https://github.com/RozhakDev/FuzzyEconomicPotential
https://github.com/RozhakDev/FuzzyEconomicPotential
api followers growth-hacking instagram likes opensource python scraping social-media views
Last synced: 3 months ago
JSON representation
- Host: GitHub
- URL: https://github.com/RozhakDev/FuzzyEconomicPotential
- Owner: RozhakXD
- License: mit
- Created: 2024-09-11T23:51:32.000Z (over 1 year ago)
- Default Branch: main
- Last Pushed: 2024-10-10T11:35:26.000Z (over 1 year ago)
- Last Synced: 2024-11-29T14:58:05.245Z (about 1 year ago)
- Topics: api, followers, growth-hacking, instagram, likes, opensource, python, scraping, social-media, views
- Language: Python
- Homepage: https://gramtakipci.xyz/
- Size: 20.5 KB
- Stars: 3
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# 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
```text
../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**
```bash
git clone https://github.com/RozhakDev/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](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.