PERANCANGAN SISTEM PAKAR FUZZY UNTUK MENENTUKAN KINERJA DOSEN DI PERGURUAN TINGGI
|
|
- Djaja Tedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERANCANGAN SISTEM PAAR FUZZY UNTU MENENTUAN INERJA DOSEN DI PERGURUAN TINGGI Mohammad Yazdi Jurusan Matematika, Fakultas MIPA, Universitas Tadulako Jalan Soekarno-Hatta ampus Bumi Tadulako Tondo, Palu, Telp : (0451) , (0451) , Fax : (0451) , (0451) yazdi.diyanara@gmail.com Abstrak Dalam UU Nomor 14 Tahun 2005 tentang Guru dan Dosen, dosen dinyatakan sebagai pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan, dan menyebarluaskan ilmu pengetahuan, teknologi,dan seni melalui pendidikan, penelitian, dan pengabdian kepada masyarakat. inerja dosen pada suatu perguruan tinggi merupakan perilaku nyata yangditampilkan setiap dosen sebagai prestasi kerja yang dihasilkan oleh dosen tersebut sesuai dengan peranannya. Untuk dapat menentukan kualitas kinerja dosen perlu adanya kriteria yang jelas. inerja dosen ditentukan berdasarkan kriteria : pengajaran, penelitian, pengabdian masyarakat, penunjang akademik, dan kualifikasi akademik minimal S2. Penelitian ini bertujuan menghasilkan suatu sistem pakar untuk menentukan kinerja dosen. Fuzzy Inference System (FIS) yaitu metode penalaran dalam logika Fuzzy untuk dapat menerjemahkan pengetahuan dari pakar dalam bentuk aturan-aturan. FIS yang digunakan untuk penentuan kinerja dosen adalah metode Mamdani. Metode mamdani memiliki 4 tahapan yaitu: pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi dan defuzzy. Hasil dari penelitian adalah sebuah Sistem Pakar Fuzzy yang mampu menentukan kinerja dosen berdasarkan kriteria-kriteria. ata kunci: inerja Dosen, Sistem Pakar Fuzzy, Mamdani, FIS 1. PENDAHULUAN Dosen adalah salah satu komponen esensial dalam suatu sistem pendidikan di Perguruan tinggi. Peran, tugas, dan tanggungjawab dosen sangat penting dalam mewujudkan tujuan pendidikan nasional. Salah satu tugas dan tanggungjawab dosen, sebagaimana diamanatkan dalam Peraturan Pemerintah No.60 tahun 1999, adalah melaksanakan pendidikan dan pengajaran. Untuk melaksanakan fungsi, peran, tugas, dan kedudukan yang sangat strategis tersebut, diperlukan kinerja dosen yang berkualitas dan profesional. inerja dosen merupakan suatu hal yang sangat penting dalam upaya lembaga perguruan tinggi untuk mencapai tujuanya. Penilaian kinerja dosen merupakan suatu proses dimana lembaga melakukan evaluasi atau menilai hasil pekerjaan dosen. Berdasarkan kondisi tersebut, diperlukan suatu sistem yang mampu melakukan penentuan kinerja dosen berdasarkan kriteria-kriteria akademik. Dengan demikian, perlu kiranya dilakukan penelitian untuk merancang model sistem pakar penentuan kinerja dosen. Pada makalah ini, penulis melalukan studi kasus mengukur kinerja dosen di Jurusan Matematika FMIPA Universitas Tadulako. Sistem pakar tersebut diharapkan mampu menangani ketidakjelasan, ketidakpastian serta sifat dinamis dari variabel-variabel dalam penentuan kinerja dosen. Berdasarkan hal tersebut, dalam membangun sistem pakar tersebut digunakan logika fuzzy yang mampu menangani ketidakjelasan, ketidakpastian, variabel input stokastik dan sifat dinamis dari berbagai variable yang digunakan (Aly, 2005 dalam Purnomo, 2007). 2. LANDASAN TEORI 2.1. Sistem Pakar Definisi Secara umum sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Ada beberapa definisi tentang sistem pakar antara lain: 1. Menurut Durkin, sistem pakar adalah suatu program komputer yang dirancang untuk memodelkan kemampuan penyelesaian 238
2 masalah yang dilakukan oleh seorang pakar (usumadewi, S., 2004). 2. Menurut Ignizio, sistem pakar adalah suatu model dan prosedur yang berkaitan dalam suatu domain tertentu yang mana tingkat keahliannya dapat dibandingkan dengan keahlian seorang pakar (usumadewi, S., 2004). 3. Menurut Giarratano dan Riley, sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar (usumadewi, S., 2004) Struktur Sistem Pakar Sistem pakar terdiri-dari 2 bagian pokok, yaitu: lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangun komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi (usumadewi,s.2004) Logika fuzzy Himpunan Fuzzy Pada tahun 1965 Profesor Lotfi Asker Zadeh mempublikasikan karya ilmiahnya berjudul fuzzy sets. Terobosan baru tersebut merupakan konsep perluasan himpunan klasik menjadi himpunan kabur ( fuzzy sets), dalam arti bahwa himpunan klasik (crisp set) merupakan kejadian khusus dari himpunan yang kabur. Menurut George Cantor ( ), himpunan didefinisikan sebagai suatu koleksi obyek-obyek yang terdefinisi secara tegas. Dengan demikian, suatu himpunan A dalam semesta X dapat didefinisikan dengan menggunakan suatu fungsi _ ² (x): X {0,1}, yang disebut fungsi karakteristik dari himpunan A, dimana untuk setiap _ X: _ ² x ' µ 1, )V 3 _ b (1) 0, )V 3 _ b Dengan memperluas konsep fungsi karakteristik itu, Zadeh mendefinisikan himpunan fuzzy dengan menggunakan apa yang disebutnya Fungsi eanggotaan (membership function), yang nilainya berada dalam selang tertutup [0,1]. Jadi dalam himpunan fuzzy tidak lagi merupakan sesuatu yang tegas (yaitu anggota atau bukan anggota), melainkan sesuatu yang berderajat atau bergradasi secara kontinu (Susilo.F., 2006) Metode Mamdani Metode Mamdani sering dikenal sebagai metode max-min. Metode ini dikenalkan oleh Ebrahim Mamdani pada tahun Untuk mendapatkan output diperlukan 4 tahapan: 1. Pembentukan himpunan fuzzy Pada metode mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy 2. Aplikasi fungsi implikasi ( aturan ) Pada metode mamdani, fungsi implikasi yang di gunakan adalah Min (Minimum). Fungsi ini akan memotong output himpunan fuzzy. 3. omposisi aturan Tidak seperti penalaran monoton apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi fuzzy yaitu: Max, additive dan probabilistic OR (probor). Dalam penelitian ini, penulis menggunakan metode Max. Pada metode ini solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maximum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy dan mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua proposisi telah di evaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proposisi. Secara umum dapat dituliskan: y v!k¹6º» v!, ¼» v! dengan: y _ p! = Nilai solusi fuzzy sampai aturan ke-i; y ƒ _ p! = Nilai konsekuen fuzzy aturan ke-i. 4. Penegasan ( defuzzy ) Input dari proses defuzzy adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut (Dewi,T and Purnomo,H., 2004). Oleh karena itu, jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai output. Dalam penelitian ini, penulis menggunakan metode LOM (largest of maximum). Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar dari domain yang memiliki nilai maksimum. 239
3 erangka sistem pakar fuzzy dapat digambarkan sebagai Gambar 1 erangka sistem pakar fuzzy 3. METODE PENELITIAN 3.1. Alat dan Bahan Adapun alat yang digunakan dalam penelitian ini adalah sebagai 1. PC dengan Spesifikasi : Processor Pentium Dual-Core T4400, CPU 2.20 GHz, 800 MHz, 1 MB L2 Cache, Harddisk 240 GB HDD, dan 800 MB DDR2. 2. Sistem operasi Windows XP Profesional Service Pack Software Matlab Sumber dan Jenis Data Sumber data yang digunakan dalam penelitian ini adalah data sekunder yang berupa studi referensi kriteria penilaian kinerja dosen dan data pendukung dari fakultas. 3.4 Teknik Pengolahan Data Data kriteria kinerja dosen yang telah diperoleh, kemudian diolah menggunakan FIS dengan metode mamdani.metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun Untuk mendapatkan output, diperlukan 4 tahapan: 1. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi (aturan) 3. omposisi aturan 4. Penegasan (deffuzy) 4. HASIL DAN PEMBAHASAN 4.1 Hasil Bagian ini menjelaskan tahap-tahap untuk mendapatkan hasil atau untuk mengetahui kinerja dosen dengan menggunakan logika fuzzy Mamdani dan metode pada proses defuzzifikasi adalah LOM (large of maximum). Tahapan dalam penentuan kinerja dosen adalah sebagai Pemilihan pakar Pemilihan pakar dalam penelitian ini didasarkan pada keahlian pakar dalam prosedur penilaian kinerja dosen (Pedoman Beban erja Dosen dan Evaluasi Tridharma Perguruan Tinggi dan Pedoman Penilaian inerja Dosen oleh Tim Fakultas Ilmu Pendidikan UPI Bandung) onsultasi Pakar Acuan pakar digunakan untuk menentukan faktor variabel yang menjadi kriteria dalam penilaian kinerja dosen dan untuk mendapatkan aturan-aturan yang dibutuhkan dalam proses fuzifikasi yang mengacu pada Standar Penilaian inerja Dosen Perguruan Tinggi dan onsultasi antara Internal Dosen di tingkat Senat Fakultas melalui Focus Group Discussion Aturan (rules) Terdapat 32 aturan yang diperoleh dengan melalui konsultasi dengan pakar, yaitu : Tabel 1. Aturan (rules) Sistem Pakar Fuzzy Penentuan inerja Dosen No ondisi Pg Pn PM Pj u j 1 B B B B B B 2 B B B B B B 3 B B B B B B 4 B B B B B B 5 B B B B B B 6 B B B B B B 7 B B B B B B 8 B B B B B Sdg 9 B B B B B B 10 B B B B B Sdg 11 B B B B B Sdg 12 B B B B B B 13 B B B B B B 14 B B B B B B 15 B B B B B B 16 B B B B B B 17 B B B B B B 18 B B B B B Sdg 19 B B B B B Sdg 20 B B B B B B 21 B B B B B Sdg 22 B B B B B B 23 B B B B B B 24 B B B B B B 25 B B B B B B 26 B B B B B B 27 B B B B B B 28 B B B B B B 29 B B B B B B 30 B B B B B B 31 B B B B B B 240
4 ondisi No j Pg Pn PM Pj u 32 B B B B B B et : B: Baik, B: urang Baik, Sdg: Sedang, Pg: Pengajaran, Pn: Penelitian, PM: Pengabdian Masyarakat, Pj: Penunjang, u: ualifikasi S2, & j: inerja Implementasi rules pada Fuzzy: [R 1 ] : if (Pg is B) and (Pn is B) and (PM is B) and (Pj is B) and (u is B) then (j is B) [R 32 ] : if (Pg is B) and (Pn is B) and (PM is B) and (Pj is B) and (u is B) then (j is B) Semesta Pembicaraan dan Himpunan Fuzzy Semesta pembicaraan pada penelitian ini di ambil dari nilai terkecil dan nilai terbesar yang membentuk suatu interval tertentu. Untuk himpunan fuzzy, terdapat 6 variabel fuzzy yang akan dimodelkan, yaitu: Tabel 2. Himpunan Fuzzy IN O U T F Vr SP Himp D Pg 0-4 Pn 0-4 PM 0-4 Pj 0-4 u 0-6 j 0-4 B [0,2] B [0,2] B [0,2] B [0,2] B [0,3] B [3.5,5] B [0,1] Sdg [1.5,2] B [2.5,3] Penjelasan: a) Simbol sebagai berikut : B : Baik, B : urang Baik, Sdg : Sedang, Pg : Pengajaran, Pn : Penelitian, PM : Pengabdian Masyarakat, Pj : Penunjang, u : ualifikasi S2, & j : inerja Dosen, F : Fungsi, Vr : Variabel, SP : Semesta Pembicaraan, Himp : Himpunan, dan D : Domain. b) Nilai Variabel Domain (D) diperoleh dari range nilai pada grafik fungsi ( eanggotaan) sesuai Metode Fuzzy Mamdani. c) Untuk variable Pg, Pn, PM, dan Pj ditentukan range nilai Semesta Pembicaraan (SP) adalah 0-4, artinya jika bernila 0 sampai 2 maka tergolong urang Baik (B) dan jika 2,5 sampai 4 maka tergolong Baik (B). Untuk variable u ditentukan range nilai Semesta Pembicaraan (SP) adalah 0-6, artinya jika bernila 0 sampai 3 maka tergolong urang Baik (B) dan jika 3,5 sampai 6 maka tergolong Baik (B). etentuan ini dibuat berdasar konsultasi dengan Pakar Fungsi eanggotaan Fuzzy A. Variabel Input Sistem yang dirancang memiliki dua variabel input, yaitu nilai kuntitatif yang selanjutnya disebut pengajaran (Pg), pe-nelitian (Pn), pengabdian masyarakat (PM), penunjang (Pj),dan kualifikasi S2 (u). Untuk perancangan fungsi fuzzynya digunakan grafik trapezium dengan dua macam kriteria yaitu: kurang baik dan baik. Faktor Pengajaran (Pg) Faktor Pengajaran dirancang memiliki range nilai tiap grafiknya yaitu: dari 0 sampai 4, untuk selanjutnya didesain grafik fungsi seperti terlihat pada Gambar 2 dibawah ini: Gambar 2. Fungsi Fuzzy untuk Pengajaran (Pg) dengan range nilai dari 0 sampai 4 y c2),,/,)½ /,),*3_ À (2) yc2),,/,),*3_ (3) 241
5 Faktor Penelitian (Pn) Faktor Penelitian dirancang memiliki range nilai tiap grafiknya yaitu: dari 0 sampai 4, untuk selanjutnya didesain grafik fungsi seperti terlihat pada Gambar 3 dibawah ini: y cca,*3_ (7) Faktor Penunjang (Pn) Faktor Penunjang (Pn) dirancang memiliki range nilai tiap grafiknya yaitu: dari 0 sampai 4, untuk selanjutnya didesain grafik fungsi seperti terlihat pada Gambar 5dibawah ini: Gambar 3. Fungsi Fuzzy untuk Penelitian (Pn) dengan range nilai dari 0 sampai 4 y c2)2+*v*,)½ /,),*3_ À (4) yc2)2+*v*,),*3_ (5) Faktor Pengabdian pada Masyarakat (PPM) Faktor PPM dirancang memiliki rangenilai tiap grafiknya yaitu: dari 0 sampai 4, untuk selanjutnya didesain grafik fungsi seperti terlihat pada Gambar 4 dibawah ini: Gambar 5. Fungsi Fuzzy untuk Penunjang (Pn) dengan range nilai dari 0 sampai 4 yc2) ),) ½ /,),*3_ À (8) yc2) ),),*3_ (9) Faktor ualifikasi S2 (u) Faktor ualifikasi S2(u dirancang memiliki range nilai sama tiap grafiknya yaitu: dari 0 sampai 6,untuk selanjutnya didesain grafik fungsi seperti terlihat pada Gambar 6 dibawah ini: Gambar 4. Fungsi Fuzzy untuk Pengabdian pada Masyarakat (PPM) dengan range nilai dari 0 sampai 4 y cca½ /,),*3_ À (6) Gambar 6. Fungsi Fuzzy untuk ualifikasi S2 (u) dengan range nilai dari 0 sampai 6 242
6 O O O y ½Á_½ /,),*3 Š0 À (10) ;0 Š_ Š 5 y ½Á_,*3_ À (11) ; 1 Š _ Š6 B. Variabel Output Variabel Output berupa inerja Dosen (j) dirancang memiliki range nilai dari 0 sampai 4 dengan kriteria: kurang baik, cukup, dan baik. Desain grafik fungsi berupa grafik segitiga seperti terlihat pada Gambar 7dibawah ini: Gambar 8. Tampilan Awal GUI Tahap selanjutnya adalah masuk ke mekanisme proses fuzzy. untuk Tahap ini dilakukan dengan meng-klik kotak Proses Fuzzy seperti yang telah dijelaskan sebelumnya, dan akan muncul tampilan seperti pada gambar 4. Tahap ini melakukan pengolahan data. Pengolahan data dimulai dengan memasukkan nilai pengajaran = 4, penelitian = 4, pengabdian masyarakat = 4, penunjang = 2, dan kualifikasi S2 = 3. Selanjutnya klik tombol Proses, sehingga akan muncul hasil dan kualitas seperti pada gambar 9 Gambar 7. Fungsi Fuzzy untuk output inerja Dosen (j) dengan range nilai dari 0 sampai 4 y ½*)2/,½ /,),*3 Š 1 L (12) ; 0 Š_ Š 0,5À ' ¾ 2 ; ' ¾ 3; Æ y½*)2/,ä2,) _ 2 Š _ Å3 ; À 2 Š_ Å 3 (13) y½*)2/,,*3_ 2,5 Š _ Š3 ; À _ 3 (14) 5. Implementasi Sistem Pakar Implementasi Sistem Pakar di mulai dengan menampilkan GUI Sistem Pakar Fuzzy dalam M-FILE Matlab dengan nama file Gui_Fuzzy. M-FILE Gui_Fuzzy dapat dilihat pada gambar 8 pada gambar Gambar 9. Hasil dan inerja Dosen Untuk pengecekan aplikasi yang dibuat, sesuai dengan rules fuzzy, maka digunakan toolbox Fuzzy Logic pada matlab, agar hasilnya akurat. Pada gambar 10 dijelaskan proses Fuzzy dari input sampai proses dan gambar 11 menampilkan rules dengan penentuan hasil proses fuzzy melalui output kualitas. Gambar 10. Proses Fuzzy dengan input, proses, dan output menggunakan Toolbox Matlab Outpu inerja Dosen 243
7 Gambar 11 Penentuan Rules Fuzzy dan Pengujian Sistem dengan Toolbox Matlab Input variabel SIMPULAN 1. Sistem pakar dengan menggunakan logika fuzzy dapat digunakan untuk mengembangkan model penentuan kinerja dosen di perguruan tinggi. Output sistem ini adalah penentuan kinerja dosen yang didasarkan pada kecocokan kualitas yang dimiliki (aktual). 2. Nilai yang diperoleh dari pengolahan data dengan menggunakan logika fuzzy Mamdani dengan matlab yaitu 3,123 Ç 3, Nilai 3.13 yang diperoleh dengan menggunakan FIS metode Mamdani dengan penegasan LOM (Largest Of Maximum) dan nilai 3.13 yang diperoleh dengan menggunakan MATLAB, terletak pada himpunan kinerja baik. sehingga dapat disimpulkan bahwa kinerja dosen untuk studi kasus dosen Jurusan Matematika FMIPA UNTAD adalah baik. DAFTAR PUSTAA Afuan, L., dkk., Aplikasi Fuzzy berbasis Web untuk Rekomendasi Pemilihan Universitas Swasta (Fuzzy-Based Web Application for Private University Election Recommendations). Jurnal Teknik Informatika (JUITA), 1(3), pp Astawa, S., Penerapan Logika Fuzzy dan Jaringan Syaraf Tiruan pada Sistem Penilaian berbasis omputer. Jurnal Nasional Teknik Informatika, 1(1), pp Dewi,T., Purnomo H., Aplikasi Logika Fuzzy Untuk Pendukung eputusan. Yogyakarta: Graha Ilmu. Ditjen Dikti Depdiknas., Pedoman Beban erja Dosen dan Evaluasi Pelaksanaan Tridharma Perguruan Tinggi. Djunaidi, M., dkk., Penentuan Jumlah Produksi dengan Aplikasi Metode Fuzzy- Mamdani. Jurnal Teknik Informatika, 4(2), pp usumadewi, S., Purnomo, H., Aplikasi Logika Fuzzy untuk Pendukung eputusan. Yogyakarta : Penerbit Graha Ilmu. Peraturan Pemerintah Republik Indonesia No. 37 Tahun 2009 Tentang Dosen. Susilo, F., Himpunan dan Logika abur Serta Aplikasinya. Yogyakarta: Graha Ilmu. Tim Fakultas Ilmu Pendidikan, Pedoman Penilaian inerja Dosen. Yulianto, S., dkk., Aplikasi Pendukung eputusan dengan menggunakan Logika Fuzzy (studi kasus : penentuan spesifikasi computer untuk suatu paket computer lengkap). Jurnal Informatika, 4(2), pp
SISTEM PAKAR FUZZY PENENTUAN KUALITAS KAKAO. Oleh
SISTEM PAKAR FUZZY PENENTUAN KUALITAS KAKAO Oleh Mohammad Yazdi 1), Gunawan Feri Handono 2) 1),2) Jurusan Matematika, Fakultas MIPA, Universitas Tadulako Kampus Bumi Tadulako Tondo Jl. Soekarno Hatta Km.
Lebih terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
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 terperinciBAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)
BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian
Lebih terperinciNURAIDA, 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 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 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 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 terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
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 III METODE FUZZY MAMDANI
29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan
BAB III ANALISA DAN PERANCANGAN SISTEM III. Analisis Masalah Sistem yang dibuat pada studi kasus pemilihan spesifikasi komputer ini, ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai
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 terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga
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 terperinciEVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI
EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com
Lebih terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
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 terperinciPerekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani
BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*
Lebih terperinciMengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti
Lebih terperinciPenerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang
Penerapan Fuy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Thomson Mary Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat Kampus II, Gunung Pangilun, Padang Email:
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 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 terperinciPenerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai)
Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai) Magdalena Simanjuntak 1), Achmad Fauzi 2) Program Studi Teknik Informatika STMIK Kaputama 1) Program Studi Manajemen
Lebih terperinciMODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya
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 terperinciPEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB
PEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB Afan Galih Salman Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University Jln. K.H. Syahdan No 9, Palmerah, Jakarta Barat 11480 asalman@binus.edu
Lebih terperinciPengantar 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 terperinciPENENTUAN 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 terperinciMenentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani
Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Anitaria Simanullang 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED anitaria.simanullang@gmail.com
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 terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciPENENTUAN 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 terperinciIMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA
IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA Asri Bunga Renjani* 1, Yulmaini 2 Bandar Lampung, Telp. 0721-787214, Fax. 0721-700261 1,2 Teknik
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 terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciANALISA 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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi
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 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 terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
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 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 terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan
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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
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 terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih terperinciPREDIKSI NILAI TUKAR RUPIAH MENGGUNAKAN METODE MAMDANI
PREDIKSI NILAI TUKAR RUPIAH MENGGUNAKAN METODE MAMDANI Indra Suyahya Program Studi Pendidikan Ekonomi, FIPPS Universitas Indraprasta PGRI Email: Indrasuyahya@gmail.com Wulan Anggraeni Program Studi Pendidikan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
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 terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar
Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika
Lebih terperinciBAB 2 2. LANDASAN TEORI
BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu
Lebih terperinciBAB 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 terperinciPERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)
PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ) Edy Victor Haryanto 1, Fina Nasari 2 1,2 UniversitasPotensiUtama Jl. K.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY Denny Cristiono T.S., Yugowati P.,Sri Yulianto J.P. Fakultas Teknologi Informasi Universitas Kristen
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem
Lebih terperinci( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik
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 terperinciBAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 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 terperinciPENENTUAN 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 terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
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 terperinciPenerapan Logika Fuzzy
1 Penerapan Logika Fuzzy M. Faisal Baehaki - 13506108 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia 1 m_faisal_b@yahoo.com
Lebih terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinciPENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )
PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) Edy Victor Haryanto1), Fina Nasari) Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No.
Lebih terperinciPrediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses Manado Menggunakan Fuzzy Inference System
Jurnal Matematika dan Aplikasi decartesian ISSN:2302-4224 J o u r n a l h o m e p a g e: https://ejournal.unsrat.ac.id/index.php/decartesian decartesian Prediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses
Lebih terperinciImplementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic
JTRISTE, Vol.2, No.2, Oktober 2015, pp. 18~28 ISSN: 2355-3677 Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic Junaedy 1, Abdul Munir 2 STMIK KHARISMA
Lebih terperinciMatematika Diskrit Fuzzy Inference System Prodi T.Informatika
Matematika Diskrit Fuzzy Inference System Prodi T.Informatika Mahasiswa dapat melakukan penalaran dengan hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Mekanisme Fuzzy Iinference Systems
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas
BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,
Lebih terperinciMetode Fuzzy Logic Untuk Evaluasi Kinerja Pelayanan Perawat Rumah Sakit Permata Bekasi (RSPB) ABSTRACT
Metode Fuzzy Logic Untuk Evaluasi Kinerja Pelayanan Perawat Rumah Sakit Permata Bekasi (RSPB) M. Ridwan Effendi jundi79@gmail.com Fakultas Komputer Jurusan Sistem Informasi Universitas Mohammad Husni Thamrin
Lebih terperinciPenggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi
Jurnal Gradien Vol.3 No.2 Juli 2007 : 247-251 Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Syamsul
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 terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciII TINJAUAN PUSTAKA 2.1. Klasifikasi Metode EOR
II TINJAUAN PUSTAKA 2.1. Klasifikasi Metode EOR Metode peningkatan perolehan minyak tingkat lanjut atau Enhanced Oil Recovery (EOR) adalah suatu teknik peningkatan produksi minyak setelah tahapan produksi
Lebih terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5.
ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5. Indah Pratiwi Jurusan Teknik Industri, Universitas Muhammadiyah Surakarta Jl. A. Yani
Lebih terperinciPENERAPAN 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 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 terperinciPENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus
Lebih terperinciAPLIKASI 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 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 terperinciKeputusan Pemilihan Program Studi dengan
Pengembangan Aplikasi Pendukung Keputusan Pemilihan Program Studi dengan Metode Fuzzy Logic (Studi Kasus: Universitas Multimedia Nusantara) Joko Haryanto, Seng Hansun Program Studi Teknik Informatika,
Lebih terperinciFUZZY 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 terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
Lebih terperinciProses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani
JURNAL SAINTIFIK VOL.3 NO. 2, JULI 2017 Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani Darmawati Jurusan Matematika FMIPA Universitas Sulawesi Barat; e-mail: dharmawangs89@gmail.com
Lebih terperinciResearch of Science and Informatic
Sains dan Informatika Vol.2 (N0.2) (2016): 20-30 1 Rifa, Nency, Expert System For Determine Lecturer Performance JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA)
Jurnal Informatika Mulawarman Vol. 10 No. 1 Februari 2015 32 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA) Hanis
Lebih terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
Lebih terperinciIMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA)
IMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA) Alfa Saleh Teknik Informatika, Fak. Ilmu Komputer
Lebih terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih terperinci4-5-FUZZY INFERENCE SYSTEMS
4-5-FUZZY INFERENCE SYSTEMS Shofwatul Uyun Mekanisme FIS Fuzzy Inference Systems (FIS) INPUT (CRISP) FUZZYFIKASI RULES AGREGASI DEFUZZY OUTPUT (CRISP) 2 Metode Inferensi Fuzzy Metode Tsukamoto Metode Mamdani
Lebih terperinciRANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN TENAGA PENGAJAR DENGAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN TENAGA PENGAJAR DENGAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI Made Sumitre 1, Rio Kurniawan 2 1 Sekolah Tinggi Agama Hindu Lampung 2 Jurusan
Lebih terperinci