<![CDATA[Proses seleksi beasiswa di perguruan tinggi sering menghadapi tantangan dalam aspek keadilan, transparansi, dan akurasi. Penelitian ini mengembangkan sistem pendukung keputusan berbasis Fuzzy Inference System (FIS) dengan empat metode—Mamdani, Sugeno, Tsukamoto, dan Larsen—yang diintegrasikan dengan Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) untuk evaluasi multi-aspek. Tujuannya adalah membandingkan kinerja masing-masing metode berdasarkan akurasi prediksi (Mean Absolute Error/MAE), efisiensi komputasi, dan interpretabilitas. Evaluasi pada data 10 mahasiswa menunjukkan bahwa metode Larsen memiliki kinerja terbaik dengan MAE terkecil (6,05), waktu eksekusi tercepat (0,2182 ms), dan skor interpretabilitas tinggi (4,33), serta memperoleh nilai preferensi TOPSIS tertinggi (0,9163). Metode Mamdani unggul pada interpretabilitas namun lebih lambat secara komputasi, Tsukamoto memiliki kecepatan komputasi yang cukup baik namun menghasilkan MAE terbesar, sedangkan Sugeno menempati peringkat terendah dalam interpretabilitas karena keluaran liniernya kurang intuitif bagi pengguna non-teknis. Secara keseluruhan, hasil ini menegaskan pentingnya keseimbangan antara akurasi, efisiensi, dan kemudahan interpretasi dalam pemilihan metode inferensi fuzzy untuk sistem kelayakan beasiswa. Metode Larsen dan Mamdani direkomendasikan untuk implementasi lebih lanjut, dengan potensi pengembangan mencakup penggunaan dataset yang lebih besar, pendekatan fuzzy hibrid, dan antarmuka visual yang ramah pengguna untuk mendukung penerapan praktis di institusi pendidikan.]]>
Copyrights © 2026
