<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Komparisasi antara Subtractive Clustering dan Adaptive Neuro-fuzzy dalam Memprediksi Emisi Karbondioksida (Studi Kasus di Perusahaan Alcohol Ps. Madubaru)

dc.Identifier.NIM09522222
dc.contributor.authorRusyadi, Mohammad Rais
dc.date.accessioned2026-04-15T07:13:50Z
dc.date.available2026-04-15T07:13:50Z
dc.date.issued2017
dc.description.abstractPenelitian ini melakukan perbandingan pengembangan model antara Subtractive Clustring dengan Adaptive Neuro-Fuzzy Inference System (ANFIS) untuk memprediksi emisi CO2. Model prediksi ini dibangun berdasarkan atribut yang datang dari seluruh konsumsi energi dalam produksi termasuk konsumsi energi listrik, dan konsumsi batubara. Kinerja Subtractive Clustering dan ANFIS dapat diukur dengan menggunakan Root Mean Square Kesalahan (RMSE). Model yang diusulkan diperiksa dengan menggunakan set data primer yang dikumpulkan dari Perusahaan Alkohol di Bantul, Indonesia. Kumpulan data ini dibagi menjadi data training 60% dan data testing 40%. Hasil penelitian menunjukkan bahwa perbandingan antara Subtractive Clustering dan ANFIS memberikan RMSE yang memiliki selisih yang sangat kecil. Sehingga hampir tidak ada perbedaan selisih kesalahan dari perhitungan model. Model yang diusulkan memberikan kontribusi pengetahuan dan kesadaran tentang standar manufaktur hijau, salah satunya adalah tidak adanya polusi lingkungan selama proses produksi.en_US
dc.identifier.urihttps://repository.uii.ac.id/handle/123456789/61570
dc.publisherUniversitas Islam Indonesiaen_US
dc.subjectSubtractive Clustering,en_US
dc.subjectAdaptive Neuro-Fuzzy Inference System,en_US
dc.subjectPrediksi,en_US
dc.subjectRMSE,en_US
dc.subjectemisi CO2..en_US
dc.titleKomparisasi antara Subtractive Clustering dan Adaptive Neuro-fuzzy dalam Memprediksi Emisi Karbondioksida (Studi Kasus di Perusahaan Alcohol Ps. Madubaru)en_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
09522222.pdf
Size:
1.42 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: