Perbaikan UTS. Telah ada tugas, merangkum paper, tujuan: Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH:
|
|
- Widyawati Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Perbaikan UTS Telah ada tugas, merangkum paper, tujuan: memperbaiki hasil UTS Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH: Paper tidak terkait / berbasis WEB Tidak ada unsur kecerdasan buatan Paper terbit sebelum 2008 Silakan diperbaiki (bagi yang merasa salah) dan dikumpulkan, terakhir 04 Desember 2013.
2 Tugas Baru, Perbaikan UAS Mirip dengan tugas sebelumnya, merangkum Paper yang membahas tentang aplikasi web yang melibatkan konsep kecerdasan buatan. Hanya paper yang terbit 2011 s.d 2013 Dikumpulkan minggu terakhir kuliah, 18 Desember Kata kunci umum: Web Intelligent system Web, dapat diwakili (lebih fokus): personalization, recommender system, social network (sentiment analysis & opinion mining), web retrieval/web mining, search engine Intelligent dapat diwakilkan dengan: expert system, machine learning, fuzzy system, genetic algorithm, neural network, swarm intelligent, ant algorithm, bio-inspired.
3 Mengenai UAS Materi yang diujikan: Penalaran Fuzzy (Mamdani & Sugeno) Pembelajaran (pembelajaran mesin & jaringan syaraf tiruan) Waktu 75 (?) menit, terbuka (?)
4 Contoh Soal Sistem Fuzzy Husni
5 Harus diingat! Tahapan kerja sistem Fuzzy: Fuzzification Inferensi Defuzzification Fungsi Keanggotaan yang sering digunakan: Trapesium, kemudian Segitiga Model Penalaran (inferensi) yang banyak digunakan: Mamdani, kemudian Sugeno. Metode defuzzification yang sering digunakan: Centroid dan Weighted Average.
6 Fungsi Keanggotaan Trapesium & Segitig
7 Contoh: Sprinkler Control System Sensor suhu menerima panas 37 Sensor kelembaban menerima nilai 12% Berapa lama Durasi penyiraman harus dilakukan oleh Sprinkler?
8 1: Fuzzification Misal digunakan fungsi keanggotaan Trapesium dengan lima variabel linguistik untuk Suhu Udara: Dingin, Sejuk, Normal, Hangat dan Panas. Suhu 37 masuk dalam Hangat & Panas. Untuk Kelembaban, ada 3, juga trapesium: Kering, Lembab dan Basah Kelembaban 12% masuk dalam Kering & Lembab Bagaimana menghitung derajat keanggotaan dari suatu nilai Crisp?
9
10 2: Inferensi (Penalaran) Berikut ini rangkuman aturan (rule) yang diberikan pakar Sprinkler, ada kemungkinan output: Lama, Sedang, Singkat. Dingin Sejuk Normal Hangat Panas Kering Lama Lama Lama Lama Lama Lembab Singkat Singkat Sedang Sedang Sedang Basah Singkat Singkat Singkat Singkat Singkat Ada 15 rule. Misal: IF Suhu = Dingin AND Kelembaban = Kering THEN Durasi = Lama
11 Inferensi Mamdani Ada 4 input: Hangat (2/3), Panas (1/3), Kering (4/5) dan Lembab (1/5) Aturan yang berlaku hanya 4: IF Suhu Hangat AND Kelembaban Kering THEN Durasi Lama IF Suhu Hangat AND Kelembaban Lembab THEN Durasi Sedang IF Suhu Panas AND Kelembaban Kering THEN Durasi Lama IF Suhu Panas AND Kelembaban Lembab THEN Durasi Sedang
12 Inferensi Mamdani IF Suhu Hangat (2/3) AND Kelembaban Kering (4/5) THEN Durasi Lama (2/3) IF Suhu Hangat (2/3) AND Kelembaban Lembab (1/5) THEN Durasi Sedang (1/5) IF Suhu Panas (1/3) AND Kelembaban Kering (4/5) THEN Durasi Lama (1/3) IF Suhu Panas (1/3) AND Kelembaban Lembab (1/5) THEN Durasi Sedang (1/5) Karena 2 fakta disambung dengan AND, ambil nilai minnya. Jika dengan OR ambil max-nya. Jika ada 2 hasil berbeda derajat keanggotaan, ambil nilai max-nya
13
14 3: Defuzzification (Mamdani) Y* = (( )*1/5 + ( )*2/3)/ (1/5+1/5+1/5+/15+1/5)+(2/3+2/3+2/3+2/3+2/3) = 310.4/4.33 = 60.97
15 2: Inferensi (Sugeno) Menggunakan fungsi keanggotaan Singleton. Derajat keanggotaan 1 untuk nilai crisp tertentu dan 0 untuk semua nilai crisp yang lain.
16 Output Model Sugeno
17 3: Defuzzification (Sugeno) Jika digunakan metode Height, diperoleh hasil crisp 60 (nilai tertinggi) Jika digunakan Weighted Average, diperoleh: y*=(1/5(40) + 2/3(60))/(1/5+2/3) = 55.38
18 Contoh: Seleksi Penerima Beasiswa Ada 100 beasiswa. Jumlah kandidat ada Penilaian diutamakan pada IPK dan Penghasilan Orang Tua per bulan. Si A, IPK 3.00, Penghasilan Ortu 10 Jt per bulan Si B, IPK 2.99, Penghasilan Ortu 1 jt per bulan. Siapa yang lebih berhak menerima Beasiswa, A atau B?
19 1: Fuzzification Misal input IPK dibagi menjadi 3: Buruk (0 2.75), Cukup (2 3.25), Bagus (2.75 4)
20 1: Fuzzification Misal input Penghasilan Ortu dibagi menjadi 4: Kecil, Sedang, Besar, Sangat besar.
21 2: Inferensi Pakar memberikan aturan Nilai Kelayakan (NK) penerima beasiswa berikut: Kecil Sedang Besar Sangat Besar Buruk Rendah Rendah Rendah Rendah Cukup Tinggi Rendah Rendah Rendah Bagus Tinggi Tinggi Rendah Rendah Hanya ada 2: Rendah dan Tinggi. Misal: menggunakan fungsi Trapesium
22 2: Inferensi Gunakan Tabel Aturan, Fungi Keanggotaan Input dan Output untuk NK dari A dan B. Semakin besar NK maka semakin layak menerima beasiswa.
23 ... 3: Defuzzification
Kecerdasan Buatan. Pertemuan 10. (Review) Faktor Kepastian Sistem Penalaran Fuzzy Mamdani Pembelajaran Mesin ID3. Husni
Kecerdasan Buatan Pertemuan 10 (Review) Faktor Kepastian Sistem Penalaran Fuzzy Mamdani Pembelajaran Mesin ID3 Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM,
Lebih terperinciFuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.
Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan
Lebih terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih terperinciProf. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence
Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence 12/11/2009 1 Pada hidup sehari-hari, kita terbiasa dengan ucapan kecil, agak panas, sekitar jam 2. Ucapan yang tidak presisi (imprecise
Lebih terperinciFuzzy Set Logika Fuzzy Fuzzy System
Fuzzy Set Logika Fuzzy Fuzzy System 1 Crisp Set Crisp set membedakan anggota dan non anggota dengan batasan pasti Misalkan A sebuah crisp set dan x anggota A maka : A [x]=1 Jika y bukan anggota A maka
Lebih terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih terperinciLOGIKA FUZZY (Lanjutan)
Metode Mamdani Metode mamdani sering dikenal sebagai metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Menurut metode ini, ada empat tahap yang harus dilalui untuk mendapatkan
Lebih terperinciHimpunan Tegas (Crisp)
Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System
Lebih terperinciSebelumnya... Sistem Pakar berbasis Aturan (Rule-Based Expert System, RBES) Sistem Pakar Representasi Pengetahuan Penalaran
Sebelumnya... Sistem Pakar berbasis Aturan (Rule-Based Expert System, RBES) Sistem Pakar Representasi Pengetahuan Penalaran Forward chaining Backward chaining Resolusi Konflik Contoh RBES (1) Sistem pakar
Lebih terperinciMetode 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 terperinciPENGEMBANGAN SISTEM PAKAR FUZZY
FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi
Lebih terperinciLogika Himpunan Fuzzy
Logika Himpunan Fuzzy 1 Fungsi Keanggotaan untuk crisp logic True False 1 0 80F Panas Temperature f temperature >= 25C, Panas (1 atau Benar); f temperature < 25C, tidak Panas (0 atau Salah). Fungsi keanggotaan
Lebih terperinciPENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012
PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY Digunakan untuk menghasilkan suatu keputusan tunggal / crisp saat defuzzifikasi Penggunaan akan bergantung
Lebih terperinciAnalisis 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 terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
Lebih terperinciCrisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:
Logika Fuzzy Teori Dasar Crisp Logic Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Rule: If the temperature is higher than 80F, it is hot; otherwise, it is not
Lebih terperinciRANCANG BANGUN FUZZY MAMDANI SISTEM UNTUK DEDUPLIKASI PENUNJANG KEPUTUSAN KELAYAKAN NASABAH PADA LEASING PT. CS FINANCE. Sarwo
RANCANG BANGUN FUZZY MAMDANI SISTEM UNTUK DEDUPLIKASI PENUNJANG KEPUTUSAN KELAYAKAN NASABAH PADA LEASING PT. CS FINANCE Sarwo Sekolah Tinggi Manajemen Informatika dan Komputer Mercusuar sarwo@mercusuar.ac.id
Lebih terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang
Lebih terperinciBAB 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 terperinciLogika Fuzzy. Farah Zakiyah Rahmanti 2016
Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)
Lebih terperinciBAB I PENDAHULUAN 1 BAB I PENDAHULUAN. Perkembangan kecerdasan buatan atau artificial intelligence sejak pertama kali
BAB I PENDAHULUAN 1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan kecerdasan buatan atau artificial intelligence sejak pertama kali dikemukakan pada tahun 1956 di konferensi Dartmouth sampai sekarang
Lebih terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih terperinciPraktikum sistem Pakar Fuzzy Expert System
Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan
Lebih terperinciPENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA
LOGO PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA Oleh: DYNES RIZKY NAVIANTI (1208100017) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
Lebih terperinciCi Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:
Logika Fuzzy 1 Teori Dasar Ci Crisp Logic Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Rule: If the temperature is higher than 80F, it is hot; otherwise, it is
Lebih terperinciBAB 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 terperinciSist Sis em t Fuzzy Fuzz Sistem Pakar
Sistem Fuzzy Sistem Pakar Pendahuluan Manusia cenderung menggunakan bahasa dalam bentuk sesuatu yang dapat dipahami secara umum, bukan dalam bentuk bahasa matematika yang mementingkan akurasi. Misalkan,
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara
Lebih terperinciPEMILIHAN PROGRAM STUDI BAGI SISWA LULUSAN SMA DALAM SELEKSI MASUK PTN UNY DENGAN LOGIKA FUZZY MAMDANI
PEMILIHAN PROGRAM STUDI BAGI SISWA LULUSAN SMA DALAM SELEKSI MASUK PTN UNY DENGAN LOGIKA FUZZY MAMDANI Niken Lisca Aggyta Ayuningrum Universitas Negeri Yogyakarta liscaniken@gmail.com Abstrak: Seiring
Lebih terperinciBab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI
Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan
Lebih terperinciFuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015
Fuzzy Expert Sistem Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Ketentuan Praktikum Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa
Lebih terperinciBAB 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 terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
Lebih terperinciPengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy
Pengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy Willy Setiawan - 13508043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciSISTEM PENYARINGAN MAHASISWA BEASISWA PRESTASI AMIK BSI YOGYAKARTA MENGGUNAKAN FUZZY INFERENCE SYSTEM
SISTEM PENYARINGAN MAHASISWA BEASISWA PRESTASI AMIK BSI YOGYAKARTA MENGGUNAKAN FUZZY INFERENCE SYSTEM Yoyok Rohani Program Studi Manajemen Informatika AMIK BSI Yogyakarta Jalan Ring Road Barat Ambarketawang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciIMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS
IMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS Hendry Setio Prakoso 1, Dr.Eng. Rosa Andrie.,ST.,MT 2, Dr.Eng. Cahya Rahmad.,ST.,M.Kom 3 1,2 Teknik Informatika, Teknologi Informasi, Politeknik
Lebih terperinciMETODOLOGI PENELITIAN
7 terboboti dari daerah output fuzzy. Metode ini paling dikenal dan sangat luas dipergunakan. First of Maxima (FoM) dan Last of Maxima (LoM) Pada First of Maxima (FoM), defuzzifikasi B( y) didefinisikan
Lebih terperinciSIMULASI 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
Lebih terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih terperinciJOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi
JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI
Lebih terperinciBAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy
BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,
Lebih terperinciMEMBANGUN PERANGKAT LUNAK PENENTUAN DAYA LISTRIK DENGAN LOGIKA FUZZY
MEMBANGUN PERANGKAT LUNAK PENENTUAN DAYA LISTRIK DENGAN LOGIKA FUZZY Farikhah Indriani 1, Supriyono 2 1 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jln. Kaliurang
Lebih terperinciPENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC)
PENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC) Kartina Diah KW,ST1), Zulfa Noviardi2) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1
Lebih terperinciL ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.
POLITEKNIK NEGERI SRIWIJAYA Jurusan Teknik Komputer Program Studi D3 Teknik Komputer Lecturer: M. Miftakul Amin, S. Kom., M. Eng. Intelegensi Buatan Sesi 1 Pengantar Intelegensi Buatan 2015 Intelegensi
Lebih terperinciMODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA
MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA Muhammad Ilham 10211078 Program Studi Fisika, Institut Teknologi Bandung, Indonesia Email: muhammad_ilham@students.itb.ac.id Asisten:
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 1.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari penulis sebagai berikut: Tabel 2.1 Perbandingan Metode Penelitian
Lebih terperinciFUZZY SYSTEM & FUZZY REASONING DEPARTEMEN ILMU KOMPUTER IPB
FUZZY SYSTEM & FUZZY REASONING Workshop on Fundamental Concept and Implementation of Fuzzy Logic March 17 th 2016 Net Centric Computing Lab DEPARTEMEN ILMU KOMPUTER IPB Outline Crips VS Fuzzy Pengembangan
Lebih terperinciContoh Kasus. Bagus Ilhami HIdayat
Contoh Kasus Suatu perusahaan tekstil akan memproduksi pakaian dengan jenis XYZ. Dari 1 bulan terakhir, permintaan terbesar mencapai 5000 potong per hari, dan permintaan terkecil mencapai 1000 potong per
Lebih terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
Lebih terperinciElin 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 terperinciJurnal Coding, Sistem Komputer Untan Volume 03, No.2 (2015), hal ISSN : x
PENERAPAN LOGIKA FUZZY PADA SISTEM PENYIRAMAN TANAMAN OTOMATIS BERBASIS MIKROKONTROLER [1] Tulus Pranata, [2] Beni Irawan, [3] Ilhamsyah [1][2][3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura
Lebih terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE Intro Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan
Lebih terperinciMateri 8: Introduction to Fuzzy Logic
Materi 8: Introduction to Fuy Logic I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Introduction to Fuy Logic Kusuma Wardana, M.Sc. 2 Fuy berarti kabur, samar Istilah Logika Fuy diperkenalkan
Lebih terperinciKata 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 terperinciTahap Sistem Pakar Berbasis Fuzzy
Company LOGO Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 www.company.com
Lebih terperinciAplikasi Fuzzy Logic Pada Pengaturan Air Cooler Untuk Ruangan
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Aplikasi Fuzzy Logic Pada Pengaturan Air Cooler Untuk Ruangan Riris Eka Lestari, Agus Maman Abadi Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciKECERDASAN BUATAN LOGIKA FUZZY
KECERDASAN BUATAN LOGIKA FUZZY Pengertian adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy Antara input dan output terdapat suatu kotak hitam yang harus
Lebih terperinciImplementasi Fuzzy Logic Untuk Mengatur Banyak Air Pada Tanaman Mawar Berdasarkan Suhu Dan Kelembaban
Implementasi Fuzzy Logic Untuk Mengatur Banyak Air Pada Tanaman Mawar Berdasarkan Suhu Dan Kelembaban Lingga Dwi Putra 1, Joke Pratilastiarso 2, Endro Wahjono 3 1. Mahasiswa Jurusan Teknik Elektro Industri
Lebih terperinciKONTRAK 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 terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciDefinisi LOGIKA FUZZY. Himpunan Fuzzy. Himpunan Fuzzy(contd) 3/13/2012. Budi Rudianto
3/3/22 Definisi LOGIKA FUY Budi Rudianto http://rizaldi.web.id/repo/fuzzy/logikafuzzy-.ppt Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Di mana logika
Lebih terperinciBAB 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 terperinciLOGIKA FUZZY 3/18/2017 OVERVIEW SEJARAH LOGIKA FUZZY WHAT IS FUZZY LOGIC? LOGIKA BOLEAN PERMASALAHAN DUNIA NYATA
OVERVIEW Pengertian Logika Fuzzy LOGIKA FUZZY SHINTA P. SARI Sejarah Logika Fuzzy Teori Logika Fuzzy Aplikasi Logika Fuzzy PRODI. INFORMATIKA FASILKOM UIGM 2017 WHAT IS FUZZY LOGIC? Pengertian Fuzzy not
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Komponen Mobil Mesin terdiri atas beberapa bagian yang memiliki fungsinya masingmaning. Bagian-bagian atau komponen-komponen tersebut bekerja bersama-sama untuk menghasilkan
Lebih terperinciMahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.
Chapter 7 Tujuan Instruksional Khusus Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan. Mahasiswa mampu melakukan perhitungan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
Lebih terperinciArtificial Intelligence. uthie 1
Artificial Intelligence uthie 1 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2 Cabang-cabang AI 2. Search Pencarian
Lebih terperinciBAB II DASAR-DASAR FUZZY LOGIC
BAB II DASAR-DASAR FUZZY LOGIC Pada pertengahan 1960, Prof. Lotfi Zadeh dari universitas California di Barkeley menemukan bahwa hukum benar atau salah dari logika boolean tidak memperhitungkan beragam
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciPERANCANGAN SISTEM. Kelas Kriteria
Kelas Kriteria Lahan S2 Unit lahan memiliki lebih dari 4 pembatas ringan, dan/atau memiliki tidak lebih dari 3 pembatas sedang S3 Unit lahan memiliki lebih dari 3 pembatas sedang, dan/atau 1 atau lebih
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciRANCANG BANGUN KONTROL SUHU AIR PADA PROTOTIPE PEMANAS AIR MENGGUNAKAN LOGIKA FUZZY
RANCANG BANGUN KONTROL SUHU AIR PADA PROTOTIPE PEMANAS AIR MENGGUNAKAN LOGIKA FUZZY DESIGN AND BUILD TEMPERATURE CONTROL OF PROTOTYPE HOT WATER USING FUZZY LOGIC Nurdani Febrianto 1, Erwin Susanto, S.T.,
Lebih terperinciPENGGUNAAN 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 terperinciPresentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman
Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi
Lebih terperinciAnalisis Sistem Inferensi Fuzzy Sugeno dalam Menentukan Kesesuaian Lahan Tembakau di Kabupaten Temanggung
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Analisis Sistem Inferensi Fuzzy Sugeno dalam Menentukan Kesesuaian Lahan Tembakau di Kabupaten Temanggung Dewi Imawati, Agus Maman Abadi Program
Lebih terperinciBAB 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 terperinciAnalisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang
Analisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang Nurul Khairina Politeknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal nurulkhairina27@gmail.com Abstrak
Lebih terperinciAnalisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA)
Analisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA) Khairul Saleh, M. Kom, Universitas Asahan; address, telp/fax of institution/affiliation Jurusan Teknik Informatika,
Lebih terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciKBKF63307 INTELIGENSI BUATAN
RENCANA PEMBELAJARAN SEMESTER (RPS) KBKF63307 INTELIGENSI BUATAN Disusun oleh: PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN
Lebih terperinciPERBAIKAN KUALITAS CITRA DIGITAL BERDASARKAN HISTOGRAM EQUALIZATION DENGAN MENGGUNAKAN FUZZY
PEAIKAN KUALITAS CITA DIITAL EDASAKAN HISTOAM EQUALIZATION DENAN MENUNAKAN FUZZY Qonitatul Hasanah 1, osa Andrie Asmara 2, Ulla Delfana osiani 3 1,2 3 Teknik Informatika, Teknologi Informasi, Politeknik
Lebih terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
Lebih terperinci1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu aplikasi sistem cerdas yang paling sukses dan masih berkembang saat ini yaitu peramalan beban listrik. Peramalan beban listrik adalah suatu ilmu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendidikan berperan penting untuk memperoleh kehidupan yang lebih baik, seperti tercantum dalam Undang-Undang Dasar 1945 pasal 31 ayat 1 bahwa setiap warga negara
Lebih terperinciAplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A -10 Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa Rani Mita Sari, Agus Maman Abadi FMIPA, Universitas Negeri Yogyakarta
Lebih terperinciOleh: ABDUL AZIS JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013
Oleh: ABDUL AZIS 1209 100 073 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013 Sektor pertanian merupakan salah satu penopang perekonomian
Lebih terperinciPENGGUNAAN FUZZY INFERENCE SYSTEM MODEL SUGENO PADA PENGENDALIAN SUHU RUANGAN
P P P P PENGGUNAAN FUZZY INFERENCE SYSTEM MODEL SUGENO PADA PENGENDALIAN SUHU RUANGAN Wahyu Herman Susila 1, Wahyudi 2, Iwan Setiawan 2 Abstrak - Teknik kendali dengan menggunakan Fuzzy telah banyak diaplikasikan.
Lebih terperinci