Implementasi Fuzzy Tsukamoto dan Fuzzy C4.5 dalam Memprediksi Produksi Kacang Hijau (original) (raw)

Abstrak. Kacang merupakan bahan pokok sebagai protein nabati manusia. Hampir masyarakat Indonesia mengkonsumsi kacang hijau sebagai suplement dan juga tambahan protein nabati. Di mana beberapa petani daerah Indonesia ada yang menanam kacang hijau di musim kemarau. Ada juga daerah tertentu petani tidak dapat menanam kacang hijau dikarenakan tanah kurang mendukung. Dari kondisi tanah, cuaca serta tanaman, akan mempengaruhi hasil produksi panen kacang hijau. Beberapa masalah tersebut untuk membantu pemerintah dalam mengatasi kurangnya produksi panen kacang hijau, peneliti membuat suatu sistem untuk memprediksi produksi hasil panen kacang hijau. Tujuan penelitian ini mengimplementasikan dua algoritma dalam memprediksi produksi hasil panen kacang hijau. Dan disimpulkan algoritma Fuzzy C4.5 nilai MSE sebesar 134303,3 dan algoritma Fuzzy Tsukamoto nilai MSE 944687,7. Kata kunci: prediksi produksi kacang hijau, fuzzy tsukamoto, fuzzy C4.5. 1. Pendahuluan Dalam beberapa tahun pemerintah telah melakukan pendataan hasil panen tanaman pangan di beberapa daerah Indonesia. Tanaman pangan merupakan tanaman konsumsi masyarakat sebagai bahan pokok. Contoh tanaman pangan, diantaranya: Padi, Jagung, Kedelei, Kacang Hijau, Kacang Tanah, Ubi Jalar, Ubi Kayu. Dari beberapa tanaman pangan di atas salah satunya adalah tanaman pokok, yaitu Padi, dan Jagung untuk daerah Indonesia Barat. Hasil panen tanaman pangan sangat berpengaruh terhadap jumlah persediaan konsumsi pokok masyarakat. Sehingga dari beberapa kondisi hasil panen tanaman pangan tersebut perlu diketahui faktor yang mempengaruhi serta cara mengatasinya. Dalam memprediksi harga jual mobil bekas menggunakan regresi linear menghasilkan akurasi 80%[1]. Dalam penelitian Nur Nafi'iyah mengenai penerapan algoritma regresi linear untuk memprediksi harga jual mobil bekas tahapannya, yaitu: mengumpulkan data harga jual mobil bekas, serta membagi tiga jenis mobil, yaitu: Toyota Avanza, Toyota Kijang Innova, Daihatsu Xenia. Selanjutnya membuat persamaan linear untuk menghasilkan persamaan, dari persamaan tersebut digunakan untuk ujicoba data baru, dan didapatkan hasil akurasi 80%. Dalam penelitian Nur Nafi'iyah mengenai prediksi harga emas menggunakan algoritma Backpropagation, Fuzzy Mamdani, dan Regresi Linear menghasilkan akurasi secara berturut-turut 95%, 93% dan 1%[2]. Dalam hasil akurasi tertinggi adalah algoritma backpropagation sebesar 95%, di mana tahapan algoritma backpropagation menggunakan data training untuk menghasilkan bobot. Alur antara algoritma Backpropagation dan Regresi Linear mengumpulkan data dulu, data tersebut ditraining untuk menghasilkan bobot dan persamaan. Bobot yang dihasilkan dari training Backpropagation kemudian diujicoba dengan data baru untuk menghasilkan akurasi. Persamaan dari algoritma Regresi Linear kemudian diujicoba dengan data baru untuk menghasilkan akurasi juga. Sedangkan Fuzzy Mamdani tidak membutuhkan data untuk ditraining. Penelitian lainnya mengenai algoritma decision tree, yaitu mengenai klasifikasi jenis kelamin manusia menggunakan citra panoramik menghasilkan akurasi 65%[3]. Di penelitian ini[3] melakukan pengumpulan citra panoramik manusia, selanjutnya citra tersebut dianalisa untuk diambil fitur gigi seri agar membedakan bentuk wajah manusia. Bentuk wajah yang diteliti ada 3, yaitu: oval, lancip dan kotak. Data tersebut diklasifikasi menggunakan algoritma fuzzy ID3, di mana fuzzy digunakan untuk mengubah data dari angka ke kategori, dan ID3 untuk mengklasifikasi bentuk wajah.