Institut Teknologi Sepuluh Nopember Surabaya
|
|
- Hartono Darmadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut Teknologi Sepuluh Nopember Surabaya
2 Persaingan pasar dalam dunia industri pada era globalisasi saat ini semakin kompetitif maka dibutuhkan kemampuan pengelola perusahaan yang profesional dalam merencanakan atau menentukan jumlah produksi barang agar dapat memenuhi permintaan pasar dengan jumlah yang tepat.
3 3.1 Langkah-langkah Penelitian 1. Pengumpulan Data Meliputi data permintaan, persediaan, kemam puan mesin produksi dan jumlah produksi dari bulan Januari 2011 sampai dengan bulan Pebruari Identifikasi Data Identifikasi data dilakukan untuk menentukan variabel dan semesta pembicaraan yang diper lukan dalam melakukan perhitungan dan analisis masalah.
4
5 Perumusan Masalah
6 Batasan Masalah Variabel yang mempengaruhi jumlah produksi dibatasi empat variabel yaitu jumlah perkiraan permintaan, jumlah persediaan, kemampuan mesin produksi, dan biaya produksi yang tersedia. Bentuk model fuzzy Sugeno yang digunakan model orde satu Input variabel permintaan diluar data sampel diperkirakan dengan menggunakan metode regresi yang sesuai diantara regresi linier, kuadratik atau polinomial berorder 3.
7 TUJUAN PENELITIAN Membangun sistem inferensi fuzzy metode Sugeno yang dapat digunakan untuk mem perkirakan jumlah produksi berdasarkan variabel jumlah permintaan, jumlah perse diaan, kemampuan mesin produksi, dan biaya produksi yang tersedia. Menerapkakan metode regresi dalam mem perkiran jumlah permintaan serta membuat simulasi model menggunakan Matlab.
8 Kajian Pustaka dan Dasar Teori Hasil penelitian Sivarao (2009) tentang pemodelan sistem inferensi Mamdani dalam memprediksi kekasaran permukaan logam Penelitian Yilmaz Icaga (2006) tentang penentuan klasifikasi kualitas air Penelitian Susila,W.H (2007) tentang penggunaan fuzzy infesence Sistem model Sugeno pada pengendalian suhu ruangan.
9 Konsep Dasar Himpunan Fuzzy Definisi Himpunan Fuzzy Jika X adalah sebuah koleksi obyek-obyek yang dinotasikan dengan, maka himpunan fuzzy dalam X adalah sebuah himpunan pasangan berurutan : µ A ~ ( x) ~ A =, ( ) A { } x µ ~ x x X : Fungsi keanggotaan atau derajat keanggota an yang memetakan x ke ruang keanggotaan M yang terletak pada rentang [0,1] (Zimmermann,2000).
10 Fungsi Keanggotaan Himpunan uzzy Fungsi keanggotaan memetakan titiktitik input data kedalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval [0, 1].
11 Representasi Kurva Representasi Fungsi Linier Representasi Kurva Segitiga Representasi Kurva Trapesium Representasi Kurva Bahu Representasi Kurva-S Representasi Kurva Bentuk Lonceng (Bell Kurve)
12 Representasi Fungsi Linier Fungsi keanggotaan representasi linear naik adalah : Fungsi keanggotaan representasi linear turun adalah :
13 Representasi Kurva Segitiga Fungsi keanggotaan kurva segitiga adalah : Representasi Kurva Trapesium Fungsi keanggotaan kurva trapesium adalah :
14 Representasi Kurva Bahu Kurva bahu kiri bergerak dari benar ke salah, bahu kanan bergerak dari salah ke benar. Fungsi keanggotaan kurva bahu kiri adalah : Fungsi keanggotaan kurva bahu kanan adalah :
15 Representasi Kurva-S Representasi Kurva-S Kurva-S atau sigmoid berhubungan dengan kenaikan dan penurunan secara tak linear. Kurva S-MF merupakan kurva-s yang berhubungan dengan pertumbuhan. Fungsi keanggotaan S-MF adalah : Kurva Z-MF merupakan kurva-s yang berhubungan dengan penyusutan. Fungsi keanggotaan Z-MF adalah : (Cox, 1994)
16 Representasi Kurva Bentuk Lonceng (Bell Kurve) Diantara kurva berbentuk lonceng adalah kurva himpunan fuzzy PI. Kurva bentuk Pi merupakan gabungan fungsi bentuk S dan kurva bentuk Z. Fungsi keanggotaan kurva PI adalah : Dimana adalah pusat kurva, dan adalah lebar kurva.
17 ABSTRAK Sistem Inferensi Fuzzy Struktur dasar sistem inferensi fuzzy terdiri dari tiga komponen yaitu aturan dasar yang memuat pemilihan aturan fuzzy, database fungsi keanggotaan yang digunakan dalam aturan fuzzy dan mekanisme penalaran yaitu melaksanakan prosedur inferensi pada aturan dan memberikan fakta untuk mendapatkan output yang masuk akal atau kesimpulan (Jang, 1997). Sistem inferensi fuzzy menerima input fuzzy atau crisp (yang dipandang sebagai fuzzy singleton). Input ini kemudian dikirim ke basis pengetahuan yang berisi r aturan fuzzy dalam bentuk ifthen. Fire strength akan dicari pada setiap aturan kemudian dilakukan agregasi dari semua aturan. Kemudian hasil agregasi akan dilakukan defuzzifikasi untuk mendapatkan nilai output (crisp)
18 Sistem Inferensi Fuzzy Metode Sugeno
19
20 Regresi Jika x adalah variabel bebas dan y variabel tak bebas (variabel respon), regresi y pada x memberikan gambaran bagaimana variabel x mempengaruhi variabel y, seperti pendapatan dengan pengeluaran, waktu dengan permintaan, takaran pupuk dengan hasil panen Dalam dunia industri, peramalan terhadap permintaan pada periode berikutnya diperlukan untuk menentukan seberapa banyak produk yang dipersiapkan untuk pemenuhan pasar dengan tepat. Menurut Kusumadewi (2009) untuk meramalkan permintaan di masa yang akan datang dilakukan beberapa proses yaitu membuat grafik permintaan vs. waktu, menentukan metode peramalan deret waktu yang akan digunakan, menghitung ekspektasi kesalahan dan memutuskan apakah akan menggunakan metode deret waktu atau menggunakan metode lainnya yang lebih baik. (Kusumadewi, 2009)
21 Regresi Kuadratik Pola data yang bergerak membentuk pola kuadratik dapat didekati dengan analisis regresi Model regresi kuadratik dengan persamaan model regresi kuadratik adalah Nilai yang optimal diperoleh dengan metode least square untuk mendapatkan nilai error terkecil. Regresi Polinomial Persamaan model regresi polinomial dengan satu variabel bebas berorde n adalah: Dengan n adalah bilangan Asli. Penentuan optimal dari menggunakan metode least square
22 Uji Asumsi 2 σ e ~ N( σ 2,0)
23
24
25
26
27
28
29
30 Uji Asumsi
31 Uji Asumsi
32 Ukuran Akurasi Hasil Estimasi Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD) MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut :
33 Metoda Penelitian Langkah-langkah Penelitian 1. Pengumpulan Data Meliputi data permintaan, persediaan, kemampuan mesin produksi dan jumlah produksi dari bulan Januari 2011 sampai dengan bulan Pebruari Identifikasi Data Identifikasi data dilakukan untuk menentukan variabel dan semesta pembicaraan yang diper lukan dalam melakukan perhitungan dan analisis masalah 3. Pengolahan Data dan Pembahasan Langkah langkah pengolahan data adalah sebagai berikut : Proses fuzifikasi Pembentukan Aturan Dasar Komposisi aturan Penegasan (defuzzy) Pengujian 4. Penarikan Kesimpulan
34 Metoda Penelitian Diagram Alir Penelitian Mulai Pengumpulan data Identifikasi data Pengolahan data: 1. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi 3. Komposisi aturan 4. penegasan (defuzzy) Penarikan kesimpulan
35 Pembahasan Data Permintaan Data Persediaan
36 Data Biaya Produksi Data Kemampuan Mesin Produksi
37 Perkiraan Jumlah Permintaan Versi Perusahaan Penentuan Jumlah Produksi Versi Perusahaan
38 Fungsi Keanggotaan Variabel Jumlah Permintaan Karena tipe data permintaan menunjukkan tren pertumbuhan maka fungsi keanggotaan variabel permintaan yang digunakan adalah fungsi pertumbuhan dan penyusutan. Fungsi keanggotaan himpunan permintaan RENDAH digunakan kurva S-MF, himpunan SEDANG digunakan kurva PI-MF, dan himpunan BANYAK digunakan kurva S-MF. Titik perpotongan antara fungsi keanggotaan himpunan permintaan RENDAH dan SEDANG ditentukan dari batas atas interval permintaan RENDAH dan SEDANG versi perusahaan. Demikian pula untuk titik perpotongan antara himpunan permintaan SEDANG dan TINGGI, sehingga diperoleh Kurva fungsi keangotaan variabel permintaan pada Gambar 4.1.
39 Fungsi Keanggotaan Variabel Jumlah Permintaan Gambar 4.1 Fungsi keanggotaan variabel jumlah permintaan
40 Fungsi Keanggotaan Variabel Jumlah Permintaan Fungsi Keanggotaan Variabel Jumlah Pesediaan Fungsi keanggotaan variabel persediaan barang pada himpunan persediaan SEDIKIT digunakan fungsi bahu kiri untuk merepresentasikan batasan kategori sedikit yang konstan diikuti penurunan derajat keanggotaan sedikit bergerak menuju SEDANG. Himpunan SEDANG menggunakan kurva trapesium untuk menyesuaikan titik potong dengan fungsi keanggotaan himpunan SEDIKIT dan BANYAK. Himpunan BANYAK menggunakan fungsi linier naik. Fungsi keangotaan variabel persediaan terdapat pada Gambar 4.4 Gambar 4.4 : Gambar fungsi keangotaan variabel persediaan
41 Fungsi Keanggotaan Variabel Biaya Produksi Fungsi keanggotaan biaya produksi ditunjukkan pada Gambar 4.3 Gambar 4.3 Fungsi Keangotaan Variabel Biaya
42 Fungsi Keanggotaan Variabel Kemampuan Mesin Fungsi keanggotaan kemampuan mesin ditunjukkan pada Gambar 4.4 Gambar 4.4 Fungsi Keangotaan Variabel Kemampuan Mesin
43 4.2.4 Pembentukan Rule IF-THEN Rule IF-THEN dibuat dengan mengkom binasikan beberapa kejadian pada bagian anteseden. Penentuan koefisien dan konstanta persamaan linier pada bagian konsekuen ditentukan sesuai penentuan produksi berdasarkan perusahaan. Nilai jumlah produksi ke-i (z i ) pada output aturan ke-i sesuai dengan persamaan linier yang terdapat pada konsekuen pada masingmasing rule. Hasil pembentukan rule adalah :
44 4.2.4 Komposisi Aturan Operasi antar himpunan fuzzy pada variabel input menggunakan operator And. Nilai minimum dari masing-masing derajat keanggotaan tiap himpunan fuzzy pada bagian anteseden setelah masing-masing variabel diberi input pada rule ke-i disebut. Penerapan implikasi pada masing-masing rule ke-r pada bagian anteseden akan memperoleh nilai output berupa konstanta dari persamaan linier rule-r dari bagian anteseden. Komposisi aturan diperoleh dari kumpulan dan korelasi antar rule dengan menghitung dengan banyaknya rule ada 11, adalah fire strength rule ke-r, dan adalah nilai output pada anteseden rule ke-r
45 4.2.5 Defuzifikasi dan Pengujian Untuk mendapatkan jumlah produksi dilakukan melalui proses defuzifikasi dengan metode mean weighted average pada persamaan (2.10) yaitu Hasil defuzifikasi diperoleh dengan bantuan Matlab 7.8 sebagaimana terdapat pada rule viewer dalam Gambar 4.5 Contoh, untuk menguji jumlah produksi periode ke-2, data input yang diperlukan adalah jumlah perkiraan permintaan periode ke-3 yaitu 100, persediaan barang periode ke-2 yaitu 68, persediaan biaya produksi periode ke-2 dengan asumsi terdapat biaya minimum Rp ,00, dan lama produksi diperkirakan kurang dari 7.5 jam sehingga jumlah produksi hasil defuzifikasi diperoleh 116 kardus dengan deviasi 16 kardus terhadap jumlah produksi perusahaan.
46 Gambar 4.5 Rule viewer model FIS Sugeno
47 Perbandingan hasil jumlah produksi versi perusahaan dengan aplikasi sistem inferensi fuzzy metode Sugeno ditunjukkan pada Tabel 4.8
48 4.2.7 Estimasi Jumlah Permintaan
49
50
51
52 Normal Probability Plot for Permintaan Probability Residual
53
54 15000 Residual Plots for Permintaan Versus Fits Residual yhat (Fitted Value)
55
56 1 Sample Autocorrelation Function (ACF) 0.8 Sample Autocorrelation
57 3. Menggunakan metode estimasi yang cocok Untuk memprediksi jumlah permintaan periode ke-n digunakan persamaan kuadratik yang konstanta dan koefisien-koefisiennya diperoleh dari program regresi kudratik dengan data sampel dari periode ke : n-38, n-37,, n-1 Contoh : apabila akan memprediksi jumlah permintaan periode ke- 39 maka konstanta dan koefisien-koefisien persamaan regresi kudratiknya diperoleh dari program regresi kudratik dengan data sampel dari periode ke -1 sampai ke-38. Hasil perhitungan MAPE masing-masing data uji periode ke 39 sampai ke-47 terdapat pada Tabel 4.10.
58 Hasil Plotting
59 Gambar 4.10 Grafik Estimasi Variabel Permintaan Hasil plotting estimasi variabel permintaan untuk uji data permintaan pereode ke-39 dengan menggunakan regresi kuadratik dengan persamaan ditunjukkan pada Gambar Plot Estimasi Permintaan Air Minum Dalam Kemasan 300 Jumlah Permintaan Data Estimasi Data Aktual Pereode
60 Aplikasi metode regresi dalam sistem inferensi fuzzy Sugeno Aplikasi metode regresi dalam sistem inferensi fuzzy Sugeno untuk menentukan jumlah produksi pada periode ke-48 adalah sebagai berikut : input yang dibutuhkan adalah data perkiraan permintaan periode ke-48 menggunakan regresi kuadratik yaitu 274, data periode ke-47 berupa data persediaan sebanyak 162, persediaan biaya diasumsikan Rp , kemampuan mesin 8 jam. Hasil defuzifikasi setelah memasukkan nilai-nilai variabel input adalah 216 kardus.
61 BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil pembahasan diperoleh kesimpulan bahwa : a. Sistem inferensi fuzzy dengan metode Sugeno orde satu yang telah dibangun dapat diterapkan untuk memperkirakan jumlah produksi harian air minum dalam kemasan. b. Nilai Mean Absolute Deviation (MAD) antara data produksi riil dengan data produksi berdasarkan sistem inferensi fuzzy metode Sugeno adalah 12. c. Nilai deviasi terbesar antara produksi versi perusahaan dengan metode Sugeno 51, disebabkan perbedaan pengelompokan nilai himpunan variabel antara perusahaan dengan sistem inferensi fuzzy metode sugeno. d. Metode regresi yang lebih tepat untuk memperkirakan
62 BAB 5 KESIMPULAN DAN SARAN d. Metode regresi yang lebih tepat untuk memperkirakan jumlah permintaan pada periode berikutnya sebagai acuan perkiraan jumlah produksi adalah metode regresi kuadratik. e. Penerapan metode regresi kuadratik dapat meningkatkan akurasi perkiraan jumlah permintaan. Rata-rata error hasil estimasi jumlah permintaan menggunakan regresi kuadratik pada data uji 7.5%, Sedangkan error estimasi jumlah permintaan versi untuk data sampel perusahaan adalah 20.7%. 5.2 Saran Dalam upaya meningkatkan ketepatan dalam menentukan perkiraan produksi barang disarankan mengkaji lebih lanjut tentang parameter-parameter yang berpengaruh terhadap jumlah permintaan yang akan dijadikan acuan penentuan jumlah produksi periode berikutnya.
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciSIDANG TESIS. Oleh : Enny Rohmawati Malik. Dosen Pembimbing : Dr. Imam Mukhlash,S.Si,M.T
SIDANG TESIS APLIKASI SISTEM INFERENSI FUZZY DAN METODE REGRESI UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI KINERJA KEUANGAN PERBANKAN (Studi Kasus Bank di Indonesia Periode 2005-2009) Dosen Pembimbing
Lebih terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis
Lebih terperinciMENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO
MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciPENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciHimpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi
Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,
Lebih terperinciLOGIKA FUZZY FUNGSI KEANGGOTAAN
LOGIKA FUZZY FUNGSI KEANGGOTAAN FUNGSI KEANGGOTAAN (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai/derajat keanggotaannya yang memiliki interval
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
Lebih 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 terperinciAPLIKASI MODEL FUZZY DALAM PREDIKSI PRODUKSI TELUR AYAM PETELUR DI KABUPATEN SLEMAN
APLIKASI MODEL FUZZY DALAM PREDIKSI PRODUKSI TELUR AYAM PETELUR DI KABUPATEN SLEMAN SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Untuk Memenuhi Sebagian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinci( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik
Lebih 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih 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 A. Kelapa Sawit Kelapa sawit adalah tumbuhan industri/ perkebunan yang berguna sebagai penghasil minyak masak, minyak industri, maupun bahan bakar. Pohon Kelapa Sawit terdiri dari
Lebih terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciBAB 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 terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
Lebih terperinciAplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic
Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk
Lebih terperinci4-5-FUZZY INFERENCE SYSTEMS
4-5-FUZZY INFERENCE SYSTEMS Shofwatul Uyun Mekanisme FIS Fuzzy Inference Systems (FIS) INPUT (CRISP) FUZZYFIKASI RULES AGREGASI DEFUZZY OUTPUT (CRISP) 2 Metode Inferensi Fuzzy Metode Tsukamoto Metode Mamdani
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
Lebih 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 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 terperinciLOGIKA FUZZY PADA PROSES PELET PAKAN IKAN
LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga
Lebih terperinciHimpunan Tegas (Crisp)
Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu
Lebih terperinciPREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO
PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO Ahmad Bahroini 1, Andi Farmadi 2, Radityo Adi Nugroho 3 1,2,3Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36 Banjarbaru, Kalimantan
Lebih terperinciSaintia Matematika ISSN: Vol. 2, No. 2 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie
Lebih terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih terperinciFuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.
Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan
Lebih terperinciPraktikum sistem Pakar Fuzzy Expert System
Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Pengertian Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi
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 III METODE FUZZY MAMDANI
29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih 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 terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang
Lebih terperinciBAB 2 2. LANDASAN TEORI
BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.
Lebih terperinciMatematika Diskrit Fuzzy Inference System Prodi T.Informatika
Matematika Diskrit Fuzzy Inference System Prodi T.Informatika Mahasiswa dapat melakukan penalaran dengan hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Mekanisme Fuzzy Iinference Systems
Lebih terperinciPERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto
PERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto SKRIPSI Oleh : MUISA OCTAVIA NPM : 0632010185 JURUSAN TEKNIK
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 terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih terperinciPenerapan Logika Fuzzy Metode Sugeno Untuk Memprediksi Jumlah Penumpang Di Terminal Ronggo Sukowati Pamekasan
Penerapan Logika Fuzzy Metode Sugeno Untuk Memprediksi Jumlah Penumpang Di Terminal Ronggo Sukowati Pamekasan Tony Yulianto 1, Sugiono 2, M. Fariz Fadillah Mardianto 3 1,2,3) Program Studi Matematika,
Lebih terperinciBAB II LANDASAN TEORI. Dalam bab ini dibahas beberapa definisi dan konsep-konsep yang
BAB II LANDASAN TEORI Dalam bab ini dibahas beberapa definisi dan konsep-konsep yang digunakan untuk membahas aplikasi PLFTG untuk investasi portofolio saham. A. Pemrograman Linear Pemrograman matematis
Lebih terperinciBAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-
BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan
Lebih terperinciFuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015
Fuzzy Expert Sistem Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Ketentuan Praktikum Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa
Lebih terperinciBAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)
BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian
Lebih terperinciIMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS
IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,
Lebih terperinciBAB II KAJIAN TEORI. Menurut Boediono (1999) inflasi adalah kecenderungan dari harga-harga
BAB II KAJIAN TEORI A. Inflasi 1. Pengertian Inflasi Menurut Boediono (1999) inflasi adalah kecenderungan dari harga-harga untuk menaik secara menyeluruh dan terus menerus. Kenaikan harga dari satu atau
Lebih terperinciSiska Ernida Wati, Djakaria Sebayang, Rachmad Sitepu
Saintia Matematika Vol. 1, No. 3 (2013), pp. 273 24. PERBANDINGAN METODE FUZZY DENGAN REGRESI LINIER BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI (Studi Kasus Produksi Kelapa Sawit di PT. Perkebunan III (PERSERO)
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 terperinciLOGIKA SAMAR (FUZZY LOGIC)
LOGIKA SAMAR (FUZZY LOGIC) 2. Himpunan Samar 2.. Himpunan Klasik dan Himpunan Samar Himpunan klasik merupakan himpunan dengan batasan yang tegas (crisp) (Jang, Sun, dan Mizutani, 24). Sebagai contoh :
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 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 terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih terperinciANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN)
Jurnal INTEKNA (Edisi Khusus), Tahun XIII, No. 3, Desember 23 : 279-285 ANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN) Lea Emilia Farida ()
Lebih terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang
Lebih terperinciAPLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI
APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI Oleh Enny Durratul Arifah Dosen Pembimbing 1. Prof. Dr. Mohammad Isa Irawan, M.T. 2. DR. Imam Mukhlas, S.Si, M.T. INSTITUT TEKNOLOGI SEPULUH
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Sistem Pendukung Keputusan DSS adalah suatu sistem informasi yang datanya diproses dalam bentuk pembuatan keputusan bagi pemakai akhir. Karena berorientasi pada pemakai akhir,
Lebih terperinciPenggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi
Jurnal Gradien Vol.3 No.2 Juli 2007 : 247-251 Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Syamsul
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem
Lebih terperincimanusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.
6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau
Lebih terperinciDAFTAR ISI ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN
DAFTAR ISI ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... iv DAFTAR GAMBAR...x DAFTAR TABEL... xiii BAB I PENDAHULUAN 1.1 Latar Belakang Masalah...1 1.2 Identifikasi Masalah...3 1.3 Maksud
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 terperinciPENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI
PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika
Lebih terperinciTahap Sistem Pakar Berbasis Fuzzy
Company LOGO Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 www.company.com
Lebih terperinciSistem Inferensi Fuzzy
Sistem Inferensi Fuzzy METODE SUGENO 27 Sistem Inferensi Fuzzy Metode Tsukamoto Metode Sugeno! Diperkenalkan oleh Takagi-Sugeno-Kang, tahun 1985.! Bagian output (konsekuen) sistem tidak berupa himpunan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY Denny Cristiono T.S., Yugowati P.,Sri Yulianto J.P. Fakultas Teknologi Informasi Universitas Kristen
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
Lebih terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
Lebih terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih terperinciPENDAHULUAN A. LATAR BELAKANG MASALAH
PENDAHULUAN A. LATAR BELAKANG MASALAH Dalam pelaksanaan pembelajaran selalu ditemui evaluasi-evaluasi untuk menguji tingkat pemahaman terhadap suatu bahan yang dipelajari. Evaluasi-evaluasi ini tidak boleh
Lebih terperinciSIMULASI KENDALI MUTU DOSIS OBAT BERBASIS BOBOT DENGAN MENGGUNAKAN LOGIKA FUZZY
Abstract SIMULASI KENDALI MUTU DOSIS OBAT BERBASIS BOBOT DENGAN MENGGUNAKAN LOGIKA FUZZY Panca Hariwan Program Studi Teknik Komputer AMIK Bina Sarana Informatika panca_hariwan@bsi.ac.id; panca_85@yahoo.com
Lebih 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 terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 1.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari penulis sebagai berikut: Tabel 2.1 Perbandingan Metode Penelitian
Lebih 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 terperinciPENENTUAN KUALITAS CABE MERAH VARIETAS HOT BEAUTY DENGAN FUZZY INFERENCE SYSTEM TSUKAMOTO
PENENTUAN KUALITAS CABE MERAH VARIETAS HOT BEAUTY DENGAN FUZZY INFERENCE SYSTEM TSUKAMOTO oleh TAUFIQ HANIF TRI SUSELO M0107017 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
2 BAB 2 TINJAUAN PUSTAKA 2.1. Logika Fuzzy Logika fuzzy adalah suatu cara untuk memetakan suatu ruang masukan ke dalam suatu ruang keluaran. Logika fuzzy ditemukan oleh Prof.Lotfi A. Zadeh dari Universitas
Lebih terperinciResearch of Science and Informatic
Sains dan Informatika Vol.2 (N0.2) (2016): 20-30 1 Rifa, Nency, Expert System For Determine Lecturer Performance JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com
Lebih terperinci