Mustafavi, Navila Salsabila (2018) Penerapan fuzzy Tsukamoto untuk menentukan klasifikasi kabupaten/kota di Provinsi Jawa Timur berdasarkan pola dan struktur pertumbuhan ekonomi / Navila Salsabila Mustafavi. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
RINGKASAN Mustafavi Navila Salsabila. 2018. Penerapan Fuzzy Tsukamoto untuk Menentukan Klasifikasi Kabupaten/Kota Di Provinsi Jawa Timur Berdasarkan Pola dan Struktur Pertumbuhan Ekonomi. Skripsi Jurusan Matematika FMIPA Universitas Negeri Malang. Pembimbing Lucky Tri Oktoviana S.Si M.Kom. Kata kunci Kecerdasan buatan logika fuzzy Borland Delphi 7. Pertumbuhan ekonomi yang tidak diikuti dengan pemerataan akan menimbulkan kesenjangan wilayah sehingga terbentuk wilayah yang maju dan wilayah yang terbelakang atau kurang maju.Diperlukan upaya pembangunan daerah yang terencana dan sistematis agar daerah tertinggal tersebut pada akhirnya setara dengan daerah lainnya di Indonesia yang telah maju terlebih dahulu. Klasifikasi daerah merupakan langkah awal yang dilakukan sebelum menetapkan daerah tertinggal agar perumusan kebijakan dan program pembangunan lebih tepat dan terarah serta penggunaan Anggaran Pendapatan dan Belanja Nasional (APBN) yang optimal. Salah satu cara yang dapat digunakan untuk menentukan klasifikasi adalah dengan menggunakan logika fuzzy.Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang mampu menjembatani bahasa mesin dengan bahasa manusia. Pada penelitian ini digunakan metode Tsukamoto yangtidakmemakanwaktu lama dalam proses defuzzifikasi. Fokus penelitian adalah membuat program untukmengklasifikasikankabupaten/kota di JawaTimurberdasarkanpoladanstrukturpertumbuhanekonomi.PenentuanklasifikasiberdasarkanProdukDomestik Regional Bruto (PDRB) perkapitaatasdasarhargaberlakudanpertumbuhan PDRB.Data yang digunakan adalah data tahun 2012-2015 yang diperoleh dari Badan Pusat Statistik (BPS) Jawa Timur.Proses penelitian dan pengembangan dalam pembuatan program ini menggunakan Borland Delphi 7 denganWaterfall Model. Tahap-tahapdalam model pengembanganiniterdiridarianalisis desain pengodean pengujian dan pendukung/pemeliharaan. Proses perhitungan fuzzy dengan metode tsukamoto memiliki empat tahap yaitu fuzzifikasi pembentukan basis pengetahuan fuzzy inferensi dan defuzzifikasi. Pada tahap fuzzifikasi dilakukan proses pengubahan input menjadi variabel linguistik menggunakan fungsi keanggotaan yang memiliki derajat keanggotaan. Dalam penelitian ini digunakan input berupa PDRB perkapita dan laju pertumbuhan PDRB yang memiliki fungsi keanggotaan linguistik rendah sedang dan tinggi. Sedangkan output berupa pola dan struktur pertumbuhan ekonomi memiliki fungsi keanggotaan linguistik daerah tertinggal berkembang maju tapi tertekan dan maju. Selanjutnya ditentukan basis pengetahuan fuzzy berupa aturan dalam bentuk IF...THEN untuk kemudian didapatkan nilai 945 -predikat dan inferensi masing-masing aturan (z_1 z_2 z_n). Dari hasil inferensi kemudian akan dilakukan deffuzifikasi untuk mendapatkan nilai fuzzy. Dari perhitungan program diperolehklasifikasidaerah antara lain23 daerahberkembang 6 daerahmajutapitertekan dan 9 daerahmaju. Hasil program kemudian dibandingkan dengan klasifikasi berdasarkan tipologi klassen yang pada dasarnya membagi daerah berdasarkan pertumbuhan ekonomi daerah dan pendapatan per kapita daerah. Dari perbandingan data tersebut diperoleh data yang sesuai sebanyak 42%. Namun walaupun data yang sesuai hanya 42% tetapi dapat dilihat bahwa logika fuzzy memiliki toleransi pada data dan sangat fleksibel. Misalnya pada Kabupaten Jombang yang memiliki PDRB perkapita 20466 525 milyar dan laju pertumbuhan PDRB 5 72 %. Pada klasifikasi menggunakan tipologi klassen Kabupaten Jombang termasuk daerah dengan pola dan struktur pertumbuhan ekonomi tertinggal walaupun memiliki selisih 0 07 dengan rata-rata laju pertumbuhan PDRB Jawa Timur. Sedangkan pada klasifikasi menggunakan fuzzy Kabupaten Jombang termasuk daerah dengan pola dan struktur pertumbuhan ekonomi berkembang. Hal ini disebabkan oleh klasifikasi klassen yang cenderung lebih tegas pada data sehingga walaupun memiliki selisih 0 01 tetap dianggap lebih kecil dari rata-rata.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | Users 2 not found. |
| Date Deposited: | 15 Aug 2018 04:29 |
| Last Modified: | 09 Sep 2018 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/17556 |
Actions (login required)
 |
View Item |