Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy
|
|
- Sonny Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi Logika Fuzzy 1
2 Fitur Fungsi Keanggotaan Fungsi keanggotaan himpunan fuzzy: Core (inti) Support (pendukung) Boundary (batas) 2
3 (a) (b) Himp. Fuzzy normal Himp. Fuzzy subnormal (a) (a) Himp. Fuzzy konveks utk x < y < z maka Himp. Fuzzy nonkonveks 3
4 Irisan 2 himp. fuzzy konveks menghasilkan himp. fuzzy konveks. Crossover points fungsi keanggotaan didefinisikan sbg elemen dalam semesta pembicaraan yg mpy nilai keanggotaan 0,5 atau Tinggi sebuah himp fuzzy A adl nilai maksimum dari fungsi keanggotaannya, yaitu Jika tinggi himp fuzzy kurang dari 1 maka disebut himp fuzzy subnormal 4
5 Jenis fungsi keanggotaan yg diperlihatkan di atas mrpk jenis yg sederhana atau ordinary membership function. Fungsi keanggotaan yg lbh rumit misalnya generalized membership function spt gambar berikut yg mrpk fungsi keanggotaan dgn interval nilai (interval-valued membership function). 5
6 Fuzzifikasi Fuzzifikasi adl proses utk membuat kuantitas yg sifatnya tegas menjadi fuzzy Kuantitas yg terlihat tegas dan pasti sebenarnya tdk benarbenar pasti atau mengandung ketidakpastian misalnya krn ketidak-telitian shg variabel tsb mpy kemungkinan fuzzy dan dpt dinyatakan dlm fungsi keanggotaan. Misalnya hasil pembacaan tegangan pd gambar berikut. 6
7 Himp fuzzy dan pembacaan tegas 7
8 Himp fuzzy dan pembacaan fuzzy Irisan antara himp fuzzy medium voltage dan pembacaan tegangan scr fuzzy terjadi pd keanggotaan 0,4. Terlihat bhw irisan kedua himp berupa segitiga kecil dgn nilai keanggotaan tertinggi = 0,4 8
9 Defuzzifikasi ke Himp. Tegas Misalkan sebuah himp fuzzy A Didefinisikan himp lambda-cut yaitu A dengan 0 1. Himp A adl himp tegas yg disebut himp lambda-cut atau alpha-cut dari himp fuzzy A, yaitu: Suatu himp fuzzy tertentu dpt ditransformasi ke tak-hingga himp lambda-cut, krn ada tak-hingga nilai pd interval [0, 1] Setiap elemen x A termasuk dlm himp fuzzy A dg derajat keanggotaan yang 9
10 Example Misalkan himp fuzzy dalam notasi Zadeh berikut didefinisikan dlm semesta X = {a, b, c, d, e, f} Atau digambarkan dlm btk skema sbb: 10
11 Dari himp fuzzy A dpt dibuat bbrp lambda-cut yg semuanya mrpk himp tegas. Misalnya akan didefinisikan himp lambda-cut utk nilai = 1; 0,9; 0,6; 0,3; 0 + ; 0. Maka: Catatan: 0 + artinya > 0 11
12 Secara skematik menjadi: A 1 = {a} A 0,6 = {a, b, c} A 0,9 = {a, b} 12
13 A 0,3 = {a, b, c, d} A 0 = {a, b, c, d, e, f} A 0+ = {a, b, c, d, e} 13
14 Himp lambda-cut dpt dinyatakan dgn notasi Zadeh sbb: Coba nyatakan semua himpunan lambda-cut pada contoh di atas menggunakan notasi Zadeh 14
15 Sifat-sifat himpunan lambda-cut pd himp fuzzy: Kecuali untuk nilai = 0,5 4. Utk setiap dimana maka A A dimana A 0 = X. Perhatikan ilustrasi berikut. 15
16 Lambda-cut Utk Relasi Fuzzy Misalkan relasi fuzzy R sebagai berikut: Maka lambda-cut untuk relasi fuzzy ditentukan oleh definisi: Relasi fuzzy diubah mjd relasi tegas 16
17 Example Misalkan relasi fuzzy R berikut ini: Maka lambda-cut utk relasi fuzzy di atas: 17
18 Dan Serta PR: tentukan hasilnya jika: = 0,8 = 0,2 =
19 Sifat-sifat himpunan lambda-cut pd relasi fuzzy: Utk setiap dimana maka R R Defuzzifikasi Jika diperlukan maka himpunan fuzzy dapat dibawa ke bentuk skalar tunggal. Proses konversi dari kuantitas fuzzy ke kuantitas non-fuzzy (tertentu=precise) disebut defuzzifikasi 19
20 Defuzzifikasi ke Skalar Output proses fuzzy dpt berupa union dari dua atau lebih fungsi keanggotaan fuzzy. Misal output keluaran fuzzy t.a. dua himp fuzzy C 1 (berbentuk trapesium) dan C 2 (berbentuk segitiga) sbb. (a) himp fuzzy C 1 (b) himp fuzzy C 2 20
21 Union dari kedua himp fuzzy tsb adl Secara umum dpt dinyatakan: 21
22 Metode Defuzzifikasi 1. Prinsip Keanggotaan maks (max membership principle) Juga dikenal dg metode ketinggian (height method), hanya utk fungsi yg mpy nilai puncak saja. dgn z* adl nilai yg hasil defuzzifikasi. 22
23 2. Metode Centroid Juga dikenal sbg center of area atau center of gravity. 23
24 3. Metode rerata bobot (weighted average method) Metode ini paling banyak digunakan krn efisien dlm perhitungannya, namun terbatas utk fungsi keanggotaan output yg simetris saja. dg adl centroid setiap fungsi keanggotaan. Misal utk gambar disamping, maka 24
25 4. Mean Max Membership Juga dikenal sbg metode middle-of-maxima. 25
26 5. Center of sums Metode ini lbh cpt drpd yg terdahulu. Dlm perhitungannya digunakan himp fuzzy output scr individual (bukan unionnya), namun hrs mencari centroid setiap fungsi membership dan jg terdapat redundansi dlm perhitungannya. dgn adl jarak ke centroid dari masingmasing fungsi keanggotaan. 26
27 (a) dan (b) fungsi keanggotaan (c) defuzzifikasi 27
28 6. Center of largest area Jk himp fuzzy output mpy setidaknya 2 wilayah konveks, mk center of gravity (yaitu z* yg dihitung menggunakan metode centroid) dari wilayah konveks dg luas terbesar digunakan utk mencari z*, atau dinyatakan scr aljabar sbb: dg adl wilayah konveks yg mpy luas terbesar 28
29 Gambar di atas mengilustrasikan defuzzifikasi dg center of largest area utk kasus semua himp fuzzy output atau berbentuk nonkonveks. Jika konveks maka z* mpy nilai sama dg nilai defuzzikasi menggunakan metode centroid 29
30 7. Maksimum pertama (atau terakhir) (first or last of maxima). Metode ini menggunakan seluruh output atau union semua himp fuzzy output utk menentukan nilai terkecil dari domain dg derajat keanggotaan tertinggi dlm Pertama, dicari ketinggian yg plg besar dlm union: Maka maksimum pertama adl: 30
31 Dan maksimum terakhir adl: dimana notasi sup {} adl supremum yaitu batas atas terkecil dan inf {} adl infimum yaitu batas bawah terbesar. Perhatikan ilustrasi berikut: 31
Relasi Tolerans & Relasi Ekivalen. Logika Fuzzy
Relasi Tolerans & Relasi Ekivalen Logika Fuzzy 1 Sifat-sifat Relasi Misalkan terdapat sebuah semesta dengan 3 elemen dinyatakan X = {1, 2, 3}, maka berikut adalah sifat-sifat relasi yang mungkin: Refleksivitas
Lebih terperinciRelasi Tegas (Crips Relation)
Logika Fuzzy (3) 1 Cartesian Product Terdapat dua himpunan A = {0, 1} dan B = {a, b, c}. Maka beberapa variasi hasil-kali kartesian (cartesian product) dapat dituliskan sebagai berikut: 2 Relasi Tegas
Lebih terperinciPada dasarnya lebih sulit drpd classifier berdasar teori bayes, terutama untuk data dimensi tinggi.
1 Fokus pd desain fungsi pembeda (discriminant function) atau decision surface scr langsung yang membedakan satu kelas dengan kelas yg lain berdasarkan kriteria yg telah ditentukan. Pada dasarnya lebih
Lebih terperinciFuzzy Associative Memory (FAM) Logika Fuzzy
Fuzzy Associative Memory (FAM) Logika Fuzzy 1 Misalkan suatu sistem fuzzy dengan n input dan satu output. Setiap input X1, X2,, Xn dipartisi menjadi k partisi fuzzy. Maka menggunakan aturan fuzzy IF THEN..
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 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 terperinciPertemuan 8 Aljabar Linear & Matriks
Pertemuan 8 Aljabar Linear & Matriks 1 Jika A adl matriks nxn yg invertible, untuk setiap matriks b dgn ukuran nx1, maka sistem persamaan linier Ax = b mempunyai tepat 1 penyelesaian, yaitu x = A -1 b
Lebih terperinciLEMBAR PENGESAHAN PERNYATAAN ABSTRAK...
DAFTAR ISI LEMBAR PENGESAHAN PERNYATAAN ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iv DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix DAFTAR SIMBOL... x BAB I PENDAHULUAN... 1 1.1
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 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 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 terperinciManajemen Waktu Proyek & Penjadwalan Proyek. By Wiji Nurastuti,MT
Manajemen Waktu Proyek & Penjadwalan Proyek By Wiji Nurastuti,MT 1 PROYEK : KEGIATAN tertentu (oleh manusia ada waktunya tempat & metode/cara alat & bahan) JELAS WAKTUNYA TIDAK RUTIN ADA ALASAN YANG JELAS
Lebih terperinciMetode Fuzzy. Analisis Keputusan TIP FTP UB
Metode Fuzzy Analisis Keputusan TIP FTP UB Pokok Bahasan Pendahuluan Logika Klasik dan Proposisi Himpunan Fuzzy Logika Fuzzy Operasi Fuzzy Contoh Pendahuluan Penggunaan istilah samar yang bersifat kualitatif
Lebih terperinciSuperposisi & Interferensi
Pertemuan 3 1 Superposisi & Interferensi Fenomena gel. di alam tdk dpt digambarkan hanya dgn perambatan 1 pulsa/gel. kombinasi byk gel. yg merambat Prinsip superposisi: Jk 2 atau lbh gel. merambat mll
Lebih terperinciKONSEP SISTEM DAN PENGELOLAAN INTEGRASI
KONSEP SISTEM DAN PENGELOLAAN INTEGRASI Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng.
Lebih terperinciPENGUAT DAYA KELAS A
LKTRONKA ANALOG ertemuan 14 NGUAT DAYA KLAS A enguat sinyal besar (large signal) dimana penekanan adl pd penguatan daya, disebut dengan penguat daya. Klasifikasi penguat daya yang ada adalah kelas A, kelas
Lebih terperinciDasar Logika Fuzzy. Kuliah Kontrol Cerdas Semester genap 2006/2007. Feb 20, KC-Slide-02
Dasar Logika Fuzzy Kuliah Kontrol Cerdas Semester genap 2006/2007 Feb 20, 2007-1 Materi Konsep Dasar Algoritma Fuzzy Operator Fuzzy Feb 20, 2007-2 Konsep Dasar [1] Teori klasik, himpunan = kumpulan elemen
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciLogika Himpunan Fuzzy
Logika Himpunan Fuzzy 1 Fungsi Keanggotaan untuk crisp logic True False 1 0 80F Panas Temperature f temperature >= 25C, Panas (1 atau Benar); f temperature < 25C, tidak Panas (0 atau Salah). Fungsi keanggotaan
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 terperinci5. Sifat Kelengkapan Bilangan Real
5. Sifat Kelengkapan Bilangan Real Sifat aljabar dan sifat urutan bilangan real telah dibahas sebelumnya. Selanjutnya, akan dijelaskan sifat kelengkapan bilangan real. Bilangan rasional ℚ juga memenuhi
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 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 terperinciPEMODELAN SISTEM. Pemodelan & simulasi TM05
PEMODELAN SISTEM Pemodelan & simulasi TM5 Pemodelan Sistem isik Pemodelan matematis dari sebuah sistem diperoleh dg mengaplikasikan hukum-hukum fisika yg scr natural mengatur komponen-komponen yg ada dlm
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 terperinciDAFTAR ISI. KATA PENGANTAR i. DAFTAR ISI. iv. DAFTAR GAMBAR. viii. DAFTAR TABEL. x. DAFTAR LAMPIRAN.. xi. 1.1 Latar Belakang dan Rumusan Masalah..
DAFTAR ISI Halaman ABSTRAK ABSTRACT KATA PENGANTAR i DAFTAR ISI. iv DAFTAR GAMBAR. viii DAFTAR TABEL. x DAFTAR LAMPIRAN.. xi BAB I PENDAHULUAN 1.1 Latar Belakang dan Rumusan Masalah.. 1 1.1.1 Latar Belakang
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 terperinciRangkaian AC Tiga-Fase [1]
Rangkaian AC Tiga-Fase [1] Slide-12 Ir. Agus Arif, MT Semester Genap 2015/2016 1 / 23 Materi Kuliah 1 Sistem Tiga-Fase Sistem Fase-Jamak Definisi Tiga-Fase Notasi Subskrip-Ganda 2 Definisi Sumber Tiga-Fase
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
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 terperinciESTIMATOR FUNGSI PDF. Pertemuan 4
ESTIMATOR FUNGSI PDF Pertemuan 4 1 Bangkitkan data dimensi sebanyak N = 500 yang terdistribusi Gaussian N(m,S) dan rerata m = [0 0] T dan kovarian dengan Plot data yg dibangkitkan tsb, pengertian apa yg
Lebih terperinciAspek Teknis. Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng.
Aspek Teknis Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng. 1 Pengkajian aspek teknis
Lebih terperinciPhasor dan Impedans. Slide-09. Ir. Agus Arif, MT. Semester Gasal 2016/2017
Phasor dan Slide-09 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 23 Materi Kuliah 1 Phasor Frekuensi Komplex Definisi Phasor Transformasi Phasor Hubungan Tegangan-Arus Hukum Ohm dan Kirchhoff Rangkaian
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 terperinciRangkaian RL dan RC Dengan Sumber
Rangkaian RL dan RC Dengan Sumber Slide-07 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 32 Materi Kuliah 1 Pengantar Rangkaian Sebelumnya Fungsi Undak Satuan Sumber Ekivalen Fungsi Pulsa 2 Rangkaian
Lebih terperinciSelama berabad-abad orang mengetahui bahwa penyakit-penyakit tertentu tidak pernah menyerang orang yang sama dua kali. Orang yang sembuh dari
Selama berabad-abad orang mengetahui bahwa penyakit-penyakit tertentu tidak pernah menyerang orang yang sama dua kali. Orang yang sembuh dari serangan epidemi cacar dapat menangani para penderita dengan
Lebih terperinciBab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI
Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan
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 terperinciContoh Kasus. Bagus Ilhami HIdayat
Contoh Kasus Suatu perusahaan tekstil akan memproduksi pakaian dengan jenis XYZ. Dari 1 bulan terakhir, permintaan terbesar mencapai 5000 potong per hari, dan permintaan terkecil mencapai 1000 potong per
Lebih terperinciBAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy
BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,
Lebih terperinciMemahami pentingnya jadwal proyek dan manajemen waktu proyek yg baik Menentukan aktivitas sbg dasar membuat jadwal proyek Menjelaskan bgmn manajer
1 Memahami pentingnya jadwal proyek dan manajemen waktu proyek yg baik Menentukan aktivitas sbg dasar membuat jadwal proyek Menjelaskan bgmn manajer proyek menggunakan diagram jaringan dan ketergantungan
Lebih terperinciPengertian dan Ruang Lingkup Ekonomi Manajerial
Pengertian dan Ruang Lingkup Ekonomi Manajerial Definisi Ekonomi Manajerial Adalah aplikasi teori ekonomi dan perangkat analisis ilmu keputusan u/ membahas bagaimana suatu organisasi dapat mencapai tujuan
Lebih terperinciMateri 8: Introduction to Fuzzy Logic
Materi 8: Introduction to Fuy Logic I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Introduction to Fuy Logic Kusuma Wardana, M.Sc. 2 Fuy berarti kabur, samar Istilah Logika Fuy diperkenalkan
Lebih terperinciAljabar Linier & Matriks
Aljabar Linier & Matriks 1 Vektor Orthogonal Vektor-vektor yang saling tegak lurus juga sering disebut vektor orthogonal. Dua vektor disebut saling tegak lurus jika dan hanya jika hasil perkalian titik-nya
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 III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS
BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS 3.1 Model Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi
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 terperinciProf. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence
Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence 12/11/2009 1 Pada hidup sehari-hari, kita terbiasa dengan ucapan kecil, agak panas, sekitar jam 2. Ucapan yang tidak presisi (imprecise
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 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 terperinciPENGUKURAN RESISTANSI
Pengukuran Besaran Listrik (TC22082) Pertemuan 9 PENGUKURAN RESSTANS Pengukuan resistansi dapat dilakukan dengan mudah, namun kelemahannya adalah kurang akurat. Pengukuran resistansi yang lebih baik dapat
Lebih terperinciMANAJEMEN MODAL KERJA
MANAJEMEN MODAL KERJA Konsep Modal Kerja 1. Konsep Kuantitatif Konsep ini mendasarkan pd kuantitas dr dana yg tertanam dlm unsur aktiva lancar (Aktiva yg sekali berputar kembali dlm bentuk semula / dana
Lebih terperinciKewirausahaan Wira Usaha
KEWIRAKOPERASIAN Masalah Manusia dalam Koperasi Mpy SDM yang masih kurang memiliki etos kerja dan budaya kerja yg menggambarkan jiwa dan semangat kewirausahaan yg tangguh Mpy tk kemampuan, keahlian dan
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 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 terperinciPenyimpulan data numerik & kategorik. Elsa Roselina Dewi Gayatri
Penyimpulan data numerik & kategorik Elsa Roselina Dewi Gayatri P. data numerik Tendensi sentral (mean, median, modus) Hubungan mean, median, modus Ukuran variasi (range, interkuartil range, mean deviasi,
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 terperinciLogika Klasik Misalkan himpunan klasik A dan B. P adl nilai kebenaran bahwa x A dan Q adl nilai kebenaran bahwa x B. jika x A maka T(P) = 1, jika x A
Logika Fuzzy 1 Logika Klasik Misalkan himpunan klasik A dan B. P adl nilai kebenaran bahwa x A dan Q adl nilai kebenaran bahwa x B. jika x A maka T(P) = 1, jika x A maka T(P) = 0 jika x B maka T(Q) = 1,
Lebih terperinci18/09/2013. Ekonomi Teknik / Sigit Prabawa / 1. Ekonomi Teknik / Sigit Prabawa / 2
PENERAPAN PROGRAM LINIER dalam OPTIMASI PRODUKSI Ekonomi Teknik / Sigit Prabawa / 1 MASALAH yg banyak dihadapi oleh INDUSTRI adalah BAGAIMANA MENGGUNAKAN atau MENENTUKAN ALOKASI PENGGUNAAN SUMBER DAYAYG
Lebih terperinciPenentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor
A527 Penentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor Syah Dia Putri Mustika Sari, R.V. Hari Ginardi, dan Chastine Fatichah Departemen Teknik
Lebih terperinciAspek Finansial. Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta
Aspek Finansial Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng. 1 Aspek Finansial vs Aspek
Lebih terperinciMateri 3: Relasi dan Fungsi
Materi 3: Relasi dan Fungsi I Nyoman Kusuma Wardana STMIK STIKOM Bali Definisi Relasi & Fungsi Representasi Relasi Relasi biner Sifat-sifat relasi biner Relasi inversi Mengkombinasikan relasi Komposisi
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 terperinciANALISIS & SELEKSI AITEM
ANALISIS & SELEKSI AITEM Kualitas skala psikologi sangat ditentukan oleh kualitas aitem-aitem di dlmnya. Hanya aitem2 yg ditulis dgn m ikuti blue-print dan bimbingan kaidah penulisan yg benar sajalah yg
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 terperinciPERTEMUAN 12 METODE GREEDY
PERTEMUAN 12 METODE GREEDY METODE GREEDY Untuk mendapatkan solusi optimal dr permasalahan yg mempunyai dua kriteria yaitu Fungsi Tujuan/Utama & nilai pembatas (constrain) Proses Kerja Metode Greedy : Untuk
Lebih terperinciDaya Rangkaian AC [2]
Daya Rangkaian AC [2] Slide-11 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 16 Materi Kuliah 1 Nilai Efektif Tegangan & Arus Efektif Nilai Efektif Gelombang Berkala Nilai RMS Gelombang Sinusoidal Nilai
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 terperinciDaya Rangkaian AC [1]
Daya Rangkaian AC [1] Slide-10 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 21 Materi Kuliah 1 Daya Sesaat Definisi Daya Input Undak Daya Input Sinusoidal 2 Definisi Daya Input Sinusoidal Daya Resistif
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah suatu kumpulan atau koleksi objek-objek yang mempunyai kesamaan sifat tertentu. Objek ini disebut elemen-elemen atau anggota-anggota dari himpunan (Frans
Lebih terperinciViewing 3D. Tujuan: memberi kesan pada viewer bahwa ia melihat foto 3D dengan cara yg sama saat kita memotret obyek 3D ke film 2D.
Komputer Grafik 1 Viewing 3D Tujuan: memberi kesan pada viewer bahwa ia melihat foto 3D dengan cara yg sama saat kita memotret obyek 3D ke film 2D. memproyeksikan obyek 3D ke bidang 2D 2 Pinhole Camera
Lebih terperinciTK. BUNGA NOMINAL : PERKALIAN ANTARA JUMLAH PERIODE PEMAJEMUKAN / TAHUN DGN TINGKAT BUNGA / PERIODE.
TEKNIK SIIL TK. BUNG NOMINL : ERKLIN NTR JUMLH ERIODE EMJEMUKN / THUN DGN TINGKT BUNG / ERIODE. r = i. m R = TINGKT BUNG NOMINL ( THUNN ) i = TINGKT BUNG NMINL ( TU TINGKT BUNG EEKTI ) / ERIODE EMJEMUKN
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 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 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 terperinciDAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN... ii. HALAMAN PERNYATAAN... iii. KATA PENGANTAR... iv. MOTO DAN PERSEMBAHAN... v. DAFTAR ISI...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii KATA PENGANTAR... iv MOTO DAN PERSEMBAHAN... v DAFTAR ISI... vi DAFTAR GAMBAR... viii DAFTAR TABEL... x ABSTRAK... xi ABSTRACT...
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 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 terperinciPerkenalan. Kuliah Kecerdasan Buatan Semester genap 2006/2007. Feb 28, KB-Slide-01
Perkenalan Kuliah Kecerdasan Buatan Semester genap 2006/2007 Feb 28, 2007-1 Pendahuluan Bahasa Prolog Hubungan keluarga Kesimpulan #1 Aturan Kesimpulan #2 Materi Feb 28, 2007-2 Pendahuluan [1] Kecerdasan
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 terperinciBAB 3 METODE PENELITIAN
10 BAB 3 METODE PENELITIAN 3.1 Metode Fuzzy Time Series yang dikembangkan oleh Song dan Chissom Song dan Chissom merupakan orang yang pertama kali memperkenalkan teori fuzzy time series yaitu dalam peramalan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 SISTEM PENDUKUNG KEPUTUSAN Sistem pendukung keputusan pertama kali diperkenalkan pada awal tahun 1970 oleh Michael S. Scott dengan istilah management decision system yang merupakan
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 terperinciLarutan Nonelektrolit dan Elektrolit Lemah yang Sendiri
Kekuatan Ion Larutan Nonelektrolit dan Elektrolit Lemah yang Sendiri Pd larutan encer nonelektrolit, aktivitas dan konsentrasi dianggap praktis sama krn gaya elektrostatik tidak menyebabkan penyimpangan
Lebih terperincic. Politik Hukum Materiil 2/28/2013 2:03 PM
c. Politik Hukum Materiil Bagian dr politik hk yg mengkaji isi kebijakan pemerintah dlm menetapkan hk yg berlaku. Isi kebijakan pemerintah mnrt Dye: Apapun yg dipilih o/ pemerintah u/ dilakukan / tdk dilakukan.
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 terperinciPokok Bahasan. Teori tentang asam, basa dan garam Kesetimbangan asam-basa Skala ph Sörensen (Sörensen ph scale) Konstanta keasaman
Kesetimbangan Ionik Pokok Bahasan Teori tentang asam, basa dan garam Kesetimbangan asam-basa Skala ph Sörensen (Sörensen ph scale) Konstanta keasaman Teori tentang asam dan basa Arrhenius: Asam: zat yg
Lebih terperinciMETODE GREEDY PERTEMUAN 12 METODE GREEDY
PERTEMUAN 12 METODE GREEDY Untuk mendapatkan solusi optimal dr permasalahan yg mempunyai dua kriteria yaitu Fungsi Tujuan/Utama & nilai pembatas (constrain) METODE GREEDY Proses Kerja Metode Greedy : Untuk
Lebih terperinciKONSEP SISTEM DALAM SISTEM USAHATANI TERPADU
KONSEP SISTEM DALAM SISTEM USAHATANI TERPADU Pengertian sistem Menurut Odum (1983) Sistem mrpk suatu susunan beberapa komponen (sub sistem) yg berinteraksi satu sama lain dlm melakukan fungsi sistem yaitu
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 terperinciModel Linear Programming:
Model Linear Programming: Pengertian, Contoh masalah dan Perumusan model Metode penyelesaian (grafik dan simpleks) Interpretasi hasil Analisis sensistivitas Model Dualitas Penyelesaian kasus (Aplikasi
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 terperinciKEMAMPUAN KHUSUS INDIVIDU & ANTISIPASI PENDIDIKAN
KEMAMPUAN KHUSUS INDIVIDU & ANTISIPASI PENDIDIKAN I. Pendidikan Anak Berbakat A. Pengalaman Mancanegara & Indonesia Amerika Serikat - 1958 diadakan konferensi ttg pendidikan yg b tuj utk menemukan org
Lebih terperinciMA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016. Hendra Gunawan
MA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016 Hendra Gunawan 4.2 Sifat-Sifat Fungsi Kontinu Diberikan f dan g, keduanya terdefinisi pada himpunan A, kita definisikan f + g, f g, fg, f/g secara
Lebih terperinciPENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN
Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM
BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
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 terperinciII. PARETO OPTIMALITY (PO) & CRITERION (PC)
II. PARETO OPTIMALITY (PO) & CRITERION (PC) o Lester Thurow: banyak proyek yg bagus tidak dilakukan hanya krn manajer proyek tidak mau membayar kompensasi kpd orang2 yg akan dirugikan dgn proyek tsb. Jika
Lebih terperinciMASALAH PARTISIPASI. Masalah pembentukan partisipasi menurut Jochen Ropke adalah : 1. Konflik kepentingan / Perbedaan keinginan (Conflict of interest)
MASALAH PARTISIPASI Masalah pembentukan partisipasi menurut Jochen Ropke adalah : 1. Konflik kepentingan / Perbedaan keinginan (Conflict of interest) 2. Biaya partisipasi (The cost of participation) 3.
Lebih terperinciKelayakan Proyek dan Keputusan Investasi
Kelayakan Proyek dan Keputusan Investasi Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng.
Lebih terperinci