BAB II LANDASAN TEORI
|
|
- Shinta Pranata
- 7 tahun lalu
- Tontonan:
Transkripsi
1 7 BAB II LANDASAN TEORI 2.1. Longsor Pengertian Tanah longsor Tanah Longsor secara umum adalah perpindahan material pembentuk lereng berupa batuan, bahan rombakan, tanah, atau material laoporan, bergerak kebawah atau keluar lereng. Secara geologi tanah longsor adalah suatu peristiwa geologi dimana terjadi pergerakan tanah seperti jatuhnya bebatuan atau gumpalan besar tanah. (Nandi; 2007) Genesa Bencana Tanah Longsor Pada prinsifnya tanah longsor terjadi bila gaya pendorong pada lereng lebih besar daripada gaya penahan. Gaya penahan umumnya dipengaruhi oleh kekuatan batuan dan kepadatan tanah. Sedangkan daya pendorong dipengaruhi oleh besarnya sudut lereng, air, beban serta berat jenis tanah batuan. Proses terjadinya tanah longsor dapat diterangkan sebagai berikut : air yang meresap kedalam tanah akan menambah bobot tanah. Jika air tersebut menembus sampai tanah kedap air yang berperan sebagai bisang gelincir, maka tanah menjadi licin dan tanah pelapukan diatasnya akan bergerak mengikuti lereng dan luar lereng. (Nandi; 2007) Penyebab terjadinya Tanah Longsor Gejala umum tanah longsor ditandai dengan munculnya retakan-retakan dilereng yang sejajar dengan arah tebing, biasanya terjadi setelah hujan, munculnya mata air baru secara tiba-tiba dan tebing rapuh serta kerikil mulai berjatuhan. (Nandi; 2007). Faktor penyebabnya antara lain : a. Lereng Terjal Lereng atau tebing yang terjal akan memperbesar gaya pendorong. Lereng yang terjal terbentuk karena pengikisan air sungai, mata air, air laut dan angin. Kebanyakan sudut lereng yang menyebabkan longsor adalah apabila ujung lerengnya terjal dan bidang longsorannya mendatar.
2 8 b. Ketinggian Semakin tinggi maka semakin besar potensi jatuhnya tanah. c. Curah Hujan Musim kering yang panjang akan menyebabkan terjadinya penguapan air dipermukaan tanah dalam jumlah besar. Hal itu mengakibatkan munculnya pori-pori atau rongga tanah hingga terjadi retakan dan merekahnya tanah permukaan. Ketika hujan, air akan menyusup kebagian yang retak sehingga tanah dengan cepat mengambang kembali dan dapat menyebabkan terjadinya longsor bila tanah tersebut terletak pada lereng yang terjal. d. Jenis Tanah Jenis tanah yang kurang padat adalah tanah lempung atau tanah liat dengan ketebalan lebih dari 2,5 m dari sudut lereng lebih dari 220. Tanah jenis ini memiliki potensi terjadinya tanah longsor terutama bila terjadi hujan. Selain itu tanah ini sangat retan terhadap pergerakan tanah karena menjadi lembek terkena air dan pecah ketika hawa terlalu panas. e. Penggunaan Lahan Tanah longsor sering terjadi di daerah tata lahan persawahan, perladangan dan adanya genangan air dilereng yang terjal. Pada lahan persawahan akarnya kurang kuat untuk mengikat butir tanah dan membuat tanah menjadi lembek dan jenuh dengan air sehingga mudah terjadi longsor. Sedangkan untuk daerah perladangan penyebabnya adalah karena akar pohonnya tidak dapat menembus bidang longsoran yang dalam dan umumnya terjadi didaerah longsoran lama Logika Fuzzy Soft Computing (SC) merupakan bagian dari ilmu multidisiplin pertama kali diusulkan oleh Prof. Lotfi A. Zadeh (1990). Pada makalah pertamanya tentang Soft Data Analysis, Prof. Zadeh mendefinisikan SC adalah kumpulan teknik-teknik komputasi dalam ilmu komputer, yang berusaha untuk mempelajari, memodelkan dan menganalisis suatu fenomena tertentu guna untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan biaya penyelesaian murah. SC berusaha untuk mengintegrasikan Fuzzy Logic, Neuro Computing, Evolutionary Computation, dan probabilistic Computing ke dalam bidang multidisiplin (T. Sutojo, et al., 2010),
3 9 sehingga Logika Fuzzy akan di terapkan pada penentuan prediksi Daerah rawan longsor. Konsep tentang Logika Fuzzy diperkenalkan oleh Prof. Lotfi Astor Zadeh pada tahun Logika Fuzzy adalah metodologi sistem control pemecahan masalah, yang cocok untuk diimplementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil, embedded system, jaringan PC, multi-channel atau workstation berbasis akuisisi data, dan sistem kontrol. Bila dibandingkan dengan logika konvensional, kelebihan logika fuzzy adalah kemampuannya dalam proses penalaran secara bahasa sehingga dalam perancangannya tidak memerlukan persamaan matematik yang rumit. Beberapa alasan yang dapat diutarakan mengapa kita menggunakan logika fuzzy diantaranya adalah mudah dimengerti, memiliki toleransi terhadap data-data yang tidak tepat, mampu memodelkan fungsi-fungsi nonlinier yang sangat kompleks, dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan, dapat berkerjasama dengan teknikteknik kendali secara konvensional, dan didasarkan pada bahasa alami, (T. Sutojo, et al., 2010). Dalam logika konvensional nilai kebenaran mempunyai kondisi yang pasti yaitu benar atau salah (true or false), dengan tidak ada kondisi di antara. Prinsip ini dikemukakan oleh Aristoteles sekitar 2000 tahun yang lalu sebagai hukum Excluded Middle dan hukum ini telah mendominasi pemikiran logika sampai saat ini. Namun, tentu saja pemikiran mengenai logika konvensional dengan nilai kebenaran yang pasti yaitu benar atau salah dalam kehidupan nyata sangatlah tidak cocok. Logika Fuzzy merupakan suatu logika yang dapat merepresentasikan keadaan yang ada di dunia nyata. Teori tentang himpunan logika samar pertama kali dikemukakan oleh Prof. Lotfi Zadeh sekitar tahun 1965 pada sebuah makalah yang berjudul Fuzzy Sets. Ia berpendapat bahwa logika benar dan salah dari logika boolean atau konvensional tidak dapat mengatasi masalah yang ada pada dunia nyata. Setelah itu, sejak pertengahan 1970-an, para peneliti Jepang berhasil mengaplikasikan teori ini ke dalam berbagai permasalahan praktis. Tidak seperti logika boolean, logika fuzzy mempunyai nilai yang kontinyu. Samar (fuzzy) dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang bersamaan. Teori himpunan individu dapat memiliki derajat keanggotaan dengan nilai yang kontinyu, bukan hanya nol dan satu.
4 10 Fuzzy inference system adalah proses merumuskan pemetaan dari input yang diberikan ke ouput dengan menggunakan logika fuzzy. Pemetaan tersebut akan menjadi dasar dari keputusan yang akan dibuat. Proses fuzzy logic melibatkan fungsi keanggotaan, operator logika fuzzy, dan aturan jika-maka (if-then rule) (Goupeng Z, 2006). Dalam membangun sistem yang berbasis pada aturan fuzzy maka akan digunakan variabel linguistik. Variabel linguistik adalah suatu interval numerik dan mempunyai nilai-nilai linguistik, yang semantiknya didefinisikan oleh fungsi keanggotaannya. Misalnya, Suhu adalah suatu variabel linguistik yang bisa didefinisikan pada interval (-100C, 400C). Variabel tersebut bisa memiliki nilai-nilai linguistik seperti Dingin, Hangat, Panas yang semantiknya didefinisikan oleh fungsi-fungsi keanggotaan tertentu. Suatu sistem berbasis aturan fuzzy logic terdiri dari tiga komponen utama: Fuzzification, Inference dan Defuzzification (Suyanto, 2008, p. 28), terlihat seperti gambar 2.1. Gambar 2.1 Sistem Berbasis Aturan Fuzzy Logic Fuzzyfication Fuzzifikasi merupakan proses pemetaan nilai-nilai input (crisp input) yang berasal dari sistem yang dikontrol ke dalam himpunan fuzzy menurut fungsi keanggotaannya. Himpunan fuzzy tersebut merupakan fuzzy input yang akan diolah secara fuzzy pada proses berikutnya. Untuk mengubah crisp input menjadi fuzzy input, terlebih dahulu harus menentukan membership function untuk setiap crisp input, kemudian proses
5 11 fuzzyfikasi akan mengambil crisp input dan membandingkan dengan membership function yang telah ada untuk menghasilkan harga fuzzy input Inference First order logic mereprentasikan fakta dan aturan di dunia nyata dengan menggunakan objek, predikat(relasi), dan conectives serta quantifier sehingga beberapa fakta sederhana dapat direprentasikan ke dalam suatu kalimat logika, dan semua relasi bersifat tetap. Menurut (Suyanto, 2008, p. 29) untuk membedakan First- Order Logic secara sintaks aturan Fuzzy Logic dituliskan seperti di bawah ini: IF antecendent THEN consequent Pada tahap inference diproses hubungan antara nilai-nilai input (crisp input) dan nilai-nilai output (crisp output) yang dikehendaki dengan aturan-aturan (rules). Aturan ini nantinya yang akan menentukan respon sistem terhadap berbagai kondisi setting point dan gangguan yang terjadi pada sistem. Terdapat beberapa model aturan fuzzy logic yang dapat digunakan: a. Model Mamdani Pada model ini aturan fuzzy logic didefinisikan sebagai : IF x1 is A1 AND AND xn is An THEN y is B Dimana A1,, An, B adalah nilai linguistic (atau fuzzy set), dan x1 is A1 yang menyatakan nilai variable x1 adalah anggota fuzzy set A1. b. Model Sugeno Model ini merupakan warisan model Mamdani. Pada model ini mengunakan aturan yang berbentuk : IF x1 is A1 AND AND xn is An THEN y=f(x1,,xn) Dimana f bisa berupa fungsi dari variabel input yang nilainya berada di dalam interval variable output. Fungsi ini dibatasi dengan menyatakan f sebagai kombinasi linier dari variabel sebuah input: f(x1,, xn) = w0+w1.x1+ +wn.xn Dimana w0,w1,,wn adalah konstanta yang berupa bilangan real yang merupakan bagian dari spesifikasi aturan fuzzy. Dalam model Sugeno terdapat dua macam kategori yaitu orde nol dan orde satu. Orde nol, fungsi f berupa konstanta sehingga dapat dituliskan sebagai f(x1,.,xn) = w0. Sedangkan order satu merupakan fungsi kombinasi linear dari beberapa variable input.
6 Defuzzyfication Pada tahap ini dilakukan pemetaan bagi nilai-nilai fuzzy output yang dihasilkan pada tahap inference ke nilai-nilai output kuantitatif yang sesuai dengan sistem yang diharapkan. Menurut (Suyanto, 2008, p. 28) ada lima metode untuk melakukan proses defuzzyfication, diantaranya yaitu : a. Centroid method Metode Centroid method dinamakan juga sebagai Center of Area (CoA) atau Center of Gravity (CoG). Jika y* bernilai crisp pada metode ini akan dihitung menggunakan rumus: Y* = = Dan Jika y* bernilai diskrit maka dapat diganti dengan persamaan berikut: Y* = = Dimana y adalah nilai crisp dan μ adalah derajat keanggotaan y. b. Height method Metode ini memilih nilai crisp yang memiliki derajat keanggotaan maksimun. Metode ini hanya bisa dipakai oleh fungsi keanggotaan yang memiliki derajat keanggotaan 1 pada nilai crisp tunggal dan 0 pada nilai crisp yang lain. Fungsi seperti ini disebut fungsi singleton. c. First (or Last ) of maxima Pada metode First (or Last ) of maxima fungsi keanggotaan output memiliki lebih dari satu nilai maksimun. Sehingga nilai crisp yang digunakan adalah salah satu dari nilai yang dihasilkan dari nilai maksimun pertama ataupun yang terakhir. d. Mean-max method Mean-max method merupakan bentuk umun dari height method dimana terdapat lebih dari satu nilai crisp yang memiliki derajat keanggotaan maksimun. Didefinisikan y* sebagai titik tengah antara nilai crisp yang paling kecil dan nilai crisp yang paling besar. Berikut fungsi Mean-max method: = + 2 Dimana M merupakan nilai crisp paling besar dan m adalah nilai crisp input paling kecil.
7 13 e. Weighted Average Weighted Average merupakan suatu metode dengan menggunakan pembobotan pada derajat keanggotaan. Di definisikan sebagai berikut: = Dimana y merupakan nilai crisp dan μ adalah derajat keanggotaan dari nilai crisp y. Secara garis besar proses Fuzzy logic digambarkan pada gambar 2.2. Gambar. 2.2 Wighted Average 2.6. Riset Terkait Agus Wuryanta, et al, (2004) dalam penelitiannya yang berjudul Identifikasi Tanah Longsor Dan Upaya Penanggulangannya Studi Kasus Di Kulonprogo, Purworejo Dan Kebumen mengidentifikasi lahan berpotensi longsor sangat diperlukan untuk mengetahui sebaran daerah yang rawan longsor sehingga dapat dilakukan upaya penanganannya. Adapun langkah yang digunakan adalah dengan mengambil Data yang diperoleh dari teknologi PJ dalam hal ini Citra Landsat 7 ETM+ yang dilakukan penajaman dengan filter 7 x 7 dapat digunakan untuk identifikasi lahan berpotensi longsor. Adi Susilo et, al, (2011) dalam penelitiannya Design Of Early Warning System For Landslide By Using Sensor Of Humidity And Vibration On The Soil membuat sistem peringatan dini zona rawan longsor dengan menggunakan alat sensor getaran yang dibuat dari accelerometer komersial jenis MMA 7260 QT. Bagus Sulistiarto, (2010) dalam Penelitiannya berjudul Studi tentang identifikasi longsor dengan menggunakan Citra Landsat dan Aster bertujuan
8 14 mengidentifikasi longsor berdasarkan tutupan lahan dari citra landsat dan Aster dengan menggunakan tumpang susu dengan peta tematik lain. Himan Shahabi, et, al, (2012) Application of Satellite remote sensing for detailed landslide inventories using Frequency ratio model and GIS Makalah ini menyajikan analisis kerentanan longsor di pusat Zab cekungan di pegunungan barat daya dari West-Azerbaijan provinsi di Iran menggunakan data penginderaan jauh dan Geografis Informasi Sistem. Database Longsor dihasilkan menggunakan citra satelit dan foto udara disertai dengan bidang investigasi menggunakan Differential Global Positioning System untuk menghasilkan peta longsor persediaan. Jefri Ardin Nugroho, et, al (2010) Pemetaan Daerah Rawan Longsor Dengan Penginderaan Jauh dan Sistem Informasi Geografis makalah ini menyajikan suatu cara yang bertujuan memetakan daerah rawan longsor dengan menggunakan teknologi penginderaan jauh dan Sistem Informasi Geografis, citra satelit SPOT 4 tahun 2008, dengan cara tersebut didapat parameter rawan longsor dan nilai skornya. Adapun parameter yang akan hitung nilai skornya adalah Kelerengan, Ketinggian, Curah Hujan, Jenis Tanah, Penggunaan Lahan, nilai skor inilah yang akan menentukan tingkat kerentanan terhadap longsor. Penelitian ini dilakukan didaerah hutan lindung Mojokerto secara keseluruhan tidak menggunakan sampel dibeberapa titik daerah Perbedaan dengan riset yang Lain Dalam Penelitian ini, untuk menentukan tingkat kerawanan longsor pada daerah tertentu dengan cara memasukkan input kedalam sistem cerdas berbasis Logika Fuzzy berupa variabel-variabel pendukung yang bersumber dari titik-titik koordinat yang telah ditentukan pada Peta Wilayah Kabupaten Aceh Tengah Tahun Kontribusi Riset Dalam penelitian ini variabel yang digunakan adalah Kelerengan, ketinggian, Curah Hujan, Jenis Tanah dan Penggunaan Lahan. Semua variabel ini diinput kedalam sistem yang dibuat dan dilakukan pengujian dengan menggunakan metode Fuzzy Logic untuk menentukan tingkat kebenaran dari prediksi longsor sehingga dapat memberikan informasi tentang daerah yang rawan longsor dengan tingkat kebenaran yang baik.
PENENTUAN TINGKAT KERAWANAN LONGSOR MENGGUNAKAN METODE FUZZY LOGIC
PENENTUAN TINGKAT KERAWANAN LONGSOR MENGGUNAKAN METODE FUZZY LOGIC Akshar * Abstract Landslides is one form of natural disasters that often occur suddenly, its effects cause substantial losses in terms
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Longsoran adalah salah satu jenis bencana yang sering dijumpai di Indonesia, baik skala kecil maupun besar. Upaya penanggulangan longsoran biasanya dilakukan setelah
Lebih terperinciFuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.
Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan
Lebih terperinciBAB II 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 terperinciBAB I PENDAHULUAN. A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Indonesia terletak pada pertemuan tiga lempeng dunia yaitu lempeng Eurasia, lempeng Pasifik, dan lempeng Australia yang bergerak saling menumbuk. Akibat tumbukan antara
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara
Lebih terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
Lebih terperinciLongsoran translasi adalah ber-geraknya massa tanah dan batuan pada bidang gelincir berbentuk rata atau menggelombang landai.
Tipe-Tipe Tanah Longsor 1. Longsoran Translasi Longsoran translasi adalah ber-geraknya massa tanah dan batuan pada bidang gelincir berbentuk rata atau menggelombang landai. 2. Longsoran Rotasi Longsoran
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 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 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 terperinciTANAH LONGSOR; merupakan salah satu bentuk gerakan tanah, suatu produk dari proses gangguan keseimbangan lereng yang menyebabkan bergeraknya massa
AY 12 TANAH LONGSOR; merupakan salah satu bentuk gerakan tanah, suatu produk dari proses gangguan keseimbangan lereng yang menyebabkan bergeraknya massa tanah ke tempat yang relatif lebih rendah. Longsoran
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 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 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 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 terperinciLogika Fuzzy. Farah Zakiyah Rahmanti 2016
Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)
Lebih 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 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 terperinciBAB 2 2. LANDASAN TEORI
BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu
Lebih 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 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 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 I PENDAHULUAN A. Latar Belakang B. Rumusan Masalah
BAB I PENDAHULUAN A. Latar Belakang Di Indonesia banyak sekali daerah yang,mengalami longsoran tanah yang tersebar di daerah-daerah pegunngan di Indonesia. Gerakan tanah atau biasa di sebut tanah longsor
Lebih terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih 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 terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
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 terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciPENGEMBANGAN SISTEM PAKAR FUZZY
FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi
Lebih terperinciBAB 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 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 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 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 terperinciPerbaikan UTS. Telah ada tugas, merangkum paper, tujuan: Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH:
Perbaikan UTS Telah ada tugas, merangkum paper, tujuan: memperbaiki hasil UTS Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH: Paper tidak terkait / berbasis WEB Tidak ada unsur kecerdasan
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 terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
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 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 terperinciIMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH
IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com
Lebih terperinciJOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi
JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI
Lebih 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 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga
Lebih 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 terperinciLOGIKA FUZZY. By: Intan Cahyanti K, ST
LOGIKA FUZZY By: Intan Cahyanti K, ST Pengertian Adalah suatu cara untuk memetakan suatu ruang input kedalam suatu ruang output. Skema Logika Fuzzy Antara input dan output terdapat suatu kotak hitam yang
Lebih terperinciPengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy
Pengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy Willy Setiawan - 13508043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang. batuan, bahan rombakan, tanah, atau campuran material tersebut yang bergerak ke
BAB I PENDAHULUAN A. Latar Belakang Tanah longsor adalah perpindahan material pembentuk lereng berupa batuan, bahan rombakan, tanah, atau campuran material tersebut yang bergerak ke bawah atau keluar lereng.
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 terperinciPAPER MEKATRONIKA BOOLEAN & FUZZY LOGIC. Oleh: NAMA: RIZKI MUHAMMAD RIDHA SIHOMBING NIM: KELAS:B JURUSAN TEKNIK MESIN FAKULTAS TEKNIK
PAPER MEKATRONIKA BOOLEAN & FUZZY LOGIC Oleh: NAMA: RIZKI MUHAMMAD RIDHA SIHOMBING NIM: 03051181419010 KELAS:B JURUSAN TEKNIK MESIN FAKULTAS TEKNIK UNIVERSITAS SRIWIJAYA 2015 KATA PENGANTAR Puji Syukur
Lebih terperinciLOGIKA FUZZY. Dr. Ade Gafar Abdullah JPTE-UPI
LOGIKA FUZZY Dr. Ade Gafar Abdullah JPTE-UPI Introduction Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Intelegent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk
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 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. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
Lebih terperinciBAB I PENDAHULUAN. memiliki kerentanan longsor yang cukup besar. Meningkatnya intensitas hujan
BAB I PENDAHULUAN A. Latar Belakang Masalah Indonesia yang berada pada iklim tropis dengan curah hujan yang tinggi memiliki kerentanan longsor yang cukup besar. Meningkatnya intensitas hujan mengakibatkan
Lebih terperinciBAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem 2.1.1 Definisi Sistem Menurut Mustakini (2009:34), Sistem dapat didefinisikan dengan pendekatan prosedur dan pendekatan komponen, sistem dapat didefinisikan
Lebih terperinciSIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA
SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS PEMELIHARAAN PERALATAN PRODUKSI DI PDAM KOTA SURABAYA oleh: WINDA ZULVINA 5206100040 Dosen Pembimbing : Mahendrawathi
Lebih 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 II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas
BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,
Lebih terperinciPraktikum sistem Pakar Fuzzy Expert System
Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Berdasarkan UU No 26 Tahun 2007 tentang Penataan Ruang, pasal 6 ayat (1), disebutkan bahwa Penataan Ruang di selenggarakan dengan memperhatikan kondisi fisik wilayah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem
Lebih terperinciFuzzy Set Logika Fuzzy Fuzzy System
Fuzzy Set Logika Fuzzy Fuzzy System 1 Crisp Set Crisp set membedakan anggota dan non anggota dengan batasan pasti Misalkan A sebuah crisp set dan x anggota A maka : A [x]=1 Jika y bukan anggota A maka
Lebih terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih terperinciSist Sis em t Fuzzy Fuzz Sistem Pakar
Sistem Fuzzy Sistem Pakar Pendahuluan Manusia cenderung menggunakan bahasa dalam bentuk sesuatu yang dapat dipahami secara umum, bukan dalam bentuk bahasa matematika yang mementingkan akurasi. Misalkan,
Lebih 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 terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
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 terperinciCrisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:
Logika Fuzzy Teori Dasar Crisp Logic Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Rule: If the temperature is higher than 80F, it is hot; otherwise, it is not
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
Lebih terperinciAplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Aplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta Indah Puspita, Erma Suryani, Agus Maman Abadi Program Studi
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,
Lebih terperinciBAB 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 mengenai ketidakpastian
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 2.1 Tanah Longsor 2.1.1 Definisi Tanah Longsor Pusat Vulkanologi dan Mitigasi Bencana Geologi (2005) menyatakan bahwa tanah longsor bisa disebut juga dengan gerakan tanah. Didefinisikan
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 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 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 terperinciAnalisis Perbandingan Algoritma Logika Fuzzy Model Sugeno dan Mamdani untuk Pengukuran Kualitas Kolam Air Renang Berbasis Mikrokontroller
Analisis Perbandingan Algoritma Logika Fuzzy Model Sugeno dan Mamdani untuk Pengukuran Kualitas Kolam Air Renang Berbasis Mikrokontroller Unang Sunarya Fakultas Ilmu Terapan, Telkom University, Bandung
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 terperinciBAB III METODE PENELITIAN
13 BAB III METODE PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian dilaksanakan pada bulan Juli-September 2011, dengan lokasi penelitian untuk pengamatan dan pengambilan data di Kabupaten Bogor, Jawa
Lebih terperinciBAB I PENDAHULUAN. penyakit menular yang terutama menyerang anak-anak (Widoyono, 2008: 59).
A. Latar Belakang BAB I PENDAHULUAN Penyakit demam berdarah dengue (DBD) merupakan salah satu masalah kesehatan masyarakat di Indonesia yang jumlah penderitanya cenderung meningkat dan penyebarannya semakin
Lebih terperinciANALISA TINGKAT KEPUASAN MASYARAKAT DENGAN KUALITAS KINERJA KEPOLISIAN MENGGUNAKAN METODE FUZZY LOGIC SUGENO
ANALISA TINGKAT KEPUASAN MASYARAKAT DENGAN KUALITAS KINERJA KEPOLISIAN MENGGUNAKAN METODE FUZZY LOGIC SUGENO Sestri Novia Rizki Dosen Program Studi Teknik Informatika Universitas Putera Batam sestrino90@gmail.com
Lebih terperinciLOGIKA FUZZY 3/18/2017 OVERVIEW SEJARAH LOGIKA FUZZY WHAT IS FUZZY LOGIC? LOGIKA BOLEAN PERMASALAHAN DUNIA NYATA
OVERVIEW Pengertian Logika Fuzzy LOGIKA FUZZY SHINTA P. SARI Sejarah Logika Fuzzy Teori Logika Fuzzy Aplikasi Logika Fuzzy PRODI. INFORMATIKA FASILKOM UIGM 2017 WHAT IS FUZZY LOGIC? Pengertian Fuzzy not
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 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 terperinciBAB 1. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Proses penalaran merupakan bagian yang sangat penting dalam sistem cerdas. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung ketidaktepatan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
Lebih terperinciANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN)
Jurnal INTEKNA (Edisi Khusus), Tahun XIII, No. 3, Desember 23 : 279-285 ANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN) Lea Emilia Farida ()
Lebih 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 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 terperinciIMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG
IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG Nazrul Effendy, M. Heikal Hasan dan Febry Wikatmono Jurusan Teknik Fisika, Fakultas Teknik, Universitas Gadjah Mada Jln. Grafika
Lebih terperinciDEFINISI. Thornbury, 1954 : Proses akibat gaya gravitasi secara langsung.
DEFINISI Thornbury, 1954 : Proses akibat gaya gravitasi secara langsung. Rangers, 1975 : Proses yang terjadi dibawah pengaruh gravitasi tanpa adanya media transportasi / merupakan bagian dari turunnya
Lebih terperinciKECERDASAN BUATAN LOGIKA FUZZY
KECERDASAN BUATAN LOGIKA FUZZY Pengertian adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy Antara input dan output terdapat suatu kotak hitam yang harus
Lebih terperinciANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG
ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan
Lebih terperinciCi Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:
Logika Fuzzy 1 Teori Dasar Ci Crisp Logic Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Rule: If the temperature is higher than 80F, it is hot; otherwise, it is
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 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 II TINJAUAN PUSTAKA. atau menurunnya kekuatan geser suatu massa tanah. Dengan kata lain, kekuatan
BAB II TINJAUAN PUSTAKA 2.1. Kelongsoran Tanah Kelongsoran tanah merupakan salah satu yang paling sering terjadi pada bidang geoteknik akibat meningkatnya tegangan geser suatu massa tanah atau menurunnya
Lebih terperinciBAB I PENDAHULUAN. ada tiga, yaitu association rules, classification dan clustering.
BAB I PENDAHULUAN 1.1. Latar Belakang Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang
Lebih terperinci