Simulasi Pengendali Kiln PT. Semen Tonasa (Tonasa IV) Menggunakan Fuzzy Logic Toolbox Program Matlab St. Nawal Jaya
|
|
- Veronika Kusnadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Simulasi Pengendali Kiln PT. Semen Tonasa (Tonasa IV) Menggunakan Fuzzy Logic Toolbox Program Matlab St. Nawal Jaya Abstrac This paper is continuance of previous paper which will make kiln controller simulation of PT. Semen Tonasa (Tonasa IV) used fuzzy logic toolbox Matlab software and compared defuzzification result manually and used fuzzy logic toolbox. Kiln operational data i.e input variables ; backend kiln temperature (BE), burning zone temperature (BZ), and OX prosentase (OX) and output variables ; coal rate (CR) and damper posisition (DP) were input and analyzed by fuzzy logic toolbox via FIS Editor, MF Editor, Rule Editor, Rule Viewer, and Surface Viewer. Defuzzification result used fuzzy logic toolbox was gotten more quickly than manually but it has difference that could been seen in table 1. Keywords : Fuzzy logic toolbox, Matlab, Defuzzification result I. PENDAHULUAN Pada tulisan terbitan sebelumnya, dijelaskan bagaimana proses pembuatan pengendali logika samar (fuzzy logic controller) secara manual yang mencakup pengambilan data operasional kiln dan analisa data tersebut ke dalam 3 (tiga) tahapan yaitu tahap fuzzifikasi, tahap inferensi, dan tahap defuzzifikasi. Untuk tulisan kali ini akan dijelaskan proses pembuatan pengendali logika samar menggunakan fuzzy logic toolbox program Matlab dan membandingkan hasil defuzzifikasi secara manual dengan hasil defuzzifikasi menggunakan fuzzy logic toolbox (software). Alasan mengunakan program Matlab karena Matlab merupakan bahasa untuk komputasi teknik, dirancang untuk meningkatkan jangkauan dan produktivitas ilmu dan bidang teknik, untuk mempercepat proses penemuan dan pengembangan, untuk memudahkan belajar, dan untuk memperkuat kreativitas penelitian. Matlab juga menyediakan fasilitas-fasilitas yang mudah untuk dipelajari dan digunakan sehingga memungkinkan pembuatan aplikasi yang lebih kompleks dan besar salah satunya yaitu toolbox-toolbox Matlab yang membantu Matlab untuk memecahkan suatu kelompok permasalahan dan pada program Matlab versi 6.0 tersedia fuzzy logic toolbox, yang mana fuzzy logic toolbox tersebut terdapat beberapa fasilitas yang terhimpun dalam GUI (Graphical User Interface) [1]. Kelebihan lain dari Matlab yaitu visualisasi dan grafis yang lebih baik dan cepat sehingga membuatnya lebih menarik. II. METODE PENELITIAN Hampir mirip dengan pengendali logika samar yang manual, pengendali logika samar menggunakan fuzzy logic toolbox program Matlab menggunakan data yang sama yaitu data operasional kiln (waktu optimal kiln selama 8 jam) dan data hasil wawancara langsung dengan operator kiln. Data tersebut meliputi: Temperatur back end/inlet kiln ( o C) disimbolkan BE untuk memperoleh range dari temperatur back end (inlet kiln) kiln yang akan digunakan sebagai variabel masukan dalam logika samar. Range normal temperatur BE berkisar antara 900 o C sampai 1000 o C. Temperatur burning zone ( o C) disimbolkan BZ untuk memperoleh range dari temperatur burning zone kiln yang akan digunakan sebagai variabel masukan dalam logika samar. Range normal temperatur BZ berkisar antara 1430 o C sampai 1500 o C.
2 Prosentase kadar gas oksigen dalam exhaust gas (%) disimbolkan OX yang dibutuhkan untuk pembakaran pada kiln dengan maksud untuk memperoleh range dari prosentase kadar gas oksigen yang akan digunakan sebagai variabel masukan dalam logika samar. Range normal temperatur OX berkisar antara 2,5% sampai 5%. Aliran batu bara (ton/jam) disimbolkan CR yang digunakan sebagai bahan bakar pada kiln dengan maksud untuk memperoleh range dari aliran batu bara yang akan digunakan sebagai variabel keluaran dalam logika samar. Posisi damper exhaust gas (%) disimbolkan DP yang merupakan posisi buka/tutup banyaknya gas oksigen yang dibutuhkan untuk pembakaran kiln dengan maksud untuk memperoleh range dari posisi damper exhaust gas yang akan digunakan sebagai variabel keluaran dalam logika samar. Tetapi proses analisa data tersebut menggunakan software (fuzzy logic toolbox), yang mana memanfaatkan fasilitas yang ada pada fuzzy logic toolbox yaitu : FIS Editor : digunakan untuk menangani variabel masukan dan keluaran sistem berupa penentuan jumlah dan nama variabel. MF Editor : digunakan untuk mendefenisikan bentuk fungsi keanggotaan tiap variabel termasuk di dalamnya penentuan range variabel masukan dan keluaran, nama serta parameter variabel-variabel linguistik dari masing-masing variabel masukan dan keluaran. Rule Editor : digunakan untuk menentukan daftar aturan yang sesuai dengan kinerja system. Rule Viewer : digunakan untuk melihat tampilan dari proses inferensi, untuk melihat aturan mana yang sedang aktif, untuk mengetahui pengaruh bentuk fungsi keanggotaan terhadap hasil dengan memasukan nilai-nilai tepat variabel masukan. Surface Viewer : berfungsi untuk menampilkan keterkaitan antara masukan dan keluaran dalam bentuk tampilan grafik 3 (tiga) dimensi. III. HASIL Berikut ini diberikan tampilan-tampilan hasil dari setiap tahap proses pengendalian kiln dengan menggunakan Fuzzy Logic Toolbox Program Matlab : Gambar 1. Hasil FIS Editor Dengan Variabel Masukan BE Aktif
3 Gambar 2. Hasil Membership Function Editor Dengan Variabel Masukan BE & Himpunan Samar COLD Aktif Gambar 3. Hasil Rule Editor Gambar 4. Hasil Rule Viewer
4 Gambar 5. Hasil Surface Viewer Dengan Variabel Masukan BE dan BZ serta Variabel Keluaran CR Tabel 1. Perbandingan Defuzzifikasi Manual Dengan Defuzzifikasi Toolbox fuzzy logic Program Matlab Variabel Defuzzifikasi Manual Defuzzifikasi Toolbox fuzzy logic Masukan CR (ton/jam) DP (%) CR (ton/jam) DP (%) BE = 945 o C BZ = 1440 o C 45,5 65,06 46,5 69,3 OX = 3% BE = 940 o C BZ = 1435 o C ,8 43,1 OX = 4,5% BE = 930 o C BZ = 1455 o C 45,2 58,87 46,3 64,9 OX = 3,5% IV. PEMBAHASAN Pembuatan simulasi pengendali logika samar dengan fuzzy logic toolbox sehingga menghasilkan tampilan seperti pada pembahasan melalui tahap-tahap sebagai berikut : 1. Penentuan Variabel-Variabel Sistem Ada berbagai cara untuk bekerja dengan toolbox Fuzzy logic pada Matlab. Berikut ini adalah cara-cara praktisnya : 1. Pada Command Window ketika kata Fuzzy lalu enter, atau dibuka melalui lunch pad dan pilih folder toolbox fuzzy logic. 2. Kemudian akan terlihat tampilan FIS editor seperti pada gambar 6. Pada FIS Editor inilah akan ditentukan variabel-variabel sistem yaitu variabel masukan dan variabel keluaran. Variabel masukan yaitu BE, BZ, dan OX sedangkan variabel keluaran yaitu CR dan DP
5 Gambar 6. Tampilan FIS Editor Keterangan : - Pilih type FIS Mamdani dengan cara klik menu file, pilih dan klik New Mamdani - Untuk masukan dan keluaran yang lebih dari satu dapat ditambahkan dengan mengklik menu Edit lalu pilih klik Add Input dan Add output - Masing-masing dari masukan dan keluaran tersebut diberi nama variable dengan cara mengklik masukan atau keluaran yang akan diberi nama lalu mengisi kotak nama pada box Current Variable - Sementara untuk box disebelah kiri box current variable digunakan untuk menentukan metode yang akan digunakan pada proses pengendalian selanjutnya. 2. Tahap Fuzzifikasi Setelah penentuan variabel-variabel sistem, langkah selanjutnya yaitu tahap fuzzifikasi. Tahap fuzzifikasi meliputi penentuan range variabel-variabel sistem dengan meng-klik menu view pada FIS editor lalu pilih dan klik Edit Membership Function maka muncullah gambar 7. Gambar 7. Tampilan Membership Function Editor
6 Keterangan : - Pada FIS variable klik BE dan pada box sebelah kiri (Current Variable) klik dan isi kotak putih range variabel masukan BE [ ] lalu klik kotak putih display range - Untuk menampilkan bentuk fungsi keanggotaan pada menu Edit pilih dan klik Add MFs dan sebuah jendela kecil akan muncul seperti pada gambar 8. Gambar 8. Tampilan Add MFs Keterangan : - Pilih Trapmf pada MF Type dan 3 pada Number Of MFs lalu klik ok. Kemudian akan terlihat tiga buah kurva trapesium pada Membership Function Plots dengan range 700 sampai 1200 untuk variable masukan BE - Klik satu kali pada salah satu kurva paling kiri dan pada Box Current Membership Function, klik dan isi kotak putih name manjadi COLD pilih type tramps kemudian klik dan isi kotak putih params dengan : [ ] - Selanjutnya kurva bagian tengah, diberi name NORMAL dan bentuknya diubah menjadi trimf (diubah menjadi type) dan params-nya diisi dengan [ ] sementara bentuk kurva bagian kanan tetap, kecuali name-nya diganti dengan HOT demikian pula params-nya diisi dengan [ ]. - Untuk variable masukan dan keluaran yang lain prosesnya sama dengan di atas. 3. Tahap Inferensi Setelah proses penentuan fungsi keanggotaan dari keseluruhan variabel, maka selanjutnya dilakukan penentuan aturan yang menunjukan kinerja dan sistem kiln. Ini dilakukan dengan meng-klik menu view pada Membership Function Editor lalu pilih dan klik Edit rule, dan akan muncul tampilan seperti gambar 9 Gambar 9. Tampilan Rule Editor
7 Keterangan : - Untuk menyisipkan aturan pertama dapat dilakukan dengan memilih COLD pada BE, COLD pada BZ, LITTLE pada OX, HIGH pada CR dan LARGE pada DP, lalu klik button Add rule sehingga hasilnya sama seperti pada tampilan di atas, demikian seterusnya hingga diperoleh 27 aturan - Jika terdapat kesalahan pada aturan yang dibuat, dapat diubah dengan memilih aturan yang akan diubah kemudian ganti dengan aturan yang betul dan klik change rule - Untuk menghapus aturan dilakukan dengan memilih aturan yang akan dihapus kemudian klik Delete rule. 4. Tahap Defuzzifikasi Kemudian kita beralih pada tampilan aturan yang telah dibuat, dalam hal ini dikenal dengan proses defuzzifikasi. Klik menu view pada rule editor kemudian pilih dan klik view rule, dan akan muncul tampilan seperti gambar 10. Gambar 10. Tampilan Rule Viewer Keterangan : - Setiap aturan diplot per baris, sementara setiap variable diplot dalam bentuk kolom. - Tiga kolom pertama adalah bagian aturan dengan menggunakan IF (menyatakan kondisi). Sementara dua kolom berikutnya adalah bagian aturan dengan menggunakan THEN (merupakan action atau pengambilan keputusan).. - Aturan pada tiga kolom pertama yang diplot dengan warna kuning menyatakan aturan yang memenuhi sedangkan aturan pada dua kolom berikutnya yang diplot warna biru mengatakan hasil atau pengambilan keputusan. Hasil dapat ditunjukkan dalam bentuk nilai tepat yaitu nilai yang ditunjukan oleh CR = 47 dan DP = 43,1 - Garis merah vertikal pada BE, BZ dan OX menunjukan nilai tepat ketiga variabel masukan sebesar BE = 900, BZ = 1550, dan OX = 4,5. Nilai tepat tersebut dapat dimasukan melalui kotak input ataupun dengan men-drag garis merah vertikal. 5. Tahap Pembentukan Grafik 3-D Langkah terakhir dari aplikasi kelima fasilitas pada GUI toolbox fuzzy logic yaitu surface viewer yang dibuat dengan meng-klik menu view pada Rule Viewer lalu pilih dan klik View surface. Tampilan surface viewer dalam bentuk tiga dimensi dapat dilihat pada gambar 11 berikut ini :
8 Gambar 11. Tampilan Surface Viewer V. KESIMPULAN 1. Simulasi pengendali logika samar dengan menggunakan fuzzy logic toolbox akan diperoleh hasil defuzzifikasi lebih cepat daripada secara manual. Nilai masukan berupa BE, BZ, dan OX diinput pada Rule Viewer maka hasil defuzzifikasi juga langsung tampak pada Rule Viewer. 2. Perbedaan antara hasil defuzzifikasi manual dan defuzzifikasi menggunakan fuzzy logic toolbox disebabkan oleh metode defuzzifikasi yang digunakan. VI. DAFTAR PUSTAKA [1] Hanselma, Duane dan Littlefield, Bruce, Matlab: Bahasa komputasi Teknis, Penerbit Andi and pearson Education Asia Pte. Ltd, Yogyakarta, [2] Hidayat dan Gunawan, Simulasi Pengaturan Dengan Menggunakan Logika Fuzzy, Makassar : Jurusan Elektro Fakultas Teknik Universitaas Hasanuddin, [3] J.Ross, Timothy, Fuzzy Logic With Engineering Application, McGraw-Hill. Inc, USA, [4] , Matlab For Engineering, McGraw-Hill. Inc, USA, 2000 [5] Wang, Li-Xin, A Course in Fuzzy Systems and Control, Prentice-Hall International, Inc, USA, [6] Wongso, Lily., Simulasi Kontroler Logika Fuzzy, Ujung Pandang : Jurusan Elektro Fakultas Teknik Universitas Hasanuddin, [7] Yan, Jun, Ryan, Michael. and Power, James, Using Fuzzy Logic : Towards Intelligent Systems, Prentice-Hall International. Inc, USA, 1994.
Pemodelan Pengendali Logika Samar Secara Manual Pada Kiln PT. Semen Tonasa (Tonasa IV)
Pemodelan Pengendali Logika Samar Secara Manual Pada Kiln PT. Semen Tonasa (Tonasa IV) St. Nawal Jaya 1 1 Progam Studi Teknik Elektro, Fakultas Teknik Unhalu E-mail : stnjaya@gmail.com Abstract This paper
Lebih terperinciSolusi MATLAB. Double Click salah satu kotak input sehingga muncul Membership Function Editor. Pada Membership Function Editor:
PRAKTIKUM 2 Studi Kasus 2: Metode Sugeno Suatu perusahaan mampu memproduksi rata-rata 50.000 unit barang per hari, dan dalam 3 bulan terakhir permintaan tertinggi sebesar 75.000 unit. Barang yang tersedia
Lebih terperinciAda 5 GUI tools yang dapat dipergunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran, yaitu :
BAB V FUZZY LOGIC MATLAB TOOLBOX Agar dapat mengunakan fungsi-fungsi logika fuzzy yang ada paad Matlab, maka harus diinstallkan terlebih dahulu TOOLBOX FUZZY. Toolbox. Fuzzy Logic Toolbox adalah fasilitas
Lebih terperinciStudi Kasus Fuzzy Logic 2016
1. Menentukan Himpunan Fuzzy Menggunakan Formula Di Microsoft Excell 2.1 Representasi Linier Naik Diketahui Persamaan Fungsi Keanggotaan Sebagai berikut : Berapakah µ[40], µ[45], µ[50]? Langkah-langkahnya
Lebih terperinciJOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi
JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat
BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011
Lebih terperinciPraktikum 10 Tim Asisten Praktikum Sistem Pakar
FUZZY LOGIC TOOLBOX IN MATLAB (MAMDANI) Praktikum 10 Tim Asisten Praktikum Sistem Pakar EXAMPLE Studi Permasalahan: Suatu Perusahaan akan melakukan perkiraan terhadap produksi suatu barang tiap bulan.
Lebih terperinciSISTEM CERDAS LATIHAN FUZZY LOGIC Dr. Fatchul Arifin, ST., MT. Phone:
SISTEM CERDAS LATIHAN FUZZY LOGIC Dr. Fatchul Arifin, ST., MT. Email: fatchul@uny.ac.id Phone: +6285725125326 Latihan 1 Fuzzy If Then Rule 1. Dasar Teori If then Rules If then Rules digunakan untuk menyatakan
Lebih terperinciJika kecepatan mobil adalah : 50 km/jam dan jaraknya adalah 0,75 m berapa posisi pedal yang harus di injak? Denganketentuan aturan sebagai berikut :
SOAL : Suatu sistem pengendali kecepatan mobil dengan dengan logika fuzzy digunakan untuk mengendalikan kecepatannya, mobil ini memiliki sensor jarak, sensor kecepatan dan situasi dari sistem pengendali
Lebih terperinciLOGIKA FUZZY MENGGUNAKAN MATLAB
LOGIKA FUZZY MENGGUNAKAN MATLAB T.SUTOJO,Ssi,M.Kom 5.10 Fuzzy Logic Toolbox Matlab menyediakan fungsi-fungsi khusus untuk perhitungan logika Fuzzy dimulai dari perhitungan fungsi keanggotaan sampai dengan
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Bab ini akan memaparkan berbagai teori yang melandasi penulis dalam membangun sistem yang nantinya akan dibuat. 3.1. Pengertian Optimalisasi Secara umum pengertian optimalisasi menurut
Lebih terperinciFuzzy Logic dengan Menggunakan MATLAB Bahan Kuliah
Fuzzy Logic dengan Menggunakan MATLAB Bahan Kuliah IF4058 Topik Khusus IF Oleh: Rinaldi Munir Teknik Informatika STEI ITB 1 Sumberuntukbahankuliahini: Belajar Cepat Fuzzy Logic menggunakan MATLAB Oleh:
Lebih terperinci: Pengantar Intelegensi Buatan. Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB
Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB Sumber : - Belajar Cepat Fuzzy Logic menggunakan MATLAB oleh Agus Naba, Penerbit ANDI - Slide bahan Kuliah IF4058 Topik Khusus IF oleh Rinaldi Munir,
Lebih terperinciBAB III. Sub Kompetensi :
BAB III CONTOH APLIKASI LOGIKA FUZZY MENGGUNAKAN MATLAB Kompetensi : 1. Mahasiswa memecahkan masalah rekayasa melalui pendekatan logika fuzzy. Sub Kompetensi : 1. Dapat menggunakan tahapan pemecahan masalah
Lebih terperinciPraktikum Sistem Pakar Jumat 16 Desember 2013 Pertemuan 12. Tabel 1. Rancangan Variabel fuzzy Fungsi Nama Variabel Rentang Nilai Keterangan
Praktikum Sistem Pakar Jumat 16 Desember 2013 Pertemuan 12 Studi Kasus : Studi Permasalahan: Suatu Perusahaan akan melakukan perkiraan terhadap produksi suatu barang tiap bulan. Untuk menentukan jumlah
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 III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Pada bab ini akan dibahas perancangan serta penerapan pengendalian berbasis logika fuzzy pada sistem Fuzzy Logic Sebagai Kendali Pendingin Ruangan Menggunakan MATLAB. Dan simulasi
Lebih terperinciAplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A -10 Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa Rani Mita Sari, Agus Maman Abadi FMIPA, Universitas Negeri Yogyakarta
Lebih 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 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 V IMPLEMENTASI SISTEM
51 BAB V IMPLEMENTASI SISTEM Implementasi merupakan tahap peletakan sistem sehingga sistem siap dioperasikan. Tahap ini meliputi implementasi datamining untuk mencari aturan aturan sebagai dasar inferensi,
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 terperinciPENENTUAN JUMLAH PRODUKSI PULP PADA PT.TOBA PULP LESTARI, Tbk. DENGAN MENGGUNAKAN METODE FUZZY-MAMDANI SKRIPSI AGNES NENNY SISKA SINAGA
PENENTUAN JUMLAH PRODUKSI PULP PADA PT.TOBA PULP LESTARI, Tbk. DENGAN MENGGUNAKAN METODE FUZZY-MAMDANI SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains AGNES NENNY
Lebih terperinciPENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC
PENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC Aminatus S 1), Juniarko Prananda 2) Teknik Keselamatan Kerja PPNS Surabaya 1),. Teknik Sistem Perkapalan ITS Surabaya
Lebih terperinciBAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan
BAB IV PEMBAHASAN Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan teori aljabar max-plus dalam pengaturan lampu lalu lintas di simpang empat Beran Kabupaten Sleman Provinsi Daerah
Lebih terperinciPendahuluan. Praktikum Pengantar Pengolahan Citra Digital Departemen Ilmu Komputer Copyright 2008 All Rights Reserved
1 Pengenalan Matlab Pendahuluan Matlab adalah perangkat lunak yang dapat digunakan untuk analisis dan visualisasi data. Matlab didesain untuk mengolah data dengan menggunakan operasi matriks. Matlab juga
Lebih terperinciKAJIAN SISTEM PAKAR DAN FUZZY LOGIC DALAM PENENTUAN JURUSAN
KAJIAN SISTEM PAKAR DAN FUZZY LOGIC DALAM PENENTUAN JURUSAN Firmansyah 1 ), Jusmita Weriza 1 ) Universitas Ekasakti padang, Indonesia f2mamak@gmail.com ABSTRAK SMA (Sekolah Menengah Atas) adalah sebagai
Lebih terperinciMODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA
MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA Muhammad Ilham 10211078 Program Studi Fisika, Institut Teknologi Bandung, Indonesia Email: muhammad_ilham@students.itb.ac.id Asisten:
Lebih terperinciPENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS)
MODUL 8 PENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS) Tujuan Praktikum : Mahasiswa mengenal aplikasi pengolah data statistik yaitu SPSS Mahasiswa dapat menggunakan aplikasi SPSS
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 terperinciMODEL SISTEM CRANE DUA AXIS DENGAN PENGONTROL FUZZY. Disusun Oleh : Nama : Irwing Antonio T Candra Nrp :
MODEL SISTEM CRANE DUA AXIS DENGAN PENGONTROL FUZZY Disusun Oleh : Nama : Irwing Antonio T Candra Nrp : 0622027 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung,
Lebih terperinciOcean Data View. Membuka program ODV, klik icon ODV pada desktop, setelah itu akan muncul tampilan berikut.
Ocean Data View Perkembangan teknologi khususnya teknologi komputasi memungkinkan kita untuk menganalisis, menyajikan memvisualisasi data yang jumlahnya besar ke dalam suatu gambar, grafik, atau tampilan
Lebih terperinciBAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon
BAB IV PEMBAHASAN BAB IV berisi pembahasan tahapan penelitian yaitu klasifikasi logika fuzzy hasil pembahasan analisis pengujian model fuzzy dan visualisasi model fuzzy pada perhitungan cadangan hidrokarbon
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
Lebih terperinciPenentuan Jumlah Permintaan Obat Pada Kantor Kepolisian Resort Kota Menggunakan. Logika Fuzzy Mamdani. Siti Fathimah
ISSN: 2089-3787 1629 Penentuan Jumlah Permintaan Obat Pada Kantor Kepolisian Resort Kota Menggunakan Logika Fuzzy Mamdani Siti Fathimah Jurusan Sistem Informasi, STMIK Banjarbaru Jl. Ahmad Yani K.M. 33,5,
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 terperinciIMPLEMENTASI METODE LOGIKA FUZZY DALAM PEMBANGUNAN SISTEM OPTIMALISASI LAMPU LALU LINTAS TUGAS AKHIR
IMPLEMENTASI METODE LOGIKA FUZZY DALAM PEMBANGUNAN SISTEM OPTIMALISASI LAMPU LALU LINTAS TUGAS AKHIR Diajukan untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Informatika Oleh : Nonety
Lebih terperinciMembuat File Database & Tabel
Membuat File Database & Tabel Menggunakan MS.Office Access 2010 Database merupakan sekumpulan data atau informasi yang terdiri atas satu atau lebih tabel yang saling berhubungan antara satu dengan yang
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 terperinciBAB 2 LANDASAN TEORI. Jogiyanto (2008, hal : 34) Suatu sistem dapat didefenisikan sebagai kumpulan
17 BAB 2 LANDASAN TEORI 2.1 Sistem Jogiyanto (2008, hal : 34) Suatu sistem dapat didefenisikan sebagai kumpulan komponen yang saling berhubungan yang membentuk satu kesatuan untuk mencapai tujuan tertentu.
Lebih terperinciMembuat File Database & Tabel
Membuat File Database & Tabel Menggunakan MS.Office Access 2013 Database merupakan sekumpulan data atau informasi yang terdiri atas satu atau lebih tabel yang saling berhubungan antara satu dengan yang
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciMEMBUAT LAPORAN (DATA REPORT)
1 MEMBUAT LAPORAN (DATA REPORT) Data Report merupakan sebuah desain untuk mencetak laporan dimana memiliki bagian-bagian seperti terlihat pada gambar 1 berikut : Gambar 1. Tampilan Data Report Maksud dari
Lebih terperinciMODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Wanti Rahayu 1 1 Mahasiswa Universitas Indraprasta PGRI Email : 1 wanti.reiku@gmail.com Abstrak- Guru merupakan aspek
Lebih terperinciBab 15 Menggunakan Menu Navigasi Berupa Switchboard dan Form
Bab 15 Menggunakan Menu Navigasi Berupa Switchboard dan Form Pokok Bahasan Membuat dan Menggunakan Switchboard Membuat Menu Navigasi Berupa Form Untuk memudahkan navigasi semua obyek pada file database
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 terperinciLalu masukkan user name anda yang telah diberitahukan oleh administrator anda, misalnya seperti contoh dibawah ini.
1. Penggunaan Aplikasi Untuk menjalankan aplikasi ini, anda dapat mengetik http://dosen.bundamulia.ac.id/ pada browser Internet Explorer. Setelah itu, maka akan tampil Menu Login seperti dibawah ini :
Lebih terperinciDAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..
ABSTRAK Perkembangan teknologi yang semakin pesat, membuat semakin sedikitnya suatu industri yang memakai operator dalam menjalankan suatu proses produksi. Pada saat ini, kontrol otomatis lebih banyak
Lebih terperinciBAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit
BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit
Lebih terperinciPRAKTIKUM 1 INPUT - OUTPUT
PRAKTIKUM 1 INPUT - OUTPUT I. TUJUAN Tujuan praktikum 1 adalah mahasiswa bisa membuat program untuk memasukkan (input) data dan menampilkan (output) data. Ada 2 program yang akan disusun, pertama mengunakan
Lebih terperinciAPLIKASI FUZZY LOGIC UNTUK MENILAI KOLEKTIBILITAS ANGGOTA SEBAGAI PERTIMBANGAN PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT DI KOPERASI X SKRIPSI
APLIKASI FUZZY LOGIC UNTUK MENILAI KOLEKTIBILITAS ANGGOTA SEBAGAI PERTIMBANGAN PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT DI KOPERASI X SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA Bab ini membahas tentang pengujian dan analisa dari Sistem Simulasi yang telah di desain pada bab sebelumnya. Secara umum pengujian ini bertujuan untuk mengecek apakah piranti
Lebih terperinciDesain sistem Analisis sistem Implementasi sistem Pemeliharaan Sistem HASIL DAN PEMBAHASAN Investigasi sistem
5 akuisisi pengetahuan untuk pengambilan keputusan berdasarkan gejala klinis dan gejala yang bersifat fuzzy, serta pembuatan fuzzy inference system (FIS). Dalam pembutan FIS, dinakan representasi fungsi
Lebih terperinciSIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA
SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS PEMELIHARAAN PERALATAN PRODUKSI DI PDAM KOTA SURABAYA oleh: WINDA ZULVINA 5206100040 Dosen Pembimbing : Mahendrawathi
Lebih terperinciAnalisis Sistem Estimasi Produksi Menggunakan Metode Fuzzy Berbasis Web
T E S L A VOL. 19 NO.1 MARET 2017 Analisis Sistem Estimasi Produksi Menggunakan Metode Fuzzy Berbasis Web Boby Wisely Ziliwu 1 dan Suhartati Agoes 1 Abstract: Products demand number of that many in the
Lebih terperinciSIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA
SIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA Helmy Thendean, M.Kom 1) Albert, S.Kom 2) Dra.Chairisni Lubis, M.Kom 3) 1) Program Studi Teknik Informatika,Universitas
Lebih terperinciMahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.
Chapter 7 Tujuan Instruksional Khusus Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan. Mahasiswa mampu melakukan perhitungan
Lebih terperinciBAB 3 LAYAR WINDOW 3.1. WINDOW VIEW
BAB 3 LAYAR WINDOW 3.1. WINDOW VIEW View menampilkan data data input file yang sudah didefinisikan.a pada jendela ini mempunyai format seperti spredsheet. Data dapat dengan mudah diperiksa baik terhadap
Lebih terperinciBAB 6 LAYAR WINDOW 6.1. WINDOW VIEW
BAB 6 LAYAR WINDOW 6.1. WINDOW VIEW View menampilkan data data input file yang sudah didefinisikan.a pada jendela ini mempunyai format seperti spredsheet. Data dapat dengan mudah diperiksa baik terhadap
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 terperinciUntuk dapat memasuki aplikasi KUTAHU e-learning system anda Pertama-tama memasuki login. Login ini dimaksudkan untuk memasuki sistem aplikasi.
BUKU MANUAL SELAYANG PANDANG Secara umum aplikasi ini mempunyai tiga bagian utama, dimana masing-masing bagian tersebut mempunyai fasilitas-fasilitas yang berbeda-beda. Ketiga bagian tersebut adalah :
Lebih terperinciANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN
ANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN SUPRIYONO Sekolah Tinggi Teknologi Nuklir BATAN Jl. Babarsari Kotak Pos 6101/YKBB Yogyakarta. Email : masprie_sttn@yahoo.com
Lebih terperinciLatihan 1: Mengoperasikan Excel
Student Exercise Series: Microsoft Office Excel 007l Latihan : Mengoperasikan Excel Buatlah sebuah buku kerja baru, kemudian ketikkan teks-teks berikut ini. Simpan hasilnya dengan nama Lat-0 dalam folder
Lebih terperinciPemrograman dengan C++ Builder 2004 Taryana S Pendahuluan C++ Builder adalah sebuah aplikasi yang digunakan untuk pengembangan dengan
1.1. Pendahuluan C++ Builder adalah sebuah aplikasi yang digunakan untuk pengembangan dengan memanfaatkan keistimewaan konsep- konsep antar muka grafis dalam Microsoft Windows. Aplikasi yang dihasilkan
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 terperinciAPLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB
52 APLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB (Hansi Effendi) *) ABSTRACT This research is conducted to apply Fuzzy Logic which is implemented in short term load
Lebih terperinciModul Praktikum Basis Data 11 Membuat Menu dengan Form
Modul Praktikum Basis Data 11 Membuat Menu dengan Form Pokok Bahasan : - Membuat dan menggunakan switchboard - Membuat Menu Navigasi Berupa Form Tujuan : - Mahasiswa mampu membuat dan menggunakan switchboard
Lebih terperinciDOCUMENTATION FOR Campaign and Ads Rule (DOKDIG) Website Development. Module Campaign. Module Ads Rule. Prepared by: Cliff
DOCUMENTATION FOR Campaign and Ads Rule (DOKDIG) Website Development Module Campaign Module Ads Rule Prepared by: Cliff Date: June 2, 2015 Introduction Untuk mengakses halaman campaign dan ads rule, anda
Lebih terperinciBAB I PENDAHULUAN. Minyak dan gas bumi merupakan gabungan/ campuran komposisi dari
BAB I PENDAHULUAN Bab I berisi latar belakang, pembatasan masalah, rumusan masalah, tujuan penelitian, dan manfaat penelitian. A. Latar Belakang Minyak dan gas bumi merupakan gabungan/ campuran komposisi
Lebih terperinciIV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR
IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR 4.1. Fuzzy Inferensi Sistem Tahapan-tahapan yang dilakukan pada Pengembangan Fuzzy Iinferensi Sistem untuk Seleksi Metode EOR antara lain: mendefinisikan
Lebih terperinciAplikasi Fuzzy Logic pada Vacuum Cleaner
Aplikasi Fuzzy Logic pada Vacuum Cleaner Dimas Tri Ciputra and 13509602 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB 3 ALGORITMA PERENCANAAN SISTEM PENGENALAN PENYAKIT DARAH
29 BAB 3 ALGORITMA PERENCANAAN SISTEM PENGENALAN PENYAKIT DARAH Skripsi ini membahas tentang perencanaan suatu program untuk pengenalan penyakit darah dari sampel citra darah yang digunakan. Data yang
Lebih terperinciBAB III METODOLOGI 3.1. PENDAHULUAN
BAB III METODOLOGI 3.1. PENDAHULUAN Dalam melakukan studi Tugas Akhir diperlukan metodologi yang akan digunakan agar studi ini dapat berjalan sesuai dengan koridor yang telah direncanakan di awal. Dalam
Lebih terperinciANALISIS OPTIMASI TRAFFIC LIGHT DENGAN TEORI FUZZY LOGIC MENGGUNAKAN ALTERNATIF APLIKASI MATLAB (STUDI KASUS SIMPANG EMPAT LHOKSEUMAWE)
ANALISIS OPTIMASI TRAFFIC LIGHT DENGAN TEORI FUZZY LOGIC MENGGUNAKAN ALTERNATIF APLIKASI MATLAB (STUDI KASUS SIMPANG EMPAT LHOKSEUMAWE) Muhammad, Syukriah dan Dahniar Jurusan Teknik Industri, Universitas
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
54 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program 4.1.1 Spesifikasi Kebutuhan Program Spesifikasi Perangkat Keras Perangkat keras yang digunakan untuk merancang sistem ini adalah : Processor
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciBAB 2 LANDASAN TEORI. adalah perintah yang dimengerti oleh komputer untuk melakukan tugas-tugas tertentu.
BAB 2 LANDASAN TEORI 2.1. Visual Basic 6.0 Visual Basic adalah salah satu bahasa pemrograman komputer. Bahasa pemrograman adalah perintah yang dimengerti oleh komputer untuk melakukan tugas-tugas tertentu.
Lebih terperinciAplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan. Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman
Aplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman Provinsi Daerah Istimewa Yogyakarta Oleh: Arifudin Prabowo Kurniawan 13305144011 ABSTRAK
Lebih terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE FUZZY-MAMDANI DENGAN FUZZY-SUGENO (Studi Kasus: PT SARIMAKMUR TUNGGALMANDIRI)
PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE FUZZY-MAMDANI DENGAN FUZZY-SUGENO (Studi Kasus: PT SARIMAKMUR TUNGGALMANDIRI) RIANTO PANGIHUTAN SAMOSIR 090803024 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA
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 terperinciBAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy
BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,
Lebih 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Program Aplikasi Program adalah kombinasi yang disusun dan dirangkai menjadi satu kesatuan prosedur yang berupa urutan langkah untuk menyelesaikan masalah yang diimplementasikan
Lebih terperinciBAB 2 LANDASAN TEORI. prosedurnya dan menekankan pada komponen atau elemennya.
BAB 2 LANDASAN TEORI 2.1 Pengertian Sistem Terdapat dua kelompok dalam mendefenisikan sistem, yaitu yang menekankan pada prosedurnya dan menekankan pada komponen atau elemennya. Pendekatan sistem yang
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 terperinciPROGRAM STUDI D3 JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA PALEMBANG Fuzzy Membership Pertemuan 14 Inteligensi Buatan 100 menit
Jl Srijaya Negara Bukit Besar Palembang 30139, Telpon : +62711 353414 TK PROGRAM STUDI D3 JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA PALEMBANG Fuzzy Membership Pertemuan 14 Inteligensi Buatan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Visual Basic 6.0 Bahasa pemograman Visual Basic 6.0 dapat digunakan untuk menyusun dan membuat program aplikasi pada sistem operasi windows. Program aplikasi dapat berupa program
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 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 terperinciPengenalan SPSS 15.0
Pengenalan SPSS 15.0 1.1 Pengantar SPSS SPSS atau kepanjangan dari Statistical Product and Service Solution merupakan salah satu dari sekian banyak software statistika yang banyak digunakan oleh berbagai
Lebih terperinci12/8/2012 MODUL -10. Apa itu SPSS? Apa yang bisa dilakukan SPSS? Apa kesamaan SPSS dengan Microsoft Office Excel?
MODUL -10?? Apa itu SPSS? Apa yang bisa dilakukan SPSS? Apa kesamaan SPSS dengan Microsoft Office Excel? 1 SPSS is a software package used for conducting statistical analyses, manipulating data, and generating
Lebih terperinciPENGOPERASIAN SISTEM OPERASI
APLIKASI KOMPUTER Modul ke: PENGOPERASIAN SISTEM OPERASI Fakultas Psikologi I b r a h i m, S.T, M.T. Program Studi Psikologi www.mercubuana.ac.id Pengertian Sistem Operasi yang dikembangkan oleh Microsoft
Lebih terperinciOPTIMASI PENGGUNAAN MEMBERSHIP FUNCTION LOGIKA FUZZY PADA KASUS IDENTIFIKASI KUALITAS MINYAK TRANSFORMATOR
ISSN 1412 3762 http://jurnal.upi.edu/electrans ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012, 27-35 OPTIMASI PENGGUNAAN MEMBERSHIP FUNCTION LOGIKA FUZZY PADA KASUS IDENTIFIKASI KUALITAS MINYAK TRANSFORMATOR
Lebih terperinciSist Sis em t Fuzzy Fuzz Sistem Pakar
Sistem Fuzzy Sistem Pakar Pendahuluan Manusia cenderung menggunakan bahasa dalam bentuk sesuatu yang dapat dipahami secara umum, bukan dalam bentuk bahasa matematika yang mementingkan akurasi. Misalkan,
Lebih terperinciMODUL MICROSOFT OFFICE POWERPOINT 2010 KKL STMIK AMIKOM PURWOKERTO
MODUL MICROSOFT OFFICE POWERPOINT 2010 KKL STMIK AMIKOM PURWOKERTO Mari mengenal Power Point. Apa itu Powerpoint? Ms Powerpoint adalah salah satu program aplikasi microsoft office yang berguna untuk membuat
Lebih terperinciBAB PENDAHULUAN Microsoft Visio 2003
BAB 1 PENDAHULUAN Pada bagian ini akan dibahas mengenai Microsoft Visio 2003 dan IDE (Integrated Development Environment) atau lingkungan kerja Microsoft Visio 2003. Pembahasan juga meliputi beberapa tool-tool
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 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
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 terperinci