FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN
|
|
- Verawati Pranata
- 7 tahun lalu
- Tontonan:
Transkripsi
1 FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN Astuti Irma Suryani ), Lilik Linawati 2) dan Hanna A. Parhusip 2) ) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen Pembimbing Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52 6 Salatiga 57 yaniemappibali@ymaill.com ) lina.utomo@yahoo.com 2) hannaariniparhusip@yahoo.co.id 2) ASTRAK Analisis penilaian kinerja karyawan terhadap aspek-aspek kompetensi untuk menentukan posisi yang sesuai dengan kemampuan seorang karyawan pada bagian/divisi tertentu, menggunakan fuzzy linear programming (FLP) telah dibahas berdasarkan fungsi keanggotaan fuzzy berbentuk bahu/linear. Hasil yang diperoleh dari model FLP yaitu =,8 yang menjelaskan bahwa hasil penilaian yang diperoleh FLP 8% sempurna terhadap nilai benchmark yang ditetapkan [4]. Dalam makalah ini, data yang sama akan dianalisis menggunakan fungsi keanggotaan non-linear yaitu fungsi kurva-s, dengan parameter yang berbeda untuk mengetahui fungsi keanggotaan mana yang paling cocok dalam model FLP. Dalam hal ini, solusi model yang diperoleh menggunakan fungsi keanggotaan kurva-s yaitu nilai >. Dengan demikian, dapat disimpulkan bahwa model FLP untuk penilaian kinerja karyawan menggunakan fungsi keanggotaan bentuk bahu/ linear lebih baik dibandingkan jika menggunakan fungsi keanggotaan kurva-s. Kata Kunci : Penilaian Kinerja, Kurva-S, Fuzzy Linear Programming (FLP). PENDAHULUAN Fuzzy Linear Programming (FLP) telah banyak diterapkan untuk menyelesaikan berbagai jenis masalah salah satunya untuk penilaian kinerja karyawan, seperti analisis penilaian kinerja karyawan untuk penentuan posisi yang sesuai bagi seorang karyawan berdasarkan benchmark yang ditentukan, dengan menggunakan fungsi keanggotaan bentuk bahu/linear [4]. enchmark ini terdiri dari beberapa aspek kompetensi yang disyaratkan pada bagian/divisi tertentu, dalam hal ini bagian front office dan back office. Untuk masingmasing bagian ditetapkan tiga benchmark yang memuat sepuluh aspek kompetensi yang dinilai, setiap aspek terdiri dari lima level penilaian. Solusi model FLP memberikan suatu nilai optimum level-level pada tiap aspek, sehingga dapat dihitung nilai untuk setiap benchmarknya [4]. Ada beberapa model fungsi keanggotaan fuzzy yang dikenal, baik bentuk linear maupun non-linear. Model fuzzy linear programming dalam makalah ini menggunakan fungsi keanggotaan nonlinear bentuk kurva-s. Tujuan dari penelitian ini adalah mengetahui fungsi keanggotaan fuzzy yang terbaik diantara fungsi keanggotaan bentuk bahu/linear dan bentuk kurva-s dalam memodelkan FLP untuk penilaian kinerja karyawan. Penggunaan fungsi keanggotaan bentuk kurva-s pada FLP sudah pernah dilakukan oleh Vasant utuk perencanaan produksi beberapa jenis produk [5]. Penelitian senada juga dilakukan oleh Marie yaitu perencanaan produksi pada suatu industri pangan untuk menghasilkan output produksi yang sesuai dengan permintaan pasar [6]. FUZZY LINEAR PROGRAMMING (FLP) FLP adalah program linear yang diterapkan dalam lingkungan fuzzy, dimana akan dicari nilai dari fungsi objektif yang akan dioptimalkan sedemikian sehingga tunduk pada kendala-kendala yang dimodelkan menggunakan himpunan fuzzy. Dalam model FLP ini fungsi objektif dan 43
2 pertidaksamaan kendala memiliki parameter fuzzy. Model FLP dapat direpresentasikan dengan rumusan sebagai berikut : Min/Maks : z C T X Kendala : AX () X Tanda merupakan bentuk fuzzy dari yang diinterpretasikan sebagai pada dasarnya kurang dari atau sama dengan dan tanda merupakan bentuk fuzzy dari yang diinterpretasikan sebagai pada dasarnya lebih dari atau sama dengan [2]. Persamaan () adalah bentuk umum dari FLP dengan nilai ruas kanan yang bernilai fuzzy. Tiap-tiap kendala akan direpresentasikan sebagai sebuah himpunan fuzzy dengan fungsi keanggotaan pada himpunan ke-i adalah μ i [ i x]. Nilai μ i i x akan turun secara monoton pada selang [,], dan fungsi keanggotaan seperti rumus (2) : μ i i x = ϵ[,] jika i x d i jika d i < i x d i + p i jika i x > d i + p i (2) FUNGSI KEANGGOTAAN KURVA-S TERMODIFIKASI Representasi kurva-s atau sigmoid berhubungan dengan kenaikan atau penurunan permukaan secara tak linear [3]. Menurut Vasant, ada dua keadaan himpunan fuzzy tak linear, yaitu: a. Kurva-S untuk Pertumbuhan kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol () bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi (), seperti pada Gambar 2: μ Z r = Ce Z r.999 Z r < Z min Z r = Z min Z min < Z r < d r Z r = d r Z r > d r (4) μ r [z r ] μ i i x d i d i + p i. z min d r Gambar. Fungsi Keanggotaan entuk ahu/linear Turun Monoton dengan p i adalah toleransi interval yang diperbolehkan untuk melakukan pelanggaran baik pada fungi obyektif maupun kendala. Pada Gambar, terlihat bahwa semakin besar nilai domain, akan memiliki nilai keanggotaan yang cenderung semakin kecil secara linear. Sehingga untuk mencari nilai -cut dapat dihitung sebagai = t, dengan d i + tp i = ruas kanan kendala ke-. Selanjutnya model () dapat dirumuskan bentuk FLP baru sebagai berikut []: Maksimumkan: (3) Dengan kendala: p i + i x d i + p i x i =,2,, m p i Gambar 2. Himpunan fuzzy kurva Pertumbuhan. b. Kurva-S untuk Penyusutan dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak turun ke kanan nilai domain semakin besar seperti pada Gambar 3: μ Z r =.999 +Ce Z r. Z r < d r Z r = d r d r < Z r < Z max Z r = Z max Z r > Z max (5) 432
3 .9999 μ r [z r ]. d r z max Dengan : x ij : Aspek ke i dengan nilai level ke j; Z r (X) : Kendala benchmark ke-r ; x i : Level terendah dalam aspek ke-i; x in : Level tertinggi dalam suatu aspek; c : Kendala jumlah nilai level terendah; w : Kendala jumlah nilai level tertinggi; e i : Kendala selisih nilai antara satu level dengan level sebelumnya. Gambar 3 Himpunan fuzzy kurva-s Penyusutan Untuk variabel Z r interval d r < Z r < Z max berlaku : = +Ce e Z r d r Z max d r Z r d r Z max d r Z r dr Zmax d r = C = ln C erikutnya persamaan diatas dapat diselesaikan hingga diperoleh nilai Z r sebagai berikut : Z r d r + Z max d r Z r d r + d r Z min ln C ln C (6) (7) Agar nilai Z r dapat dihitung, maka parameter dan C harus diketahui. Ditetapkan nilai = dan C =,, sedangkan bernilai 3, [5]. Dengan memperhatikan rumus (6) dan (7), maka mengacu pada rumus (3), disusun model FLP untuk penilaian kinerja sebagai berikut : Maksimumkan: (8) Dengan kendala: Z r d r Z min Z r Z max d r ln C ln C k + ln + ln d r ; d r ; i= x i c; k i= x in w ; x ij x ij e i ; x ij ; i =,2,.., m ; j =,2, n ; w > c METODE PENELITIAN Tahap : Data yang digunakan adalah data penilaian kinerja karyawan oleh iro HRD suatu institusi pendidikan di Salatiga. Tahap 2: Membuat benchmark penilaian berdasarkan Tabel dan Tabel 2. Tahap 3: Menyusun model FLP menggunakan fungsi keanggotaan kurva-s termodifikasi. Tahap 4: Menyelesaikan model FLP menggunakan Solver. Tahap 5: Hasil pada tahap 4 dinterpretasikan pada penilaian kinerja karyawan. ANALISIS DAN PEMAHASAN Dalam penelitian ini, penilaian kinerja karyawan berdasarkan beberapa aspek kompetensi yang disyaratkan pada bagian/ divisi tertentu dianalisis menggunakan kurva-s termodifikasi. Penilaian didasarkan pada aspek kompetensi seperti tersaji pada Tabel. Nilai setiap aspek dinyatakan sebagai salah satu dari 5 level penilaian pada Tabel 2. Tabel Aspek Kompetensi yang Dinilai No. Aspek No. Aspek Disiplin terhadap jam kerja 6 Menyelesaikan 2 pekerjaan secara 7 mandiri Ucapan dan tindakan dapat dipercaya Ramah dan sopan dalam pelayanan Menunjukkan keterampilan dan pengetahuan 8 9 Peduli terhadap kesulitan orang lain Terbuka terhadap pendapat dan saran ersedia bekerja ekstra (lembur) Mampu bekerjasama dengan rekan kerja Memberikan ide dan solusi untuk perbaikan 433
4 Tabel 2 Level Penilaian Pada Aspek Kompetensi Level Ke- Tingkat Pencapaian Tidak Setuju 2 Kurang Setuju 3 Cukup 4 Setuju 5 Sangat Setuju Keterangan Kinerja sangat buruk, tidak dapat diperbaiki Kinerja buruk, namun masih dapat diperbaiki Kinerja cukup, memenuhi persyaratan dasar Kinerja bagus, lebih dari yang diharapkan Kinerja sangat bagus, selalu lebih dari yang diharapkan erdasarkan Tabel dan Tabel 2 maka ditetapkan enchmark penilaian (Z r ) dalam 3 peringkat dan toleransi untuk setiap benchmark yaitu sebagai berikut [4] : Z X = x.5 + x x x x x x x x x.5 ~ 2 Z 2 X = x.5 + x x x x x x x x x.4 ~ 7 Z 3 X = x.4 + x x x x x x x x x.3 ~ 4 Tabel 3 Toleransi yang Ditetapkan pada 3 enchmark enchmark ke-( ) Nilai Tegas ( ) Toleransi atas bawah atas atas bawah ( Jumlah nilai level terendah c ditetapkan memiliki batasan lebih besar atau sama dengan dan jumlah nilai level tertinggi w ditetapkan memiliki batasan lebih kecil atau sama dengan 3. Nilai selisih minimum antar satu level dengan level sebelumnya e i adalah 2. Permasalahan ini dapat dimodelkan dengan menggunakan fungsi keanggotaan kurva-s termodifikasi, maka akan dicari nilai : Memaksimumkan dengan kendala : x.5 + x x x x x x x x x.5.44 ln 29.93; x.5 + x x x x x x x x x.5.8 ln 27.45; x.5 + x x x x x x x x x.4.44 ln 79.93; x.5 + x x x x x x x x x.4.72 ln 74.98; x.4 + x x x x x x x x x.3.44 ln 49.93; x.4 + x x x x x x x x x.3.36 ln 42.49; x. + x 2. + x 3. + x 4. + x 5. + x 6. +x 7. + x 8. + x 9. + x. ; x.5 + x x x x x 6.5 +x x x x.5 3; x.2 x. 2; x.3 x.2 2; x.4 x.3 2; x.5 x.4 2; x 2.2 x 2. 2; x 2.3 x 2.2 2; x 2.4 x 2.3 2; x 2.5 x 2.4 2; x 3.2 x 3. 2; x 3.3 x 3.2 2; x 3.4 x 3.3 2; x 3.5 x 3.4 2; x 4.2 x 4. 2; x 4.3 x 4.2 2; x 4.4 x 4.3 2; x 4.5 x 4.4 2; x 5.2 x 5. 2; x 5.3 x 5.2 2; x 5.4 x 5.3 2; x 5.5 x 5.4 2; x 6.2 x 6. 2; x 6.3 x 6.2 2; x 6.4 x 6.3 2; x 6.5 x 6.4 2; x 7.2 x 7. 2; x 7.3 x 7.2 2; x 7.4 x 7.3 2; x 7.5 x 7.4 2; x 9.2 x 9. 2; x 9.3 x 9.2 2; x 9.4 x 9.3 2; x 9.5 x x.2 x. 2; x.3 x.2 2; x.4 x.3 2; x.5 x.4 2 x ij (i =,2,3, ; j =,2,3, 5) Model diatas diselesaikan menggunakan Solver, sehingga = 85,6 dengan penyelesaian untuk setiap level pada setiap aspek tersaji pada Tabel 4. Tabel 4 Nilai Level pada Setiap Aspek Aspek Level ,68 9,68,68 2,5 22,5 2 7,8 9,8 2,8 23,8 25,8 3,3 3,3 5,3 7,3 9,3 4,3 3,3 5,3 7,3 9,3 5,3 3,3 5,3 7,3 9,3 6,3 3,3 5,3 7,3 9,3 7,3 3,3 5,3 7,3 9,3 8,3 3,3 5,3 7,3 9,3 9,3 3,3 5,3 7,3 9,3,3 3,3 5,3 7,3 9,3 Nilai = 85,6 yaitu derajat keanggotaan dari fungsi tujuan yang mengandung arti bahwa model diatas kurang baik karena derajat keanggotaan harus berada pada interval [,] sedangkan nilai yang diperoleh sangat besar. Sehingga standar nilai yang baru setiap benchmark dapat dilihat pada Tabel
5 Tabel 5 Standar Nilai enchmark yang aru enchmark ke- Skor Seorang karyawan yang sesuai untuk ditempatkan pada bagian FO, disyaratkan mempunyai aspek dan level penilaian sebagai berikut : Disiplin terhadap jam kerja (x.5 ); Menyelesaikan pekerjaan secara mandiri (x 2.3 ); Ucapan dan tindakan dapat dipercaya (x 3.5 ); Ramah dan sopan dalam pelayanan pelayanan (x 4.5 ); Menunjukkan keterampilan dan pengetahuan (x 5.5 ); Peduli terhadap kesulitan orang lain (x 6.5 ); Terbuka terhadap pendapat dan saran (x 7.5 ); ersedia bekerja ekstra (lembur) (x 8.3 ); Mampu bekerja sama dengan rekan kerja (x 9.3 ); Memberikan ide dan solusi untuk perbaikan (x.3 ). Sehingga, nilai yang harus dimiliki oleh karyawan front office untuk semua aspek adalah = x.5 +x x x x x x x x x.3 = 22,5 + 2,8 + 9,3 + 9,3 + 9,3 + 9,3 + 9,3+ 5,3 + 5,3 + 5,3 = 283,92. Jika nilai benchmark dinyatakan sebagai skor, maka nilai minimum untuk karyawan FO dengan benchmark ke- 283,92 adalah = x = 94,66. Jadi, 299,92 seorang karyawan pada FO harus memiliki nilai kinerja diatas 94,66. Selanjutnya, seorang karyawan yang sesuai untuk ditempatkan pada bagian O, disyaratkan mempunyai aspek dan level penilaian sebagai berikut :Disiplin terhadap jam kerja (x.5 ); Menyelesaikan pekerjaan secara mandiri (x 2.5 ); Ucapan dan tindakan dapat dipercaya (x 3.5 ); Ramah dan sopan dalam pelayanan pelayanan (x 4.3 ); Menunjukkan keterampilan dan pengetahuan (x 5.5 ); Peduli terhadap kesulitan orang lain (x 6.3 ); Terbuka terhadap pendapat dan saran (x 7.3 ); ersedia bekerja ekstra (lembur) (x 8.5 ); Mampu bekerja sama dengan rekan kerja (x 9.5 ); Memberikan ide dan solusi untuk perbaikan (x.5 ). Sehingga, nilai yang harus dimiliki oleh karyawan O untuk semua aspek adalah = x.5 +x x x x x x x x x.5 = 22,5 + 25,8 + 9,3 + 5,3 + 9,3 + 5,3+ 5,3 + 9,3 + 9,3 + 9,3 = 287,92. Jika nilai benchmark dinyatakan sebagai skor, maka nilai minimum karyawan O dengan benchmark ke- 287,92 adalah = x = 95,99. Jadi, 299,92 seorang karyawan pada O harus memiliki nilai kinerja diatas 95,99. Pada Tabel 6 disajikan skor minimum sebagai syarat penilaian dibagian FO dan O untuk masing-masing benchmark. Tabel 6 Syarat FO dan O Setiap enchmark enchmark Front Office ack Office ke- Nilai Skor Nilai Skor 283,92 94,66 287,92 95, ,92 97,6 275,92 97, ,92 96,2 255,92 96,96 Sebagai contoh penerapan, diambil penilaian kinerja karyawan Y yaitu 5,4,3,3,4,3,3,3,4,4, dan akan digunakan benchmark-. Hasil penilaian kinerja karyawan tersebut untuk semua aspek adalah 27,92. Skor penilaian untuk 27,92 persyaratan FO adalah x = 283,92 95,77 dan skor penilaian untuk persyaratan O adalah 273,92 x = 95,3. Karena 287,92 nilai skor yang diperoleh lebih besar dari syarat minimum bagi FO dan lebih kecil dari syarat minimum O, maka disimpulkan bahwa karyawan Y lebih tepat menduduki posisi di FO. Perbandingan hasil yang diperoleh FLP dengan fungsi keanggotaan linear [4] dan fungsi keanggotaan kurva-s termodifikasi disajikan pada Tabel 7. Tabel 7 Perbandingan Hasil FLP dengan Fungsi Keanggotaan Linear dan Fungsi Keanggotaan Kurva-S enchmark ke- FLP Fungsi Keanggotaan Linear =.8 Skor FLP Fungsi Keanggotaan Kurva-S = 85,6 Skor FO O FO O 9, 93,33 94,66 95, ,6 96,29 97,6 97, ,5 95,83 96,2 96,96 435
6 KESIMPULAN erdasarkan kajian diatas hasil nilai yang diperoleh model FLP menggunakan fungsi keanggotaan kurva-s termodifikasi lebih besar dari, sedangkan hasil nilai yang diperoleh model FLP menggunakan fungsi keanggotaan bentuk bahu/linear yaitu.8 atau kurang dari. Maka dapat disimpulkan bahwa model FLP menggunakan fungsi keanggotaan linear lebih baik untuk analisis penilaian kinerja karyawan dalam penentuan posisi yang sesuai bagi seorang karyawan jika dibandingkan dengan menggunakan fungsi keanggotaan kurva-s. oleh Iveline Anne Marie, trisakti.ac.id/jurnalti/files/22/6/ pdf Diakses tanggal 3 November 22. [7]. Web 3 : Jurnal Optimization in Product Mix Problem Using Fuzzy Linear Programming oleh Pandiant Vasant, 4/data/productmix.pdf Diakses tanggal 8 Mei 23. DAFTAR PUSTAKA []. Klir George J, dan Yuan o Fuzzy Sets and Fuzzy Logic Theory and Applications. USA: Prentice-Hall International,Inc [2]. Kusumadewi, S, dan Purnomo, H. 24. Aplikasi Logika Fuzzy untuk pendukung keputusan. Yogyakarta: Penerbit Graha Ilmu. [3]. Kusumadewi, S. 24. Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta: Penerbit Graha Ilmu. [4]. Suryani, I, A., Linawati, L., Parhusip, A, H. 23. Analisis Penilaian Kinerja Karyawan Menggunakan Fuzzy Linear Programming (FLP). Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA UNY tanggal 8 Mei 23. ISN [5]. Web : Jurnal Application of Multiobjective Fuzzy Linear Programming in Supply Production Planning Problem oleh Pandiant Vasant, org/content/24/data/pandianvasant.p df Diakses tanggal 8 Mei 23. [6]. Web 2 : Jurnal Penentuan Jumlah Produksi Menggunakan Model Fuzzy Multiobjective Linear Programming Pada Industri Pangan 436
BAB II MAKALAH Makalah 1 :
BAB II MAKALAH Makalah 1 : Analisis penilaian kinerja karyawan menggunakan Fuzzy Linear Programming (FLP). Dipresentasikan dalam Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA 2013 yang diselenggarakan
Lebih terperinciOleh, ASTUTI IRMA SURYANI NIM : TUGAS AKHIR
ANALISIS PENILAIAN KINERJA KARYAWAN MENGGUNAKAN FUZZY LINEAR PROGRAMMING (FLP) Studi Kasus: Data Penilaian Kinerja Karyawan Non Akademik Oleh Biro HRD Univeristas Kristen Satya Wacana Salatiga Oleh, ASTUTI
Lebih terperinciPENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR
PENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR T-11 RIVELSON PURBA 1 1 FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS MUSAMUS MERAUKE etong_extreme@yahoo.com ABSTRAK Purba, Rivelson. 01. Penerapan Logika
Lebih terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih terperinciDAFTAR PENILAIAN PELAKSANAAN PEKERJAAN PEGAWAI NON AKADEMIK UKSW
Lampiran 1 : Daftar Penilaian Pelaksanaan Pekerjaan Pegawai Non Akademik - UKSW DAFTAR PENILAIAN PELAKSANAAN PEKERJAAN PEGAWAI NON AKADEMIK UKSW Waktu Penilaian : YANG DINILAI a. Nama b. NIP c. Pangkat,
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 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 terperinciProgram Linear Fuzzy dengan Koefisien dan Konstanta Kendala Bilangan Fuzzy
Prosiding Matematika ISSN: 2460-6464 Program Linear Fuzzy dengan Koefisien dan Konstanta Kendala Bilangan Fuzzy 1 Diah Fauziah, 2 Didi Suhaedi, 3 Gani Gunawan 1,2,3 Prodi Matematika, Fakultas Matematika
Lebih terperinciFUZZY LINIER PROGRAMMING UNTUK PEMILIHAN JENIS KENDARAAN DALAM MENGANTISIPASI KEMACETAN LALU LINTAS DI KOTA MEDAN
FUZZY LINIER PROGRAMMING UNTUK PEMILIHAN JENIS KENDARAAN DALAM MENGANTISIPASI KEMACETAN LALU LINTAS DI KOTA MEDAN Zulfikar Sembiring 1* 1 Fakultas Teknik, Universitas Medan Area * Email : zoelsembiring@gmail.com
Lebih terperinciBAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program linear, metode simpleks, dan program linear fuzzy untuk membahas penyelesaian masalah menggunakan metode fuzzy
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Optimasi Menurut Nash dan Sofer (1996), optimasi adalah sarana untuk mengekspresikan model matematika yang bertujuan memecahkan masalah dengan cara terbaik. Untuk tujuan bisnis,
Lebih terperinciBAB II KAJIAN TEORI. Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan digunakan pada pembahasan berdasarkan literatur yang relevan. A. Program Linear Model Program Linear (MPL) merupakan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Program linier merupakan metode matematika dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan, seperti memaksimumkan keuntungan dan meminimumkan
Lebih terperinciPENERAPAN MODEL LINEAR GOAL PROGRAMMING UNTUK OPTIMASI PERENCANAAN PRODUKSI
PENERAPAN MODEL LINEAR GOAL PROGRAMMING UNTUK OPTIMASI PERENCANAAN PRODUKSI Natalia Esther Dwi Astuti 1), Lilik Linawati 2), Tundjung Mahatma 2) 1) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen
Lebih terperinciSTUDI TENTANG PERSAMAAN FUZZY
STUDI TENTANG PERSAMAAN FUZZY Elva Ravita Sari Evawati Alisah Jurusan Matematika Fakultas Sains Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang e-mail: mbemvie@gmail.com ABSTRAK Bilangan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Program linier (Linier Programming) Pemrograman linier merupakan metode matematik dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Teori himpunan fuzzy banyak diterapkan dalam berbagai disiplin ilmu seperti teori kontrol dan manajemen sains, pemodelan matematika dan berbagai aplikasi dalam bidang
Lebih terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih 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 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 terperinciElis Ratna Wulan a, Diana Ratnasari b
ISBN 978-979-3541-50-1 IRWNS 2015 Pencarian Solusi Optimal Fuzzy Untuk Masalah Program Linier Fuzzy Menggunakan Metode Level-Sum Elis Ratna Wulan a, Diana Ratnasari b b a Jurusan Matematika,Fakultas Sains
Lebih terperinciBAB II MAKALAH. Analytic Hierarchy Process (AHP) Dipresentasikan : Seminar Nasional Matematika yang diselenggarakan oleh.
BAB II MAKALAH Makalah I. Judul : Pengambilan Keputusan untuk Penilaian Kinerja Menggunakan Analytic Hierarchy Process (AHP) Dipresentasikan : Seminar Nasional Matematika yang diselenggarakan oleh Fakultas
Lebih terperinciUNNES Journal of Mathematics
UJM 1 (1) (2012) UNNES Journal of Mathematics http://journalunnesacid/sju/indexphp/ujm APLIKASI FUZZY LINEAR PROGRAMMING DALAM OPTIMALISASI PRODUKSI Agus Wayan Yulianto, Hardi Suyitno, dan Mashuri Jurusan
Lebih terperinciPencarian Solusi Optimal Fuzzy Untuk Masalah Program Linier Fuzzy Menggunakan Metode Level-Sum
ISBN 978-979-3541-50-1 IRWNS 2015 Pencarian Solusi Optimal Fuzzy Untuk Masalah Program Linier Fuzzy Menggunakan Metode Level-Sum Elis Ratna Wulan a, Diana Ratnasari b a Jurusan Matematika,Fakultas Sains
Lebih terperincibi = vektor berkaitan dengan tingkat aspirasi goal pada objektif yang ke i fi(x) = fungsi kendala dan goal
PERENCANAAN PRODUKSI AGREGAT DENGAN MODEL FUZZY GOAL PROGRAMMING PADA INDUSTRI ALAT MUSIK Suriadi AS Program Studi Teknik dan Manajemen Industri, STMI Jakarta suriadiasalam@yahoo.co.id ABSTRAK Perencanaan
Lebih terperinciPERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES Endah Puspitasari 1, Lilik Linawati 2, Hanna Arini Parhusip 3 1,2,3 Progam Studi Matematika Fakultas Sains
Lebih terperinciBAB II KAJIAN TEORI. masalah fuzzy linear programming untuk optimasi hasil produksi pada bab
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai program linear, konsep himpunan fuzzy, program linear fuzzy dan metode Mehar untuk membahas penyelesaian masalah fuzzy linear programming untuk
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Konsep program linier (linear programming) ditemukan dan diperkenalkan seorang ahli matematika bangsa Amerika, Dr.George Dantzig yaitu dengan dikembangkannya metode
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 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 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 terperinciPersamaan dan Pertidaksamaan Linear
MATERI POKOK Persamaan dan Pertidaksamaan Linear MATERI BAHASAN : A. Persamaan Linear B. Pertidaksamaan Linear Modul.MTK X 0 Kalimat terbuka adalah kalimat matematika yang belum dapat ditentukan nilai
Lebih terperinciOPTIMASI PRODUKSI HIJAB DENGAN FUZZY LINEAR PROGRAMMING
JURNAL ILMU PENGETAHUAN VOL. 3. NO. 1 AGUSTUS 217 OPTIMASI PRODUKSI HIJAB DENGAN FUZZY LINEAR PROGRAMMING Martini Manajemen Informatika, AMIK BSI Jakarta http://www.bsi.ac.id martini.mtn@bsi.ac.id Abstract
Lebih terperinciPenerapan Algoritma Fuzzy C-Means Guna Penentuan Penjurusan Program Peserta Didik Tingkat SMA
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Penerapan Algoritma Fuzzy C-Means Guna Penentuan Penjurusan Program Peserta Did Tingkat SMA Maria Anistya Sasongko 1, Lil Linawati 2, Hanna
Lebih terperinciAplikasi Fuzzy Goal Programming (Studi Kasus: UD. Sinar Sakti Manado) Application Of Fuzzy Goal Programming (Case Study: UD. Sinar Sakti Manado)
Aplikasi Fuzzy Goal Programming (Studi Kasus: UD. Sinar Sakti Manado) Felliks F. Tampinongkol 1, Altien J. Rindengan 2, Luther A. Latumakulita 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, fftampinongkol09@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Konsep program linier ditemukan dan diperkenalkan pertamakali oleh George Dantzig yang berupa metode mencari solusi masalah program linier dengan banyak variabel keputusan.
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperinciRumusan Masalah Tujuan Batasan Masalah
BAB I PENDAHULUAN Dalam kegiatan jual-beli suatu barang atau jasa, merepresentasi kebutuhan pelanggan merupakan salah satu faktor penting, dimana pembeli memiliki kriteria akan barang atau jasa yang diinginkannya.
Lebih terperinciSISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI
SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI 1209100023 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciProsiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika PENCARIAN PROPORSI PENAMBAHAN BEKATUL PADA MO- CORIN YANG BAIK DIKONSUMSI OLEH PENDERITA KOLES- TEROL DENGAN MENGGUNAKAN ALGORITMA GENETIK
Lebih terperinciPROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
PROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR Shintia Devi Wahyudy 1, Bambang Irawanto 2, 1,2 Jurusan Matematika FSM Universitas Diponegoro Jl Prof H Soedarto, SH Tembalang Semarang 1 Shintiadevi15@gmailcom,
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 terperinciDISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN
DISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN Hanna Arini Parhusip 1 dan Ramos Somnya 2 Pusat Studi Simitro, Fakultas Teknologi Informasi Universitas Kristen Satya Wacana ABSTRAK.
Lebih terperinciMETODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 01 No. 1 (2012) hal 23 30. METODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY Anastasia Tri Afriani
Lebih terperinciINFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER SIMPANGAN BAKU S - POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Jl Diponegoro
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 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 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 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 terperinciPENENTUAN JUMLAH PRODUKSI YANG OPTIMAL MENGGUNAKANFUZZY MULTIOBJECTIVE OPTIMIZATION UNTUK PENYUSUNAN JADWAL INDUK PRODUKSI
PENENTUAN JUMLAH PRODUKSI YANG OPTIMAL MENGGUNAKANFUZZY MULTIOBJECTIVE OPTIMIZATION UNTUK PENYUSUNAN JADWAL INDUK PRODUKSI Damar Indah Septiana, Endang Widuri Asih, Risma A. Simanjuntak Jurusan Teknik
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari
Lebih terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar
Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika
Lebih terperinciRumusan Masalah Tujuan Batasan Masalah
PENDAHULUAN Bank adalah sebuah lembaga keuangan dan badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan selanjutnya menyalurkan kepada masyarakat dalam bentuk kredit. Kredit merupakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Program Linier Program linier merupakan model matematik untuk mendapatkan alternatif penggunaan terbaik atas sumber-sumber organisasi. Kata sifat linier digunakan untuk menunjukkan
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 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 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 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 terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 3 1 Mahasiswa Program Studi Matematika
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab II ini dibahas teori-teori pendukung yang digunakan untuk pembahasan selanjutnya yaitu tentang Persamaan Nonlinier, Metode Newton, Aturan Trapesium, Rata-rata Aritmatik dan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi
Lebih terperinciAnalisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang
Analisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang Nurul Khairina Politeknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal nurulkhairina27@gmail.com Abstrak
Lebih 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 terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciPEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING
PEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING Oleh : Heny Nurhidayanti 1206 100 059 Dosen Pembimbing : Drs. Sulistiyo, MT Jurusan Matematika Fakultas Matematika dan
Lebih terperinciStudi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik
Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Empirik S 6 Jantini Trianasari Natangku 1), Adi Setiawan ), Lilik Linawati ) 1) Mahasiswa Program Studi Matematika FSM-UKSW Email : n4n4_00190@yahoo.co.id
Lebih terperinciBAB II KAJIAN TEORI. Berikut ini merupakan pembahasan kajian-kajian tersebut.
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai kajian teori yang digunakan sebagai dasar penulisan tugas akhir ini berdasarkan literatur yang relevan. Berikut ini merupakan pembahasan kajian-kajian
Lebih terperinciMenentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani
Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Anitaria Simanullang 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED anitaria.simanullang@gmail.com
Lebih 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 terperinciPROGRAM APLIKASI FUZZY DATABASE MODEL TAHANI UNTUK PEMILIHAN KENDARAAN BERMOTOR RODA DUA BERDASARKAN KRITERIA LINGUISTIK
PROGRAM APLIKASI FUZZY DATABASE MODEL TAHANI UNTUK PEMILIHAN KENDARAAN BERMOTOR RODA DUA BERDASARKAN KRITERIA LINGUISTIK Oleh, YOSEP BUNGKUS FIJAR MALIANA NIM : 662010004 TUGAS AKHIR Diajukan kepada Program
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.
Lebih terperinciOleh, SRI AYU SUBEKTI NIM : TUGAS AKHIR
PENGGUNAAN METODE FUZZY MAMDANI DAN SUGENO UNTUK PENGAMBILAN KEPUTUSAN DALAM ANALISIS KREDIT Studi Kasus : Pengambilan Keputusan Kredit PT. Kandimadu Arta Cabang Salatiga Oleh, SRI AYU SUBEKTI NIM : 662010002
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 1 Mahasiswa Program Studi Matematika FSM
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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 HIMPUNAN CRIPS Himpunan adalah suatu kumpulan objek-objek yang mempunyai kesamaan sifat tertentu. Suatu himpunan harus terdefinisi secara tegas, artinya untuk setiap objek selalu
Lebih terperinci1. Fungsi Objektif z = ax + by
Nilai Optimum Suatu Fungsi Objektif, Program Linear, Fungsi Objektif, Cara Menentukan, Contoh Soal, Rumus, Pembahasan, Metode Uji Titik Sudut, Metode Garis Selidik, Matematika Nilai Optimum Suatu Fungsi
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 terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Efektivitas Efektivitas berasal dari kata efektif, yang merupakan kata serapan dari bahasa Inggris yaitu effective yang artinya berhasil. Menurut kamus ilmiah popular, efektivitas
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 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 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 terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Masalah kendali inventori (persediaan) pada suatu perusahaan atau retailer merupakan salah satu faktor penting untuk menentukan keberhasilan dalam menjalankan
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 terperinciPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI MODEL PENETAPAN GAJI KARYAWAN BERDASARKAN EVALUASI KINERJA MENGGUNAKAN FUZZY LINEAR PROGRAMMING
MODEL PENETAPAN GAJI KARYAWAN BERDASARKAN EVALUASI KINERJA MENGGUNAKAN FUZZY LINEAR PROGRAMMING SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik
Lebih terperinciMODEL ANALISIS MENENTUKAN ALAT KONTRASEPSI BAGI ASEPTOR KELUARGA BERENCANA DENGAN LOGIKA FUZZY
MODEL ANALISIS MENENTUKAN ALAT KONTRASEPSI BAGI ASEPTOR KELUARGA BERENCANA DENGAN LOGIKA FUZZY Isworo Nugroho; Sri Eniyati Abstract Data yang sulit diketahui nilai kepastiannya seperti faktor kesehatan
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Program linear merupakan model umum yang dapat digunakan dalam pemecahan masalah pengalokasian sumber yang terbatas secara optimal yaitu memaksimumkan keuntungan
Lebih terperinciBAB III PEMBAHASAN. linear yang dinyatakan dengan fungsi tujuan dan fungsi kendala yang memiliki
BAB III PEMBAHASAN Masalah Fuzzy Linear Programming (FLP) merupakan masalah program linear yang dinyatakan dengan fungsi tujuan dan fungsi kendala yang memiliki parameter fuzzy dan ketidaksamaan fuzzy
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Sukarelawan adalah seseorang atau sekelompok orang yang secara ikhlas karena panggilan nuraninya memberikan apa yang dimilikinya tanpa mengharapkan imbalan. Sukarelawan
Lebih terperinciPENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL FUZZY ORDE SATU MENGGUNAKAN METODE ADAMS BASHFORTH MOULTON ORDE TIGA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 2 (2014), hal 117 124. PENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL FUZZY ORDE SATU MENGGUNAKAN METODE ADAMS BASHFORTH MOULTON ORDE TIGA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciAplikasi Fuzzy Linear Programming untuk Produksi Bola Lampu di PT XYZ
Aplikasi Fuzzy Linear Programming untuk Bola Lampu di PT XYZ Hendra Suantio 1, A. Jabbar M. Rambe 2, Ikhsan Siregar 3 Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara Jl. Almamater
Lebih terperinciBAB 3 LINEAR PROGRAMMING
BAB 3 LINEAR PROGRAMMING Teori-teori yang dijelaskan pada bab ini sebagai landasan berpikir untuk melakukan penelitian ini dan mempermudah pembahasan hasil utama pada bab selanjutnya. 3.1 Linear Programming
Lebih terperinciAplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A - 8 Aplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone Muhammad Najib Mubarrok, Agus
Lebih terperinciPERENCANAAN PRODUKSI KERIPIK KENTANG MENGGUNAKAN METODE FUZZY LINEAR PROGRAMMING (FLP) (Studi Kasus di UKM Agronas Gizi Food Kota Batu).
PERENCANAAN PRODUKSI KERIPIK KENTANG MENGGUNAKAN METODE FUZZY LINEAR PROGRAMMING (FLP) (Studi Kasus di UKM Agronas Gizi Food Kota Batu). POTATO CHIPS PRODUCTION PLANNING USING FUZZY LINEAR PROGRAMMING
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 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 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 terperinci