PENENTUAN PRIORITAS RUMAH TANGGA MISKIN MENGGUNAKAN FUZZY TSUKAMOTO
|
|
- Hengki Johan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENENTUAN PRIORITAS RUMAH TANGGA MISKIN MENGGUNAKAN FUZZY TSUKAMOTO Vivi Nur Wijayaningrum 1, Wayan Firdaus Mahmudy 2 1,2 Program Studi Magister Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya Jl. Veteran 8, Malang Telp. (0341) vivinurw@gmail.com, wayanfm@ub.ac.id ABSTRACT Poverty level reduction is the most important part in the development policy in Indonesia. Various types of government policies have been conducted as an effort to reduce poverty, one of which is Bantuan Langsung Tunai (BLT) program. However, the distribution of the BLT program frequently not right on target. The process of determining priority of poor households is quite complicated because it involves many parameters that must be taken into account. This study uses Tsukamoto Fuzzy to assist in determining the priority of poor households. The goal is to form a ranking so the sequence of households who eligible to get assistance can be known. Criteria used in the calculation were based on BPS provisions concerning the poor household criteria. The test results using Spearman Correlation obtained correlation value is , which indicates that there is a high association between the ranking, which generated by the system and the ranking results from BPS calculation. The final results obtained is the ranking of poor households of 30 data were used. Keywords: fuzzy, poverty, priority, household, Tsukamoto ABSTRAK Pengentasan kemiskinan merupakan bagian paling penting dalam kebijakan pembangunan di Indonesia. Berbagai jenis kebijakan pemerintah telah dilakukan sebagai upaya untuk menurunkan angka kemiskinan, salah satunya adalah dengan adanya program Bantuan Langsung Tunai (BLT). Namun pemberian program BLT tersebut sering kali tidak tepat sasaran. Proses penentuan prioritas rumah tangga miskin ini memang cukup rumit karena melibatkan banyak parameter yang harus diperhitungkan. Penelitian ini menggunakan Fuzzy Tsukamoto untuk membantu dalam menentukan prioritas rumah tangga miskin. Tujuannya adalah membentuk sebuah peringkat rumah tangga miskin sehingga dapat diketahui urutan rumah tangga yang berhak untuk mendapatkan bantuan. Pemilihan kriteria yang digunakan dalam perhitungan didasarkan pada ketentuan BPS mengenai kriteria rumah tangga miskin. Dari hasil pengujian menggunakan Spearman Correlation, didapatkan nilai korelasi sebesar , yang menunjukkan bahwa ada keterkaitan yang tinggi antara peringkat yang dihasilkan oleh sistem dengan peringkat hasil perhitungan BPS. Hasil akhir yang didapatkan berupa peringkat rumah tangga miskin dari 30 data rumah tangga yang digunakan. Kata Kunci: fuzzy, kemiskinan, prioritas, rumah tangga, Tsukamoto 1. PENDAHULUAN Permasalahan kemiskinan selalu menjadi topik pembahasan di berbagai negara berkembang. Indonesia sebagai salah satu negara berkembang, mengagendakan penurunan angka kemiskinan dalam perencanaan pembangunan. Segala bentuk kebijakan dan program pengentasan kemiskinan dibuat untuk menurunkan angka kemiskinan, salah satunya adalah program Bantuan Langsung Tunai (BPS, 2007). Kebanyakan penelitian tentang kemiskinan yang sudah dilakukan membahas kemiskinan dengan berfokus pada pendekatan pendapatan atau pengeluaran. Sudah tidak diragukan lagi bahwa pendapatan dan pengeluaran merupakan faktor penting yang digunakan untuk mengukur tingkat kemiskinan. Namun pendekatan tersebut tidak cukup untuk menjangkau berbagai aspek kemiskinan (Chatterjee, Mukherjee, & Kar, 2014). Hal ini sesuai dengan indikator kemiskinan menurut Badan Pusat Statistik (BPS) yang menyebutkan bahwa kemiskinan diukur berdasarkan kemampuan memenuhi kebutuhan dasar, yang artinya kemiskinan dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran (Cahyat, 2004). BPS melakukan perhitungan dengan cara menjumlahkan hasil penilaian kebutuhan makanan dan non-makanan. Nilai tersebut nantinya akan dibandingkan dengan garis kemiskinan yang sudah ditetapkan. Rumah tangga yang memiliki rata-rata pengeluaran per bulan di bawah garis kemiskinan dikategorikan sebagai rumah tangga miskin (Cahyat, 2004). Kelemahannya adalah penilaian dilakukan dengan menggunakan range "harga mati", yang artinya sebuah rumah tangga dapat masuk ke kategori tidak miskin karena nilainya berada sedikit di atas garis kemiskinan walaupun pada kenyataannya tempat tinggal rumah tangga tersebut tidak layak. Hal ini tentunya akan merugikan karena perbedaan kondisi fisik rumah tangga tersebut dengan rumah tangga lain yang memang 392
2 kenyataannya tidak miskin sangat jauh. Permasalahannya adalah fakta bahwa pembagian yang jelas antara rumah tangga miskin dan tidak miskin tidak realistis (Othman, Hamzah, & Yahaya, 2010). Oleh karena itu, penilaian rumah tangga miskin ini perlu diperbaiki sehingga penentuan rumah tangga miskin ini sesuai dengan keadaan yang sebenarnya. Penelitian mengenai penentuan level atau pengategorian kemiskinan di Indonesia telah dilakukan oleh beberapa peneliti. (Redjeki, Guntara, & Anggoro, 2015) menggunakan Naive Bayes Classifier untuk melakukan klasifikasi terhadap rumah tangga miskin. Indikator yang digunakan berjumlah 11 kriteria dengan jumlah klasifikasi sebanyak 3 yaitu sangat miskin, miskin, dan rentan miskin. Naive Bayes Classifier digunakan untuk menghitung nilai probabilitas dari setiap indikator kemiskinan. Penelitian lain dilakukan oleh (Fiarni, Gunawan, & Lestari, 2013), dengan menggunakan fuzzy Analytical Hierarchy Process (F-AHP) untuk menentukan penerima Surat Keterangan Tidak Mampu (SKTM) yang digunakan untuk menerima bantuan perawatan medis di kota Sukabumi. Penggunaan F-AHP digunakan untuk menentukan bobot penilaian terhadap kriteria yang digunakan, yaitu sejumlah 14 kriteria yang ditetapkan oleh Badan Pusat Statistik (BPS). Dengan menentukan peringkat bobot fuzzy, kandidat penerima SKTM ditentukan berdasarkan kriteria kepentingan relatif yang dihasilkan. Konsep fuzzy menjadi menarik untuk penelitian mengenai kemiskinan karena aplikasi nilai crisp konvensional yang memisahkan kategori miskin dan tidak miskin semakin diyakini tidak cukup untuk mewakili fenomena sosial yang kompleks seperti kemiskinan (Neff, 2013). Salah satu metode inferensi yang sukses digunakan pada berbagai permasalahan klasifikasi adalah sistem inferensi fuzzy Tsukamoto. Misalnya metode ini telah diterapkan untuk penentuan kelayakan calon pegawai (Sari & Mahmudy, 2015), penentuan risiko penyakit jantung (Utomo & Mahmudy, 2015), dan kualifikasi pemasok bahan baku industri (Santika & Mahmudy, 2015). Oleh karena itu, pada penelitian ini digunakan Fuzzy Tsukamoto untuk menentukan prioritas rumah tangga miskin. 2. LOGIKA FUZZY Pada tahun 1965, Lothfi A. Zadeh memperkenalkan logika fuzzy yang merupakan logika yang mengacu pada prinsip penalaran manusia. Logika fuzzy adalah teori himpunan logika yang dikembangkan untuk mengatasi konsep nilai yang berada di antara nilai kebenaran 'benar' dan 'salah'. Logika pada umumnya hanya mengenal dua kondisi yaitu ya atau tidak, 0 atau 1, dan benar atau salah. Lain halnya dengan logika fuzzy, logika fuzzy mengadopsi cara berpikir manusia dengan menggunakan konsep sifat kesamaan sebuah nilai sehingga nilai tersebut tidak hanya 0 atau 1, tetapi juga seluruh kemungkinan di antara nilai 0 dan 1. Nilai kebenaran fuzzy apabila dinyatakan dalam istilah bahasa menjadi sangat benar, benar agak benar, kurang benar, dan tidak benar (Zadeh, 1965). Logika fuzzy secara umum memiliki tahapan pengerjaan sebagai berikut (Singhala, Shah, & Patel, 2014): 1. Menentukan variabel linguistik. 2. Membentuk fungsi keanggotaan. 3. Membentuk rule base. 4. Mengubah data crisp menjadi nilai fuzzy menggunakan fungsi keanggotaan. 5. Melakukan evaluasi rule pada rule base. 6. Menggabungkan hasil yang didapatkan pada setiap rule. 7. Mengubah output data menjadi nilai non-fuzzy. 3. METODOLOGI Permasalahan penentuan prioritas rumah tangga miskin dilakukan dengan cara melakukan perhitungan setiap data rumah tangga miskin berdasarkan pada kriteria-kriteria yang telah ditentukan. Pada kasus ini, data yang digunakan adalah 30 data rumah tangga yang berada di Kelurahan Kebraon, Kecamatan Karang Pilang, Kota Surabaya, yang ditunjukkan pada Tabel 1. Kriteria yang digunakan sebagai indikator kemiskinan pada penelitian ini terdiri dari 14 kriteria. Beberapa penelitian lain juga menggunakan kriteria yang telah ditetapkan BPS tersebut untuk menentukan prioritas rumah tangga miskin (Kumar & Pathinathan, 2015) (Redjeki et al., 2015). Menurut BPS, kriteria-kriteria yang menyatakan bahwa ciriciri rumah tangga yang tergolong miskin terdiri dari: 1. Luas lantai bangunan tempat tinggal kurang dari 8 m 2 per orang. 2. Jenis lantai bangunan tempat tinggal terbuat dari tanah/bambu/kayu. Tabel 1. Data rumah tangga miskin No Luas Lantai (m 2 ) Jenis Lantai... Pendidikan Aset (Rp) 1 8 Kayu... SMA Ubin... S Bambu... SMA Keramik... SMA
3 3. Jenis dinding tempat tinggal terbuat dari bambu/rumbia/kayu berkualitas rendah/tembok tanpa diplester. 4. Tidak memiliki fasilitas buang air besar/bersama-sama dengan rumah tangga lain. 5. Sumber penerangan rumah tangga tidak menggunakan listrik. 6. Sumber air minum berasal dari sumur/mata air tidak terlindung/sungai/air hujan. 7. Bahan bakar untuk memasak sehari-hari adalah kayu bakar/arang /minyak tanah. 8. Hanya mengonsumsi daging/susu/ayam satu kali dalam seminggu. 9. Hanya membeli satu setel pakaian baru dalam setahun. 10. Hanya sanggup makan sebanyak satu/dua kali dalam sehari. 11. Tidak sanggup membayar biaya pengobatan di puskesmas/poliklinik. 12. Pendidikan tertinggi kepala kepala rumah tangga: tidak sekolah/tidak tamat SD/hanya SD. 13. Tidak memiliki tabungan/barang yang mudah dijual dengan nilai Rp , seperti: sepeda motor (kredit/non-kredit), emas, ternak, kapal motor, atau barang modal lainnya. 3.1 Fuzzification Proses fuzzification adalah mengubah input berupa nilai crisp menjadi himpunan variabel linguistik. Ketidakpastian nilai terjadi akibat adanya ambiguitas dan variabel menjadi tidak jelas nilainya sehingga dapat nilai-nilai tersebut dapat direpresentasikan dengan fungsi keanggotaan. Output dari proses fuzzification adalah nilai fuzzy. Nilai fuzzy diambil sebagai input untuk mekanisme inferensi fuzzy (Kumar, 2015). Himpunan variabel linguistik yang digunakan pada kasus ini adalah sebagai berikut: Luas lantai : {Kecil, Besar} Kualitas lantai : {Rendah, Tinggi} Kualitas dinding : {Rendah, Tinggi} Kualitas kamar mandi : {Rendah, Tinggi} Kualitas penerangan : {Rendah, Tinggi} Kualitas air minum : {Rendah, Tinggi} Kualitas bahan bakar : {Rendah, Tinggi} Frekuensi konsumsi daging : {Rendah, Tinggi} Frekuensi membeli pakaian : {Rendah, Tinggi} Frekuensi makan : {Rendah, Tinggi} Akses pengobatan : {Rendah, Tinggi} Penghasilan : {Sedikit, Banyak} Level pendidikan : {Rendah, Tinggi} Aset : {Sedikit, Banyak} Fungsi derajat keanggotaan yang dapat dibentuk untuk setiap kriteria adalah sebagai berikut: Fungsi derajat keanggotaan dari variabel luas lantai ditunjukkan pada Gambar 1. Gambar 1. Fungsi derajat keanggotaan variabel luas lantai Gambar 1 ditunjukkan pada Persamaan (1) dan Persamaan (2). 0, x 9 9 x (1) kecil x, 7 x , x 7 0, x 7 x 7 (2) besar x, 7 x , x 9 Nilai-nilai pada variabel kualitas lantai adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 2. Tabel 2. Nilai skala variabel kualitas lantai Jenis Lantai Nilai Tanah 1 Bambu 2 Kayu 3 Semen 4 Ubin 5 Keramik 6 lantai ditunjukkan pada Gambar 2. Gambar 2. Fungsi derajat keanggotaan variabel kualitas lantai Gambar 2 ditunjukkan pada Persamaan (3) dan Persamaan (4). 0, x 5 5 x (3) rendah x, 3 x , x 3 0, x 3 x 3 (4) tinggi x, 3 x , x 5 394
4 Nilai-nilai pada variabel kualitas dinding adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 3. Tabel 3. Nilai skala variabel kualitas dinding Jenis Dinding Nilai Bambu 1 Kayu 2 Tembok 3 dinding ditunjukkan pada Gambar 3. Gambar 4 ditunjukkan pada Persamaan (7) dan Persamaan (8). 0, x 2 2 x (7) rendah x, 1 x , x 1 0, x 1 x 1 (8) tinggi x, 1 x , x 2 Nilai-nilai pada variabel kualitas penerangan adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 5. Tabel 5. Nilai skala variabel kualitas penerangan Sumber Penerangan Nilai Bukan listrik 1 Listrik 2 Gambar 3. Fungsi derajat keanggotaan variabel kualitas dinding Gambar 3 ditunjukkan pada Persamaan (5) dan Persamaan (6). 0, x 3 3 x (5) rendah x, 2 x , x 2 0, x 2 x 2 (6) tinggi x, 2 x , x 3 Nilai-nilai pada variabel kualitas kamar mandi adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 4. Tabel 4. Nilai skala variabel kualitas kamar mandi Kamar Mandi Nilai Tidak ada 1 Ada 2 kamar mandi ditunjukkan pada Gambar 4. Gambar 4. Fungsi derajat keanggotaan variabel kualitas kamar mandi penerangan ditunjukkan pada Gambar 5. Gambar 5. Fungsi derajat keanggotaan variabel kualitas penerangan Gambar 5 ditunjukkan pada Persamaan (9) dan Persamaan (10). 0, x 2 2 x (9) rendah x, 1 x , x 1 0, x 1 x 1 (10) tinggi x, 1 x , x 2 Nilai-nilai pada variabel kualitas air minum adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 6. Tabel 6. Nilai skala variabel kualitas air minum Sumber Air Minum Nilai Sungai 1 Sumur 2 PDAM 3 Air mineral 4 395
5 air minum ditunjukkan pada Gambar 6. tinggi x 0, x 2, 3 2 1, x 2 2 x 3 x 3 (14) Fungsi derajat keanggotaan dari variabel frekuensi konsumsi daging dalam seminggu ditunjukkan pada Gambar 8. Gambar 6. Fungsi derajat keanggotaan variabel kualitas air minum Gambar 6 ditunjukkan pada Persamaan (11) dan Persamaan (12). 0, x 3 3 x (11) rendah x, 2 x , x 2 0, x 2 x 2 (12) tinggi x, 2 x , x 3 Nilai-nilai pada variabel kualitas bahan bakar adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 7. Tabel 7. Nilai skala variabel kualitas bahan bakar Kamar Mandi Nilai Kayu bakar 1 Minyak tanah 2 LPG 3 Gambar 8. Fungsi derajat keanggotaan variabel frekuensi konsumsi daging Gambar 8 ditunjukkan pada Persamaan (15) dan Persamaan (16). 0, x 2 2 x (15) kecil x, 1 x , x 1 0, x 1 x 1 (16) besar x, 1 x , x 2 Fungsi derajat keanggotaan dari variabel frekuensi membeli pakaian dalam setahun ditunjukkan pada Gambar 9. bahan bakar ditunjukkan pada Gambar 7. Gambar 9. Fungsi derajat keanggotaan variabel frekuensi membeli pakaian Gambar 7. Fungsi derajat keanggotaan variabel kualitas bahan bakar Gambar 7 ditunjukkan pada Persamaan (13) dan Persamaan (14). 0, x 3 3 x (13) rendah x, 2 x , x 2 Gambar 9 ditunjukkan pada Persamaan (17) dan Persamaan (18). 0, x 2 2 x (17) kecil x, 1 x , x 1 0, x 1 x 1 (18) besar x, 1 x , x 2 396
6 Fungsi derajat keanggotaan dari variabel frekuensi makan dalam sehari ditunjukkan pada Gambar 10. besar x 0, x 1, 2 1 1, x 1 1 x 2 x 2 (22) Fungsi derajat keanggotaan dari variabel penghasilan ditunjukkan pada Gambar 12. Gambar 10. Fungsi derajat keanggotaan variabel frekuensi makan Gambar 10 ditunjukkan pada Persamaan (19) dan Persamaan (20). 0, x 3 3 x (19) kecil x, 1 x , x 1 0, x 1 x 1 (20) besar x, 1 x , x 3 Nilai-nilai pada variabel kesanggupan akses pengobatan adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 8. Tabel 8. Nilai skala variabel akses pengobatan Akses Pengobatan Nilai Tidak sanggup 1 Sanggup 2 Fungsi derajat keanggotaan dari variabel akses pengobatan ditunjukkan pada Gambar 11. Gambar 12. Fungsi derajat keanggotaan variabel penghasilan Gambar 12 ditunjukkan pada Persamaan (23) dan Persamaan (24). 0, x x (23) sedikit x, 500 x , x 500 0, x 500 x 500 (24) banyak x, 500 x , x 1000 Nilai-nilai pada variabel pendidikan adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 9. Tabel 9. Nilai skala variabel pendidikan Level Pendidikan Nilai Tidak sekolah 1 SD 2 SMP 3 SMA / SMK / D1 4 D3 / D4 / S1 / S2 / S3 5 Fungsi derajat keanggotaan dari variabel pendidikan ditunjukkan pada Gambar 13. Gambar 11. Fungsi derajat keanggotaan variabel akses pengobatan Gambar 11 ditunjukkan pada Persamaan (21) dan Persamaan (22). 0, x 2 2 x (21) kecil x, 1 x , x 1 Gambar 13. Fungsi derajat keanggotaan variabel pendidikan 397
7 Gambar 13 ditunjukkan pada Persamaan (25) dan Persamaan (26). 0, x 5 5 x (25) rendah x, 2 x , x 2 0, x 2 x 2 (26) tinggi x, 2 x , x 5 Fungsi derajat keanggotaan dari variabel aset ditunjukkan pada Gambar 14. Gambar 14. Fungsi derajat keanggotaan variabel aset Gambar 14 ditunjukkan pada Persamaan (27) dan Persamaan (28). 0, x x (27) sedikit x, 500 x , x 500 0, x 500 x 500 (28) banyak x, 500 x , x 1000 Fungsi derajat keanggotaan dari kategori kemiskinan ditunjukkan pada Gambar 15. Gambar 15. Fungsi derajat keanggotaan variabel kategori kemiskinan Gambar 15 ditunjukkan pada Persamaan (28), Persamaan (29), dan Persamaan (30). 0, x x (29) miskin x, 20 x , x 20 hampirmisk in tidakmiski n x x 0, x 20, x 50 x 20, 20 x , 30 x 50 0, x 50 x 50, 50 x , x 60 (30) (31) 3.2 Rule Rule merupakan serangkaian aturan yang digunakan sebagai dasar perhitungan yang akan digunakan pada Fuzzy Tsukamoto. Tabel 10 menunjukkan rule yang digunakan untuk perhitungan pada kasus ini. Baris pertama pada Tabel 10 menunjukkan bahwa apabila terdapat rumah tangga yang memiliki luas lantai berukuran besar dengan kualitas lantai rendah, pendidikan kepala rumah tangga tinggi, dan aset yang dimiliki sedikit, maka rumah tangga tersebut dikategorikan hampir miskin. 3.3 Mesin Inferensi Pada kasus ini, proses inferensi dilakukan dengan menggunakan metode Tsukamoto. Berikut ini diberikan contoh kasus penentuan kategori rumah tangga miskin berdasarkan nilai-nilai pada setiap kriteria kemiskinan. Misalkan terdapat sebuah rumah tangga yang memiliki nilai-nilai setiap kriteria sebagai berikut: Luas lantai : 8 m 2 Jenis lantai : Bambu Jenis dinding : Bambu Kamar mandi : Ada Penerangan : Listrik Air minum : PDAM Bahan bakar : Minyak tanah Konsumsi daging : 2 kali seminggu Membeli pakaian : 2 kali setahun Frekuensi makan : 3 kali sehari Akses pengobatan : Mampu Penghasilan : Rp Pendidikan : D3 Aset : Rp Himpunan bahasa yang dapat dibentuk berdasarkan nilai-nilai tersebut adalah sebagai berikut: Luas lantai : {Kecil, Besar} Jenis lantai : {Rendah} Jenis dinding : {Rendah} Kamar mandi : {Tinggi} Penerangan : {Tinggi} Air minum : {Tinggi} Bahan bakar : {Rendah} Konsumsi daging : {Tinggi} Membeli pakaian : {Tinggi} Frekuensi makan : {Tinggi} Akses pengobatan : {Tinggi} 398
8 Tabel 10. Rule No If Luas Lantai Kualitas Lantai... Pendidikan Aset Then 1 Besar Rendah... Tinggi Sedikit Hampir Miskin 2 Besar Tinggi... Tinggi Banyak Tidak Miskin 3 Kecil Rendah... Rendah Sedikit Miskin Besar Tinggi... Rendah Banyak Tidak Miskin 34 Besar Tinggi... Rendah Banyak Tidak Miskin Penghasilan Pendidikan Aset : {Sedikit, Banyak} : {Tinggi} : {Banyak} Nilai derajat keanggotaan setiap kriteria dihitung berdasarkan nilai-nilai input tersebut sehingga didapatkan hasil seperti ditunjukkan pada Tabel 11. Tabel 11. Nilai himpunan derajat keanggotaan No Kriteria Nilai Himpunan 1 Luas lantai µ kecil (8) = 0.5 µ besar (8) = Kualitas lantai µ rendah (2) = 1 µ tinggi (2) = 0 3 Kualitas dinding µ rendah (1) = 1 µ tinggi (1) = 0 4 Kualitas kamar mandi µ rendah (1) = 0 µ tinggi (1) = 1 5 Kualitas penerangan µ rendah (1) = 0 µ tinggi (1) = 1 6 Kualitas air minum µ rendah (3) = 0 µ tinggi (3) = 1 7 Kualitas bahan bakar µ rendah (2) = 1 µ tinggi (2) = 0 8 Frekuensi konsumsi µ rendah (2) = 0 9 daging Frekuensi membeli pakaian 10 Frekuensi makan 11 Akses pengobatan 12 Penghasilan 13 Pendidikan 14 Aset µ tinggi (2) = 1 µ rendah (2) = 0 µ tinggi (2) = 1 µ rendah (3) = 0 µ tinggi (3) = 1 µ rendah (2) = 0 µ tinggi (2) = 1 µ rendah (800) = 0.4 µ tinggi (800) = 0.6 µ rendah (5) = 0 µ rendah (5) = 1 µ sedikit (1000) = 0 µ banyak (1000) = 1 Baris pertama pada Tabel 11 menunjukkan hasil perhitungan nilai himpunan derajat keanggotaan untuk kriteria luas lantai. Persamaan (1) digunakan untuk mendapatkan nilai µ kecil dan Persamaan (2) digunakan untuk mendapatkan nilai µ besar. Langkah selanjutnya adalah menentukan rulerule yang sesuai dengan himpunan bahasa berdasarkan nilai derajat keanggotaan yang telah dihitung. Rule-rule yang digunakan adalah sebagai berikut: Rule 5: Luas lantai KECIL, kualitas lantai RENDAH, kualitas dinding RENDAH, kualitas kamar mandi TINGGI, kualitas penerangan TINGGI, kualitas air minum TINGGI, kualitas bahan bakar RENDAH, frekuensi konsumsi daging TINGGI, frekuensi membeli pakaian TINGGI, frekuensi makan TINGGI, akses pengobatan TINGGI, penghasilan SEDIKIT, pendidikan TINGGI, dan aset BANYAK, maka rumah tangga tersebut termasuk HAMPIR MISKIN. Rule 6: Luas lantai BESAR, kualitas lantai RENDAH, kualitas dinding RENDAH, kualitas kamar mandi TINGGI, kualitas penerangan TINGGI, kualitas air minum TINGGI, kualitas bahan bakar RENDAH, frekuensi konsumsi daging TINGGI, frekuensi membeli pakaian TINGGI, frekuensi makan TINGGI, akses pengobatan TINGGI, penghasilan BANYAK, pendidikan TINGGI, dan aset BANYAK, maka rumah tangga tersebut termasuk TIDAK MISKIN. Berdasarkan rule-rule yang digunakan tersebut, nilai minimal derajat keanggotaan dari masingmasing rule yang telah ditentukan dihitung sehingga didapatkan hasil seperti ditunjukkan pada Tabel 12. Tabel 12. Nilai minimal derajat keanggotaan Rule Variabel Nilai Luas lantai kecil 0.5 Kualitas lantai rendah 1 Kualitas dinding rendah 1 Kualitas kamar mandi tinggi 1 Kualitas penerangan tinggi 1 Kualitas air minum tinggi 1 Kualitas bahan bakar rendah 1 5 Frekuensi konsumsi daging tinggi 1 Frekuensi beli pakaian tinggi 1 Frekuensi makan tinggi 1 Akses pengobatan tinggi 1 Penghasilan sedikit 0.4 Pendidikan tinggi 1 Aset banyak 1 µ
9 Tabel 12. Nilai minimal derajat keanggotaan (Lanjutan) Rule Variabel Nilai Luas lantai besar 0.5 Kualitas lantai rendah 1 Kualitas dinding rendah 1 Kualitas kamar mandi tinggi 1 Kualitas penerangan tinggi 1 Kualitas air minum tinggi 1 Kualitas bahan bakar rendah 1 6 Frekuensi konsumsi daging tinggi 1 Frekuensi beli pakaian tinggi 1 Frekuensi makan tinggi 1 Akses pengobatan tinggi 1 Penghasilan banyak 0.6 Pendidikan tinggi 1 Aset banyak 1 µ Defuzzification Pada proses defuzzification ini, dilakukan perhitungan nilai Z untuk masing-masing rule yang digunakan. Perhitungan nilai Z untuk keempat rule yang digunakan adalah sebagai berikut: Rule 5 menyatakan rumah tangga tersebut tergolong ke dalam kategori rumah tangga hampir miskin, sehingga perhitungan nilai Z dapat dihitung menggunakan Persamaan 12. Z (10) 24 Rule 6 menyatakan rumah tangga tersebut tergolong ke dalam kategori rumah tangga tidak miskin, sehingga perhitungan nilai Z dapat dihitung menggunakan Persamaan 13. Z (10) 55 Langkah selanjutnya adalah melakukan perkalian antara nilai µ dan Z untuk setiap rule sehingga didapatkan hasil seperti ditunjukkan pada Tabel 13. Tabel 13. Hasil perhitungan µ dan Z Rule Nilai µ Nilai Z Nilai µ*z Total Untuk mendapatkan perkiraan kategori kemiskinan, langkah selanjutnya adalah membagi nilai total µ*z dengan nilai total µ, sehingga didapatkan hasil sebagai berikut: * Z 37.1 Perkiraan Berdasarkan hasil perhitungan tersebut, nilai perkiraan yang diperoleh adalah Nilai inilah yang akan digunakan untuk menentukan prioritas rumah tangga miskin dengan cara membandingkan nilai hasil perhitungan antar rumah tangga. 4. PENGUJIAN DAN ANALISIS Pengujian dilakukan dengan menggunakan Spearman Correlation, yaitu dengan cara melakukan perbandingan hasil peringkat yang dibuat oleh sistem dengan peringkat berdasarkan hasil perhitungan BPS, dengan menggunakan Persamaan (32). 2 6 d rs 1 (32) 2 nn 1 Keterangan: rs : Spearman Correlation d : selisih peringkat data n : jumlah data Tabel 14 menunjukkan hasil perhitungan koefisien Spearman Correlation. Tabel 14. Hasil perhitungan Spearman Correlation Rumah Peringkat Peringkat tangga BPS Sistem d d 2 K K K K K K K K K K K K K K K K K K K K K K K K K K K K K K TOTAL 1004 Hasil perhitungan pada Tabel 12 tersebut selanjutnya digunakan untuk menghitung Spearman Correlation dengan menggunakan Persamaan 32, sehingga didapatkan hasil sebagai berikut: 400
10 rs Berdasarkan tabel Spearman Correlation, nilai termasuk ke dalam tingkat korelasi tinggi. Oleh karena itu, fuzzy Tsukamoto dapat digunakan untuk menentukan prioritas rumah tangga miskin. 5. KESIMPULAN Berdasarkan hasil pengujian yang telah dilakukan, didapatkan kesimpulan bahwa fuzzy Tsukamoto dapat digunakan untuk menentukan prioritas rumah tangga miskin dengan menggunakan 14 kriteria yang ditetapkan oleh BPS sebagai parameter dalam perhitungan fuzzy. Spearman Correlation digunakan untuk menghitung tingkat keterkaitan hubungan antara peringkat yang dihasilkan oleh sistem dengan peringkat hasil perhitungan BPS. Pada penelitian ini, nilai korelasi yang didapatkan sebesar Nilai tersebut termasuk ke dalam tingkat korelasi yang tinggi, artinya ada keterkaitan yang tinggi antara peringkat yang dihasilkan oleh sistem dengan peringkat hasil perhitungan BPS. Pada penelitian selanjutnya, penggunaan algoritma genetika dapat digunakan untuk memilih kriteria yang digunakan dalam perhitungan penentuan prioritas rumah tangga miskin. Algoritma genetika digunakan untuk memilih kriteria-kriteria yang dapat mewakili kriteria penentu rumah tangga miskin. Hal ini akan sangat membantu mempermudah pekerjaan penyurvei apabila ternyata diketahui bahwa beberapa kriteria saja dapat digunakan dalam proses perhitungan tanpa harus menggunakan 14 kriteria yang ditetapkan BPS tersebut. Algoritma genetika juga dapat diterapkan untuk penyesuaian batasan fungsi keanggotaan secara otomatis (Restuputri, Mahmudy, & Cholissodin, 2015). PUSTAKA BPS. (2007). Analisis Tipologi Kemiskinan Perkotaan Studi Kasus di Jakarta Utara. Cahyat, A. (2004). Bagaimana Kemiskinan Diukur? Beberapa Model Penghitungan Kemiskinan di Indonesia. Center for International Forestry Research (CIFOR), CIFOR Gove(2), 1 8. Chatterjee, A., Mukherjee, S., & Kar, S. (2014). Poverty Level of Households: A Multidimensional Approach Based on Fuzzy Mathematics. Fuzzy Information and Engineering, 6(4), Fiarni, C., Gunawan, A., & Lestari, A. (2013). Fuzzy AHP Based Decision Support System for SKTM Recipient Selection. Information Systems International Conference (ISICO), Kumar, R., & Pathinathan, T. (2015). Sieving out the Poor using Fuzzy Decision Making Tools. Indian Journal of Science and Technology, 8(22), Neff, D. (2013). Fuzzy Set Theoretic Applications in Poverty Research. Policy and Society, 32(4), Othman, M., Hamzah, S. H. A., & Yahaya, M. F. (2010). Fuzzy Index Poverty (FIP): Measuring Poverty in Rural Area of Terengganu. International Conference on User Science and Engineering (i-user), Redjeki, S., Guntara, M., & Anggoro, P. (2015). Naive Bayes Classifier Algorithm Approach for Mapping Poor Families Potential. International Journal of Advanced Research in Artificial Intelligence, 4(12), Restuputri, B. A., Mahmudy, W. F., & Cholissodin, I. (2015). Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto Dua Tahap Menggunakan Algoritma Genetika Pada Pemilihan Calon Penerima Beasiswa dan BBP-PPA (Studi Kasus: PTIIK Universitas Brawijaya Malang). DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, 5(15), Santika, G. D., & Mahmudy, W. F. (2015). Penentuan Pemasok Bahan Baku Menggunakan Fuzzy Inference System Tsukamoto. In Seminar Nasional Sistem Informasi Indonesia (SESINDO) (pp ). Sari, N. R., & Mahmudy, W. F. (2015). Fuzzy Inference System Tsukamoto Untuk Menentukan Kelayakan Calon Pegawai. In Seminar Nasional Sistem Informasi Indonesia (SESINDO) (pp ). Singhala, P., Shah, D. N., & Patel, B. (2014). Temperature Control using Fuzzy Logic. International Journal of Instrumentation and Control Systems (IJICS), 4(1), Utomo, M. C. C., & Mahmudy, W. F. (2015). Penerapan FIS-Tsukamoto untuk Menentukan Potensi Seseorang Mengalami Sudden Cardiac Death. In Seminar Nasional Sistem Informasi Indonesia (SESINDO) (pp ). Zadeh, L. (1965). Fuzzy Sets. Information and Control, 8,
Klasifikasi Kemiskinan Menggunakan Fuzzy Inference System (FIS) Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 20 Klasifikasi Kemiskinan Menggunakan Fuzzy Inference System (FIS) Metode Mamdani Navila Teguh Pambudi, Nurlia Ningsih, Agus Maman Abadi Program
Lebih terperinciPENILAIAN PRESTASI KINERJA PEGAWAI MENGGUNAKAN FUZZY TSUKAMOTO
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 2, No. 1, April 2015, hlm. 41-48 PENILAIAN PRESTASI KINERJA PEGAWAI MENGGUNAKAN FUZZY TSUKAMOTO Hilman Nuril Hadi 1, Wayan Firdaus Mahmudy 2 Program
Lebih terperinciBAB I PENDAHULUAN. program darurat bagian dari jaring pengaman sosial (social safety net), namun
BAB I PENDAHULUAN 1.1 Latar Belakang Raskin merupakan program bantuan yang sudah dilaksanakan Pemerintah Indonesia sejak Juli 1998 dengan tujuan awal menanggulangi kerawanan pangan akibat krisis moneter
Lebih terperinciSELEKSI CALON KARYAWAN MENGGUNAKAN METODE FUZZY TSUKAMOTO
SELEKSI CALON KARYAWAN MENGGUNAKAN METODE FUZZY TSUKAMOTO A. Maulidinnawati Abdul Kadir Parewe 1, Wayan Firdaus Mahmudy 2 ¹ Magister Ilmu Komputer/Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciPENERAPAN LOGIKA FUZZY UNTUK MEMPERBAIKI PENYUSUNAN RANGKING WILAYAH MISKIN
PENERAPAN LOGIKA FUZZY UNTUK MEMPERBAIKI PENYUSUNAN RANGKING WILAYAH MISKIN Sholeh Hadi Setyawan University of Surabaya sholeh@ubaya.ac.id ABSTRACT Programs for eliminating poverty need to correctly identify
Lebih terperinciSELEKSI CALON KARYAWAN MENGGUNAKAN METODE FUZZY TSUKAMOTO
SELEKSI CALON KARYAWAN MENGGUNAKAN METODE FUZZY TSUKAMOTO A. Maulidinnawati Abdul Kadir Parewe 1, Wayan Firdaus Mahmudy 2 ¹ Magister Ilmu Komputer/Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang { PAGE \* MERGEFORMAT }
BAB 1 PENDAHULUAN 1.1 Latar Belakang Madrasah Ibtidaiyah Miftahul Ulum adalah sebuah lembaga pendidikan islam yang setara dengan tingkatan Sekolah Dasar (SD), yang berada di naungan Kementrian Agama. Sebagaimana
Lebih terperinciBAB III METODOLOGI PENELITIAN
36 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Evaluasi (penilaian) suatu program biasanya dilakukan pada suatu waktu tertentu atau pada suatu tahap tertentu (sebelum program, pada proses pelaksanaan
Lebih terperinciDENTAL DISEASE IDENTIFICATION USING FUZZY INFERENCE SYSTEM
Journal of Environmental Engineering & Sustainable Technology JEEST http://jeest.ub.ac.id DENTAL DISEASE IDENTIFICATION USING FUZZY INFERENCE SYSTEM A Maulidinnawati Abdul Kadir Parewe 1, Wayan Firdaus
Lebih terperincipendapatan masyarakat. h. Jumlah Rumah Tangga Miskin status kesejahteraan dapat dilihat pada tabel 2.42.
Tabel 2.41. Perhitungan Indeks Gini Kabupaten Temanggung Tahun 2012 Kelompok Jumlah Rata-rata % Kumulatif Jumlah % Kumulatif Xk-Xk-1 Yk+Yk-1 (Xk-Xk-1)* Pengeluaran Penduduk Pengeluaran Penduduk Pengeluaran
Lebih terperinciBUPATI CIAMIS PROVINSI JAWA BARAT PERATURAN BUPATI CIAMIS NOMOR 29 TAHUN 2016 T E N T A N G INDIKATOR LOKAL KELUARGA MISKIN DI KABUPATEN CIAMIS
1 BUPATI CIAMIS PROVINSI JAWA BARAT PERATURAN BUPATI CIAMIS NOMOR 29 TAHUN 2016 T E N T A N G INDIKATOR LOKAL KELUARGA MISKIN DI KABUPATEN CIAMIS DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI CIAMIS, Menimbang
Lebih terperincijtä ~Éàt gtá ~ÅtÄtçt cüéä Çá ]tãt UtÜtà
-1- jtä ~Éàt gtá ~ÅtÄtçt cüéä Çá ]tãt UtÜtà A TAALAYA PERATURAN WALIKOTA TASIKMALAYA NOMOR 10 TAHUN 2015 TENTANG PERUBAHAN ATAS PERATURAN WALIKOTA NOMOR 67 TAHUN 2014 TENTANG PEDOMAN PELAKSANAAN JAMINAN
Lebih terperinciKLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG)
KLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG) Fasrul Rahman Ansori Teknik Informatika, Ilmu Kompputer, Universitas
Lebih terperinciBUPATI MOJOKERTO PERATURAN BUPATI MOJOKERTO NOMOR ^TAHUN 2013 TENTANG TATA CARA PENERBITAN SURAT PERNYATAAN MISKIN (SPM)
BUPATI MOJOKERTO PERATURAN BUPATI MOJOKERTO NOMOR ^TAHUN 2013 TENTANG TATA CARA PENERBITAN SURAT PERNYATAAN MISKIN (SPM) DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI MOJOKERTO, Menimbang Mengingat a. bahwa
Lebih terperinciPRO POOR BUDGET. Kebijakan anggaran dalam upaya pengentasan kemiskinan.
PRO POOR BUDGET Kebijakan anggaran dalam upaya pengentasan kemiskinan. Mengapa Anggaran Pro Rakyat Miskin Secara konseptual, anggaran pro poor merupakan bagian (turunan) dari kebijakan yang berpihak pada
Lebih terperinciPANGAN DAN GIZI SEBAGAI INDIKATOR KEMISKINAN
PANGAN DAN GIZI SEBAGAI INDIKATOR KEMISKINAN By : Suyatno, Ir. MKes Office : Dept. of Public Health Nutrition, Faculty of Public Health Diponegoro University, Semarang Contact : 081-22815730 / 024-70251915
Lebih terperinciBAB I PENDAHULUAN. bagaimana penyelesaian masalah tersebut. Peran itu dapat dilihat dari sikap
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peran pemerintah sangat penting dalam merancang dan menghadapi masalah pembangunan ekonomi. Seberapa jauh peran pemerintah menentukan bagaimana penyelesaian
Lebih terperinciBAB I. PENDAHULUAN. perhatian pemerintah di negara manapun. Salah satu aspek penting untuk mendukung strategi
BAB I. PENDAHULUAN 1.1. Latar Belakang Masalah Masalah kemiskinan merupakan salah satu persoalan mendasar yang menjadi pusat perhatian pemerintah di negara manapun. Salah satu aspek penting untuk mendukung
Lebih terperinciPENERAPAN METODE FUZZY DELPHI PADA HIRARKI BANTUAN PEMELIHARAAN KESEHATAN MASYARAKAT SURAKARTA (PKMS) DI KELURAHAN PURWODININGRATAN KOTA SURAKARTA
PENERAPAN METODE FUZZY DELPHI PADA HIRARKI BANTUAN PEMELIHARAAN KESEHATAN MASYARAKAT SURAKARTA (PKMS) DI KELURAHAN PURWODININGRATAN KOTA SURAKARTA oleh KARTIKA INDAH CANDRA SARI M0109041 SKRIPSI ditulis
Lebih terperinciBAB I PENDAHULUAN. keterbukaan sosial dan ruang bagi debat publik yang jauh lebih besar. Untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indonesia kini adalah negara dengan sistem demokrasi baru yang bersemangat, dengan pemerintahan yang terdesentralisasi, dengan adanya keterbukaan sosial dan
Lebih terperinciPEMILIHAN LAHAN TANAM OPTIMUM UNTUK TANAMAN TEMBAKAU MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) TSUKAMOTO
PEMILIHAN LAHAN TANAM OPTIMUM UNTUK TANAMAN TEMBAKAU MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) TSUKAMOTO Yudha Alif Auliya 1, Wayan Firdaus Mahmudy 2 1,2 Program Studi Magister Ilmu Komputer, Fakultas Ilmu
Lebih terperinciBAB I PENDAHULUAN. Masalah ini menjadi perhatian nasional dan penanganannya perlu dilakukan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indonesia masih menghadapi masalah kemiskinan dan kerawanan pangan. Masalah ini menjadi perhatian nasional dan penanganannya perlu dilakukan secara terpadu
Lebih terperinciBERITA DAERAH KOTA CIREBON
BERITA DAERAH KOTA CIREBON 2 NOMOR 51 TAHUN 2009 PERATURAN WALIKOTA CIREBON NOMOR 51 TAHUN 2009 TENTANG KRITERIA KELUARGA / RUMAH TANGGA MISKIN KOTA CIREBON Menimbang : WALIKOTA CIREBON, a. bahwa kemiskinan
Lebih terperinciBUPATI BANYUWANGI SALINAN PERATURAN BUPATI BANYUWANGI NOMOR 28 TAHUN 2013 TENTANG INDIKATOR KELUARGA MISKIN DI KABUPATEN BANYUWANGI
1 BUPATI BANYUWANGI SALINAN PERATURAN BUPATI BANYUWANGI NOMOR 28 TAHUN 2013 TENTANG INDIKATOR KELUARGA MISKIN DI KABUPATEN BANYUWANGI DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI BANYUWANGI, Menimbang : a.
Lebih terperinci14 KRITERIA MISKIN MENURUT STANDAR BPS ; 1. Luas lantai bangunan tempat tinggal kurang dari 8m2 per orang.
14 KRITERIA MISKIN MENURUT STANDAR BPS ; 1. Luas lantai bangunan tempat tinggal kurang dari 8m2 per orang. 2. Jenis lantai tempat tinggal terbuat dari tanah/bambu/kayu murahan. 3. Jenis dinding tempat
Lebih terperinciBAB V PELAKSANAAN PKH DI KELURAHAN BALUMBANG JAYA
BAB V PELAKSANAAN PKH DI KELURAHAN BALUMBANG JAYA 5.1 Kelembagaan PKH Pemilihan rumah tangga untuk menjadi peserta PKH dilakukan berdasarkan kriteria BPS. Ada 14 (empat belas) kriteria keluarga miskin
Lebih terperinciPENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI JAYA MOTOR MEDAN )
Marsono, ISSN : 1978-6603 Saiful Nur Arif, Iskandar Zulkarnain, Penerapan Metode Tsukamoto PENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Obyek Penelitian Penelitian akan dilakukan di instansi wilayah kecamatan Margorejo Kab.PATI tepatnya pada Unit Pengelola Program Keluarga Harapan (UPPKH) yang merupakan
Lebih terperinciPENGEMBANGAN SISTEM MANAJEMEN DATABASE DAN PENGAMBILAN KEPUTUSAN KRITERIA PENDUDUK MISKIN KABUPATEN KUTAI KARTANEGARA PROVINSI KALIMANTAN TIMUR
PENGEMBANGAN SISTEM MANAJEMEN DATABASE DAN PENGAMBILAN KEPUTUSAN KRITERIA PENDUDUK MISKIN KABUPATEN KUTAI KARTANEGARA PROVINSI KALIMANTAN TIMUR Ummul Hairah ummihairah@gmail.com Program Studi Teknik Informatika
Lebih terperinciPendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy
Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy Asrianda 1 Teknik Informatika Kampus Bukit Indah Lhokseumawe email : asrianda@unimal.ac.id ABSTRAK Bertambahnya permintaan
Lebih terperinciPENENTUAN TINGKAT KEMISKINAN DENGAN METODE FUZZY C- MEANS DI KABUPATEN BONE BOLANGO
PENENTUAN TINGKAT KEMISKINAN DENGAN METODE FUZZY C- MEANS DI KABUPATEN BONE BOLANGO Nurrahmah Fitriani Kahar 1), Lillyan Hadjaratie ), Sitti Suhada 3). 1 Fakultas Teknik, Universitas Negeri Gorontalo Email
Lebih terperinciImplementasi Algoritma Naive Bayesian Dalam Penentuan Penerima Program Bantuan Pemerintah
JTRISTE, Vol.3, No.1, Maret 2016, pp. 22~26 ISSN: 2355-3677 Implementasi Algoritma Naive Bayesian Dalam Penentuan Penerima Program Bantuan Pemerintah Oleh: Universitas Mulawarman Samarinda masnawati.ssi@gmail.com
Lebih terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinciBUPATI JEMBRANA PERATURAN BUPATI JEMBRANA NOMOR 25 TAHUN 2012 TATA CARA PEMBERDAYAAN KELUARGA MISKIN DI KABUPATEN JEMBRANA
BUPATI JEMBRANA PERATURAN BUPATI JEMBRANA NOMOR 25 TAHUN 2012 TENTANG TATA CARA PEMBERDAYAAN KELUARGA MISKIN DI KABUPATEN JEMBRANA DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI JEMBRANA, Menimbang : bahwa untuk
Lebih terperinciPENERAPAN METODE TOPSIS UNTUK SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELUARGA MISKIN PADA DESA PANCA KARSA II
ISSN print 2087-1716 ISSN online 2548-7779 ILKOM Jurnal Ilmiah Volume 9 Nomor 3 Desember 2017 PENERAPAN METODE TOPSIS UNTUK SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELUARGA MISKIN PADA DESA PANCA KARSA II
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 terperinciJURNAL IPSIKOM VOL 3 NO. 1 JUNI 2015 ISSN :
JURNAL IPSIKOM VOL NO. JUNI 0 ISSN : 8-09 ANALISIS SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN SURAT PERNYATAAN MISKIN DENGAN MENGGUNAKAN METODE FUZZY AHP (Studi Kasus di Kelurahan Cigereleng Kota Bandung) Sir
Lebih terperinciBAB I PENDAHULUAN. seperti BLSMadalah Brazil, kemudian diadopsi oleh negara-negara lain dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Bantuan Langsung Sementara Masyarakat (BLSM) adalah salah satu program bantuan bersyarat dari pemerintah berupa pemberian uang tunaiuntuk masyarakat miskindi Indonesia.
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Kemiskinan mempunyai indikator dan faktor penyebab. Mereka adalah sebagian warga miskin kota Depok. Pemerintah Depok menggolongkan mereka ke dalam kelompok
Lebih terperinciWritten by Irwandi Wednesday, 24 February :56 - Last Updated Monday, 21 March :22
KRITERIA CALON PENERIMA BEASISWA PROGRAM JALUR MISKIN I. Latar Belakang Dalam rangka mewujudkan program Pemerintah Aceh untuk Peningkatan Sumber Daya Manusia Aceh. Salah satu program Lembaga Peningkatan
Lebih terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciKEMISKINAN OLEH HERIEN PUSPITAWATI
KEMISKINAN OLEH HERIEN PUSPITAWATI KRITERIA KEMISKINAN BPS GARIS KEMISKINAN Kota Bogor tahun 2003: Rp 133 803/kap/bln Kab Bogor tahun 2003: Rp 105 888/kap/bln UNDP US 1/kap/day tahun 2000 US 2/kap/day
Lebih terperinciBAB II LANDASAN_TEORI. aktivitas pemrosesan informasi yang dibutuhkan untuk penyelesaian tugas-tugas
BAB II LANDASAN_TEORI 2.1. Pengertian Aplikasi Menurut Indrajani (2011), aplikasi adalah suatu program yang menentukan aktivitas pemrosesan informasi yang dibutuhkan untuk penyelesaian tugas-tugas khusus
Lebih terperinciPenentuan Penerimaan Bantuan Pangan Non Tunai (BPNT) Dengan Menggunakan Fuzzy Multiple Atribute Descission Making
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 29 Penentuan Penerimaan Bantuan Pangan Non Tunai (BPNT) Dengan Menggunakan Fuzzy Multiple Atribute Descission Making Reinaldy Luthfi Fuady, Agus
Lebih terperinciSistem Pendukung Keputusan untuk Penentuan Kelolosan Beasiswa Sekolah Menengah Kejuruan (SMK) Menggunakan Metode Fuzzy
Sistem Pendukung Keputusan untuk Penentuan Kelolosan Beasiswa Sekolah Menengah Kejuruan (SMK) Menggunakan Metode Fuzzy Yogiek Indra Kurniawan 1 dan Pungki Arina Windiasani 2 Program Studi Informatika,
Lebih terperinciPERMOHONAN BANTUAN UANG DUKA. Kepada Yth. BUPATI KUDUS Melalui Kepala Dinas Sosial Tenaga Kerja dan Transmigrasi Kabupaten Kudus
PERMOHONAN BANTUAN UANG DUKA Form : I Kepada Yth. BUPATI KUDUS Melalui Kepala Dinas Sosial Tenaga Kerja dan Transmigrasi Kabupaten Kudus Di - K U D U S Dengan hormat, yang bertanda tangan di bawah ini,
Lebih terperinciLampiran 1. Peta Lokasi Penelitian. Keterangan: 1. Kecamatan Gebang 2. Kecamatan Kandanghaur 3. Kecamatan Pelabuhanratu 4. Kecamatan Pangandaran
224 LAMPIRAN 225 Lampiran 1. Peta Lokasi Penelitian 2 3 1 4 Keterangan: 1. Kecamatan Gebang 2. Kecamatan Kandanghaur 3. Kecamatan Pelabuhanratu 4. Kecamatan Pangandaran 226 Lampiran 2 Hasil uji reliabilitas
Lebih terperinciDAFTAR ISI LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR...
DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR... BIODATA ALUMNI... DAFTAR ISI... DAFTAR TABEL... DAFTAR
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 terperinciPENERAPAN PROFILE MATCHING UNTUK PENCARIAN SISWA SMP PENERIMA BEASISWA MISKIN DAN BERPRESTASI
PENERAPAN PROFILE MATCHING UNTUK PENCARIAN SISWA SMP PENERIMA BEASISWA MISKIN DAN BERPRESTASI Muhammad Taufik Irawan 1), Danny Kriestanto 2) Teknik Informatika, STMIK AKAKOM e-mail: muhammadtaufikirawan@gmail.com
Lebih terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciBAB IV GAMBARAN UMUM DESA POLOBOGO
BAB IV GAMBARAN UMUM DESA POLOBOGO 4. 1. Kondisi Geografis 4.1.1. Batas Administrasi Desa Polobogo termasuk dalam wilayah administrasi kecamatan Getasan, kabupaten Semarang, Provinsi Jawa Tengah. Wilayah
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinciGUBERNUR BALI PERATURAN GUBERNUR BALI NOMOR 16 TAHUN 2010 TENTANG
GUBERNUR BALI PERATURAN GUBERNUR BALI NOMOR 16 TAHUN 2010 TENTANG PETUNJUK PELAKSANAAN BAPAK/IBU ANGKAT RUMAH TANGGA SASARAN OLEH PEJABAT STRUKTURAL DI LINGKUNGAN PEMERINTAH PROVINSI BALI DENGAN RAHMAT
Lebih terperinciAnalisis Dan Perhitungan Pembanding Kemiskinan Di Provinsi Lampung
Analisis Dan Perhitungan Pembanding Kemiskinan Di Provinsi Lampung Dari kajian terdahulu memberi kesimpulan bahwa tingginya persentase dan jumlah penduduk miskin Lampung lebih disebabkan oleh masih tingginya
Lebih terperinciOptimasi Pencarian Jalur Lalu Lintas Antar Kota di Jawa Timur dengan Algoritma Hybrid Fuzzy-Floyd Warshall
165 Optimasi Pencarian Jalur Lalu Lintas Antar Kota di Jawa Timur dengan Algoritma Hybrid Fuzzy-Floyd Warshall Imam Khairi, Erni Yudaningtyas, Harry Soekotjo Dachlan AbstrakSistem pencarian jalur yang
Lebih terperinciIMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT
IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT Maya Yusida 1, Dwi Kartini 2, Andi Farmadi 3, Radityo Adi Nugroho 4, Muliadi 5 123Prodi Ilmu Komputer
Lebih terperinciStructural Equation Modelling untuk Mengetahui Keterkaitan Faktor-Faktor Yang Mempengaruhi Kemiskinan di Kabupaten Jombang
Structural Equation Modelling untuk Mengetahui Keterkaitan Faktor-Faktor Yang Mempengaruhi Kemiskinan di Kabupaten Jombang Oleh : Renanthera Puspita N. Pembimbing : Dr. Bambang Widjanarko Otok, M.Si. 1
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 terperinciSistem Pendukung Keputusan Pembagian Raskin dengan Metode Simple Additive Weighting (SAW)
Sistem Pendukung Keputusan Pembagian Raskin dengan Metode Simple Additive Weighting (SAW) Aprilia Ekawati Program Studi Teknik Informatika, Universitas Dian Nuswantoro email:leeya.aprilia@gmail.com Abstrak
Lebih terperinciAnalisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan
128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus
Lebih terperinciBAB 4 METODE PENELITIAN
BAB 4 METODE PENELITIAN 4.1. Ruang lingkup penelitian Ruang lingkup penelitian adalah Ilmu Kesehatan Anak 4.2. Tempat dan waktu penelitian Penelitian dilaksanakan di ruang Perawatan Bayi Sehat (R. X) dan
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 terperinciKEMENTRIAN AGAMA INSTITUT HINDU DHARMA NEGERI DENPASAR
KEMENTRIAN AGAMA INSTITUT HINDU DHARMA NEGERI DENPASAR REKTORAT : Jln. Nusantara, Kubu, Bangli. Telp. (0366) 93788 Jln. Ratna Tatasan, No. 52 Denpasar. Telp. (0361) 226656 Website : www.ihdn.ac.id, email
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 terperinciREKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO
REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO Endra Pratama, Titin Sri Martini, Mania Roshwita Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciRancang Bangun Sistem Informasi Penentuan Tingkat Kemiskinan Penduduk untuk Pronakis
Rancang Bangun Sistem Informasi Penentuan Tingkat Kemiskinan Penduduk untuk Pronakis Hersatoto Listiyono, Agus Prasetyo Utomo dan Aji Supriyanto Fakultas Teknologi Informasi, Universitas Stikubank email:
Lebih terperinciPENENTUAN PEMASOK BAHAN BAKU MENGGUNAKAN FUZZY INFERENCE SYSTEM TSUKAMOTO
Seminar Nasional Sistem Informasi Indonesia, 2-3 November 25 PENENTUAN PEMASOK BAHAN BAKU MENGGUNAKAN FUZZY INFERENCE SYSTEM TSUKAMOTO Gayatri Dwi Santika ), Wayan Firdaus Mahmudy Magister Ilmu Komputer/Informatika,
Lebih terperinciBERITA DAERAH KABUPATEN KULON PROGO
BERITA DAERAH KABUPATEN KULON PROGO NOMOR : 32 TAHUN : 2016 PERATURAN BUPATI KULON PROGO NOMOR 30 TAHUN 2016 TENTANG PERUBAHAN KEDUA ATAS PERATURAN BUPATI KULON PROGO NOMOR 39 TAHUN 2011 TENTANG INDIKATOR
Lebih terperinciPENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO
PENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO David Sekolah Tinggi Manajemen Informatika dan Komputer Pontianak Jln. Merdeka No. 372 Pontianak, Kalimantan Barat David_Liauw@stmikpontianak.ac.id
Lebih terperinciANALISIS KOMPONEN UTAMA UNTUK MENGETAHUI FAKTOR DOMINAN YANG MEMPENGARUHI ANGKA KEMISKINAN (Studi Kasus di Kabupaten Banyuwangi)
Jurnal UJMC, Volume 3, Nomor 2, Hal. 25-34 pissn : 2460-3333 eissn : 2579-907X ANALISIS KOMPONEN UTAMA UNTUK MENGETAHUI FAKTOR DOMINAN YANG MEMPENGARUHI ANGKA KEMISKINAN (Studi Kasus di Kabupaten Banyuwangi)
Lebih terperinciSELEKSI PENERIMAAN CALON KARYAWAN MENGGUNAKAN METODE TOPSIS
SELEKSI PENERIMAAN CALON KARYAWAN MENGGUNAKAN METODE TOPSIS Sri Lestari IBI Darmajaya t4ry09@yahoo.com ABSTRACT One factor supporting human resource development is qualification. The selection of employees
Lebih terperinciPROGRAM 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 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 terperinciFUZZY INFERENCE SYTEM TSUKAMOTO UNTUK PEMILIHAN HOTEL BAGI PENDUKUNG ASEAN GAMES 2018 DI PALEMBANG
FUZZY INFERENCE SYTEM TSUKAMOTO UNTUK PEMILIHAN HOTEL BAGI PENDUKUNG ASEAN GAMES 2018 DI PALEMBANG Mustika Manajemen Informatika Palcomtech Jl. Basuki Rahmat No. 05, Palembang 30129, Indonesia e-mail:
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO
Hamdani, Deviana Selywita SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO 1) Hamdani, 2) Deviana Selywita, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Mulawarman
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 terperinciIV. KONDISI UMUM KABUPATEN SIMEULUE
IV. KONDISI UMUM KABUPATEN SIMEULUE 4.1 Kondisi Wilayah Pulau Simeulue merupakan salah satu pulau terluar dari propinsi Nanggroe Aceh Darussalam Ο Ο Ο Ο berada pada posisi 0 0 03-03 0 04 lintang Utara
Lebih terperinciSIMULASI PENENTUAN GURU BERPRESTASI DENGAN METODE FUZZY LOGIC MAMDANI INFERENCE MENGGUNAKAN APLIKASI MATLAB
SIMULASI PENENTUAN GURU BERPRESTASI DENGAN METODE FUZZY LOGIC MAMDANI INFERENCE MENGGUNAKAN APLIKASI MATLAB Pio A. F. Islami 1, Kirya Mateeke Moses 2, Muqodimah Nur Lestari 3, Aji Prasetya Wibawa 4 1,
Lebih terperinciEVALUASI DAMPAK PROGRAM BANTUAN LANGSUNG TUNAI (BLT) BAGI PENGENTASAN KEMISKINAN DI KABUPATEN TOBA SAMOSIR
SKRIPSI EVALUASI DAMPAK PROGRAM BANTUAN LANGSUNG TUNAI (BLT) BAGI PENGENTASAN KEMISKINAN DI KABUPATEN TOBA SAMOSIR OLEH : TUNGGUN M NAIPOSPOS 060501036 PROGRAM STUDI EKONOMI PEMBANGUNAN DEPARTEMEN EKONOMI
Lebih terperinciIJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY
IJCCS, Vol.x, No.x, July xxxx, pp. ~5 ISSN: 978-52 Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY Dian Eko Hari Purnomo Universitas Sarjanawiyata Tamansiswa, Program Studi Teknik
Lebih terperinciPerangkat Lunak Perhitungan Perubahan Jabatan Dengan Menggunakan Fuzzy Analytical Hierarchy Process (studi kasus : UIN Sunan Ampel Surabaya)
Perangkat Lunak Perhitungan Perubahan Jabatan Dengan Menggunakan Fuzzy Analytical Hierarchy Process (studi kasus : UIN Sunan Ampel Surabaya) Ilham Program Studi Sistem Informasi, Jurusan Teknologi, Fakultas
Lebih terperinciREKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO
REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO oleh ENDRA PRATAMA M0112030 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciRANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENERIMA BANTUAN PROGRAM PEMERINTAH
RANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENERIMA BANTUAN PROGRAM PEMERINTAH Harlinda L. Hj.Harlinda@gmail.com Fakultas Ilmu Komputer Universitas Muslim Indonesia Makassar Abstrak Sistem Pendukung
Lebih terperinciPenerapan Algoritma C5.0 Pada Sistem Pendukung Keputusan Kelayakan Penerimaan Beras Masyarakat Miskin
JURNAL INFORMATIKA, Vol.4 No.2 September 2017, pp. 236~240 ISSN: 2355-6579 E-ISSN: 2528-2247 236 Penerapan Algoritma C5.0 Pada Sistem Pendukung Keputusan Kelayakan Penerimaan Beras Masyarakat Miskin Ilham
Lebih terperinciBAB I PENDAHULUAN. oleh orang dewasa. Hal ini disebabkan oleh anak-anak yang dianggap masih
BAB I PENDAHULUAN 1.1 Latar Belakang Anak-anak pada dasarnya merupakan kaum lemah yang harus dilindungi oleh orang dewasa. Hal ini disebabkan oleh anak-anak yang dianggap masih membutuhkan bimbingan orang
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 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 terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.. Analisa Sistem Yang Berjalan Proses analisa sistem merupakan langkah kedua pada fase pengembangan sistem. Analisa sistem dilakukan untuk mengetahui kelebihan dan
Lebih terperinciOPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA andra Aditya 1), Wayan Firdaus Mahmudy 2) 1) Program Studi Teknik Informatika, Fakultas Ilmu Komputer Malang Jl. Veteran, Malang 65145, Indonesia
Lebih terperinciIMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PADA SUPPLIER FURNITURE MENGGUNAKAN MODEL PROMETHEE ABSTRAK
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PADA SUPPLIER FURNITURE MENGGUNAKAN MODEL PROMETHEE Alexander Setiawan, Agustinus Noertjahyana, Willy Saputra Jurusan Teknik Informatika, Fakultas Teknologi Industri
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 terperinciPERATURAN DAERAH KABUPATEN JEMBRANA NOMOR 8 TAHUN 2006 TENTANG PENANGGULANGAN KEMISKINAN DI KABUPATEN JEMBRANA DENGAN RAHMAT YANG MAHA ESA
PERATURAN DAERAH KABUPATEN JEMBRANA NOMOR 8 TAHUN 2006 TENTANG PENANGGULANGAN KEMISKINAN DI KABUPATEN JEMBRANA DENGAN RAHMAT YANG MAHA ESA BUPATI JEMBRANA, Menimbang : a. bahwa penanggulangan kemiskinan
Lebih terperinciFUZZY INFERENCE SYSTEM TSUKAMOTO UNTUK MENENTUKAN KELAYAKAN CALON PEGAWAI
Seminar Nasional Sistem Informasi Indonesia, 2-3 November 25 FUZZY INFERENCE SYSTEM TSUKAMOTO UNTUK MENENTUKAN KELAYAKAN CALON PEGAWAI Nadia Roosmalita Sari ), Wayan Firdaus Mahmudy 2) Magister Ilmu Komputer/Informatika,
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 terperinciEntropy-Based Fuzzy Ahp Sebagai Pendukung Keputusan Penempatan Bidan Di Kota Banjarbaru
Entropy-Based Fuzzy Ahp Sebagai Pendukung Keputusan Penempatan Bidan Di Kota Banjarbaru Siti Hatimah Rahmadaniah 1, Oni Soesanto 2, Dwi Kartini 2 1,2,3 Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36
Lebih terperinciIMPLEMENTASI FUZZY C-MEANS UNTUK CLUSTERING PENDUDUK MISKIN (STUDI KASUS : KECAMATAN BANTUL) Abstrak
IMPLEMENTASI FUZZY CMEANS UNTUK CLUSTERING PENDUDUK MISKIN (STUDI KASUS KECAMATAN BANTUL) Femi Dwi Astuti Jurusan Teknik Informatika STMIK AKAKOM Yogyakarta femi@akakomacid Abstrak Kemiskinan merupakan
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PERFORMANCE SEKOLAH DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (MCDM) SKRIPSI
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PERFORMANCE SEKOLAH DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (MCDM) SKRIPSI REZA FERIANSYAH 071401023 PROGRAM STUDI S1 ILMU KOMPUTER
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Badan kesehatan dunia (WHO) telah menetapkan bahwa kesehatan merupakan investasi, hak, dan kewajiban setiap manusia. Kutipan tersebut juga tertuang dalam Undang-Undang
Lebih terperinciPENERAPAN METODE WEIGHTED PRODUCT UNTUK MENENTUKAN PENERIMA BANTUAN BERAS MASYARAKAT MISKIN (RASKIN)
PENERAPAN METODE WEIGHTED PRODUCT UNTUK MENENTUKAN PENERIMA BANTUAN BERAS MASYARAKAT MISKIN (RASKIN) Septiyana Firdyana 1*, Dedy Cahyadi 2, Indah Fitri Astuti 3 Ilmu Komputer, Fakultas Ilmu Komputer dan
Lebih terperinci