Penerapan Relasi Preferensi pada Pengambilan Keputusan yang Melibatkan Banyak Pihak

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penerapan Relasi Preferensi pada Pengambilan Keputusan yang Melibatkan Banyak Pihak"

Transkripsi

1 Penerapan Relasi Preferensi pada Pengambilan Keputusan yang Melibatkan Banyak Pihak Eko Hari Parmadi Fakultas Sains & Teknologi Univ. Sanata Dharma Kampus III Paingan, Maguwoharo, Depok, Sleman. bstract Multiperson decision making is a process to solve different opinions in a group to find the best final decision. It consists of a five-stage process.i.e. determination of domination individual, preference relation, construction of individual preference relations, aggregation of individual preference relations, and the last is determination of final decision. The result of this process is a final decision that is satisfying all members of the group. Keywords: domination, preference relation, individual preference relation, final decision. Pendahuluan Pengambilan keputusan yang melibatkan banyak pihak (kelompok) adalah model pengambilan keputusan yang melibatkan banyak individu pembuat keputusan. Pendapat atau persepsi yang berbeda dari para pengambil keputusan dapat mengakibatkan keputusan yang dihasilkan berbeda-beda dan belum tentu keputusan tersebut diterima oleh pihak yang lain. Masalah lain yang muncul dalam pengambilan keputusan adalah ika kriteria yang dipakai untuk pengambilan keputusan tersebut kabur atau tidak tegas. Sebagai contoh proses pengambilan keputusan untuk memilih sebuah banner dari tiga desain yang diberikan berdasarkan tingkat kemenarikan desain banner tersebut.. Kriteria menarik untuk sebuah banner merupakan istilah yang kabur atau tidak tegas karena tidak ada batasan yang tegas antara menarik dan tidak menarik. kibatnya, pembuat keputusan menadi kesulitan dalam mengambil keputusan. Melalui pendefinisian relasi preferensi pada pengambilan keputusan yang melibatkan banyak pihak maka akan dihasilkan keputusan akhir yang baik, yaitu keputusan yang merupakan kompromi dari banyak individu pengambil keputusan. Selain itu, masalah kekaburan pada kriteria uga dapat diatasi. Pengambilan Keputusan yang Melibatkan Banyak Pihak Masalah pengambilan keputusan adalah masalah menentukan pilihan berdasarkan sekumpulan alternatif dan kriteria-kriteria yang ada. Proses pengambilan keputusan yang melibatkan banyak pihak memerlukan suatu masukan berupa pilihan dari masing-masing individu terhadap beberapa alternatif pilihan yang ada. Penentuan dari fungsi pemilihan yang melibatkan banyak pihak terdiri dari beberapa proses, yaitu: penentuan fungsi sasaran individual, penyusunan relasi pemilihan individual dan pengumpulan relasi pemilihan individual untuk sampai kepada relasi pemilihan yang melibatkan banyak pihak []. Misalkan diberikan = a, a, L, a } adalah himpunan alternatif dan { n F = { f, f, L, fm} adalah himpunan individu pengambil keputusan, maka pilihan

2 dari masing-masing individu ini dinotasikan dengan r i, dimana r i = fi ( a ) menunukkan nilai kemenarikan yang diberikan oleh individu f i untuk sebuah alternatif a. Nilai r i ini berada di dalam selang tertutup [0,0]. Semakin nilai r i mendekati 0, maka individu f i memberikan pendapat semakin kuat untuk alternatif a. Sebaliknya, ika nilai r i semakin mendekati nol, maka individu memberikan pendapat semakin lemah untuk alternatif a []. Tabel. Data Pengambilan Keputusan yang Melibatkan Banyak Pihak lternatif individu a a a... an f r r r... rn f r... f fm rm rm rm... rmn Definisi. (Relasi Preferensi) Diberikan f adalah sebuah aturan perkawanan dari himpunan alternatif ke himpunan bilangan real. f : R, dimana, a, maka f (a) merupakan nilai dari alternatif tersebut terhadap sebuah kriteria. Pada saat dua alternatif dibandingkan, a, b, maka harus dapat ditentukan perbandingan preferensinya. P disebut relasi preferensi alternatif a terhadap alternatif b, dinotasikan dengan P( a, b) = f ( a) f ( b). P ( a, b) = 0 berarti tidak ada preferensi a lebih baik daripada b P ( a, b) 0 berarti preferensi a lebih baik daripada b P ( a, b) 0 berarti preferensi b lebih baik daripada a Definisi. (Dominasi ) Misalkan diberikan = a, a, L, a } adalah himpunan alternatif dan { n F = { f, f, L, fm} adalah himpunan individu maka dapat didefinisikan: d i ( ri, rik ) = ri rik, yaitu nilai dominasi alternatif a terhadap alternatif a k yang diberikan oleh individu f i. Untuk memberikan gambaran yang lebih baik, digunakan fungsi selisih nilai kriteria antar alternatif yang dinotasikan H(d) dengan d = f ( a) f ( b), dimana hal ini berhubungan langsung pada relasi preferensi P. da banyak kriteria preferensi yang dapat digunakan seperti, kriteria biasa, kriteria quasi, kriteria level, kriteria gaussian dan masih banyak kriteria lainnya []. Salah satu fungsi yang digunakan adalah dengan kriteria preferensi linear, seperti pada definisi. berikut ini: Definisi. (Kriteria Preferensi Linear) Kriteria preferensi linear didefinisikan sebagai:

3 ika d > p H ( d) = d / p ika 0 < d < p 0 ika d < 0 Kriteria preferensi linear dapat menelaskan bahwa selama nilai selisih memiliki nilai yang lebih rendah dari p, maka preferensi dari pembuat keputusan meningkat secara linear dengan nilai d. Jika nilai d lebih besar dari nilai p maka teradi preferensi mutlak. Pada saat pembuat keputusan mengidentifikasi beberapa criteria untuk tipe ini,dia harus menentukan nilai dari kecenderungan atas nilai p. 0 Gambar. Kriteria Preferensi Linear p d. Himpunan Kabur Tidak semua hal yang diumpai dalam kehidupan sehari-hari dapat didefinisikan secara tegas. Hal ini disebabkan oleh batasan yang kabur atau tidak dapat ditentukan secara tegas. Banyak kata-kata, kriteria atau istilah dalam kehidupan seharihari yang mengandung ketidaktegasan, seperti: tinggi, mahal, kaya, cantik, menarik, hemat dan sebagainya. Untuk mengatasi permasalahan himpunan dengan batas yang tidak tegas ini, Zadeh mengaitkan himpunan semacam itu dengan suatu fungsi yang menyatakan deraat kesesuaian unsur-unsur dalam semestanya dengan syarat konsep yang merupakan syarat himpunan tersebut. Fungsi ini disebut fungsi keanggotaan dan nilai fungsi itu disebut deraat keanggotaan suatu unsur dalam himpunan itu, yang selanutnya disebut himpunan kabur. Deraat keanggotaan dinyatakan dengan suatu bilangan real dalam selang tertutup [0,]. Dengan kata lain, fungsi keanggotaan dari suatu himpunan kabur à dalam semesta X adalah pemetaan µ à dari X ke selang [0,][]. Misalkan diberikan himpunan semesta X, maka suatu himpunan kabur ~ didefinisikan sebagai: ~ = {( x, μ ~ ( x)) x X} μ ~ disebut fungsi keanggotaan dari suatu himpunan kabur ~ dan nilai fungsi μ ( ) menyatakan deraat keanggotaan unsur x X dalam himpunan kabur ~ [],[4],[5],[6]. μ ~ ( x) : X [0,] Salah satu contoh fungsi keanggotaan himpunan kabur adalah fungsi keanggotaan trapesium. Suatu fungsi keanggotaan himpunan kabur disebut fungsi ~ x

4 keanggotaan trapesium ika mempunyai empat buah parameter, yaitu a, b, c, d R dengan a< b< c< d dan dinyatakan dengan trapesium(x; a, b, c, d) dengan aturan : Fungsi keanggotaan tersebut dapat uga dinyatakan sebagai berikut : x a d x Trapesium( x; a, b, c, d) = max min,,,0 b a d c 0 R a b c d Gambar. Fungsi Keanggotaan Trapesium(x; a, b, c, d) Sealan dengan definisi relasi tegas pada himpunan tegas, maka antara elemenelemen dalam himpunan X dengan elemen-elemen dalam himpunan Y dapat dibuat Relasi Kabur R ~ yang didefinisikan sebagai himpunan kabur dari X Y, yaitu himpunan kabur: ~ R = {(( x, y),( μ ~ ( x, y)) ( x, y) X Y} R Relasi Kabur R ~ itu uga disebut relasi kabur pada himpunan (semesta) X Y. Jika X = Y maka R ~ disebut relasi kabur pada himpunan X [],[4],[5],[6]. 4. Operasi Baku Pada Himpunan Kabur Operasi-operasi pada himpunan kabur dapat didefinisikan sesuai dengan operasi-operasi pada himpunan tegas, antara lain : 4. Komplemen Komplemen dari suatu himpunan kabur à adalah himpunan kabur à C dengan fungsi keanggotaan: μ ~ ( x) = μ ~ ( x), untuk setiap x X C

5 Gambar. Komplemen dari Himpunan Kabur à 4. Gabungan Gabungan dua buah himpunan kabur à dan B ~ adalah himpunan kabur B ~ dengan fungsi keanggotaan: μ ~ ~ ( x) = maks{ μ ~ ( x), μ ~ ( x)}, untuk setiap x X. B B à B ~ B ~ Gambar 4. Gabungan Dua Himpunan Kabur à B ~ 4. Irisan Gabungan dua buah himpunan kabur à dan B ~ adalah himpunan kabur à B ~ dengan fungsi keanggotaan μ ~ ~ ( x) = min{ μ ~ ( x), μ ~ ( x)}, untuk setiap x X B B B ~ Gambar 5. Irisan Dua Himpunan Kabur à B ~ B ~

6 5. plikasi Pengambilan Keputusan yang Melibatkan Banyak Pihak Seperti dielaskan di bagian awal bahwa penentuan dari fungsi pemilihan yang melibatkan banyak pihak terdiri dari beberapa proses, yaitu: penentuan fungsi sasaran individual, penyusunan relasi pemilihan individual dan pengumpulan relasi pemilihan individual untuk sampai kepada relasi pemilihan yang melibatkan banyak pihak. Namun tahapan tersebut dapat diperluas menadi lima tahap, yaitu: a. Hitung nilai dominasi kemenarikan untuk tiap individu b. Menentukan kriteria preferensi yang akan digunakan c. Menentukan tingkat pilihan relatif untuk masing-masing individu d. Tingkat pilihan relatif, untuk keseluruhan pembuat keputusan e. Keputusan akhir Salah satu aplikasi pengambilan keputusan yang melibatkan banyak pihak adalah menentukan sebuah banner yang akan dipilih dari desain banner yang diberikan berdasarkan kriteria menarik. Gambar 6. Banner Dari sebanyak 4 individu pengambil keputusan diperoleh data sebagai berikut: Individu Individu Individu Individu

7 Berdasarkan data tersebut di atas, desain banner mana, yang harus diputuskan dipilih sedemikian sehingga keputusan tersebut merupakan kompromi dari banyak individu pengambil keputusan (individu sampai individu 5). Karena kriteria menarik tidak tegas maka digunakan himpunan kabur sebagai cara pemecahan masalah tersebut. dapun tahap-tahap yang dilakukan adalah sebagai berikut: a. Hitung nilai d ( a i, a ) yaitu dominasi kemenarikan desain ke-i dengan desain ke- untuk tiap individu Tabel. Dominasi Kemenarikan untuk Tiap Individu individu individu individu individu Hasil pada perhitungan ini masih berupa nilai tegas. b. Menentukan kriteria preferensi linear Misalkan dipilih nilai p = 4, maka diperoleh tabel kriteria preferensi sebagai berikut: Tabel 4. Kriteria Preferensi Linear individu individu individu individu

8 Melalui kriteria preferensi linear, maka semua nilai real pada interval [0,0] dinyatakan dalam suatu deraat keanggotaan pada interval [0,]. Dengan kata lain, akan didapat relasi kabur H pada ={desain, desain, desain} untuk masingmasing individu. c. Tingkat pilihan relatif untuk masing-masing individu p f ) = min{ H ( a, a )} ( k k untuk suatu k, dan untuk setiap =,,..., n. Hasil perhitungan tingkat pilihan relatif untuk masing-masing individu dapat dilihat pada Tabel 5. berikut ini: Tabel 5. Tingkat Pilihan Relatif untuk Masing-Masing Individu Individu p(f ) Individu p(f ) Individu p(f ) Individu 4 p(f 4 ) d. Tingkat pilihan relatif, untuk keseluruhan pembuat keputusan, diperoleh dengan cara menghitung rata-rata tingkat pilihan relatif tiap individu.

9 Tabel 6. Tingkat Pilihan Relatif untuk Keseluruhan Pembuat Keputusan individu individu individu Individu Rata-rata e. Keputusan akhir Keputusan akhir dari proses pengambilan keputusan tersebut adalah nilai maksimum dari rata-rata tingkat pilihan relatif, untuk keseluruhan pembuat keputusan. Berdasarkan tabel 6. diperoleh hasil bahwa keputusan akhir yang menadi kesepakatan semua individu pengambil keputusan adalah banner yang menarik adalah banner dengan desain. 6. Penutup Berdasarkan pembahasan di atas, dapat disimpulkan bahwa relasi preferensi dapat diterapkan pada pengambilan keputusan yang melibatkan banyak pihak. Proses pengambilan keputusan uga sangat bergantung pada kriteria preferensi yang dipilih. Daftar Pustaka [] Zimmermann, H-J.,99, Fuzzy Sets, Decision Making and Expert Systems. Kluwer cademic Publishers, Boston [] Suryadi, Kadarsah & Ramdani, M. li, 998, Sistem Pendukung Keputusan Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan, PT Remaa Rosdakarya, Bandung [] Susilo, Frans.,00, Pengantar Himpunan dan Logika Kabur serta plikasinya. Penerbit Universitas Sanata Dharma, Yogyakarta [4] Klir, G.J & Yuan, B., 995, Fuzzy Sets and Fuzzy Logic: Theory and pplications. Englewood Cliffts, Prentice Hall, N.J. [5] Wang, Li Xin, 997, Course in Fuzzy System and Control, Prentice Hall, New Jersey [6] Zimmermann, H.J.,99, Fuzzy Sets Theory and Its pplications. Boston : Kluwer cademic Publishers

PENENTUAN KEPUTUSAN MULTI KRITERIA DENGAN HIMPUNAN SAMAR

PENENTUAN KEPUTUSAN MULTI KRITERIA DENGAN HIMPUNAN SAMAR PENENTUAN KEPUTUSAN MULTI KRITERIA DENGAN HIMPUNAN SAMAR Samsuryadi Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Sriwijaya syamsuryadi@unsri.ac.id Abstrak Decision support systems to

Lebih terperinci

STUDI TENTANG PERSAMAAN FUZZY

STUDI TENTANG PERSAMAAN FUZZY STUDI TENTANG PERSAMAAN FUZZY Elva Ravita Sari Evawati Alisah Jurusan Matematika Fakultas Sains Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang e-mail: mbemvie@gmail.com ABSTRAK Bilangan

Lebih terperinci

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan

Lebih terperinci

OPERASI HITUNG PADA BILANGAN KABUR

OPERASI HITUNG PADA BILANGAN KABUR OPERASI HITUNG PADA BILANGAN KABUR a Rasiman a Program Studi Pendidikan Matematika FPMIPA IKIP PGRI Jl. Dr. Cipto-Lontar No1 Semarang Telp. (04)81677 Faks (04) 844817 Abstrak Perkembangan matematika pada

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2. 1. Fuzzy Logic Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia

Lebih terperinci

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com

Lebih terperinci

METODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY

METODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 01 No. 1 (2012) hal 23 30. METODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY Anastasia Tri Afriani

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab II ini menjelaskan tentang teori-teori pendukung yang digunakan untuk pembahasan selanjutnya yaitu sistem persamaan linear sistem persamaan linear kompleks dekomposisi Doolittle

Lebih terperinci

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING Mohamad Ervan S 1, Bambang Irawanto 2, Sunarsih 1,2,3 Jurusan Matematika FSM Universitas Diponegoro Jl. Prof. H. Soedarto,

Lebih terperinci

PROYEKSI GEOMETRI FUZZY PADA RUANG

PROYEKSI GEOMETRI FUZZY PADA RUANG PROYEKSI GEOMETRI FUZZY PADA RUANG Muhammad Izzat Ubaidillah Mahasiswa Jurusan Matematika UIN Maulana Malik Ibrahim Malang e-mail: IzzatBja@yahoo.co.id ABSTRAK Geometri fuzzy merupakan perkembangan dari

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.

Lebih terperinci

PROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang

PROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang PROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR Shintia Devi Wahyudy 1, Bambang Irawanto 2, 1,2 Jurusan Matematika FSM Universitas Diponegoro Jl Prof H Soedarto, SH Tembalang Semarang 1 Shintiadevi15@gmailcom,

Lebih terperinci

Relasi Tegas (Crips Relation)

Relasi Tegas (Crips Relation) Logika Fuzzy (3) 1 Cartesian Product Terdapat dua himpunan A = {0, 1} dan B = {a, b, c}. Maka beberapa variasi hasil-kali kartesian (cartesian product) dapat dituliskan sebagai berikut: 2 Relasi Tegas

Lebih terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab II ini dibahas teori-teori pendukung yang digunakan untuk pembahasan selanjutnya yaitu tentang Persamaan Nonlinier, Metode Newton, Aturan Trapesium, Rata-rata Aritmatik dan

Lebih terperinci

BAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.

BAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri. BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan

Lebih terperinci

UNNES Journal of Mathematics

UNNES Journal of Mathematics UJM 1 (1) (2012) UNNES Journal of Mathematics http://journalunnesacid/sju/indexphp/ujm APLIKASI FUZZY LINEAR PROGRAMMING DALAM OPTIMALISASI PRODUKSI Agus Wayan Yulianto, Hardi Suyitno, dan Mashuri Jurusan

Lebih terperinci

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika

Lebih terperinci

BAB II KAJIAN TEORI. Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan

BAB II KAJIAN TEORI. Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan digunakan pada pembahasan berdasarkan literatur yang relevan. A. Program Linear Model Program Linear (MPL) merupakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat

Lebih terperinci

HIMPUNAN LEMBUT BERPARAMETER KABUR INTUISIONISTIK DAN APLIKASINYA DALAM PENGAMBILAN KEPUTUSAN

HIMPUNAN LEMBUT BERPARAMETER KABUR INTUISIONISTIK DAN APLIKASINYA DALAM PENGAMBILAN KEPUTUSAN Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 86 93 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND HIMPUNAN LEMBUT BERPARAMETER KABUR INTUISIONISTIK DAN APLIKASINYA DALAM PENGAMBILAN KEPUTUSAN RONI HAPIZ

Lebih terperinci

SUATU KAJIAN TENTANG HIMPUNAN FUZZY INTUISIONISTIK

SUATU KAJIAN TENTANG HIMPUNAN FUZZY INTUISIONISTIK Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 47 56 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND SUATU KAJIAN TENTANG HIMPUNAN FUZZY INTUISIONISTIK NILA SEFRIANA PUTRI Program Studi Matematika, Fakultas

Lebih terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

FUZZY MULTI-CRITERIA DECISION MAKING Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas

Lebih terperinci

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Kawasan Pengembangan Pariwisata Nasional

BAB 2 LANDASAN TEORI. 2.1 Kawasan Pengembangan Pariwisata Nasional 6 BAB 2 LANDASAN TEORI 2.1 Kawasan Pengembangan Pariwisata Nasional Pariwisata merupakan kegiatan perjalanan untuk rekreasi dengan mengunjungi tempat-tempat wisata seperti gunung, pantai, perkotaan, dan

Lebih terperinci

FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN

FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN Astuti Irma Suryani ), Lilik Linawati 2) dan Hanna A. Parhusip 2) ) Mahasiswa Program Studi Matematika FSM UKSW

Lebih terperinci

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,

Lebih terperinci

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

NURAIDA, IRYANTO, DJAKARIA SEBAYANG Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji

Lebih terperinci

PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES

PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES Nurmalitasari STMIK Duta Bangsa Surakarta nurmal_ita@yahoo.com ABSTRAK Penelitian ini bertujuan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah suatu kumpulan atau koleksi objek-objek yang mempunyai kesamaan sifat tertentu. Objek ini disebut elemen-elemen atau anggota-anggota dari himpunan (Frans

Lebih terperinci

BAB II LANDASAN TEORI. usaha kecil dengan menggunakan metode fuzzy logic, yang antara lain meliputi :

BAB II LANDASAN TEORI. usaha kecil dengan menggunakan metode fuzzy logic, yang antara lain meliputi : BAB II LANDASAN TEORI Bab ini menjelaskan teori-teori yang digunakan dalam pembuatan tugas akhir dengan judul rancang bangun sistem analisis investasi perbankan untuk usaha kecil dengan menggunakan metode

Lebih terperinci

PENYELESAIAN MASALAH LINTASAN TERPENDEK FUZZY DENGAN MENGGUNAKAN ALGORITMA CHUANG KUNG DAN ALGORITMA FLOYD

PENYELESAIAN MASALAH LINTASAN TERPENDEK FUZZY DENGAN MENGGUNAKAN ALGORITMA CHUANG KUNG DAN ALGORITMA FLOYD PENYELESAIAN MASALAH LINTASAN TERPENDEK FUZZY DENGAN MENGGUNAKAN ALGORITMA CHUANG KUNG DAN ALGORITMA FLOYD 1 Anik Musfiroh, 2 Lucia Ratnasari, 3 Siti Khabibah 1.2.3 Jurusan Matematika Universitas Diponegoro

Lebih terperinci

SUATU KAJIAN TENTANG HIMPUNAN LUNAK KABUR (FUZZY SOFT SET ) DAN APLIKASINYA

SUATU KAJIAN TENTANG HIMPUNAN LUNAK KABUR (FUZZY SOFT SET ) DAN APLIKASINYA Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 65 73 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND SUATU KAJIAN TENTANG HIMPUNAN LUNAK KABUR (FUZZY SOFT SET ) DAN APLIKASINYA PRIMA PUTRI ADHA UTAMI Program

Lebih terperinci

SISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB

SISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB SISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana

Lebih terperinci

Program Linear Fuzzy dengan Koefisien dan Konstanta Kendala Bilangan Fuzzy

Program Linear Fuzzy dengan Koefisien dan Konstanta Kendala Bilangan Fuzzy Prosiding Matematika ISSN: 2460-6464 Program Linear Fuzzy dengan Koefisien dan Konstanta Kendala Bilangan Fuzzy 1 Diah Fauziah, 2 Didi Suhaedi, 3 Gani Gunawan 1,2,3 Prodi Matematika, Fakultas Matematika

Lebih terperinci

HUTAN DAN SIKEL PADA GRAF FUZZY

HUTAN DAN SIKEL PADA GRAF FUZZY HUTAN DAN SIKEL PADA GRAF FUZZY Aisyahtin Afidah Arifai 1, Dwi Juniati 2 1 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Surabaya, 60231 2 Jurusan Matematika, Fakultas

Lebih terperinci

BAB 2 PERSAMAAN DAN PERTIDAKSAMAAN LINEAR

BAB 2 PERSAMAAN DAN PERTIDAKSAMAAN LINEAR BAB 2 PERSAMAAN DAN PERTIDAKSAMAAN LINEAR MATERI A. Persamaan dan Pertidaksamaan Nilai Mutlak A. PERSAMAAN DAN PERTIDAKSAMAAN YANG MEMUAT NILAI MUTLAK Dalam matematika, sesuatu yang nilainya selalu positif

Lebih terperinci

OPTIMASI BIAYA PENGANGKUTAN MENGGUNAKAN PROGRAM LINEAR MULTIOBJEKTIF FUZZY (Studi Kasus pada PT. Sentosa Mulia Bahagia)

OPTIMASI BIAYA PENGANGKUTAN MENGGUNAKAN PROGRAM LINEAR MULTIOBJEKTIF FUZZY (Studi Kasus pada PT. Sentosa Mulia Bahagia) OPTIMASI BIAYA PENGANGKUTAN MENGGUNAKAN PROGRAM LINEAR MULTIOBJEKTIF FUZZY (Studi Kasus pada PT. Sentosa Mulia Bahagia) OPTIMIZING THE TRANSPORTATION COST USING FUZZY MULTIOBJECTIVE LINEAR PROGRAMMING

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Teori Fuzzy Pada awal tahun 1965, Lotfi A. Zadeh, seorang professor di Universitas California di Barkley memberikan sumbangan yang berharga untuk teori pembangunan sistem yaitu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Analytical Hierarchy Process (AHP) Analytical Hierarchy Process (AHP) adalah salah satu metode dari Multi Criteria Decision Making (MCDM) yang dikembangkan oleh Prof. Thomas Lorie

Lebih terperinci

Metode Fuzzy. Analisis Keputusan TIP FTP UB

Metode Fuzzy. Analisis Keputusan TIP FTP UB Metode Fuzzy Analisis Keputusan TIP FTP UB Pokok Bahasan Pendahuluan Logika Klasik dan Proposisi Himpunan Fuzzy Logika Fuzzy Operasi Fuzzy Contoh Pendahuluan Penggunaan istilah samar yang bersifat kualitatif

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Masalah kendali inventori (persediaan) pada suatu perusahaan atau retailer merupakan salah satu faktor penting untuk menentukan keberhasilan dalam menjalankan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Fuzzy berarti kabur atau samar-samar. Himpunan fuzzy adalah himpunan yang keanggotaannya memiliki nilai kekaburan/kesamaran antara salah dan benar. Konsep tentang

Lebih terperinci

SISTEM INFORMASI PENDUKUNG KEPUTUSAN PADA SELEKSI PENERIMAAN PEGAWAI MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS

SISTEM INFORMASI PENDUKUNG KEPUTUSAN PADA SELEKSI PENERIMAAN PEGAWAI MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS SISTEM INFORMASI PENDUKUNG KEPUTUSAN PADA SELEKSI PENERIMAAN PEGAWAI MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Oleh : Imam Husni A Abstrak - Penelitian ini mengembangankan Sistem Pendukung

Lebih terperinci

Pemanfaatan Analytical Hierarchy Process(AHP) sebagai Model Sistem Pendukung Keputusan Seleksi Penerimaan Karyawan

Pemanfaatan Analytical Hierarchy Process(AHP) sebagai Model Sistem Pendukung Keputusan Seleksi Penerimaan Karyawan Pemanfaatan Analytical Hierarchy Process(AHP) sebagai Model Sistem Pendukung Keputusan Seleksi Penerimaan Karyawan Kusrini dan Ester Sulistyawati STMIK AMIKOM Yogyakarta Jl.Ringroad Utara Condong Catur,

Lebih terperinci

Elin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM

Elin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM ANALISA KENDALI LOGIKA FUZZY DENGAN METODE DEFUZZIFIKASI COA (CENTER OF AREA), BISEKTOR, MOM (MEAN OF MAXIMUM), LOM (LARGEST OF MAXIMUM), DAN SOM (SMALLEST OF MAXIMUM) Elin Haerani Jurusan Teknik Informatika,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,

Lebih terperinci

MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO

MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com

Lebih terperinci

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 86 RANCANG BANGUN APLIKASI REKOMENDASI PEMBELIAN LAPTOP DENGAN METODE FUZZY DATABASE MODEL TAHANI BERBASIS WEB Hendry Setiawan 1, Seng Hansun 2 Program Studi Teknik Informatika, Universitas Multimedia

Lebih terperinci

BAB I H I M P U N A N

BAB I H I M P U N A N 1 BAB I H I M P U N A N Dalam kehidupan nyata, banyak sekali masalah yang terkait dengan data (objek) yang dikumpulkan berdasarkan kriteria tertentu. Kumpulan data (objek) inilah yang selanjutnya didefinisikan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA SMK KERTHA WISATA DENPASAR Menggunakan Fuzzy SAW

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA SMK KERTHA WISATA DENPASAR Menggunakan Fuzzy SAW SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA SMK KERTHA WISATA DENPASAR Menggunakan Fuzzy SAW I Kadek Dwi Gandika Supartha Dosen Sistem Komputer STMIK STIKOM Indonesia Denpasar-Bali, Indonesia dwigandika[at]gmail.com

Lebih terperinci

SEMIGRUP BENTUK BILINEAR TERURUT PARSIAL DALAM BATASAN SUBHIMPUNAN FUZZY

SEMIGRUP BENTUK BILINEAR TERURUT PARSIAL DALAM BATASAN SUBHIMPUNAN FUZZY SEMIGRUP BENTUK BILINEAR TERURUT PARSIAL DALAM BATASAN SUBHIMPUNAN FUZZY Karyati 1), Dhoriva UW 2) 1) Jurusan Pendidikan Matematika, FMIPA, UNY Jl. Colombo No.1, Karangmalang, Yogyakarta, e-mail: yatiuny@yahoo.com

Lebih terperinci

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan

Lebih terperinci

Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy

Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi Logika Fuzzy 1 Fitur Fungsi Keanggotaan Fungsi keanggotaan himpunan fuzzy: Core (inti) Support (pendukung) Boundary (batas) 2 (a) (b) Himp. Fuzzy

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH

KONTRAK PEMBELAJARAN (KP) MATA KULIAH KONTRAK PEMBELAJARAN (KP) MATA KULIAH Kode MK: TSK-710 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Eko Didik Widianto, ST, MT Semester : 7 KONTRAK PEMBELAJARAN Nama

Lebih terperinci

BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS

BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS 3.1 Model Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi

Lebih terperinci

BAB III METODE FUZZY ANP DAN TOPSIS

BAB III METODE FUZZY ANP DAN TOPSIS BAB III METODE FUZZY ANP DAN TOPSIS 3.1 Penggunaan Konsep Fuzzy Apabila skala penilaian menggunakan variabel linguistik maka harus dilakukan proses pengubahan variabel linguistik ke dalam bilangan fuzzy.

Lebih terperinci

APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI

APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI Oleh Enny Durratul Arifah Dosen Pembimbing 1. Prof. Dr. Mohammad Isa Irawan, M.T. 2. DR. Imam Mukhlas, S.Si, M.T. INSTITUT TEKNOLOGI SEPULUH

Lebih terperinci

BAB 7 TEORI HIMPUNAN FUZZY

BAB 7 TEORI HIMPUNAN FUZZY 7 TEORI HIMPUNN FUZZY Himpunan fuzzy (fuzzy set) adalah generalisasi konsep himpunan ordiner. Untuk semesta wacana (universe of discourse) U, himpunan fuzzy ditentukan oleh fungsi yang memetakan anggota

Lebih terperinci

DISAIN DAN IMPLEMENTASI PENGENDALI FUZZY BERBASIS DIAGRAM LADDER PLC MITSUBISHI Q02HCPU PADA SISTEM MOTOR INDUKSI

DISAIN DAN IMPLEMENTASI PENGENDALI FUZZY BERBASIS DIAGRAM LADDER PLC MITSUBISHI Q02HCPU PADA SISTEM MOTOR INDUKSI DISAIN DAN IMPLEMENTASI PENGENDALI FUZZY BERBASIS DIAGRAM LADDER PLC MITSUBISHI Q02HCPU PADA SISTEM MOTOR INDUKSI Syarif Jamaluddin a, Ir. Aries Subiantoro, M.Sc. b a,b) Departemen Elektro Fakultas Teknik,

Lebih terperinci

SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY

SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 SISTEM PENDUKUNG KEPUTUSAN Sistem pendukung keputusan pertama kali diperkenalkan pada awal tahun 1970 oleh Michael S. Scott dengan istilah management decision system yang merupakan

Lebih terperinci

BAB II: TINJAUAN PUSTAKA

BAB II: TINJAUAN PUSTAKA BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali

Lebih terperinci

ANALISIS PEMILIHAN SUPPLIER MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS (AHP)

ANALISIS PEMILIHAN SUPPLIER MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS (AHP) Jurnal Ilmiah Teknik Industri, Vol. 10, No. 1, Juni 2011 ISSN 1412-6869 ANALISIS PEMILIHAN SUPPLIER MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS (AHP) Pendahuluan Ngatawi 1 dan Ira Setyaningsih 2 Abstrak:

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( ) TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri

Lebih terperinci

LOGIKA FUZZY FUNGSI KEANGGOTAAN

LOGIKA FUZZY FUNGSI KEANGGOTAAN LOGIKA FUZZY FUNGSI KEANGGOTAAN FUNGSI KEANGGOTAAN (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai/derajat keanggotaannya yang memiliki interval

Lebih terperinci

SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi MASALAH TRANSPORTASI DENGAN FUZZY SUPPLY DAN FUZZY DEMAND

SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi MASALAH TRANSPORTASI DENGAN FUZZY SUPPLY DAN FUZZY DEMAND MASALAH TRANSPORTASI DENGAN FUZZY SUPPLY DAN FUZZY DEMAND Ridayati Ircham Jurusan Teknik Sipil STTNAS Jalan Babarsari Caturtunggal Depok Sleman e-mail: ridayati@gmail.com ABSTRAK Tulisan ini membahas tentang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1 Pengendalian Persediaan 2.1.1 Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses

Lebih terperinci

KAJIAN PENERAPAN PROGRAM LINEAR MULTI OBJEKTIF FUZZY INTERAKTIF PADA KEPUTUSAN PERENCANAAN TRANSPORTASI

KAJIAN PENERAPAN PROGRAM LINEAR MULTI OBJEKTIF FUZZY INTERAKTIF PADA KEPUTUSAN PERENCANAAN TRANSPORTASI KAJIAN PENERAPAN PROGRAM LINEAR MULTI OBJEKTIF FUZZY INTERAKTIF PADA KEPUTUSAN PERENCANAAN TRANSPORTASI Suroso 1), Widodo 2) 1) Jurusan Teknik Sipil Politeknik Negeri Semarang Jln. Prof. H. Soedarto, S.H.

Lebih terperinci

SILABUS MATAKULIAH. Kegiatan Pembelajaran 1. mendiskusikan pengertian atau batasan. Pokok Bahasan dan Subpokok Bahasan 1. Pengertian atau batasan

SILABUS MATAKULIAH. Kegiatan Pembelajaran 1. mendiskusikan pengertian atau batasan. Pokok Bahasan dan Subpokok Bahasan 1. Pengertian atau batasan SILABUS MATAKULIAH Matakuliah : Teori Himpunan Kode Matakuliah : SKS/JS : 2/3 Standar Kompetensi : Setelah mengikuti perkuliahan mahasiswa diharapkan: (1) dan operasinya, (2) bilangan dan serta sifat-sifatnya,

Lebih terperinci

Berlilana 1 dan Fandy Setyo Utomo 2

Berlilana 1 dan Fandy Setyo Utomo 2 PENGGUNAAN OPERATOR QUANTIFIER GUIDED DOMINANCE DEGREE PADA GROUP DECISION SUPPORT SYSTEM UNTUK SELEKSI ASISTEN PRAKTIKUM (STUDI KASUS DI STMIK AMIKOM PURWOKERTO) Berlilana dan Fandy Setyo Utomo Program

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis

Lebih terperinci

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.

Lebih terperinci

PERAMALAN SUHU UDARA DI YOGYAKARTA DENGAN MENGGUNAKAN MODEL FUZZY

PERAMALAN SUHU UDARA DI YOGYAKARTA DENGAN MENGGUNAKAN MODEL FUZZY Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PERAMALAN SUHU UDARA DI YOGYAKARTA DENGAN MENGGUNAKAN MODEL FUZZY Jayus Priyana

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TINJAUAN TEORITIS 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian

Lebih terperinci

PENERAPAN FUZZY MAMDANI MAX-MIN DALAM PENGEMBANGAN SISTEM INFORMASI PENENTUAN GAJI PEGAWAI PADA SEKOLAH TINGGI TEKNIK POLIPRFESI

PENERAPAN FUZZY MAMDANI MAX-MIN DALAM PENGEMBANGAN SISTEM INFORMASI PENENTUAN GAJI PEGAWAI PADA SEKOLAH TINGGI TEKNIK POLIPRFESI EKSPLORA INFORMATIKA 6 PENERAPAN FUZZY MAMDANI MAX-MIN DALAM PENGEMBANGAN SISTEM INFORMASI PENENTUAN GAJI PEGAWAI PADA SEKOLAH TINGGI TEKNIK POLIPRFESI Asprina Br Surbakti STT Poliprofesi Medan Jl. Sei

Lebih terperinci

Sistem Bilangan Ri l

Sistem Bilangan Ri l Sistem Bilangan Riil Sistem bilangan N : bilangan asli Z : bilangan bulat Q : bilangan rasional R : bilangan real N : 1,,,. Z :,-,-1,0,1,,.. Q : a q =, a, b Z, b 0 b R = Q Irasional Contoh Bil Irasional,,π

Lebih terperinci

APLIKASI LOGIKA FUZZY DALAM OPTIMISASI PRODUKSI BARANG MENGGUNAKAN METODE MAMDANI DAN METODE SUGENO SKRIPSI

APLIKASI LOGIKA FUZZY DALAM OPTIMISASI PRODUKSI BARANG MENGGUNAKAN METODE MAMDANI DAN METODE SUGENO SKRIPSI APLIKASI LOGIKA FUZZY DALAM OPTIMISASI PRODUKSI BARANG MENGGUNAKAN METODE MAMDANI DAN METODE SUGENO SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk

Lebih terperinci

PEMODELAN MASALAH TRANSPORTASI DENGAN KOEFISIEN ONGKOS KABUR

PEMODELAN MASALAH TRANSPORTASI DENGAN KOEFISIEN ONGKOS KABUR PEMODELAN MASALAH TRANSPORTASI DENGAN KOEFISIEN ONGKOS KABUR Sani Susanto ; Dedy Suryadi ABSTRACT Trasportation problem elaburates the amount of soures whih is able to supply resoures in relation to the

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2 Analisis Korelasi Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui deraat hubungan linear antara satu variabel dengan variabel lain (Algifari, 997)

Lebih terperinci

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN TARUNA BARU MENGGUNAKAN BASIS DATA FUZZY - STUDI KASUS DI AKPELNI SEMARANG

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN TARUNA BARU MENGGUNAKAN BASIS DATA FUZZY - STUDI KASUS DI AKPELNI SEMARANG Perancangan Sistem Pendukung Keputusan Penerimaan Taruna Baru (Eko N. Hidayat dkk.) PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN TARUNA BARU MENGGUNAKAN BASIS DATA FUZZY - STUDI KASUS DI AKPELNI SEMARANG

Lebih terperinci

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com

Lebih terperinci

KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK. Iqbal Kharisudin. Jurusan Matematika FMIPA Universitas Negeri Semarang

KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK. Iqbal Kharisudin. Jurusan Matematika FMIPA Universitas Negeri Semarang KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK S-33 Iqbal Kharisudin Jurusan Matematika FMIPA Universitas Negeri Semarang Email: iqbal_kh@staff.unnes.ac.id Abstrak: Dalam analisis

Lebih terperinci

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang

Lebih terperinci

BAB II DASAR TEORI FUZZY DAN SISTEM KENDALI

BAB II DASAR TEORI FUZZY DAN SISTEM KENDALI BAB II DASAR TEORI FUZZY DAN SISTEM KENDALI Sejak logika multimedia pertama kali diperkenalkan oleh J. Lukadiewicz pada tahun 192-an, dimana pada sistem ini diperkenalkan logika kemungkinan (possible)

Lebih terperinci

MENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS

MENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS MENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS Arwan Ahmad Khoiruddin, S.Kom. Staf Pengajar Jurusan Tekn Informata, Fakultas Teknologi Industri, Universitas Islam Indonesia arwan@fti.uii.ac.id ABSTRACT

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi

Lebih terperinci

BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM

BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi

Lebih terperinci

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma. 6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau

Lebih terperinci

SIMULASI KENDALI MUTU DOSIS OBAT BERBASIS BOBOT DENGAN MENGGUNAKAN LOGIKA FUZZY

SIMULASI KENDALI MUTU DOSIS OBAT BERBASIS BOBOT DENGAN MENGGUNAKAN LOGIKA FUZZY Abstract SIMULASI KENDALI MUTU DOSIS OBAT BERBASIS BOBOT DENGAN MENGGUNAKAN LOGIKA FUZZY Panca Hariwan Program Studi Teknik Komputer AMIK Bina Sarana Informatika panca_hariwan@bsi.ac.id; panca_85@yahoo.com

Lebih terperinci

APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI

APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI Hafsah1), Wilis Kaswidjanti2), Tendi R. Cili3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari

Lebih terperinci

PENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC

PENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC PENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC Aminatus S 1), Juniarko Prananda 2) Teknik Keselamatan Kerja PPNS Surabaya 1),. Teknik Sistem Perkapalan ITS Surabaya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pariwisata merupakan satu usaha Pemerintah Propinsi Sumatera Utara dalam meningkatkan potensi daerah yang mengalami perkembangan sangat pesat. Perkembangan pariwisata

Lebih terperinci

IMPLEMENTASI METODE ANALYTICAL HIERARCHY PROCESS UNTUK PENGAMBILAN KEPUTUSAN PEMILIHAN FOTO BERDASARKAN TUJUAN PEROLEHAN FOTO

IMPLEMENTASI METODE ANALYTICAL HIERARCHY PROCESS UNTUK PENGAMBILAN KEPUTUSAN PEMILIHAN FOTO BERDASARKAN TUJUAN PEROLEHAN FOTO IMPLEMENTASI METODE ANALYTICAL HIERARCHY PROCESS UNTUK PENGAMBILAN KEPUTUSAN PEMILIHAN FOTO BERDASARKAN TUJUAN PEROLEHAN FOTO Anton Setiawan Honggowibowo Jurusan Teknik Informatika Sekolah Tinggi Teknologi

Lebih terperinci

Himpunan dan Sistem Bilangan Real

Himpunan dan Sistem Bilangan Real Modul 1 Himpunan dan Sistem Bilangan Real Drs. Sardjono, S.U. PENDAHULUAN M odul himpunan ini berisi pembahasan tentang himpunan dan himpunan bagian, operasi-operasi dasar himpunan dan sistem bilangan

Lebih terperinci

Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani

Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika

Lebih terperinci