BAB 2 TINJAUAN PUSTAKA

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 TINJAUAN PUSTAKA"

Transkripsi

1 BAB 2 TINJAUAN PUSTAKA 2.1. Logika Fuzzy Logika fuzzy meringankan bagaimana orang-orang berpikir. Hal ini upaya kita untuk memodelkan pengertian kita terhadap kata-kata dalam pengambilan keputusan. Sehingga menghasilkan system intelligent yang baru dan lebih manusiawi untuk kata-kata yang sesuai dalam pengambilan keputusan. Apabila belum pernah mengenal logika fuzzy akan mengira bahwa logika fuzzy adalah sesuatu yang amat rumit dan tidak menyenangkan. Apabila mengenal logika fuzzy, akan tertarik dan akan menjadi pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy dikatakan sebagai logika baru yang lama, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Pada tahun 1965, himpunan fuzzy diperkenalkan oleh Lotfi A. Zadeh, merupakan profesor di Universitas California, beliau menyatakan bahwa dalam logika fuzzy memiliki derajat keanggotaan dalam rentang 0 (nol) hingga 1 (satu), berbeda dengan logika klasik/boolean yang hanya memiliki dua nilai yaitu 1(satu) atau 0(nol). Logika fuzzy digunakan untuk menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kenderaan yang diekspresikan dengan slow (pelan), faster (agak cepat), fast (cepat), dan very fast (sangat cepat), (Kevin&steven,1997) Operator Fuzzy Nilai fuzzy selalu dalam bentuk bahasa linguistik. Nilai fuzzy berkaitan dengan konsep nilai pendekatan atau interval, yaitu nilai yang dekat atau berada ke suatu bilangan real tertentu (George J.Klir Bo Yuan,1995).

2 Operasi fuzzy yang sering digunakan, adalah: 1. Perkalian Lambang yang digunakan untuk proses perkalian adalah AB. Sehingga fungsi keanggotaannya didefinisikan sebagai: AB µ A (x) µ B (x) (2.1) 2. Penjumlahan Lambang yang digunakan untuk proses penjumlahan adalah A+B. Sehingga fungsi keanggotaannya didefinisikan sebagai: A+B µ A (x) + µ B (x) - µ A (x) µ B (x) (2.2) 3. Selisih Mutlak Lambang yang digunakan untuk proses selisih mutlak adalah A+B. Sehingga fungsi keanggotaannya didefinisikan sebagai: A-B µ A (X) - µ B (X) (2.3) 4. Kombinasi Konveks Lambang yang digunakan untuk proses kombinasi konveks adalah A,B dan C. Sehingga funngsi keanggotaannya didefinisikan sebagai: (A,B,C) = CA + C B (2.4) Dimana C adalah komplemen C, maka fungsi keanggotaannya (A,B,C) dinyatakan sebagai: (A,B,C) (X) = A (X) A (X) + [1- A (X)] B (X), x X (2.5) 5. Relasi Fuzzy Lambang yang digunakan untuk proses relasi fuzzy adalah A,B. Sehingga fungsi keanggotaannya didefinisikan sebagai: B,A (x,y) = Sup, Min [ A (x,y) B (x,y)] (2.6)

3 2.3. Linguistik Variabel dan Nilai Awal dari teori himpunan fuzzy mengenai linguistik variabel. Linguistik variabel adalah suatu variable fuzzy, contoh: John tinggi, maksudnya bahwa variabel linguistiknya adalah John, sedangkan variabel nilainya adalah: tinggi. Sistem ahli fuzzy memiliki aturan-aturan fuzzy dalam menggunakan variabel linguistiknya, contoh: If angin kencang Then berlayar bagus If durasi proyek lama Then resiko penyelesaian tinggi If kecepatan lambat Then jarak berhenti pendek Interval nilai yang kemungkinan dari variabel linguistik menampilkan variabel umum, seperti variabel linguistik kecepatan, memiliki interval antara 0 sampai dengan 220 km per jam dan yang termasuk sub fuzzy menampilkan nilai variabel linguistik yang tidak cepat, kurang cepat, cukup cepat, cepat, dan sangat cepat. Sebuah varibel linguistik membawa konsep himpunan fuzzy, yang menggunakan titik-titik. Titik-titik merupakan bagian modifikasi ruang himpunan fuzzy, seperti: sangat, seperti apa, diam, lebih atau kurang dan cukup. Melalui pemberian titik-titik tersebut dapat memodifikasi kata kerja, kata sifat, kata keterangan atau bahkan seluruh kalimat. Sehingga sering digunakan sebagai: 1. Semua jenis kata keterangan, seperti: sangat, kurang, atau cukup 2. Nilai kebenaran, seperti: agak benar atau sangat salah 3. Probabilitas, seperti; suka, atau tidak suka 4. Kuantifier, seperti: banyak, beberapa, atau sedikit

4 5. Posibilitas, seperti: hampir masuk akal, atau sedikit masuk akal Dengan demikian, manusia dapat berpikir untuk menghasilkan perbedaan antara lebih ataupun yang kurang memiliki nilai yang tidak sama Himpunan Fuzzy Himpunan fuzzy merupakan pengembangan dari himpunan biasa. Fungsi keanggotaannya tidak hanya memberikan nilai 1 atau 0, tapi nilai berada pada interval tertentu, yaitu interval [0,1]. Nilai yang diberikan oleh fungsi keanggotaannya disebut derajat keanggotaan (George J. Klir & BoYuan,1995). Apabila X menyatakan himpunan universal dan A adalah himpunan fuzzy dalam X, maka A adalah himpunan pasangan terurut sebagai berikut: A = {(µ, µ A (µ)) µ X} (2.7) Dengan µ A (X) : X [0,1] Dimana µ A (x) = 1, jika x himpunan A dimana µ A (x) = 1, jika x himpunan A µ A (x) = 0, jika x tidak himpunan A 0 < µ A (x) < 1, jika x bagian dari himpunan A 2.5. Aturan-aturan Fuzzy Pada tahun 1973, Lotfi Zadeh mempublikasikan makalah keduanya yang sangat berpengaruh (Zadeh, 1973). Makalah ini menghasilkan penemuan baru untuk menganalisis sistem kompleks, dimana Zadeh menyarankan suatu pengetahuan bagi manusia mengenai aturan-aturan fuzzy. Sebuah aturan fuzzy dapat didefinisikan ke dalam bentuk pernyataan seperti: IF x adalah A

5 THEN y adalah B Dimana x dan y adalah variabel linguistik, sedangkan A dan B adalah nilai linguistik yang akan dimasukkan kedalam himpunan fuzzy X dan Y Sebuah aturan IF-THEN yang klasikal, selalu menggunakan logika biner, contohnya: Aturan: 1 IF kecepatan > 100 THEN jarak pemberhentian adalah panjang Aturan: 2 IF kecepatan < 40 THEN jarak pemberhentian adalah pendek Variabel kecepatan dapat memiliki nilai numerik antara 0 dan 220 km/h, tetapi variabel linguistik jarak pemberhentian dapat memiliki nilai panjang dan pendek. Dengan kata lain, aturan-aturan klasikal dapat diekspresikan hitam dan putih dalam logika boolean. Tetapi, dapat ditampilkan aturan jarak pemberhentian kedalam bentuk fuzzy, yaitu: Aturan: 1 IF kecepatan adalah cepat THEN jarak pemberhentian adalah panjang Aturan: 2 IF kecepatan adalah lambat THEN jarak pemberhentian adalah pendek Disini variabel linguistik kecepatan mempunyai interval antara 0 sampai dengan 220 km/h, tetapi interval ini termasuk himpunan fuzzy, seperti: lambat, cukup lambat, cepat. Sedangkan variabel linguistik jarak pemberhentian dapat diuraikan dengan range antara 0 sampai dengan 1. Dengan demikian sistem ahli fuzzy menyatukan aturan yang konsekwen mengenai memotong angka hanya 90 persen.

6 2.6. Fungsi Keanggotaan Fuzzy Di dalam fuzzy dikenal fungsi keanggotaan fuzzy, dimana memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat (Wang,1997). Terdapat banyak sekali fungsi keanggotaan yang bisa digunakan. Jenis-jenis fungsi keanggotaan yang dapat digunakan, yaitu: 1. Linear Fungsi Keanggotaan dari fungsi linear adalah: 0 jika x < a, x > c µ(x) = (x-a)/(b-a) jika a<x<b 1 jika x>b (2.8) Derajat Keanggotaan µ(x) 0 a domain Gambar 2.1: Grafik Fungsi Linear b 2. Sigmoid Function Fungsi-S atau fungsi sigmoid merupakan kurva yang dibentuk sehubungan dengan kenaikan dan penurunan nilai yang tidak linear. Fungsi keanggotaannya akan bertumpu pada 50% nilai keanggotaan yang sering disebut dengan titik infleksi Persamaan dari Fungsi-S ini adalah: Sig(x,a,c) = ( ) (2.9)

7 Parameter a digunakan untuk menentukan kemiringan kurva pada saat x = c. Polaritas dari a akan menentukan kurva itu kanan atau kiri terbuka, seperti terlihat pada Gambar S 0 a b c x Grafik 2.2: Grafik Fungsi Sigmoid 3. Phi Function Fungsi-Phi merupakan salah satu kurva berbentuk lonceng, dimana derajat keanggotaan yang bernilai 1 tepat terletak pada pusat domain c (lihat gambar 3). Persamaan fungsi-phi diperoleh dari persamaan fungsi-s, yaitu: PI(x,b,c) = S(x,c - b,c b/2,c) jika x < c 1 S(x;c,c + b/2,c + b) jika x > c (2.10) 1 S c c 0 c-b c-b/2 c c+b/2 c+b x Titik Infleksi Lebar

8 Gambar 2.3: Grafik Fungsi Phi 4. Tringular Function Suatu fungsi keanggotaan himpunan kabur disebut fungsi keanggotaan segitiga (triangular) jika mempunyai tiga buah parameter, yaitu a, b, c, dengan persamaan untuk bentuk segitiga ini adalah: Segitiga (x,a,b,c) = { (2.11) Bentuk yang lain dari persamaan di atas adalah: Segitiga(x,a,b,c) = max ( ( ) ) ( ) Parameter {a,b,c} dengan (a<b<c) yang menentukan koordinat x dari ketiga sudut segitiga tersebut, seperti terlihat pada Gambar a b c x Gambar 2.4: Grafik Fungsi Segitiga 5. Trapezodial Function

9 Suatu fungsi keanggotaan himpunan kabur disebut fungsi keanggotaan trapesium (trapezoidal membership function) jika mempunyai empat parameter yaitu a, b, c, d, denganng persamaan untuk bentuk trapesium ini adalah: Trapesium (x,a,b,c,d) = { (2.13) Parameter {a,b,c,d} dengan (a<b<c<d) yang menentukan koordinat x dari keempat sudut trapesium tersebut, seperti terlihat pada Gambar a b c d x Gambar 2.5: Grafik Fungsi Trapesium 2.7. Fuzzifikasi (Fuzzification) Fuzzifikasi merupakan proses yang digunakan untuk mengubah masukan tegas/nyata (crisp inputs) yang bersifat bukan fuzzy ke dalam himpunan fuzzy menjadi nilai fuzzy dari beberapa variabel linguistik masukan yang telah didefinisikan, hasil pengubahan data ini dinamakan masukan fuzzy (Fuzzy Inputs). Basis Pengetahuan Fuzzifikasi Fuzzy Inputs Pengambilan Keputusan Fuzzy Outputs Defuzzifikasi

10 Gambar 2.6: Diagram Blok Fuzzy Logika Basis pengetahuan terdiri dari basis data dan basis aturan. Basis data mendefinisikan himpunan fuzzy atas ruang-ruang masukan (input) dan keluaran (output). Basis aturan berisi aturan-aturan kendali fuzzy yang digunakan untuk pengendalian proses. Pembentukan basis data mencakup perancangaan fungsi keanggotaan (membership function) untuk masing-masing variabel masukan dan keluaran, pendefinisian semesta pembicaraan dan penentuan variabel linguistik setiap variabel masukan dan keluaran. Basis aturan kendali fuzzy adalah kumpulan aturan-aturan kendali fuzzy yang dibuat berdasarkan pengetahuan manusia dalam pengendalian suatu sistem. Aturan yang ditetapkan digunakan untuk menghubungkan antara variabel-variabel masukan dan variabel-variabel keluaran. Aturan ini berbentuk JIKA MAKA (IF THEN). Berdasarkan basis aturan yang telah dibuat, variabel masukan fuzzy diolah lebih lanjut untuk mendapatkan suatu penyelesaian. Dengan demikian dapat diambil suatu keputusan berupa suatu peubah fuzzy keluaran, yaitu himpunan-himpunan keluaran fuzzy dengan fungsi keanggotaan (membership function) yang telah ditetapkan. Fuzzifikasi yang menampilkan besaran tegas (crisp) dengan fungsi keanggotaan ini. Ketika besaran tegas (crisp) diketahui komposisinya, maka akan dimasukkan datanya pada sistem aplikasi yang akan dibuat.

11 2.8. Fuzzy Inference System Fuzzy inference system adalah suatu proses perumusan pemetaan dari input ke output dengan menggunakan logika fuzzy (Gulley & Jang, 1999). Fuzzy Inference System (FIS) dapat dijabarkan ke 5 fungsi, yaitu: 1. Basis kaidah (rule base), yang berisi aturan-aturan secara linguistik yang bersumber dari pakar dengan aturan fuzzy If Then 2. Database, dimana mendefinisikan fungsi keanggotaan yang digunakan 3. Suatu mekanisme pengambilan keputusan (inference engine), yang memperagakan bagaimana para pakar mengambil suatu keputusan dengan menerapkan pengetahuan (knowledge) 4. Proses fuzzifikasi (fuzzification), yang mengubah besaran tegas (crisp) ke besaran fuzzy 5. Proses defuzzifikasi (defuzzification), yang mengubah besaran fuzzy hasil dari inference engine, menjadi besaran tegas (crisp) Metode Tsukamoto Sistem inferensi fuzzy didasarkan pada konsep penalaran monoton. Pada metode penalaran secara monoton, nilai crisp pada daerah konsekuen dapat diperoleh secara langsung berdasarkan fire strength pada antesedennya. Salah satu syarat yang harus dipenuhi pada metode penalaran ini adalah himpunan fuzzy pada konsekuennya harus bersifat monoton. Karena menggunakan konsep dasar penalaran monoton, pada metode Tskamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan - predikat (fire strength). Proses agregasi antar aturan diakukan dan hasil akhirnya diperoleh dengan menggunakan defuzzy dengan konsep rata-rata terbobot Metode Sugeno (TSK)

12 Sistem inferensi fuzzy menggunakan metode Sugeno, memiliki karakteristik yaitu konsekuen tidak merupakan himpunan fuzzy, namun merupakan suatu persamaan linear dengan variabelvariabel sesuai dengan variabel-variabel inputnya. Metode ini diperkenalkan oleh Takagi Sugeno Kang pada tahun Ada 2 model untuk sistem inferensi fuzzy dengan menggunakan metode TSK, yaitu model TSK orde-0 dan model TSK orde-1. Secara umum bentuk model fuzzy sugeno orde-0 adalah: (Cox, 1994 dalam Kusumadewi sri, 2010): IF (X1 is A1) (X2 is A2) ( X3 is A3)... (XN is AN) THEN z = k. Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, adalah operator fuzzy (seperti AND atau OR), dan k adalah suatu konstanta (tegas) sebagai konsekuen Secara umum bentuk model fuzzy Sugeno orde-1 adalah (Cox, 1994 dalam Kusumadewi sri, 2010): IF (x1 is A1)... (XN is AN) THEN z = p1 x pn xn + q Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, adalah operator fuzzy (seperti AND atau OR), pi adalah suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen. Proses agregasi dan defuzzy untuk mendapatkan nilai tegas sebagai output untuk M aturan fuzzy juga dilakukan dengan menggunakan rata-rata terbobot, yaitu: (Cox, 1994 dalam Kusumadewi, sri 2010) 2.9. Penilaian Kinerja Lembaga Kursus dan Pelatihan

13 Penilaian kinerja memegang peranan yang penting bagi suatu lembaga/instansi untuk menjalankan fungsi di lembaganya sehingga tercapainya kinerja lembaga secara keseluruhan. Sering terjadi, penilaian dilakukan tidak tepat, ketidaktepatan ini dapat disebabkan oleh beberapa faktor. Beberapa faktor yang menyebabkan ketidaktepatan penilaian kinerja diantaranya adalah ketidakjelasan makna kinerja yang diimplementasikan, sehingga tidak diperoleh kinerja yang diharapkan, ketidakakuratan instrumen penilaian kinerja, dan ketidakpedulian pimpinan organisasi dalam pengelolaan kinerja. Kinerja dilihat dari baik-tidaknya aktivitas tertentu untuk mendapatkan hasil yang diinginkan (Williams,2002). Pengertian kinerja menurut Kamus Besar Bahasa Indonesia adalah merupakan kata benda (n) yang artinya: 1) Sesuatu yang dicapai, 2) Prestasi yang diperlihatkan, 3) Kemampuan kerja (peralatan), sedangkan penilaian kinerja menurut Mulyadi (1997, hal 419) adalah penentuan secara periodik efektifitas operasional suatu organisasi, bagian organisasi dan karyawannya berdasarkan sasaran, standar dan kriteria yang ditetapkan sebelumnya. Karena organisasi pada dasarnya dijalankan oleh manusia maka penilaian kinerja sesungguhnya merupakan penilaian atas prilaku manusia dalam melaksanakan peran yang mereka mainkan dalam organisasi. Dalam melihat organisasi perusahaan dapat diketahui besarnya tanggungjawab manajer yang diwujudkan dalam bentuk prestasi kerja. Namun demikian mengatur besarnya tanggungjawab sekaligus mengukur prestasi tidaklah mudah sebab ada yang dapat diukur dengan mudah mudah dan ada pula yang sulit untuk diukur. Sedangkan tujuan penilaian kinerja (Mulyadi,1997) adalah: Untuk memotivasi karyawan dalam mencapai sasaran organisasi dan dalam mematuhi standar prilaku yang telah ditetapkan sebelumnya agar membuahkan tindakan dan hasil yang diinginkan. Standar prilaku dapat berupa kebijakan manajemen atau rencana formal yang dituangkan dalam anggaran. Penilaian kinerja dilakukan untuk menekan prilaku yang tidak semestinya dan untuk merangsang dan menegakkan prilaku yang semestinya diinginkan melalui umpan balik hasil kinerja dan waktu serta penghargaan baik yang bersifat instrinsik maupun ekstrinsik.

14 Salah satu sarana manajemen paling penting yang harus dibebankan agar tujuan organisasi dapat tercapai adalah faktor manusia. Tanpa manusia yang berkualitas, betapapun canggihnya sistem yang dirancang, tujuan organisasi mungkin hanya sekedar angan-angan saja. Disamping sarana, prinsip-prinsip organisasi harus pula dipenuhi seperti adanya pembagian tugas yang adil, pendelegasian tugas, rentang kekuasaan, tingkat pengawasan yang cukup, kesatuan perintah dan tanggungjawab serta koordinasi masing-masing unit merupakan suatu hal yang harus menerus disempurnakan. Untuk itu penilaian kinerja dimanfaatkan oleh manajemen untuk hal-hal sebagai berikut: 1. Mengelola operasi organisasi secara efektif dan efesian melalui pemotivasian karyawan secara maksimum 2. Membantu pengambilan keputusan yang bersangkutan dengan karyawan seperti promosi, transfer dan pemberitahuan 3. Mengidentifikasi kebutuhan dan pelatihan dan pengembangan karyawan dan untuk menyediakan kriteria seleksi dan evaluasi program pelatihan karyawan 4. Menyediakan umpan balik kerja bagi karyawan mengenai bagaimana atasan mereka menilai kinerja mereka 5. Menyediakan suatu dasar bagi distribusi penghargaan Menurut Cascio (2003: ), kriteria sistem pengukuran kinerja adalah sebagai berikut: 1. Relevan (relevance). Relevan mempunyai makna (1) terdapat kaitan yang erat antara standar untuk pekerjaan tertentu dengan tujuan organisasi, dan (2) terdapat keterkaitan yang jelas antara elemen-elemen kritis suatu pekerjaan yang telah diidentifikasi melalui analisis jabatan dengan dimensi-dimensi yang akan dinilai dalam form penilaian 2. Sensitivitas (sensitivity). Sensitivitas berarti adanya kemampuan sistem penilaian kinerja dalam membedakan Sumber Daya Manusia (SDM) yang efektif dan SDM yang tidak efektif

15 3. Reliabilitas (reliability). Reliabilitas dalam konteks ini berarti konsistensi penilaian. Dengan kata lain sekalipun instrumen tersebut digunakan oleh dua orang yang berbeda dalam menilai SDM, hasil penilaiannya akan cenderung sama 4. Akseptabilitas (acceptability). Akseptabilitas berarti bahwa pengukuran kinerja yang dirancang dapat diterima oleh pihak-pihak yang menggunakannya 5. Praktis (practicality). Praktis berarti bahwa instrumen penilaian yang disepakati mudah dimengerti oleh pihak-pihak yang terkait dalam proses penilaiaan tersebut. Pendapat senada dikemukakan oleh Mondy and Noe (1990), bahwa kriteria sistem pengukuran kinerja yang efektif terdiri dari beberapa aspek sebagai berikut: 1. Mempunyai keterkaitan yang strategis (strategic congruence). Suatu pengukuran kinerja dikatakan mempunyai keterkaitan yang strategis jika sistem pengukuran kinerjanya menggambarkan atau berkaitan dengan tujuan-tujuan organisasi. Sebagai contoh, jika organisasi tersebut menekankan pada pentingnya pelayanan pada pelanggan, maka pengukuran kinerja yang digunakan harus mampu menilai seberapa jauh pegawai melakukan pelayanan terhadap pelanggannya. 2. Validitas (validity). Suatu pengukuran kinerja dikatakan valid apabila hanya mengukur dan menilai aspek-aspek yang relevan dengan kinerja yang diharapkan. 3. Reliabilitas (reliability). Reliabilitas berkaitan dengan konsistensi pengukuran kinerja yang digunakan. Salah satu cara untuk menilai reliabilitas suatu pengukuran kinerja adalah dengan membandingkan dua penilai yang menilai kinerja seorang pegawai. Jika nilai kedua penilai tersebut relatif sama, maka dapat dikatakan bahwa instrumen tersebut reliabel. 4. Akseptabilitas (acceptability). Akseptabilitas berarti bahwa pengukuran kinerja yang dirancang dapat diterima oleh pihak-pihak yang menggunakannya. Hal ini menjadi suatu perhatian serius mengingat sekalipun suatu pengukuran kinerja bvalid dan reliabel, akan tetapi cukup banyak menghabiskan waktu si penilai, sehingga si penilai tidak nyaman menggunakannya

16 5. Spesifisitas (specificity). Spesifisitas adalah batasan-batasan dimana pengukuran kinerja yang diharapkan disampaikan kepada para pegawai sehingga para pegawai memahami apa yang diharapkan dari mereka dan bagaimana cara untuk mencapai kinerja tersebut. Spesifisitas berkaitan erat dengan tujuan strategis dan tujuan pengembangan manajemen kinerja. Diharapkan seluruh pihak yang terkait di lembaga/instansi harus dapat saling bekerjasama untuk diperolehnya penilaian kinerja yang baik, dengan memahami aspek-aspek yang akan dijadikan penilaian kinerja Penelitian yang terkait Ada beberapa penelitian yang terkait dengan penelitian yang penulis buat, yaitu: Tabel 2.1. Penelitian Terkait Tahun Penulis Penjelasan Penelitian 2013 Abdullah A. G., Ana, dan Hakim D. L 2012 Mustafidah H. dan Suwarsito Menjabarkan tentang Pengembangan Alat Penilaian Kinerja pada Pembelajaran Sains Berbasis Fuzzy Grading System. Menjabarkan mengenai Analisis minat belajar mahasiswa dan tingkat kehadiran dosen pengaruhnya terhadap tingkat kelulusan mahasiswa menggunakan fuzzy quantification theory variabel dalam penelitian ini berupa minat belajar mahasiswa, tingkat kehadiran dosen dalam memberikan kuliah, dan tingkat kelulusan mahasiswa dalam mengikuti perkuliahan yang ditunjukkan dengan persentase perolehan nilai minimum b (nilai b) dalam setiap mata kuliah. kategori yang digunakan hanya 1 yaitu tingkat kehadiran dosen dalam perkuliahan. tingkat kehadiran dosen dalam perkuliahan dikatakan tinggi dengan mengikuti pola grafik pada fungsi

17 keanggotaan Nugroho G.S. dan Singgih M. L Rakhmat Wahyu W dan Liza Afriyanti Menjelaskan mengenai evaluasi lean manufacturing pada line produksi MMPO menggunakan metode fuzzy logic Menerapkan mengenai aplikasi Fuzzy Inference System (FIS) metode tsukamoto pada simulasi traffic light menggunakan java 2005 Iswari dan Wahid F. Menjelaskan alat bantu sistem inferensi fuzzy metode sugeno orde satu BAB 3 METODOLOGI PENELITIAN 3.1. Pendahuluan

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan

Lebih terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

BAB 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 terperinci

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

LOGIKA 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

Kata 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 terperinci

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB 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 terperinci

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana

KECERDASAN 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 terperinci

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

FUZZY 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

BAB 2 LANDASAN TEORI

BAB 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 terperinci

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

ARTIFICIAL 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 terperinci

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB 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 terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB II: TINJAUAN PUSTAKA

BAB 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 terperinci

Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.

Logika 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara

Lebih terperinci

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN

Lebih terperinci

PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO

PENDAPATAN 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 terperinci

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

JOBSHEET 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 terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

FUZZY 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 terperinci

BAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-

BAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D- BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan

Lebih terperinci

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

Himpunan 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 terperinci

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi

Penerapan 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 terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan

Lebih terperinci

LOGIKA FUZZY FUNGSI KEANGGOTAAN

LOGIKA FUZZY FUNGSI KEANGGOTAAN LOGIKA FUZZY FUNGSI KEANGGOTAAN FUNGSI KEANGGOTAAN (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai/derajat keanggotaannya yang memiliki interval

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.

Fuzzy 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 terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

SPK 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 terperinci

BAB 2 2. LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan 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 terperinci

Praktikum sistem Pakar Fuzzy Expert System

Praktikum 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 terperinci

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com

Lebih terperinci

Himpunan Tegas (Crisp)

Himpunan 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 terperinci

Institut Teknologi Sepuluh Nopember Surabaya

Institut Teknologi Sepuluh Nopember Surabaya Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

BAB 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) 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 terperinci

MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO

MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com

Lebih terperinci

Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.

Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. LOGIKA FUZZY UTHIE 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 Amerika

Lebih terperinci

SISTEM 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 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Logika Himpunan Fuzzy

Logika 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 terperinci

BAB II TEORI PENUNJANG

BAB 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 terperinci

REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA

REVIEW 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 terperinci

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH

Jurnal 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma. 6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Inteligent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk algoritma yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Pengertian Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi

Lebih terperinci

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

Sebelumnya... 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 terperinci

LOGIKA SAMAR (FUZZY LOGIC)

LOGIKA SAMAR (FUZZY LOGIC) LOGIKA SAMAR (FUZZY LOGIC) 2. Himpunan Samar 2.. Himpunan Klasik dan Himpunan Samar Himpunan klasik merupakan himpunan dengan batasan yang tegas (crisp) (Jang, Sun, dan Mizutani, 24). Sebagai contoh :

Lebih terperinci

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

PENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO

PENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO PENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO Dwi Yulian RL 1* Teknik Informatika, Sekolah Tinggi Ilmu Komputer PGRI, Banyuwangi, Indonesia 1* lingkeku@gmail.com Abstrak Usaha kreatif Polo adalah

Lebih terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Analisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Jumlah Siswa Baru

Analisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Jumlah Siswa Baru Analisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Siswa Baru Siti Abidah STMIK Banjarbaru abi.bjb@gmail.com Abstract The number of new students in the admission of students the new school year

Lebih terperinci

BAB 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 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 terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi

SISTEM 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 terperinci

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic

Aplikasi 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 terperinci

Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy

Pendapatan 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 terperinci

BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem

BAB 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 terperinci

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon

Lebih terperinci

APLIKASI 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) 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 terperinci

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com

Lebih terperinci

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

SIMULASI 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 terperinci

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

SISTEM 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 terperinci

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:

Jurnal 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 terperinci

Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan

Metode 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

BAB 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 mengenai ketidakpastian

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Penelitian dengan judul Pemodelan Untuk Menentukan Kecukupan Angka Gizi Ibu Hamil. Penentuan status kecukupan angka gizi ibu hamil dilakukan

Lebih terperinci

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

Bab 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Kepuasan Pelanggan Perasaan puas pelanggan timbul ketika konsumen membandingkan persepsi mereka mengenai kinerja produk atau jasa dengan harapan mereka. Sementara itu kepuasan

Lebih terperinci

Penerapan Logika Fuzzy

Penerapan Logika Fuzzy 1 Penerapan Logika Fuzzy M. Faisal Baehaki - 13506108 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia 1 m_faisal_b@yahoo.com

Lebih terperinci

RANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY

RANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY RANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY Irving Vitra Paputungan, Denni Irawan Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jl. Kaliurang

Lebih terperinci

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL

Jurnal 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

ke dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti

ke dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti 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. Orang yang belum pernah mengenal logika fuzzy pasti akan

Lebih terperinci

DENIA FADILA RUSMAN

DENIA 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 terperinci

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

Sebelumnya... 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 terperinci

IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)

IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari

Lebih terperinci

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) 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 terperinci

4-5-FUZZY INFERENCE SYSTEMS

4-5-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 terperinci

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto

: 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 terperinci

LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA

LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: STUDI KASUS UNIVERSITAS

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga

Lebih terperinci

ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN

ANALISIS 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 terperinci

Fuzzy Set Logika Fuzzy Fuzzy System

Fuzzy 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 terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY Jamaludin Malik 1), Arik Sofan Tohir 2), Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email: 1) malixjams@gmail.com,

Lebih terperinci

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

FUZZY 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 terperinci

PENERAPAN 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) 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 terperinci

MATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang

MATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang HIMPUNAN FUZZY MATERI KULIAH (PERTEMUAN 2,3) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang Pokok Bahasan Sistem fuzzy Logika fuzzy Aplikasi

Lebih terperinci

( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik

Lebih terperinci

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI

EVALUASI 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci