penyelesaian penelitian ini.
DAFTAR PUSTAKA