IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC

Ukuran: px
Mulai penontonan dengan halaman:

Download "IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC"

Transkripsi

1 IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC Riky Amelia ( ) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No.338 Simpang Limun Medan // ABSTRAK Penentuan harga jual barang dalam suatu perusahaan merupakan suatu hal yang sangat penting sebelum memulai suatu proses produksi. Oleh sebab itu diperlukan suatu sistem yang dapat membantu dalam mengambil keputusan yang disebut sistem pendukung keputusan demi tercapainya suatu tujuan perusahaan. Sistem pendukung keputusan atau SPK merupakan suatu sistem yang membantu menyelesaikan permasalahan. Banyak teknik yang dipakai untuk membuat SPK, salah satunya dengan Logika Fuy. Logika Fuy merupakan salah satu tekhnik penyelesaian masalah dimana derajat keanggotaan yang biasanya di representasikan dengan nilai antara 0 dan 1, sehingga dapat ebih seimbang. Salah satu metode fuy yang dapat digunakan dalam memecahkan permasaahan tersebut adalah metode Tsukamoto Fuy Inference System yang menerapkan rata rata terbobot untuk menghitung harga jual barang sebagai hasil akhirnya. Sistem Pendukung Keputusan atau SPK penentuan harga jual barang dengan metode Tsukamoto menghasilkan suatu sistem yang dapat menentukan suatu harga jual barang yang dapat membantu distributor dalam membuat keputusan. Kata kunci : Sistem Pendukung Keputusan, Logika Fuy, Tsukamoto. 1. Pendahuluan Ketika suatu perusahaan telah menetapkan harga dasar dari suatu produk barang atau jasa maka perusahaan dapat menentukan strategi harga dengan mempertimbangkan berbagai faktor seperti harga kompetitor, tujuan perusahaan dan daur hidup produk. Strategi tersebut dapat digunakan untuk produk yang baru maupun yang lama sesuai dengan situasi dan kondisi yang ada. Tidak stabilnya harga barang dipasaran setiap saat menyebabkan perusahaan harus terus memantau fluktuasi harga barang dan menentuan harga barang tersebut dengan tepat. Penentuan harga barang sedikit lebih rumit jika dilakukan dengan hitungan manual, hal ini dikarenakan banyak faktor yang harus ikut dimasukkan sebagai inputan apabila ingin menentukan harga barang dipasaran. Ketika menjual sebuah produk, tentu saja yang diinginkan konsumen adalah harga yang menarik. Makanya, para pengusaha diharuskan memberikan penawaran menarik kepada pelanggannya. Namun, itu bukanlah perkara mudah. Salah-salah malah produk kita tidak akan ada yang beli. Oleh karena itu peran sistem pada saat ini sangat dibutuhkan, terutama sistem yang dapat membantu pimpinan perusahaan dalam menentukan harga barang suatu produk tersebut. Sistem yang membantu haruslah memiliki dasar hitungan yang mengikut sertakan faktor-faktor yang mendukung penentuan harga tersebut. Sistem tersebut pun haruslah memiliki dasar hitungan penentuan harga yang baik, salah satu dasar hitungan penentuan harga yang baik dan dapat digunakan adalah metode perhitungan Tsukamoto. Adapun konsep dari metode Tsukamoto ini dapat menyelesaikan permasalahan yang dihadapi, Metode Tsukamoto dalam prosesnya membutuhkan 6 faktor, yaitu X terbesar, Y terbesar, Z terbesar, X terkecil, Y terkecil dan Z terkecil. Dalam hal ini variabel X, Y dan Z merupakan variabel data pendukung dalam proses penentuan harga jual barang. 2. Landasan Teori 2.1 Fuy Inference System (FIS) Metode Tsukamoto Menurut Sri Kusumadewi dan Sri Hartati (2010:40) sistem inferensi fuy merupakan suatu kerangka komputasi yang didasarkan pada teori himpunan fuy, aturan fuy yang berbentuk IF- THEN, dan penalaran fuy. Implementasi Metode Fuy Tsukamoto Pada Penentuan Harga Jual Barang Dalam Konsep Fuy Logic. Oleh : Riky Amelia 104

2 Gambar 2 : Inferensi dengan menggunakan Metode Tsukamoto Gambar 1 : Diagram Blok Sistem Inferensi Fuy Sistem inferensi fuy menerima input crisp. Input ini kemudian dikirim ke basis pengetahuan yang berisi dan aturan fuy dalam bentuk IF-THEN. Fire strength (nilai keanggotaan anteseden atau α) akan dicari pada setiap aturan. Apabila aturan lebih dari satu, maka akan dilakukan agregasi semua aturan. Selanjutnya pada hasil agregasi akan dilakukan defuy untuk mendapatkan nilai crisp sebagai output sistem. Metode Tsukamoto adalah perluasan dari penalaran monoton. Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot (Kusumadewi dan Hartati, 2010:31) 3. Pembahasan Suatu Distributor alat-alat komputer akan menentukan harga jual Monitor LCD Samsung ukuran 18.5 inch. Dari data tahun terakhir, harga pembelian tertinggi mencapai Rp per unit, dan harga pembelian terendah mencapai Rp per unit. Harga Pasaran tertinggi mencapai Rp per unit, dan harga pasaran terendah mencapai Rp per unit. Harga Jual distributor tertinggi mencapai Rp per unit, untuk menghindari kerugian penjualan terendah per unit paling rendah Rp Tabel 1 : Data pembelian, pasaran, dan penjualan LCD Samsung 18,5 inch RSS-I (Ribbed Smoke Sheet-I) Data LCD Monitor 18,5 April 2011-Maret 2012 LCD 18,5 Inch (Rupiah) Pembelian Tertinggi Pembelian Terendah Pasaran Tetinggi Pasaran Terendah Penjualan Tertinggi Penjualan Terendah Berapa harga jual LCD monitor 18,5 inch yang harus dibandrol pada bulan Juni 2012 jika harga pembelian Rp per unit, dan harga pasaran Rp per unit, apabila proses penentuan harga jual distributor tersebut menggunakan 4 aturan fuy sebagai berikut : R1] IF Pembelian RENDAH And PasaranTINGGI THEN PenjualanRENDAH; [R2] IF PembelianRENDAH And PasaranRENDAH THEN PenjualanRENDAH; [R3] IF PembelianTINGGI And PasaranTINGGI THEN PenjualanTINGGI; [R4] IF PembelianTINGGI And PasaranRENDAH THEN PenjualanTINGGI; [Ada 3 variabel fuy yang akan dimodelkan, yaitu : 1. Pembelian, terdiri atas 2 himpunan fuy, yaitu TINGGI dan RENDAH Implementasi Metode Fuy Tsukamoto Pada Penentuan Harga Jual Barang Dalam Konsep Fuy Logic. Oleh : Riky Amelia 105

3 [X] [Y ] Gambar 3 : Fungsi Keanggotaan Variabel Pembelian x xmin [ ] xmax x PmbRENDAH X, xmin x xmax xmax xmin x xmax [ ] PmbTINGGI X x xmin x xmin, xmin x xmax xmax xmin x xmax 0, x [ X] x PmbTINGGI, x x , Kita bisa mencari nilai keanggotaan : PmbRENDAH ( )( ) / ,2 PmbTINGGI ( ) ( ) / ,8 2. Pasaran terdiri atas 2 himpunan fuy, yaitu TINGGI dan RENDAH Gambar 4 : Fungsi Keanggotaan Variabel Pasaran 1, y ymin [ ] ymax y PsrRENDAH y, ymin y ymax ymax ymin y ymax 0, 1, y [ ] y PsrRENDAH y, y y , y ymin [ ] y ymin PsrTINGGI y, ymin x ymax ymax ymin y ymax 0, y [ y] y PsrTINGGI, x y , Kita bisa mencari nilai keanggotaan : PsrRENDAH ( )( ) / ,8 PsrTINGGI ( )( ) / ,2 3. Penjualan terdiri atas 2 himpunan fuy yaitu RENDAH dan TINGGI Implementasi Metode Fuy Tsukamoto Pada Penentuan Harga Jual Barang Dalam Konsep Fuy Logic. Oleh : Riky Amelia 106

4 [Z ] Gambar 5 : Fungsi Keanggotaan Variabel Penjualan 1, max [ ] max PnjRENDAH, min y max max min y max 0, 1, [ ] PnjRENDAH, , min [ ] min PnjTINGGI, min max max min max 0, [ ] PnjTINGGI, , THEN Penjualan RENDAH Lihat himpunan Penjualan RENDAH ( )/ , [R3] IF Pembelian TINGGI And Pasaran TINGGI THEN Penjualan TINGGI Lihat himpunan Penjualan TINGGI ( )/ , [R4] IF Pembelian TINGGI And Pasaran RENDAH THEN Penjualan TINGGI; Lihat himpunan Produksi Barang BERTAMBAH ( )/ , Nilai dapat dicari dengan cara sebagai berikut αpred1 * 1 + αpred2 * 2 + αpred3 * 3 + αpred4 * 4 : αpred1 + αpred2 + αpred3 + αpred4 + 0,2 * ,2 * a 0,2 + 0, a 0,4 0,2 * ,8 * b 0,2 + 0, b ,4 + 1 a b , , Jadi harga jual LCD 18,5 inch adalah Rp ,- atau Rp ,- Sekarang kita cari nilai untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi fungsi implikasinya : [R1] IF Pembelian RENDAH And Pasaran TINGGI THEN Penjualan RENDAH Lihat himpunan Penjualan RENDAH ( )/ , [R2] IF Pembelian RENDAH And Pasaran RENDAH 4. Implementasi Sistem 4.1 Form Login Gambar 6 : Form Login Implementasi Metode Fuy Tsukamoto Pada Penentuan Harga Jual Barang Dalam Konsep Fuy Logic. Oleh : Riky Amelia 107

5 4.2 Form Utama Gambar 7 : Form Utama 4.3 Form Spesifikasi Barang Gambar 10 : Form Harga Pasaran 4.6 Form Data Harga Penjualan Gambar 8 : Form Spesifikasi Barang 4.4 Form Data Harga Pembelian Gambar 11 : Form Harga Penjualan 4.7 Form Penentuan Harga Gambar 9 : Form Data Harga Pembelian 4.5 Form Data Harga Pasaran Gambar 12 : Form Penentuan Harga Implementasi Metode Fuy Tsukamoto Pada Penentuan Harga Jual Barang Dalam Konsep Fuy Logic. Oleh : Riky Amelia 108

6 5. Kesimpulan Dan Saran 5.1 Kesimpulan Perancangan aplikasi sistem pendukung keputusan penentuan harga jual barang menggunakan logika fuy dengan metode tsukamoto yang telah diselesaikan ini dapatlah diambil beberapa kesimpulan diantaranya adalah: 1. Penetapan harga jual monitor liguid crystal display samsung ukuran 18.5 inci dengan menentukan berdasarkan biaya pembelian ditambah dengan keuntungan yang diambil. 2. Penerapan metode fuy tsukamoto pada sistem pendukung keputusan dalam penentuan jual barang dilakukan dengan menetukan variabel X,Y,Z yang akan dijadikan acuan dalam pengambilan keputusan. 3. Perancangan aplikasi ini digunakan visual basic.net dan database mysql dikarnakan, dapat digunakan untuk membangun aplikasi sistem pendukung keputusan dan mudah menampilkan info data-data pendukung keputusan. 5.1 Saran Adapun saran-saran yang bisa diberikan untuk program ini agar bisa didapatkan hasil yang maksimal adalah: 1. Menampilkan step-step atau langkah-langkah setiap proses yang dikerjakan, sehingga dalam proses penggunaanya kita mengetahui bagaimana proses tersebut berlangsung. 2. Pengembangan terhadap metode yang digunakan, baik dari segi perhitungan maupun akurasi hasil keluaran. Diharapkan dilakukannya penyempurnaan input dan output dari aplikasi tersebut. 3. Diharapkan penerapan aplikasi tersebut tidak hanya berbasis desktop saja, tapi bisa juga berbasis web (web based). Daftar Pustaka [1]. Jogiyanto HM., Pengenalan Komputer, Penerbit ANDI, Yogyakarta: 1999 [2]. Sri Kusumadewi dan Hari Purnomo., Aplikasi Logika Fuy Untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta: 2010 [3]. [4]. e-tsukamoto.html [5]. e-fuy-tsukamoto-oleh-evi ratna.html [6]. tudio Implementasi Metode Fuy Tsukamoto Pada Penentuan Harga Jual Barang Dalam Konsep Fuy Logic. Oleh : Riky Amelia 109

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

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA)

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA) Jurnal Informatika Mulawarman Vol. 10 No. 1 Februari 2015 32 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA) Hanis

Lebih 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

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University

Lebih 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 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan zaman dan kompleksnya kehidupan, maka manusia menginginkan tersedianya informasi yang tepat dan akurat dalam mengambil keputusan.

Lebih terperinci

Fuzzy Inference System Dengan Metode Tsukamoto Sebagai Penunjang Keputusan Produksi (Studi Kasus : PT. Talkindo Selaksa Anugrah) Abstrak

Fuzzy Inference System Dengan Metode Tsukamoto Sebagai Penunjang Keputusan Produksi (Studi Kasus : PT. Talkindo Selaksa Anugrah) Abstrak Jurnal Sistem Informasi (JSI), VOL. 7, NO., April 205, ISSN Print : 2085-588 ISSN Online : 2355-464 Fuzzy Inference System Dengan Metode Tsukamoto Sebagai Penunjang Keputusan Produksi (Studi Kasus : PT.

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO Hamdani, Deviana Selywita SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO 1) Hamdani, 2) Deviana Selywita, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Mulawarman

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta

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

1.1. Latar Belakang Masalah

1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu aplikasi sistem cerdas yang paling sukses dan masih berkembang saat ini yaitu peramalan beban listrik. Peramalan beban listrik adalah suatu ilmu

Lebih terperinci

SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY

SIMULASI 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 terperinci

BAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)

BAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004) BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN KREDIT SEPEDA MOTOR MENGGUNAKAN FUZZY SYSTEM PADA DEALER YAMAHA

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN KREDIT SEPEDA MOTOR MENGGUNAKAN FUZZY SYSTEM PADA DEALER YAMAHA Techno.COM, Vol. 4, No. 2, Mei 25: 88-97 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN KREDIT SEPEDA MOTOR MENGGUNAKAN FUZZY SYSTEM PADA DEALER YAMAHA Ahmad David Khafindin, Acun Kardianawati 2,2 Sistem Informasi,

Lebih terperinci

Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani

Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika

Lebih terperinci

PENGHITUNGAN WAKTU PENGERINGAN KAYU JATI METODE PROGRESIF DENGAN LOGIKA FUZZY (STUDI KASUS CV. DWI TUNGGAL BAWEN)

PENGHITUNGAN WAKTU PENGERINGAN KAYU JATI METODE PROGRESIF DENGAN LOGIKA FUZZY (STUDI KASUS CV. DWI TUNGGAL BAWEN) PENGHITUNGAN WAKTU PENGERINGAN KAYU JATI METODE PROGRESIF DENGAN LOGIKA FUZZY (STUDI KASUS CV. DWI TUNGGAL BAWEN) Zainal Fanani, Heru Prastawa, Suswianti Program Studi Teknik Industri UNDIP Email : rosyada@gmail.com

Lebih terperinci

Rudi Hartoyo (0911870)

Rudi Hartoyo (0911870) PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN MENETUKAN STATUS KARYAWAN KONTRAK SALES PROMOTION GIRL MENJADI KARYAWAN TETAP DENGAN METODE SIMPLE ADDITIVE WEIGHTING Rudi Hartoyo (0911870) Mahasiswa Program Studi

Lebih terperinci

Penerapan Metode Fuzzy Tsukamoto Untuk Prediksi Nilai Tukar Rupiah

Penerapan Metode Fuzzy Tsukamoto Untuk Prediksi Nilai Tukar Rupiah ISSN: 2089-3787 609 Penerapan Metode Fuzzy Tsukamoto Untuk Prediksi Nilai Tukar Rupiah Adani Dharmawati, Hugo Aprilianto STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru adani.dharmawati@yahoo.com, hugo.aprilianto@gmail.com

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

Sistem Pendukung Keputusan Penentuan Warga Penerima Jamkesmas Dengan Metode Fuzzy Tsukamoto

Sistem Pendukung Keputusan Penentuan Warga Penerima Jamkesmas Dengan Metode Fuzzy Tsukamoto Sistem Pendukung Keputusan Penentuan Warga Penerima Jamkesmas Dengan Metode Fuzzy Tsukamoto Miftahus Sholihin, Nurul Fuad, Nurul Khamiliyah *) Program Studi Teknik Informatika Universitas Islam Lamongan

Lebih terperinci

Tito Pinandita 1) dan Ahmad 2) Jl. Raya Dukuhwaluh Purwokerto

Tito Pinandita 1) dan Ahmad 2) Jl. Raya Dukuhwaluh Purwokerto Prediksi Tingkat Kompetensi Profesional Pendidik Menggunakan Sistem Inferensi Fuzzy Metode Tsukamoto (Predictionof the Level of Professional Teachers Competence Using Fuzzy Inference System Tsukamoto Method)

Lebih terperinci

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.

Lebih terperinci

Pengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng

Pengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng Pengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng Sunanto Jurusan Teknik Informatika, STMIK Amik Riau, Pekanbaru,Riau sunanto@stmik-amik-riau.ac.id

Lebih terperinci

APLIKASI PERAMALAN HARGA JUAL RUMAH LELANG EX-KPR BTN MENGGUNAKAN FUZZY TSUKAMOTO

APLIKASI PERAMALAN HARGA JUAL RUMAH LELANG EX-KPR BTN MENGGUNAKAN FUZZY TSUKAMOTO APLIKASI PERAMALAN HARGA JUAL RUMAH LELANG EX-KPR BTN MENGGUNAKAN FUZZY TSUKAMOTO Agung Triayudi 1 Muhamad Kosasih 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi Universitas Serang Raya

Lebih terperinci

IMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH

IMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH IMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH Wilis Kaswidjanti 1), Agus Sasmito Aribowo 2), Cahyo Budi Wicaksono 3) 1,2,3) Prodi Teknik

Lebih terperinci

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES Ayu Permata Lestari (0911267) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl.

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA DI POLITEKNIK NEGERI SRIWIJAYA MENGGUNAKAN METODE FUZZY LOGIC TSUKAMOTO

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA DI POLITEKNIK NEGERI SRIWIJAYA MENGGUNAKAN METODE FUZZY LOGIC TSUKAMOTO SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA DI POLITEKNIK NEGERI SRIWIJAYA MENGGUNAKAN METODE FUZZY LOGIC TSUKAMOTO Suryati 1), M. Ricky Hikmawan 2), Rendra Gustriansyah 3) 1) Program Studi Sistem Informasi

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 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

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012

PENALARAN 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 terperinci

SISTEM PENDUKUNG KEPUTUSAN PENANGANAN KESEHATAN BALITA MENGGUNAKAN PENALARAN FUZZY MAMDANI

SISTEM PENDUKUNG KEPUTUSAN PENANGANAN KESEHATAN BALITA MENGGUNAKAN PENALARAN FUZZY MAMDANI SISTEM PENDUKUNG KEPUTUSAN PENANGANAN KESEHATAN BALITA MENGGUNAKAN PENALARAN FUZZY MAMDANI Ika Kurnianti Ayuningtiyas 1, Fajar Saptono 2, Taufiq Hidayat 3 Laboratorium Pemrograman dan Informatika Teori

Lebih terperinci

DAFTAR ISI ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN

DAFTAR ISI ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN DAFTAR ISI ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... iv DAFTAR GAMBAR...x DAFTAR TABEL... xiii BAB I PENDAHULUAN 1.1 Latar Belakang Masalah...1 1.2 Identifikasi Masalah...3 1.3 Maksud

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

PENENTUAN KUALITAS CABE MERAH VARIETAS HOT BEAUTY DENGAN FUZZY INFERENCE SYSTEM TSUKAMOTO

PENENTUAN KUALITAS CABE MERAH VARIETAS HOT BEAUTY DENGAN FUZZY INFERENCE SYSTEM TSUKAMOTO PENENTUAN KUALITAS CABE MERAH VARIETAS HOT BEAUTY DENGAN FUZZY INFERENCE SYSTEM TSUKAMOTO oleh TAUFIQ HANIF TRI SUSELO M0107017 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh

Lebih 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

RANCANG BANGUN APLIKASI PERAMALAN CUACA DENGAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS KOTA SURABAYA)

RANCANG BANGUN APLIKASI PERAMALAN CUACA DENGAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS KOTA SURABAYA) RANCANG BANGUN APLIKASI PERAMALAN CUACA DENGAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS KOTA SURABAYA) Yonatan Widianto 1*, Tamaji 2 1 Program Studi Teknik Informatika, Fakultas Teknik, Universitas

Lebih terperinci

PENENTUAN KERENTANAN POTENSI BANJIR DENGAN LOGIKA FUZZY TSUKAMOTO. Kelompok G Kelas A

PENENTUAN KERENTANAN POTENSI BANJIR DENGAN LOGIKA FUZZY TSUKAMOTO. Kelompok G Kelas A PROYEK AKHIR MATA KULIAH LOGIKA FUZZY SEMESTER GENAP 2013-2014 PENENTUAN KERENTANAN POTENSI BANJIR DENGAN LOGIKA FUZZY TSUKAMOTO Disusun oleh: Kelompok G Kelas A Denis Mailinda (115090600111014) Ulya Darojatun

Lebih terperinci

DECISION SUPPORT SYSTEM UNTUK PEMBELIAN MOBIL MENGGUNAKAN FUZZY DATABASE MODEL TAHANI

DECISION SUPPORT SYSTEM UNTUK PEMBELIAN MOBIL MENGGUNAKAN FUZZY DATABASE MODEL TAHANI DECISION SUPPORT SYSTEM UNTUK PEMBELIAN MOBIL MENGGUNAKAN FUZZY DATABASE MODEL TAHANI Eliyani 1, Utomo Pujianto 2, Didin Rosyadi 3 123 Jurusan Teknik Informatika Muhammadiyah Gresik Jl.Sumatera 101Gresik

Lebih terperinci

Sistem Pendukung Keputusan Pemilihan Penerima Beasiswa Berbasis Fuzzy Mamdani

Sistem Pendukung Keputusan Pemilihan Penerima Beasiswa Berbasis Fuzzy Mamdani ISSN: 0216-3284 899 Sistem Pendukung Keputusan Pemilihan Penerima Beasiswa Berbasis Fuzzy Mamdani Rabiatul Adawiah, Ruliah Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer

Lebih terperinci

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

NURAIDA, 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 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

Kata kunci : : SPK, Fuzzy Logic, Kinerja karyawan, WEB.

Kata kunci : : SPK, Fuzzy Logic, Kinerja karyawan, WEB. SISTEM PENDUKUNG KEPUTUSAN PENGELOLAAN KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY LOGIC BERBASIS WEB DI PT.PREMIER EQUITY FUTURES BANDUNG Ardiles Sinaga,M.T 1, Yessy Resti Melati 2 1,2 Program Studi

Lebih terperinci

SISTEM PENUNJANG KEPUTUSAN KELAYAKAN PEMBERIAN PINJAMAN DENGAN METODE FUZZY TSUKAMOTO

SISTEM PENUNJANG KEPUTUSAN KELAYAKAN PEMBERIAN PINJAMAN DENGAN METODE FUZZY TSUKAMOTO SISTEM PENUNJANG KEPUTUSAN KELAYAKAN PEMBERIAN PINJAMAN DENGAN METODE FUZZY TSUKAMOTO Tri Murti 1), Leon Andretti Abdillah 2), Muhammad Sobri 3) 1,2) Program Studi Sistem Informasi Fakultas Ilmu Komputer,Universitas

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KEGIATAN EKSTRAKURIKULER MENGGUNAKAN FUZZY TSUKAMOTO

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KEGIATAN EKSTRAKURIKULER MENGGUNAKAN FUZZY TSUKAMOTO Artikel Skripsi SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KEGIATAN EKSTRAKURIKULER MENGGUNAKAN FUZZY TSUKAMOTO SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom)

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 LOGIKA FUZZY MENGGUNAKAN METODE TSUKAMOTO DALAM PENGAMBILAN KEPUTUSAN PENENTUAN JUMLAH PRODUKSI

APLIKASI LOGIKA FUZZY MENGGUNAKAN METODE TSUKAMOTO DALAM PENGAMBILAN KEPUTUSAN PENENTUAN JUMLAH PRODUKSI APLIKASI LOGIKA FUZZY MENGGUNAKAN METODE TSUKAMOTO DALAM PENGAMBILAN KEPUTUSAN PENENTUAN JUMLAH PRODUKSI Skripsi untuk memenuhi sebagian persyaratan mencapai derajat Sarjana S-1 Program Studi Matematika

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 1 BADAR DENGAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP)

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 1 BADAR DENGAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP) SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 1 BADAR DENGAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP) Ahmad Khaidir (0911023) Mahasiswa Program Studi Teknik Informatika, STMIK

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

APLIKASI FUZZY INFERENCE SYSTEM (FIS) METODE SUGENO DALAM MENENTUKAN KEBUTUHAN ENERGI DAN PROTEIN PADA BALITA

APLIKASI FUZZY INFERENCE SYSTEM (FIS) METODE SUGENO DALAM MENENTUKAN KEBUTUHAN ENERGI DAN PROTEIN PADA BALITA APLIKASI FUZZY INFERENCE SYSTEM (FIS) METODE SUGENO DALAM MENENTUKAN KEBUTUHAN ENERGI DAN PROTEIN PADA BALITA Rosida Wachdani, Zainal Abidin, M. Ainul Yaqin Program Studi Teknik Informatika, Fakultas Sains

Lebih terperinci

Sistem Pendukung Keputusan Supplier Jilbab Menggunakan Fuzzy Tsukamoto (Studi Kasus: D sist Hijab Fashion)

Sistem Pendukung Keputusan Supplier Jilbab Menggunakan Fuzzy Tsukamoto (Studi Kasus: D sist Hijab Fashion) Sistem Pendukung Keputusan Jilbab Menggunakan Fuzzy Tsukamoto (Studi Kasus: D sist Hijab Fashion) Dwinda Septiani 1, Addy Suyatno 2,, Awang Harsa Kridalaksana 2 1 Laboratorium Robotic dan Embedded System,

Lebih terperinci

PERENCANAAN PENGAMBILAN MATA KULIAH DENGAN METODE FUZZY LOGIC (STUDI KASUS PADA STMIK ASIA MALANG) ABSTRAK

PERENCANAAN PENGAMBILAN MATA KULIAH DENGAN METODE FUZZY LOGIC (STUDI KASUS PADA STMIK ASIA MALANG) ABSTRAK PERENCANAAN PENGAMBILAN MATA KULIAH DENGAN METODE FUZZY LOGIC (STUDI KASUS PADA STMIK ASIA MALANG) Broto Poernomo Tri Prasetyo Dosen Teknik Informatika STMIK ASIA Malang papung@gmail.com ABSTRAK Perencanaan

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

TUGAS AKHIR. Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang. Oleh :

TUGAS AKHIR. Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang. Oleh : PENENTUAN KEBUTUHAN NUTRISI TUBUH MENGGUNAKAN LOGIKA FUZZY, TUMBUH KEMBANG MENGGUNAKAN KPSP PADA BAYI USIA 1 12 BULAN (STUDI KASUS PUSKESMAS WISATA DAU) TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar

Lebih terperinci

Definisi LOGIKA FUZZY. Himpunan Fuzzy. Himpunan Fuzzy(contd) 3/13/2012. Budi Rudianto

Definisi LOGIKA FUZZY. Himpunan Fuzzy. Himpunan Fuzzy(contd) 3/13/2012. Budi Rudianto 3/3/22 Definisi LOGIKA FUY Budi Rudianto http://rizaldi.web.id/repo/fuzzy/logikafuzzy-.ppt Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Di mana logika

Lebih terperinci

BAB I PENDAHULUAN jiwa (Badan Pusat Statistik, 2014). Akibat pertumbuhan penduduk

BAB I PENDAHULUAN jiwa (Badan Pusat Statistik, 2014). Akibat pertumbuhan penduduk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dewasa ini, jumlah penduduk di Indonesia terus bertambah 1,21% per tahun, jumlah penduduk Indonesia pada tahun 2015 dapat diperkirakan menjadi 253.370.792 jiwa

Lebih terperinci

KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE

KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE Fitria Suryatini Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 (UNISMA) E-mail: fitriasuryatini88@gmail.com

Lebih terperinci

Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan

Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan 128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus

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

APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI

APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI Hafsah1), Wilis Kaswidjanti2), Tendi R. Cili3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari

Lebih terperinci

SISTEM PAKAR PENENTUAN JENIS PENYAKIT HATI DENGAN METODE INFERENSI FUZZY TSUKAMOTO (Study Kasus di RS PKU Muhammadiyah Yogyakarta)

SISTEM PAKAR PENENTUAN JENIS PENYAKIT HATI DENGAN METODE INFERENSI FUZZY TSUKAMOTO (Study Kasus di RS PKU Muhammadiyah Yogyakarta) SISTEM PAKAR PENENTUAN JENIS PENYAKIT HATI DENGAN METODE INFERENSI FUZZY TSUKAMOTO (Study Kasus di RS PKU Muhammadiyah Yogyakarta) Ardi Pujiyanta, Ari Pujiantoro Program Studi Teknik Informatika Universitas

Lebih terperinci

IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL

IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL INFOKAM Nomor II/Th. X/September/14 23 IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL SUMARDI (Dosen Amik JTC Semarang) ABSTRAK

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA BANTUAN SOSIAL PADA BADAN KETAHANAN PANGAN SUMATERA SELATAN

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA BANTUAN SOSIAL PADA BADAN KETAHANAN PANGAN SUMATERA SELATAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA BANTUAN SOSIAL PADA BADAN KETAHANAN PANGAN SUMATERA SELATAN M. Fariz Januarsyah Jurusan Teknik Informatika STMIK PalComTech Palembang Abstrak Proses seleksi

Lebih terperinci

PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA

PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA LOGO PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA Oleh: DYNES RIZKY NAVIANTI (1208100017) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965 yang merupakan guru besar di University of California Berkeley pada papernya yang berjudul

Lebih terperinci

Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)

Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap) Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap) Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani Fakultas

Lebih terperinci

PENENTUAN KELAYAKAN KREDIT MOBIL MENGGUNAKAN METODE FUZZY MAMDANI

PENENTUAN KELAYAKAN KREDIT MOBIL MENGGUNAKAN METODE FUZZY MAMDANI PENENTUAN KELAYAKAN KREDIT MOBIL MENGGUNAKAN METODE FUZZY MAMDANI Muhamad Ibrohim 1, Ahmad irfan Malik 2 Program Studi Teknik Informatika - Universitas Serang Raya 1 b41m.cyber@gmail.com 2 thepanser46@gmail.com

Lebih 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

SISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM

SISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM Marganda Simarmata [1], Dahlan Abdullah [2] 1.Program Studi Teknik Informatika

Lebih terperinci

Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa

Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A -10 Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa Rani Mita Sari, Agus Maman Abadi FMIPA, Universitas Negeri Yogyakarta

Lebih terperinci

SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI

SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI 1209100023 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

IMPLEMENTASI 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 terperinci

ADLN - Perpustakaan Universitas Airlangga BAB IV PEMBAHASAN. menggunakan pemrograman Microsoft Visual Basic.NET

ADLN - Perpustakaan Universitas Airlangga BAB IV PEMBAHASAN. menggunakan pemrograman Microsoft Visual Basic.NET 27 BAB IV PEMBAHASAN Pada bab ini akan dibahas tentang penerapan fuzzy inference system Tsukamoto untuk mendiagnosis penyakit mata serta implementasi ke dalam program menggunakan pemrograman Microsoft

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

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

: Pengantar Intelegensi Buatan. Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB

: Pengantar Intelegensi Buatan. Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB Sumber : - Belajar Cepat Fuzzy Logic menggunakan MATLAB oleh Agus Naba, Penerbit ANDI - Slide bahan Kuliah IF4058 Topik Khusus IF oleh Rinaldi Munir,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN TABLET PC MENGGUNAKAN METODE FUZZY MAMDANI. Amri Muhammad. Hilmi Fachrudin Irma

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN TABLET PC MENGGUNAKAN METODE FUZZY MAMDANI. Amri Muhammad. Hilmi Fachrudin Irma SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN TABLET PC MENGGUNAKAN METODE FUZZY MAMDANI Amri Muhammad Hilmi Fachrudin Irma PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI. Jl.KH.Ahmad

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

APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMBING POTONG MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW)

APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMBING POTONG MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW) APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMBING POTONG MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW) Akhmad Khanif, Sri Eniyati, Agus Prasetyo Utomo Abstrak Era globalisasi menuntut sumber daya manusia

Lebih terperinci

ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5.

ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5. ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5. Indah Pratiwi Jurusan Teknik Industri, Universitas Muhammadiyah Surakarta Jl. A. Yani

Lebih terperinci

Pemetaan Daerah Rawan Banjir Dengan Menggunakan Logika Fuzzy Tsukamoto Berbasis Sistem Informasi Geografis. Puguh Sulistyo Pambudi

Pemetaan Daerah Rawan Banjir Dengan Menggunakan Logika Fuzzy Tsukamoto Berbasis Sistem Informasi Geografis. Puguh Sulistyo Pambudi Pemetaan Daerah Rawan Banjir Dengan Menggunakan Logika Fuzzy Tsukamoto Berbasis Sistem Informasi Geografis Puguh Sulistyo Pambudi Program Studi Teknik Komputer Jurusan Teknologi Informasi ABSTRAK Sistem

Lebih terperinci

ABSTRACT. Keywords: Decision Support Systems, Lending (mortgages), Fuzzy Inference System (FIS) Tsukamoto method. ABSTRAK

ABSTRACT. Keywords: Decision Support Systems, Lending (mortgages), Fuzzy Inference System (FIS) Tsukamoto method. ABSTRAK ABSTRACT Competition in the banking world today is getting heavier and tighter. This is because the products of the bank to another bank can be said to be the same. So the competition is good for customers

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

( ) ( ;,, ) 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

BAB III METODE PENELITIAN. pegawai negeri pada instansi pemerintahan, seperti digambarkan sebagai

BAB III METODE PENELITIAN. pegawai negeri pada instansi pemerintahan, seperti digambarkan sebagai 30 BAB III METODE PENELITIAN Tugas akhir ini berupa proyek (pengembangan), di mana sistem yang ada dapat memberikan suatu penyelesaian dari permasalahan mengenai analisa tingkat resiko yang akan dihadapi

Lebih terperinci

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK

adalahkelompok 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 terperinci

Ada 5 GUI tools yang dapat dipergunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran, yaitu :

Ada 5 GUI tools yang dapat dipergunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran, yaitu : BAB V FUZZY LOGIC MATLAB TOOLBOX Agar dapat mengunakan fungsi-fungsi logika fuzzy yang ada paad Matlab, maka harus diinstallkan terlebih dahulu TOOLBOX FUZZY. Toolbox. Fuzzy Logic Toolbox adalah fasilitas

Lebih terperinci

PEMILIHAN SMK MENGGUNAKAN FUZZY QUERY BERBASIS WEB

PEMILIHAN SMK MENGGUNAKAN FUZZY QUERY BERBASIS WEB PEMILIHAN SMK MENGGUNAKAN FUZZY QUERY BERBASIS WEB Arif Dwi Kurniawan, Arna Fariza 2, S. Kom, M. Kom, Rengga Asmara. 2, S.Kom 1 Mahasiswa, 2 Dosen Pembimbing Politeknik Elektronika Negeri Surabaya Institut

Lebih terperinci

SISTEM PAKAR MENGGUNAKAN METODE FUZZY ANALISIS GAP UNTUK PENILAIAN KINERJA PEGAWAI PADA KANTOR PERPUSTAKAAN DAN ARSIP KOTA SEMARANG.

SISTEM PAKAR MENGGUNAKAN METODE FUZZY ANALISIS GAP UNTUK PENILAIAN KINERJA PEGAWAI PADA KANTOR PERPUSTAKAAN DAN ARSIP KOTA SEMARANG. SISTEM PAKAR MENGGUNAKAN METODE FUZZY ANALISIS GAP UNTUK PENILAIAN KINERJA PEGAWAI PADA KANTOR PERPUSTAKAAN DAN ARSIP KOTA SEMARANG Heri Heryanto Teknik Informatika S1, Fakultas Ilmu Komputer, Universitas

Lebih terperinci

Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:

Crisp 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 terperinci

Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product

Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product Indah Kumala Sari 1, Yohana Dewi Lulu W 2, Kartina Diah K 3 1,2 Jurusan Sistem Informasi,.3 Jurusan Teknik

Lebih terperinci

Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi

Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Jurnal Gradien Vol.3 No.2 Juli 2007 : 247-251 Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Syamsul

Lebih terperinci

PENERAPAN LOGIKA FUZZY SEBAGAI SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA. Gedung GOI Lt.II Bandara Ngurah Rai Denpasar

PENERAPAN LOGIKA FUZZY SEBAGAI SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA. Gedung GOI Lt.II Bandara Ngurah Rai Denpasar 214 PENERAPAN LOGIKA FUZZY SEBAGAI SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA Decky Irmawan 1), Khamami Herusantoso 2) 1) Stasiun Meteorologi Klas I Ngurah Rai Gedung GOI Lt.II Bandara Ngurah Rai Denpasar

Lebih terperinci

BAB VII LOGIKA FUZZY

BAB VII LOGIKA FUZZY BAB VII LOGIKA FUZZY Logika fuzzy 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 memetakan

Lebih terperinci

2015 PENERAPAN METODE FUZZY DATABASE MODEL TAHANI UNTUK PENCARIAN TEMPAT KOS BERBASIS WEB

2015 PENERAPAN METODE FUZZY DATABASE MODEL TAHANI UNTUK PENCARIAN TEMPAT KOS BERBASIS WEB BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian Sistem pendukung keputusan (Decision Support System disingkat DSS) adalah bagian dari sistem informasi berbasis komputer termasuk sistem berbasis pengetahuan

Lebih terperinci

Keywords: FuzzyTsukamoto, FuzzyMamdani, Recommendations Savings, Average daily balance.

Keywords: FuzzyTsukamoto, FuzzyMamdani, Recommendations Savings, Average daily balance. PERBANDINGAN METODE FUZZY TSUKAMOTO DAN MAMDANI UNTUK MEREKOMENDASI NILAI SIMPANAN TABUNGAN BERDASARKAN SALDO RATA-RATA HARIAN PADA KOPERASI JASA KEUANGAN SYARIAH (STUDI KASUS DI BMT BINA IHSANUL FIKRI)

Lebih terperinci

Ci Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:

Ci 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 terperinci

PENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC)

PENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC) PENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC) Kartina Diah KW,ST1), Zulfa Noviardi2) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1

Lebih terperinci

Vol. X Nomor 29 Juli Jurnal Teknologi Informasi ISSN : PEMODELAN UNTUK MENENTUKAN KECUKUPAN ANGKA GIZI IBU HAMIL.

Vol. X Nomor 29 Juli Jurnal Teknologi Informasi ISSN : PEMODELAN UNTUK MENENTUKAN KECUKUPAN ANGKA GIZI IBU HAMIL. PEMODELAN UNTUK MENENTUKAN KECUKUPAN ANGKA GIZI IBU HAMIL Siti Rihastuti* 1, Kusrini 2, Hanif Al Fatta 3 1,2,3 Magister Teknik Informatika STMIK AMIKOM Yogyakarta E-mail: siti.r@students.amikom.ac.id 1,kusrini@amikom.ac.id

Lebih terperinci

Sistem Perencanaan Penambahan Stok Barang menggunakan Metode Fuzzy C-Means dan Fuzzy Tsukamoto (Studi Kasus di Distributor Alfamart Semarang)

Sistem Perencanaan Penambahan Stok Barang menggunakan Metode Fuzzy C-Means dan Fuzzy Tsukamoto (Studi Kasus di Distributor Alfamart Semarang) TEKNOSI, Vol. 02, No. 02, Agustus 2016 43 Sistem Perencanaan Penambahan Stok Barang menggunakan Metode Fuzzy C-Means dan Fuzzy Tsukamoto (Studi Kasus di Distributor Alfamart Semarang) Tono Puryanto 1,

Lebih terperinci