Fuzzy Logic: Segmentasi Potensi Ekonomi Regional

Latar Belakang

Penilaian potensi ekonomi suatu wilayah adalah masalah kompleks yang dipengaruhi oleh banyak faktor yang tidak pasti dan bersifat linguistik. Proyek ini mengimplementasikan Fuzzy Inference System (FIS) untuk memodelkan ketidakpastian ini dan mengklasifikasikan potensi ekonomi 17 kabupaten/kota di Provinsi Sulawesi Tenggara ke dalam kategori Rendah, Sedang, atau Tinggi.

Tujuan utamanya adalah untuk membandingkan dua metode defuzzifikasi fundamental dalam logika fuzzy: Mamdani dan Sugeno, serta menganalisis perbedaan karakteristik output dari keduanya pada studi kasus nyata.

📂 Struktur Proyek

../FuzzyEconomicPotential
├── data
│   ├── processed
│   │   └── cleaned_data_segmentasi_ekonomi.csv
│   └── raw
│       └── raw_data_segmentasi_ekonomi.csv
├── images
│   └── perbandingan_mamdani_sugeno.png
├── notebooks
│   └── Main_FuzzyLogic_Segmentasi_ipynb.ipynb
└── README.md

🛠️ Metodologi

Sistem ini dibangun menggunakan Python dengan library scikit-fuzzy.

1. Variabel & Fuzzifikasi Empat variabel input digunakan untuk menentukan potensi ekonomi:

   • Input:

     1. Upah Minimum Kabupaten/Kota (UMK)
     2. Indeks Pembangunan Manusia (IPM)
     3. Tingkat Pengangguran Terbuka (TPT)
     4. Jumlah Penduduk

   • Output:

     1. Potensi Ekonomi (Skor 0-100)

Setiap variabel dipetakan ke dalam himpunan fuzzy (misal: Rendah, Sedang, Tinggi) menggunakan fungsi keanggotaan berbentuk segitiga dan trapesium.

2. Rule Base Sebanyak 15 aturan IF-THEN dirancang berdasarkan pengetahuan umum untuk menjadi dasar pengambilan keputusan. Contoh:

   • Aturan Ideal: IF IPM adalah Tinggi AND UMK adalah Tinggi AND TPT adalah Rendah THEN Potensi Ekonomi adalah Tinggi
   • Aturan Pesimis: IF IPM adalah Rendah AND UMK adalah Rendah AND TPT adalah Tinggi THEN Potensi Ekonomi adalah Rendah

3. Inferensi & Defuzzifikasi Dua sistem kontrol dibangun dan dibandingkan:

• Mamdani: Menghitung output berdasarkan pusat massa (centroid) dari gabungan area fuzzy yang diaktifkan oleh aturan.
• Sugeno (Orde Nol): Menghitung output sebagai rata-rata terbobot dari nilai-nilai konstanta yang telah ditetapkan untuk setiap kategori output (misal: Rendah=25, Sedang=50, Tinggi=75).

📊 Hasil & Analisis

Kedua metode berhasil mengklasifikasikan daerah sesuai logika aturan. Namun, perbandingan keduanya menyoroti perbedaan fundamental yang menjadi temuan utama proyek ini.

Analisis Perbandingan

1. Karakteristik Output:

   • Mamdani menghasilkan skor yang lebih halus dan bervariasi, merefleksikan interaksi kompleks antar aturan. Ini cocok untuk analisis yang membutuhkan gradasi.
   • Sugeno menghasilkan skor yang lebih tegas dan terpusat pada nilai output yang telah ditentukan, menjadikannya lebih cepat dan cocok untuk sistem kontrol diskrit.

2. Studi Kasus Divergensi: Perbedaan paling signifikan terlihat pada Kota Kendari (Mamdani: 48.89 Rendah, Sugeno: 75.00 Tinggi). Ini bukanlah error, melainkan bukti bahwa:

   • Pada Sugeno, aktivasi kuat dari satu aturan Tinggi sudah cukup untuk "menarik" skor akhir secara drastis ke atas.
   • Pada Mamdani, pengaruh aturan Tinggi yang sama diseimbangkan oleh aturan-aturan Rendah lain yang mungkin juga aktif, sehingga pusat massa area gabungannya tetap rendah.

3. Temuan Utama: Tidak ada satu pun daerah yang mencapai klasifikasi 'Tinggi' pada metode Mamdani. Ini mengindikasikan bahwa, berdasarkan empat variabel yang digunakan, tidak ada daerah yang memenuhi semua kriteria ideal secara bersamaan.

🚀 Cara Menjalankan Proyek

1. Clone Repositori

   git clone https://github.com/RozhakXD/FuzzyEconomicPotential.git
   cd FuzzyEconomicPotential

2. Buka Notebook Buka file notebooks/Main_FuzzyLogic_Segmentasi.ipynb menggunakan Jupyter Notebook atau Google Colab.

3. Jalankan Semua Sel Notebook ini dirancang untuk dijalankan secara berurutan dari atas ke bawah. Library yang dibutuhkan akan diinstal secara otomatis pada sel pertama.

📄 Lisensi

Proyek ini dirilis di bawah lisensi MIT. Silakan lihat file LICENSE untuk detail lebih lanjut.

---

Terima kasih telah mengunjungi repositori ini! Jika Anda memiliki pertanyaan, saran, atau ingin berkontribusi, silakan buka issue atau pull request. Semoga proyek ini bermanfaat untuk riset dan pengembangan sistem berbasis logika fuzzy di bidang ekonomi regional.