@phdthesis{UNY13216,
          school = {UNY},
            year = {2014},
           month = {June},
           title = {APLIKASI MODEL FUZZY DALAM PREDIKSI PRODUKSI TELUR AYAM PETELUR DI KABUPATEN SLEMAN},
          author = {Dzaki Zaki Amali},
             url = {http://eprints.uny.ac.id/13216/},
        keywords = {model fuzzy, metode Mamdani, prediksi produksi telur},
        abstract = {Produksi peternakan merupakan salah satu sektor produksi yang berpengaruh besar dalam perekonomian Indonesia. Kegiatan produksi peternakan dalam lingkup lokal terdapat di beberapa Kabupaten maupun Provinsi di Indonesia, seperti terdapat di Kabupaten Sleman. Salah satu produksi dalam bidang ini adalah produksi telur, dalam penelitian ini dibahas mengenai produksi telur ayam petelur, di mana produksi telur jenis ini berkembang karena permintaan pasar semakin tinggi dan apabila dibuat prediksi produksi telur akan bermanfaat untuk para pelaku usaha di bidang peternakan. Penelitian ini bertujuan untuk menjelaskan prosedur pemodelan fuzzy metode Mamdani untuk memprediksi produksi telur ayam petelur di Kabupaten Sleman dan mengetahui tingkat keakuratan model fuzzy metode Mamdani dalam memprediksi produksi telur. 

Prosedur penentuan model fuzzy dengan menggunakan metode Mamdani diawali dengan pembagian data training dan data testing, kemudian menentukan variabel input-output. Selanjutnya menentukan semesta pembicaraan, membuat himpunan fuzzy serta menentukan fungsi keanggotaan dari himpunan
fuzzy tersebut. Tahap selanjutnya adalah membuat aturan fuzzy berdasarkan data training, kemudian berdasarkan aturan fuzzy tersebut dibuat model fuzzy dengan metode Mamdani. Langkah terakhir adalah menentukan tingkat keakuratan dari model Fuzzy metode Mamdani. Tingkat keakuratan model diukur dari nilai MSE dan MAPE.

Penerapan model fuzzy metode Mamdani dilakukan pada data produksi telur ayam petelur periode Januari 2007 sampai dengan Desember 2012. Hasil prediksi model fuzzy metode Mamdani menunjukkan bahwa tingkat keakuratan model fuzzy dengan variabel input berada pada lag 1, lag 2 lebih baik dibandingkan dengan lag 1 dan lag 2, lag 3, lag 4 dan lag 5. Hal ini dapat dilihat dari nilai MSE dan MAPE yang lebih kecil yang berarti tingkat kesalahan prediksi lebih rendah. Berdasarkan data training, dengan menggunakan variabel input pada lag 1, lag 2 menghasilkan nilai MSE dan MAPE berturut-turut sebesar 10775,70346 dan 5,861\%, dibandingkan dengan menggunakan variabel input lag 1 dan lag 2, lag 3, lag 4 dan lag 5 menghasilkan nilai MSE dan MAPE berturut-turut sebesar 10804,1509 dan 5,899\%. Jadi model fuzzy metode Mamdani dengan variabel input pada lag 1, lag 2 memberikan hasil prediksi produksi telur ayam petelur yang lebih baik.

Kata kunci: model fuzzy, metode Mamdani, prediksi produksi telur}
}