Abstract
Permintaan gula secara Nasional diperkirakan akan terus meningkat. Rendemen adalah kadar kandungan gula didalam batang tebu. Besar prosentase rendemen yang dari satu batang tebu semakin banyak juga nira didapatkan untuk diolah menjadi gula. Pada umumnya petani hanya mengejar bobot tebu yang akan disetorkan sedangkan pabrik gula menilai mutu dari tebu agar mendapatkan rendemen yang berkualitas. Kualitas rendemen tebu dibagi menjadi tiga kelas antara lain kelas buruk, kelas baik dan kelas sangat baik. Salah satu cara untuk dapat menentukan kualitas rendemen yaitu mengelompokkan data-data olah tebu ke dalam cluster-cluster tertentu. Pengelompokkan hasil kualitas rendemen tebu dipengaruhi oleh panjang tebu(m), diameter tebu(cm), banyak ruas per tebu, berat per meter(kg), presentase(%) brix, harkat kemurnian (HK) dan nira. Dari kelompok yang terbentuk, nantinya dapat dianalisa karateristik data dalam kelompok, sehingga dapat diketahui apa saja yang dapat mempengaruhi kualitas redemen dalam kelompok tersebut. Analisa antar kelompok juga memungkinkan diketahuinya penyebab pembeda kualitas rendemen tebu. Subtractive clustering merupakan sebuah algoritma pengelompokkan yang dimungkinkan dapat mengelompokkan kualitas rendemen menurut kelasnya. Algoritma subtractive clustering didasarkan pada densitas titik data. Konsep dasar dari subtractive clustering adalah menentukan titik data dengan densitas tertinggi sebagai pusat cluster, sehingga algoritma ini akan membentukan jumlah cluster atau aturan secara otomatis tanpa perlu diinisialisasi diawal. Dengan demikian subtractive clustering dapat dijadikan metode alternatif sebagai bahan pembelajaran untuk ekstraksi aturan fuzzy pada FIS model Sugeno Orde-Satu. Penelitian ini menggunakan data set dari PG Semboro. Data set terdiri dari 150 data latih dan 30 data uji. Dari hasil pengujian pembentukan aturan didapatkan jumlah aturan yang konvergen, yaitu 2 aturan. Dan dipatkan hasil akurasi tertinggi sebesar 86,67%.
