Analisis Kinerja Fuzzy Mamdani dan Sugeno pada Prediksi Curah Hujan

Abstract

Fuzzy logic is an extension of traditional reasoning, where x is a member of set A or not, or an x can be a member of set A with a certain degree of membership (μ). The ability of fuzzy models to map fuzzy values is the reason for using fuzzy inference models in various cases that use fuzzy values to produce a clear or definite output. In this research, an analysis of the level of accuracy produced by Sugeno and Mamdani's inference models will be carried out in predicting rainfall at Polonia Station, Medan, North Sumatra. The prediction results will be analyzed for their level of accuracy by comparing the results obtained by Sugeno and Mamdani fuzzy inference models using the Mean Absolute Percent Error (MAPE). When compared to the results of the Mean Absolute Percent Error (MAPE) of the Sugeno fuzzy inference model of 1.33% and the fuzzy mamdani inference model of 1.45%, the accuracy rate for the Sugeno inferencing model is 100% -1.33% = 98.67% while mamdani inference fzzy model 100%-1.45 = 98.55%. The end result is that the membership function model used in the Sugeno fuzzy model is more accurate than the mamdani fuzzy inference model in the rainfall prediction case test at the Medan Polonia station. North Sumatra. The results of the analysis carried out for the Sugeno and Mamdani fuzzy models are influenced by the accuracy of their input values.

Logika fuzzy merupakan perluasan dari penalaran tradisional, dimana x adalah salah satu anggota dari himpunan A atau tidak, atau sebuah x dapat menjadi anggota himpunan A dengan derajat keanggotaan (...) tertentu. Kemampuan model fuzzy dalam memetakan nilai kabur menjadi alasan penggunaan model inferensi fuzzy dalam berbagai kasus yang menggunakan nilai kabur untuk menghasilkan suatu output yang jelas atau pasti. Dalam penelitian ini akan dilakukan analasis tingkat akurasi yang dihasilkan model inferensi Sugeno dan Mamdani dalam memprediksi Curah Hujan di Stasiun Polonia Medan Sumatera Utara. Hasil prediksi akan dianalisis tingkat akurasinya dengan membandingkan hasil yang diperoleh model fuzzy inferensi sugeno dan mamdani dengan menggunakan Mean Absolute Percent Error (MAPE). Bila dibandingkan hasil Mean Absolute Percent Error (MAPE) model inferensi fuzzy sugeno sebesar 1,33% dan model inferensi fuzzy mamdani sebesar 1,45 %, maka tingkat akurasi untuk model inferesni sugeno 100%-1,33% = 98,67% sedangkan model fuzzy inferensi mamdani 100%-1,45 = 98,55%. Hasil akhirnya model fungsi keanggotaan yang digunakan pada model fuzzy sugeno lebih akurat dibandingkan dengan model fuzzy inferensi mamdani dalam uji kasus prediksi curah hujan di stasiun Polonia Medan. Sumatera Utara. Hasil dari analisis yang dilakukan untuk model fuzzy sugeno dan mamdani dipengaruhi oleh ketepatan nilai masukannya.