APLIKASI PERAMALAN HARGA JUAL RUMAH LELANG EX-KPR BTN MENGGUNAKAN FUZZY TSUKAMOTO
|
|
- Lanny Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 APLIKASI PERAMALAN HARGA JUAL RUMAH LELANG EX-KPR BTN MENGGUNAKAN FUZZY TSUKAMOTO Agung Triayudi 1 Muhamad Kosasih 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi Universitas Serang Raya agung.triayudi@gmail.com kosasihmuhamad241191@gmail.com Abstrak Kredit adalah kegiatan operasional terpenting dalam kegiatan operasional bank, karena perkreditan memiliki nilai asset terbesar jika dibandingkan dengan kegiatan operasional bank yang lain. Resiko tertinggi dari kegagalan perkreditan adalah kredit macet, Apabila tidak diselesaikan dapat mengakibatkan bank tersebut tidak sehat. Upaya yang dilakukan oleh BTN KC Tangerang dalam pengelolaan kredit salah satunya yaitu dengan cara melakukan litigasi atau lelang, saat ini dalam proses litigasi untuk menentukan harga jual rumah sementara yang akan dilelang hanya menggunakan rumus : (Sisa Pokok + 30% Kewajiban Bunga + Biaya-biaya Lelang). Namun hal ini dapat menyebabkan kerugian pada pihak bank karena jika memperhatikan faktor-faktor seperti kondisi rumah, status hunian, bangunan rumah, luas rumah, luas tanah, tingkat hunian rumah, sarana transportasi. Meskipun pada akhirnya harga jual rumah yang akan dilelang dinilai kembali oleh appraisal eksternal yang sudah bekerja sama dengan bank. Banyak metode yang dapat digunakan untuk proses peramalan harga jual rumah diantaranya yaitu Fuzzy Tsukamoto, pada metode tsukamoto setiap konsekuen pada aturan yang berbentuk IF-Then harus dipresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Aplikasi peramalan harga jual rumah menggunakan metode fuzzy tsukamoto dapat digunakan sebagai alternatif dalam menentukan harga jual rumah lelang EX-KPR BTN. Dengan logika fuzzy tsukamoto sistem ini memberikan hasil yang lebih fleksibel dalam membantu menentukan harga jual rumah lelang berdasarkan input luas rumah, kondisi bangunan, lokasi rumah, sarana angkutan umum, jarak ke jalan provinsi, jarak ke pusat pendidikan, kesehatan, perbelanjaan. Sehingga memberikan kemudahan bagi petugas lelang dalam menentukan harga jual rumah lelang. Kata Kunci : Kredit Macet, Rumah Lelang, Property, Fuzzy Tsukamoto, Peramalan. 1. PENDAHULUAN PT. Bank Tabungan Negara (Persero) Tbk. Cabang Tangerang merupakan salah satu bank milik pemerintah (BUMN) sebagai bank yang fokus terhadap pembiayaan perumahan sesuai dengan visi bank BTN yaitu menjadi bank yang terkemuka dalam pembiayaan perumahan, namun bank BTN tidak begitu saja memberikan pembiayaan perumahan kepada calon nasabahnya karena bank harus selalu ada dalam sehat atau likuid dan harus mampu menanggung resiko tertinggi sebagai akibat dari terjadinya kegagalan perkreditan dimana kredit macet. Penyebab terjadinya kredit macet bisa disebabkan berbagai faktor diantaranya : income jika pendapatan tidak meningkat sedangkan harga kebutuhan sehari-hari selalu mengalami kenaikan, kesehatan jika nasabah mengalami sakit dana yang seharusnya untuk membayar angsuran terpaksa digunakan untuk biaya kerumah sakit, terjadinya perceraian dalam rumah tangga, tingginya suku bunga kredit yang diberikan bank, debitur memiliki lebih dari satu kredit, telah beralihnya kredit dari pihak pertama kepada pihak kedua tanpa sepengetahuan pihak bank atau prosedur yang berlaku dibank. Upaya yang telah dilakukan oleh BTN KC Tangerang dalam pengelolaan kredit salah satunya yaitu dengan cara melakukan litigasi atau lelang, saat ini dalam proses litigasi untuk menentukan harga jual rumah sementara yang akan dilelang hanya menggunakan rumus : (Sisa Pokok + 30% Kewajiban Bunga + Biaya-biaya Lelang). Namun hal ini dapat menyebabkan kerugian pada pihak bank karena jika memperhatikan faktor-faktor seperti kondisi rumah, status hunian, bangunan rumah, luas rumah, luas tanah, tingkat hunian rumah, sarana transportasi. Meskipun pada akhirnya harga jual rumah yang akan dilelang dinilai kembali oleh appraisal eksternal yang sudah bekerja sama dengan bank. Belum adanya sistem yang dapat membantu untuk menentukan harga jual sementara rumah yang akan dilelang dan banyaknya variabel yang harus diperhatikan dalam menentukan harga jual, menyebabkan proses litigasi dalam mencapai target penjualan rumah 2,000 unit menjadi terhambat. Banyak metode yang dapat digunakan untuk proses peramalan harga jual rumah diantaranya yaitu Fuzzy Tsukamoto, pada metode tsukamoto setiap konsekuen pada aturan yang berbentuk IF-Then harus dipresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan dengan tegas (crips) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Penelitian ini akan membuat aplikasi untuk peramalan harga jual sementara rumah yang akan dilelang, berisi tentang informasi kondisi rumah, status hunian, lingkungan sekitar rumah, bangunan rumah, luas rumah, luas tanah, tingkat hunian rumah, saran transportasi, fasilitas umun dan sosial, harga jual. Metode peramalan yang digunakan adalah fuzzy tsukamoto. 2. FUZZY TSUKAMOTO
2 Logika Fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar, dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy peran derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan. Metode fuzzy merupakan bagian dari salah satu bidang ilmu komputer yaitu artificial intelligence. Metode fuzzy diformulasikan dalam rangka mecari nilai tengah antara bilangan 0 dan 1, hal ini seiring dengan usaha untuk membuat komputer yang bekerja seperti cara manusia berpikir, sebab komputer pada dasarnya adalah sebuah mesin hitung yang tidak berpikir. (Kusumadewi et al 2013) Beberapa model fuzzy logic banyak diterapkan dalam menyelesaikan berbagai permasalahan, diantaranya yaitu : Fuzzy Tsukamoto. Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus dipresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton (Gambar 1). Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan dengan tegas (crips) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. MIN atau DOT 4. HASIL DAN PEMBAHASAN Contoh kasus input kondisi sebuah rumah yang akan dilakukan proses lelang di PT. Bank Tabungan Negara (Persero) Tbk. Kantor Cabang Tangerang dengan luas rumah = 21 M 2, lokasi rumah = 17, kondisi bangunan = 20, sarana angkutan umum = 28, jarak ke jalan provinsi = 7 Km, jarak ke pusat pendidikan = 4 Km, jarak ke pusat kesehatan = 10 Km, jarak ke pusat perbelanjaan = 5 Km. semua data tersebut diinput pada form New Peramalan. Gambar 2 Menu New Peramalan Fuzzifikasi Proses fuzzifikasi adalah proses mengubah nilai tegas (crips) menjadi nilai derajat keanggotaan. Nilai derajat keanggotaan masing-masing variabel : a. Luas Rumah Gambar 3 Fungsi Keanggotaan Luas Rumah Gambar 1 Inferensi dengan menggunakan Metode Tsukamoto 3. METODOLOGI PENELITIAN Pada penelitian ini, metode pengumpulan data meliputi data primer dan data sekunder, data primer yang digunakan diperoleh dari PT. Bank Tabungan Negara (Persero) Tbk Kantor Cabang Tangerang pada bagian Asset Managemen Division sedangkan data sekunder mengacu pada literature, buku, jurnal, maupun referensi yang dapat menunjang penyusunan skripsi ini. Data tersebut kemudian akan diolah dengan menggunakan fuzzy logic inferensi tsukamoto untuk menentukan harga jual sementara rumah lelang. Development system menggunakan Borland Delphi 7 dan MySql Server µlrkecil[x 1 ] = 0 x 1 > 30 0 x 1 < 25 atau x 1 > 60 µlrsedang[x 1 ] = (x 1-25)/( ) 25 < x 1 < (2) µlrbesar[x 1 ] = 1 x 1 < 20 (30-x 1 )/(30-20) 20 < x 1 < (1) (60-x 1 )/( ) 42.5 < x 1 < 60 0 x 1 < 45 (x 1-45)/(100-45) 45 < x 1 < (3) 1 x 1 > 100 µlrkecil [21] = (30-21)/(30-20) = 0.9 b. Lokasi Rumah
3 µsaukurang[x 4 ] = Gambar 4 Fungsi Keanggotaan Lokasi Rumah µlkjdkota[x 2 ] = 1 x 2 < 0 (20-x 2 )/(20-0) 0 < x 2 < (4) 0 x 2 < 15 atau x 2 > 30 µlkpgkota [x 2 ] = 0 x 2 > 20 (x 2-15)/( ) 15 < x 2 < (5) (30-x 2 )/( ) 22.5 < x 2 < 30 0 x 2 < 25 µlkpskota[x 2 ] = (x 2-25)/(100-25) 25 < x 2 < (6) µlkpgkota [17] = (17-15)/( ) µlkjdkota [17] = (20-17)/(20-0) = 0.15 c. Kondisi Bangunan Gambar 5 Fungsi Keanggotaan Kondisi Bangunan µkbkurang[x 3 ] = µkbcukup[x 3 ] = µkbbaik[x 3 ] = 1 x 2 > x 3 < 0 (15-x 3 )/(15-0) 0 < x 3 < (7) 0 x 3 > 15 0 x 3 < 10 atau x 3 > 30 (x 3-10)/(20-10) 10 < x 3 < (8) (30-x 3 )/(30-20) 20 < x 3 < 30 0 x 3 < 25 (x 3-25)/(100-25) 25 < x 3 < (9) 1 x 3 > 100 µkbcukup [20] = (20-10)/(20-10) = 1 d. Sarana Angkutan Umum Gambar 6 Fungsi Keanggotaan Sarana Angkutan Umum µsaucukup[x 4 ] = µsaubaik[x 4 ] = µsaucukup [28] = (30-28)/( ) µsaubaik [28] = (28-25)/(100-25) e. Jarak ke Jalan Provinsi Gambar 7 Fungsi Keanggotaan Jarak ke Jalan Provinsi µjjpdekat[x 5 ] = 0 x 5 > 5 0 x 5 < 4 atau x 5 > 10 µjjpsedang[x 5 ] = (x 5-4)/(7-4) 4 < x 5 < 7... (14) µjjpjauh[x 5 ] = µjjpsedang [7] = (7-4)/(7-4) = 1 f. Jarak ke Pusat Pendidikan Gambar 8 Fungsi Keanggotaan Jarak ke Pusat Pendidikan µjppdekat[x 6 ] = 0 x 6 > 3 0 x 6 < 2 atau x 6 > 5 µjppsedang[x 6 ] = (x 6-2)/(3.5-2) 2 < x 6 < (17) µjppjauh[x 6 ] = µjppsedang [4] = (5-4)/(5-3.5) 0 x 4 < 15 atau x 4 > 30 (x 4-15)/( ) 15 < x 4 < (11) (30-x 4 )/( ) 22.5 < x 4 < 30 0 x 4 < 25 (x 4-25)/(100-25) 25 < x 4 < (12) 1 x 4 > x 5 < 0 (5-x 5 )/(5-0) 0 < x 5 < 5... (13) (10-x 5 )/(10-7) 7 < x 5 < 10 0 x 5 < 8 (x 5-8)/(20-8) 8 < x 5 < (15) 1 x 5 > 20 1 x 6 < 0 (3-x 6 )/(3-0) 0 < x 6 < 3... (16) (5-x 6 )/(5-3.5) 3.5 < x 6 < 5 0 x 6 < 4 (x 6-4)/(15-4) 4 < x 6 < (18) 1 x 6 > 15 1 x 5 < 0 (5-x 5 )/(5-0) 0 < x 5 < 5... (13) 0 x 5 > 5
4 = Gambar 11 Fungsi Keanggotaan Harga Jual g. Jarak ke Pusat Kesehatan Gambar 9 Fungsi Keanggotaan Jarak ke Pusat Kesehatan µhrclass7[z] = µhrclass6[z] = µhrclass5[z] = 1 z < 40 (50-z)/(50-40) 40 < z < (25) 0 z > 50 0 z < 45 atau z > 65 (z-45)/(55-45) 45 < z < (26) (65- z)/(65-55) 55 < z < 65 0 z < 60 atau z > 80 (z-60)/(70-60) 60 < z < (27) (80-z)/(80-70) 70 < z < 80 1 x 7 < 0 µjpkdekat[x 7 ] = (8-x 7 )/(8-0) 0 < x 7 < 8... (19) 0 0 x 7 > 8 x 7 < 6 atau x 7 > 15 µjpksedang[x 7 ] = (x 7-6)/(10.5-6) 6 < x 7 < (20) µjpkjauh[x 7 ] = µjpksedang [10] = (10-6)/(10.5-6) = h. Jarak ke Pusat Perbelanjaan Gambar 10 Fungsi Keanggotaan Jarak ke Pusat Perbelanjaan µjpbdekat[x 7 ] = 0 x 7 > 5 0 x 7 < 4 atau x 7 > 8 µjpbsedang[x 7 ] = (x 7-4)/(6-4) 4 < x 7 < 6... (23) µjpbjauh[x 7 ] = µjpbsedang [5] = (5-4)/(6-4) = 0.5 i. Harga Jual Rumah (15-x 7 )/( ) 10.5 < x 7 < 15 0 x 7 < 12 (x 7-12)/(20-12) 12 < x 7 < (21) 1 x 7 > 20 1 x 7 < 0 (5-x 7 )/(5-0) 0 < x 7 < 5... (22) (8-x 7 )/(8-6) 6 < x 7 < 8 0 x 7 < 7 (x 7-7)/(10-7) 7 < x 7 < (24) 1 x 7 > 10 µhrclass4[z] = µhrclass3[z] = µhrclass2[z] = µhrclass1[z] = 0 z < 75 atau z > 95 (z-75)/(85-75) 75 < z < (28) (95-z)/(95-85) 85 < z < 95 0 z < 90 atau z > 110 (z-90)/(100-90) 90 < z < (29) (110-z)/( ) 100 < z < z < 120 (z-120)/( ) 120 < z < (30) 1 z > z < 100 atau z > 125 (z-100)/( ) 100 < z < (31) (125-z)/( ) < z < 125 Sistem Inferensi Pada proses system inferensi nilai-nilai derajat keanggotaan dari masing-masing variabel dibandingkan dengan menggunakan aturan (rule) untuk mencari nilai minimumnya. Nilai minimum tersebut dijadiakn sebagai nilai firestrength (α-predikat). Penelitian ini menggunakan 126 rule, adapun rule yang terlewati pada proses ini adalah R49, R50, R58, R59, R95. [R49] IF Luas Rumah KECIL And Lokasi Rumah PgKOTA Angkutan Umum BAIK Then Harga Rumah Class 5 α 1 = min (µlrkecil[21], µlkpgkota[17], µkbcukup[20], µsaubaik[28]) = min (0.9 ; ; 1 ; 0.04) maka dapat dicari nilai z 1 untuk [R49], (z 1-60)/(70-60) z 1-60 * 10 z 1 = 59.6 [R50] IF Luas Rumah KECIL And Lokasi Rumah PgKOTA Angkutan Umum CUKUP Then Harga Rumah Class 6 α 2 = min (µlrkecil[21], µlkpgkota[17], µkbcukup[20], µsaucukup[28]) = min (0.9 ; ; 1 ; ) maka dapat dicari nilai z 2 untuk [R50],
5 (z 2-45)/(55-45) z 2-45 * 10 z 2 = [R58] IF Luas Rumah KECIL And Lokasi Rumah JdKOTA Angkutan Umum BAIK Then Harga Rumah Class 6 α 3 = min (µlrkecil[21], µlkjdkota[17],µkbcukup[20], µsaubaik[28]) = min (0.9 ; 0.15 ; 1 ; 0.04) maka dapat dicari nilai z 3 untuk [R58], (z 3-45)/(55-45) z 3-45 * 10 z 3 = 44.6 [R59] IF Luas Rumah KECIL And Lokasi Rumah JdKOTA Angkutan Umum CUKUP Then Harga Rumah Class 7 α 4 = min (µlrkecil[21], µlkjdkota[17], µkbcukup[20], µsaucukup[28]) = min (0.9 ; 0.15 ; 1 ; ) = 0.15 maka dapat dicari nilai z 4 untuk [R59], (50-z 4 )/(50-40) = z 4 = 0.15 * 10 z 4 = 48.5 [R95] IF Jarak ke Jalan Provinsi SEDANG And Jarak ke Pusat Pendidikan SEDANG And Jarak ke Pusat Kesehatan SEDANG And Jarak ke Pusat Perbelanjaan SEDANG Then Harga Rumah Class 5 α 5 = min (µjjpsedang[7], µjppsedang [4], µjpkjauh[10], µjpbsedang[5]) = min (1 ; ; ; 0.5) = 0.5 maka dapat dicari nilai z 5 untuk [R95], (80-z 5 )/(80-70) = z 5 = 0.5 * 10 z 5 = 75 Defuzzifikasi Selanjutnya sistem akan menghitung nilai firestrength dan nilai konsekuen yang telah diperoleh dengan menggunakan perhitungan rata-rata terbobot untuk memperoleh hasil akhirnya. z = (α 1 *z 1 )+(α 2 *z 2 )+(α 3 *z 3 )+(α 4 *z 4 )+(α 5 *z 5 ) α 1 + α 2 + α 3 + α 4 + α 5 = = Jadi nilai fuzzy hasil perhitungan harga jual rumah sebesar , dengan demikian harga jual rumah lelang hasil perhitungan adalah sebesar Rp. 60,433,333,- ( * 1,000,000,-) Gambar 12 Menu Result Peramalan 5. KESIMPULAN Aplikasi peramalan harga jual rumah menggunakan metode fuzzy tsukamoto dapat digunakan sebagai alternatif dalam menentukan harga jual rumah lelang EX-KPR BTN. Dengan logika fuzzy tsukamoto sistem ini memberikan hasil yang lebih fleksibel dalam membantu menentukan harga jual rumah lelang berdasarkan input luas rumah, kondisi bangunan, lokasi rumah, sarana angkutan umum, jarak ke jalan provinsi, jarak ke pusat pendidikan, kesehatan, perbelanjaan. Sehingga memberikan kemudahan bagi petugas lelang dalam menentukan harga jual rumah lelang. DAFTAR PUSTAKA Kaswidjanti, Wilis et al (2014), Implementasi Fuzzy Inference System Metode Tsukamoto Pada Pengambilan Keputusan Pemberian Kredit Pemilikan Rumah. Telematika. Vol. 10 No. (2) Kusumadewi, Sri dan Purnomo, Hari (2013), Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, (Edisi Kedua), Yogyakarta: Graha Ilmu. Ritonga, M. Yudin (2014), Sistem Pendukung Keputusan Penentuan Produksi Makanan Menggunakan Logika Fuzzy Dengan Metode Tsukamoto. Jurnal dan Teknologi Ilmiah. Vol. III No. (1) Saifudin, Ahmad. (2011). Penilaian Real Properti Pendekatan Perbandingan Data Pasar, Jakarta : Real Estat Indonesia DIJ. Tohari, Hamim (2013), Analisis Serta Perancangan Sistem Informasi Melalui Pendekatan UML, (Edisi Pertama), Yogyakarta: Andi. Yuniardi, Romi (2013), Perancangan Sistem Pendukung Keputusan Untuk Menentukan Kelayakan Pemberian Pembiayaan Nasabah Baitul Maalwat-Tamwil Mujahidin Pontianak Dengan Menggunakan Fuzzy Inference System Metode Tsukamoto. 1 6
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( 1011287) Mahasiswa Program Studi Teknik
Lebih terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Dalam penelitian diagnosa penyakit asma dengan menggunakan metode fuzzy Tsukamoto, dibutuhkan data mengenai gejala penyakit dari seorang pakar atau
Lebih terperinciJURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI
JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI PRICING SYSTEM USING DIGITAL PHOTO PRINTING ON FUZZY TSUKAMOTO ALIEF COMPUTER KEDIRI Oleh:
Lebih terperinciPendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy
Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy Asrianda 1 Teknik Informatika Kampus Bukit Indah Lhokseumawe email : asrianda@unimal.ac.id ABSTRAK Bertambahnya permintaan
Lebih terperinciOptimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto
Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Sistem Informasi
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 terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE Intro Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan
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 terperinciSistem Penunjang Keputusan Pemberian Kredit Menggunakan Logika Fuzzy
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Sistem Penunjang Keputusan Pemberian Kredit Menggunakan Logika Fuzzy Eldas Puspitarini. 1), Kusrini 2), EmhaTaufiq Lutfi
Lebih terperinciANALISIS PENDUKUNG KEPUTUSAN PENENTUAN PEMBELIAN BAHAN BAKU UNTUK PEMBUATAN MEUBEL JENIS KURSI LETER L MENGGUNAKAN FUZZY TSUKAMOTO
ANALISIS PENDUKUNG KEPUTUSAN PENENTUAN PEMBELIAN BAHAN BAKU UNTUK PEMBUATAN MEUBEL JENIS KURSI LETER L MENGGUNAKAN FUZZY TSUKAMOTO Sulistiyono 1), Wahyu Oktri Widyarto 2) 1 Information Technology Faculty
Lebih terperinciBAB III ANALISIS SISTEM
BAB III ANALISIS SISTEM 3. Identifikasi Masalah Masalah yang dihadapi adalah sebagai berikut :. Banyak kriteria yang terlibat dalam perhitungan yang masih menggunakan cara konvensional sehingga membutuhkan
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 terperinciSistem Pendukung Keputusan Untuk Menentukan Supplier Kapas Terbaik pada PT. Batam Textile Industry Menggunakan Fuzzy Tsukamoto
Sistem Pendukung Keputusan Untuk Menentukan Supplier Kapas Terbaik pada PT. Batam Textile Industry Menggunakan Fuzzy Tsukamoto Dedi Chrisna Edohardika A11.2009.04733 Teknik Informatika S1 Universitas Dian
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Karyawan didalam perusahaan merupakan sesuatu yang esensial untuk menjalankan roda perusahaan untuk mencapai tujuannya. Dalam pelaksanaannya, pencapaian tujuan tersebut
Lebih terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
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 terperinciIMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH
IMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH Wilis Kaswidjanti 1), Agus Sasmito Aribowo 2), Cahyo Budi Wicaksono 3) 1,2,3) Prodi Teknik
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA)
Jurnal Informatika Mulawarman Vol. 10 No. 1 Februari 2015 32 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA) Hanis
Lebih terperinciBAB 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 terperinciSISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC
SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer
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 terperinciIMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC
IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC Riky Amelia (1111981) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja
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 terperinciPENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI JAYA MOTOR MEDAN )
Marsono, ISSN : 1978-6603 Saiful Nur Arif, Iskandar Zulkarnain, Penerapan Metode Tsukamoto PENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI
Lebih terperinciFUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII)
FUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII) Arkham Zahri Rakhman 1, Helmanatun Nisa Wulandari 2, Geralvin Maheswara
Lebih terperinciPENENTUAN KELAYAKAN KREDIT MOBIL MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN KELAYAKAN KREDIT MOBIL MENGGUNAKAN METODE FUZZY MAMDANI Muhamad Ibrohim 1, Ahmad irfan Malik 2 Program Studi Teknik Informatika - Universitas Serang Raya 1 b41m.cyber@gmail.com 2 thepanser46@gmail.com
Lebih terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (17) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-1916 (Online) Artikel Perancangan Aplikasi Penentu Jurusan IPA atau IPS Pada SMA Menggunakan
Lebih terperinciPemanfaatan Metode Tsukamoto Untuk Klasifikasi Daerah Rawan Penyakit Tuberkulosis Paru Dalam Bentuk Sistem Informasi Geografis
Pemanfaatan Metode Tsukamoto Untuk Klasifikasi Daerah Rawan Penyakit Tuberkulosis Paru Dalam Bentuk Sistem Informasi Geografis Muhammad Ridwan Dwiangga Fakultas Teknologi Industri, Teknik Informatika Universitas
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih 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 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 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 terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciBAB I PENDAHULUAN. industri erat kaitannya dengan jumlah produksi yang harus disediakan. Seiring
BAB I PENDAHULUAN I.1. Latar Belakang Produksi merupakan kegiatan vital yang ada dalam suatu industri, kegiatan industri erat kaitannya dengan jumlah produksi yang harus disediakan. Seiring dengan meningkatnya
Lebih terperinciAPLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)
APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas
Lebih terperinciBAB 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 terperinciSISTEM PENUNJANG KEPUTUSAN PEMBERIAN KREDIT MENGGUNAKAN LOGIKA FUZZY PADA DEALER SEPEDA MOTOR HONDA
Jurnal METHODIKA, Vol. 3 No. MARET 27 ISSN : 2442-786 SISTEM PENUNJANG KEPUTUSAN PEMBERIAN KREDIT MENGGUNAKAN LOGIKA FUZZY PADA DEALER SEPEDA MOTOR HONDA Lusi Herlina Siagian Universitas Sumatera Utara
Lebih terperinciPENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO
PENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO David Sekolah Tinggi Manajemen Informatika dan Komputer Pontianak Jln. Merdeka No. 372 Pontianak, Kalimantan Barat David_Liauw@stmikpontianak.ac.id
Lebih terperinciModel Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto
Model Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto Zaenal Abidin Program studi Sistem Informasi STMIK Teknokrat Bandar Lampung, Indonesia
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PEMBERIAN KREDIT MENGGUNAKAN LOGIKA FUZZY PADA DEALER SEPEDA MOTOR HONDA
SISTEM PENUNJANG KEPUTUSAN PEMBERIAN KREDIT MENGGUNAKAN LOGIKA FUZZY PADA DEALER SEPEDA MOTOR HONDA Page 124 Lusi Herlina Siagian, Herman Mawengkang, Zakarias Situmorang Magister Teknik Informatika, Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT PEGAWAI DI KANTOR KEMENTRIAN AGAMA KABUPATEN KEDIRI DENGAN FUZZY TSUKAMOTO
Artikel Skripsi SISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT PEGAWAI DI KANTOR KEMENTRIAN AGAMA KABUPATEN KEDIRI DENGAN FUZZY TSUKAMOTO SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh
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 terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciSIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY
SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,
Lebih 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 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 terperinciPREDIKSI HARGA SAHAM BERBASIS WEB DENGAN SISTEM INFERENSI FUZI TSUKAMOTO
PREDIKSI HARGA SAHAM BERBASIS WEB DENGAN SISTEM INFERENSI FUZI TSUKAMOTO Muchlas, Tole Sutikno Program Studi Teknik Elektro, Fakultas Teknologi Industri, Universitas Ahmad Dahlan Kampus III UAD, Jl. Prof
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 terperinciIMPLEMENTASI LOGIKA FUZZY METODE TSUKAMOTO DALAM MENENTUKAN KELAYAKAN PEMBERIAN KREDIT PADA BPR BKK KENDAL
IMPLEMENTASI LOGIKA FUZZY METODE TSUKAMOTO DALAM MENENTUKAN KELAYAKAN PEMBERIAN KREDIT PADA BPR BKK KENDAL Mohammad Yafie Rizaldi 1, Purwanto 2 1,2 Teknik Informatika S1, Fakultas Ilmu Komputer, Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO
Hamdani, Deviana Selywita SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO 1) Hamdani, 2) Deviana Selywita, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Mulawarman
Lebih terperinciJURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO
JURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO Oleh: Reza Hadi Subiantoro 12.1.03.02.0224 Dibimbing oleh : 1. Fatkur Rhohman,
Lebih terperinciKLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG)
KLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG) Fasrul Rahman Ansori Teknik Informatika, Ilmu Kompputer, Universitas
Lebih 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 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 terperinciSistem Pendukung Keputusan Pemilihan Tenaga Kontrak Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto (Studi Kasus PT.
Sistem Pendukung Keputusan Pemilihan Tenaga Kontrak Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto (Studi Kasus PT. Solo Murni) Fadil Indra Sanjaya 1), Dadang Heksaputra 2) Magister
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 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 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 terperinciMetode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia
Metode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia Irmalia Suryani Faradisa dan Putri Sari Jurusan Teknik Elektro, Institut Teknologi Nasional Malang E-mail: faradyza@gmail.com Abstrak Gejala
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 terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
Lebih 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 terperinciPENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus
Lebih terperinciLOGIKA FUZZY DALAM SISTEM PENGAMBILAN KEPUTUSAN PENERIMAAN BEASISWA
LOGIKA FUZZY DALAM SISTEM PENGAMBILAN KEPUTUSAN PENERIMAAN BEASISWA Siti Komariyah 1), Riza M. Yunus, Sandi Fajar Rodiyansyah 2) Jurusan Teknik Informatika, Fakultas Teknik, Universitas Majalengka Email
Lebih terperinciPendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian
Pendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian Jumadi 1, a) Cecep Nurul Alam 2, b) 3, c) dan Ichsan Taufik 1, 2, 3 Jurusan Teknik
Lebih terperinciPENERAPAN ARTIFICIAL INTELIGENCE UNTUK MENENTUKAN BAKAT DAN MINAT PADA UKM XPRESSI UPI-YPTK PADANG DENGAN MENGGUNAKAN LOGIKA FUZZY
PENERAPAN ARTIFICIAL INTELIGENCE UNTUK MENENTUKAN BAKAT DAN MINAT PADA UKM XPRESSI UPI-YPTK PADANG DENGAN MENGGUNAKAN LOGIKA FUZZY Fakultas Ilmu Komputer, Universitas Putra Indonesia YPTK Padang e-mail
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 terperinciPerencanaan Sistem Kontrol Pembersih Kaca Mobil dengan Fuzzy Kontrol Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Perencanaan Sistem Kontrol Pembersih Kaca Mobil dengan Fuzzy Kontrol Metode Mamdani T - 19 Naela Faza Fariha, Zahrul Jannah Nur Rochim, Agus Maman
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian dalam tugas akhir ini adalah BPR BKK Kendal yang beralamatkan di jalan Soekarno Hatta No 335 Kendal. Penelitian ini berlangsung dari bulan
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 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 terperinci1. Pendahuluan RANCANG BANGUN SISTEM PENGENDALI SUHU RUANGAN MENGGUNAKAN FUZZY LOGIC
Ethos (Jurnal Penelitian dan Pengabdian Masyarakat): 207-212 RANCANG BANGUN SISTEM PENGENDALI SUHU RUANGAN MENGGUNAKAN FUZZY LOGIC 1 Iksal, 2 Saefudin, 3 Ilham Aswad 1 Jurusan Sistem Komputer Universitas
Lebih terperinciANALISA KELAYAKAN TRUK PENGANGKUT MATERIAL ALAM PT. ARGA WASTU SLUKE REMBANG MENGGUNAKAN FUZZY LOGIC TSUKAMOTO
ANALISA KELAYAKAN TRUK PENGANGKUT MATERIAL ALAM PT. ARGA WASTU SLUKE REMBANG MENGGUNAKAN FUZZY LOGIC TSUKAMOTO Mutiara Permana Pratiwi A.2.5467 Teknik Informatika S Fakultas Ilmu Komputer Universitas Dian
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 terperinciPENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )
PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) Edy Victor Haryanto1), Fina Nasari) Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No.
Lebih terperinciPERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)
PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ) Edy Victor Haryanto 1, Fina Nasari 2 1,2 UniversitasPotensiUtama Jl. K.
Lebih 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 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 terperinciEVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI
EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I)
ISSN : 2338-18 SISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I) Waluyo (waluyo08@gmail.com) Didik Nugroho (didikhoho@gmail.com) Kustanto
Lebih terperinciANALISA KELAYAKAN TRUK PENGANGKUT MATERIAL ALAM PT. ARGA WASTU SLUKE REMBANG MENGGUNAKAN FUZZY LOGIC TSUKAMOTO
Techno.COM, Vol. 14, No. 1, Februari 2015: 42-48 ANALISA KELAYAKAN TRUK PENGANGKUT MATERIAL ALAM PT. ARGA WASTU SLUKE REMBANG MENGGUNAKAN FUZZY LOGIC TSUKAMOTO Mutiara Permana Pratiwi 1, Sendi Novianto
Lebih terperinciMETODOLOGI PENELITIAN
7 terboboti dari daerah output fuzzy. Metode ini paling dikenal dan sangat luas dipergunakan. First of Maxima (FoM) dan Last of Maxima (LoM) Pada First of Maxima (FoM), defuzzifikasi B( y) didefinisikan
Lebih terperinciREKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO
REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO Endra Pratama, Titin Sri Martini, Mania Roshwita Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciMengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti
Lebih 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 terperinciPenerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk
Nusantara of Enginering/Vol.3/No.1/ISSN: 2355-6684 41 Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Fajar Rohman Hariri Jurusan Teknik Informatika, Fakultas Teknik,
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 9 NO. 1 April 2016
PENENTUAN KUALITAS RUANG RAWAT INAP DENGAN MENGGUNAKAN FUZZY LOGIC Sinta Maria ABSTRACT The service industry is currently growing very rapidly, the competition is happening today is very competitive in
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 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 terperinciMetode Fuzzy Tsukamoto Dalam Aplikasi Sistem Estimasi Stok Barang
Metode Fuzzy Tsukamoto Dalam Aplikasi Sistem Estimasi Stok Barang Rina Firliana 1), Jatmiko 2) Ervin Kusuma Dewi 3), Aidina Ristyawan 4) 1)3)4) Program Studi Sistem Informasi, Fakultas Teknik, Universitas
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN KELAYAKAN PEMBERIAN PINJAMAN DENGAN METODE FUZZY TSUKAMOTO
SISTEM PENUNJANG KEPUTUSAN KELAYAKAN PEMBERIAN PINJAMAN DENGAN METODE FUZZY TSUKAMOTO Tri Murti 1), Leon Andretti Abdillah 2), Muhammad Sobri 3) 1,2) Program Studi Sistem Informasi Fakultas Ilmu Komputer,Universitas
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 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 terperinciSistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani
Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani Eddy Triswanto S., ST., M.Kom. Jurusan Sistem Informasi Institut Informatika Indonesia Jl. Raya Sukomanunggal Jaya 3, Surabaya
Lebih terperinciPENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA)
PENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA) Alfa Saleh Teknik Informatika STMIK Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Sebagai contoh : penumpang taksi berkata pada sopir taksi
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 terperinci