JURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 6 NO. 1 MARET 2013
|
|
- Inge Gunawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGGUNAAN LOGIKA FUZZYCLUSTERING UNTUK PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT Heru Dibyo Laksono 1 Abraham Arief 2 ABSTRACT Development of power systems it is necessary to forecast the electricity demand in the future. Forecasting results obtained can be considered for future policy formulation. It aims to achieve the optimization of the electricity production process. This study uses a method of forecasting fuzzy c-means cluster and Sugeno type fuzzy system inteference. Forecasting is done long term, ie until Forecasting long-term electric energy demand generally refers to the statistics of the past and on the basis of analysis of the energy consumption characteristics. These characteristics are usually influenced by several factors, such as population, number of electricity customers, the electrification ratio GDP (Constant 2000), and so forth. Methods of forecasting fuzzy clusters and fuzzy c- means type sugenoini inteference system uses historical data accumulated in the period from 2002 to Forecasting results indicate that the electrical energy needs in West Sumatra province in 2021 amounted GWh. This value is not much different from the estimates made by PT. State Electricity Company (PT PLN) (Persero) region of West Sumatra, in the amount of GWh. Keywords: estimation of electrical energy, fuzzy c-means cluster, fuzzy inteference system, Sugeno INTISARI Pengembangan sistem tenaga listrik diperlukan adanya peramalan kebutuhan tenaga listrik dimasa yang akan datang. Hasil peramalan yang didapatkan bisa dijadikan bahan pertimbangan untuk merumuskan kebijakan masa mendatang. Hal ini bertujuan demi tercapainya optimalisasi dalam proses penyediaan energi listrik. Penelitian ini menggunakan metoda peramalan fuzzy cluster c-means dan fuzzy inteference system tipe sugeno. Peramalan yang dilakukan bersifat jangka panjang, yaitu sampai tahun Peramalan kebutuhan energi listrik jangka panjang umumnya mengacu pada statistik masa lalu dan atas dasar analisis karakteristik konsumsi energi yang lalu. Karakteristik tersebut biasanya dipengaruhi oleh beberapa faktor, seperti jumlah penduduk, jumlah pelanggan listrik, rasio elektrifikasi PDRB (Harga Konstan 2000), dan lain sebagainya. Metoda peramalan fuzzy cluster c-means dan fuzzy inteference system tipe sugenoini menggunakan data historis yang diakumulasikan dalam jangka waktu dari tahun 2002 sampai Hasil Peramalan menunjukkan bahwa kebutuhan energi listrik di Provinsi Sumatera Barat pada tahun 2021 sebesar 1 Dosen Jurusan Teknik Elektro Fakultas Teknik Universitas Andalas 2 Alumni Jurusan Teknik Elektro Fakultas Teknik Universitas Andalas 9
2 GWh. Nilai ini tidak jauh berbeda dengan perkiraan yang dilakukan oleh PT. Perusahaan Listrik Negara (PT. PLN) (Persero) Wilayah Sumatera Barat, yaitu sebesar GWh. Kata Kunci : perkiraan kebutuhan energi listrik, fuzzy cluster c-means, fuzzy inteference system, sugeno 10
3 PENDAHULUAN Konsumsi energi listrik di Provinsi Sumatera Barat setiap tahun mengalami peningkatan setiap tahunnya. Menurut informasi yang dikeluarkan PT. Perusahaan Listrik Negara (PT. PLN) (Persero) Wilayah Sumatera Barat, rata rata pertumbuhan kebutuhan energi listrik setiap tahun dari tahun 2002 sampai tahun 2011 sebesar 4.22 %, dimana kosumsi energi listrik masyarakat provinsi Sumatera Barat mengalami peningkatan dari GWh pada tahun 2002 menjadi GWh pada tahun 2011 dengan komposisi pertumbuhan yang terbesar berasal dari sektor rumahtangga sebesar %, kedua sektor industri sebesar %, ketiga sektor komersil sebesar % dan keempat sektor publik sebesar % [1]. Untuk memenuhi kebutuhan energi listrik masyarakat Provinsi Sumatera Barat ini, PT. Perusahaan Listrik Negara (PT. PLN) (Persero) Wilayah Sumatera Barat merencanakan akan membangun beberapa pembangkit listrik diantaranya Pembangkit Listrik Tenaga Uap (PLTU) Teluk Sirih Kecamatan Bungus Teluk Kabung Kota Padang. Pembangunan Pembangkit Listrik Tenaga Uap (PLTU) Teluk Sirih ini bertujuan untuk menambah kapasitas pembangkitan energi listrik di Pulau Sumatera umumnya dan Provinsi Sumatera Barat Khususnya[1]. Untuk membangun sebuah pembangkit tenaga listrik dibutuhkan perencanaan yang matang terutama perencanaan pengembangan kapasitas pembangkit yang akan dibangun. Dalam perencanaan pengembangan sistem tenaga listrik diperlukan suatu sistem peramalan kebutuhan tenaga listrik dimasa yang akan dating dengan faktor kesalahan yang kecil. Hasil peramalan yang diperoleh bisa dijadikan pertimbangan bagi manajemen PT. Perusahaan Listrik Negara (PT. PLN) (Persero) Wilayah Sumatera Barat untuk membuat kebijakan mengenai kebutuhan energi listrik di Provinsi Sumatera Barat. Selain itu peramalan kebutuhan energi listrik ini bertujuan untuk memperoleh optimalisasi dalam proses penyediaan energi listrik. Hasil peramalan kebutuhan energi listrik ini akan membentuk suatu pola tertentu yang dikenal dengan nama pola data time series. Pola data yang terbentuk ini tidak bersifat linier sehingga sulit atau bahkan tidak mungkin untuk dimodelkam secara matematis dengan pengelompokkan data secara biasa. Data yang dikelomppokan secara biasa terdapat garis batas antar kelompok yang tegas. Jika data tidak termasuk kelompok yang satu berarti data tersebut termasuk kelompok yang lain, tetapi ada data yang berada diantara batas kelompok, maka data tersebut tidak dianggap kelompok manapun. Untuk itu digunakan pengelompokkan data dengan menggunakan logika fuzzy (Fuzzy Clustering ). Penerapana logika fuzzy untuk peramalan kebutuhan tenaga listrik ini telah dilakukan oleh beberapa para penelitinya diataranya Rinaldi Dalimi [2],Hesham K. Alfares [3], Kyung-Bin Song [4], Chenthur Pandian [5], dan RobJ. Hyndman [6], Heru Dibyo Laksono dkk [7], Utama [8]. Adapun tujuan dari penelitian ini adalah untuk meramalkan besarnya pemakaian energi listrik di Provinsi Sumatera Barat sampai tahun 2021 dengan menggunakan logika fuzzy clustering. Hasil peramalan yang diperoleh dapat dijadikan salah satu bahan pertimbangan dalam melakukan analisa kebutuhan energi listrik di Provinsi Sumatera Barat. Penelitian ini dilakukan dengan batasan sebagai berikut 11
4 1. Perangkat lunak yang digunakan adalah Matlab versi Pola pertumbuhan tenaga listrik sesuai dengan pola selama ini dengan batasan tidak ada perubahan radikal dalam jangka waktu 10 tahun kedepan. 3. Data yang digunakan adalah data kosumsi energi listrik Provinsi Sumatera Barat dari Tahun 2002 sampai dengan tahun Toleransi kesalahan untuk peramalan kebutuhan energi listrik ini sebesar 10 % PENDEKATAN PEMECAHAN MASALAH Peramalan Energi Listrik Metode peramalan adalah suatu cara yang digunakan untuk mengukur atau memperkirakan kejadian dimasa yang akan datang. Perkiraan dapat dilakukan secara kualitatif maupun secara kuantitatif. Perkiraan dengan metode kualitatif adalah perkiraan yang didasarkan pada pendapat dari yang melakukan perkiraan, sedangkan perkiraan kuantitatif adalah perkiraan yang menggunakan metode statistik.peramalan kebutuhan energi listrik sangat diperlukan untuk membantu mengambil kebijaksanaan penyediaan energi listrik, baik jangka pendek, jangka menengah, maupun jangka panjang. Berdasarkan waktu peramalannya, peramalannyadapat dibagi dalam tiga kelompok [8] yaitu : 1. Perkiraan jangka pendek, dengan jangka waktunya mulai dari satu hari sampai satu minggu. 2. Perkiraan jangka menengah, jangka waktunya mulai dari satu minggu sampai satu tahun. 3. Perkiraan jangka panjang, dengan jangka waktu 1 sampai 10 tahun. Perkiraan dengan jangka waktu yang berbeda-beda memiliki peranan yang berbeda pula terhadap sebuah sistem tenaga. Perkiraan jangka pendek penting untuk operasi kondisi real dan kendali sistem tenaga. Perkiraan jangka menengah memiliki peranan penting untuk perawatan dan perencanaan program. Perkiraan jangka panjang memainkan peranan dalam pengembangan fasilitas pembangkit, transmisi, dan distribusi tenaga listrik. Logika Fuzzy Logika fuzzy adalah suatu cara untuk memetakan suatu ruang masukan ke dalam suatu ruang keluaran. Logika fuzzy ditemukan oleh Prof. Lotfi A. Zadeh dari Universitas California di Barkeley pada tahun Sebelum ditemukannya teori logika fuzzy (fuzzy logic), dikenal sebuah logika tegas (crisp logic) yang memiliki nilai benar atau salah secara tegas. Sebaliknya logika fuzzy merupakan sebuah logika yang memiliki kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy, sebuah nilai bisa bernilai benar atau salah secara bersamaan namun berapa besar kebenaran atau kesalahan suatu nilai tergantung kepada bobot / derajat keanggotaan yang dimilikinya.dalam teori logika fuzzy dikenal himpunan fuzzy (fuzzy set) merupakan pengelompokan sesuatu berdasarkan variabel bahasa (linguistic variable), yang dinyatakan dalam fungsi keanggotaan (membership function). Didalam semesta pembicaraan (universe of discourse) U, fungsi keanggotaan dari suatu himpunan fuzzy tersebut bernilai antara 0 sampai 1. Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik masukan data ke dalam nilai keanggotaannya (sering juga disebut 12
5 dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Beberapa fungsi keanggotaan logika fuzzy dapat dilihat pada [9]. Adapun langkah langkah yang dilakukan dalam sistem kendali logika fuzzy adalah fuzzifikasi, evaluasi aturan dan defuzifikasi [9], [10]. Fuzzy C-Means Fuzzy c-means (FCM) dikenalkan pertama kali sebagai salah satu metode clustering menggunakan model pengelompokan fuzzy sehingga data dapat menjadi anggota dari semua kelas atau cluster dengan derajat atau tingkat keanggotaan yang berbeda antara 0 hingga 1. Penjelasan lebih lanjut mengenai Fuzzy C-Means bisa dijelaskan pada [10] [11]. Metodologi Penelitian Adapun langkah langkah yang dilakukan dalam penelitian ini adalah o Mengumpulkan data-data yang berkaitan dengan peramalan diantaranya jumlah penduduk, jumlah pelanggan listrik, PDRB (Harga Konstan 2000), rasio elektrifikasi dan konsumsi energi listrik. Data-data ini diperoleh dari PT. Pembangkit Listrik Negara (PT. PLN) (Persero) Wilayah Sumatera Barat dan Badan Pusat Statistik (BPS) Sumatra Barat mulai dari tahun 2002 sampai tahun o Hasil data yang dikumpulkan tersebut kemudian dikelompokkan menjadi masukan dan keluaran. Untuk data masukan terdiri dari jumlah penduduk, jumlah pelanggan, PDRB harga konstan 2000 dan rasio elektrifikasi. Untuk data keluarannya berupa perkiraan konsumsi energi listrik o Melakukan proses clusterisasi untuk data masukan dan data keluaran. Proses clusterisasi dengan menggunakan clusterisasi c-meansdengan bantuan fuzzy logic toolbox dengan pemilihan tipe fuzzy inference system (FIS) adalah tipe Sugeno dan himpunan variabel bahasanya (fuzzy set) yang direpresentasikan dalam bentuk fungsi keanggotaan (membership function) Gaussian. o Melakukan proses fuzzifikasi. Proses fuzifikasi ini merupakan proses pembentukan fungsi keanggotan (membership function)masukan dan fungsi keanggotaan (membership function) keluaran. Pada penelitian ini digunakan rancangan fuzzy inference system (FIS) dengan 4 variabel masukan dan 1 variabel keluaran. Setelah itu untuk masing masing masukan dan keluarannya ditentukan himpunan variabel bahasanya. o Pembentukkn aturan (rule)menggunakan rule editor. Pembentukkan aturan (rule) ini berdasarkan cluster yang dihasilkan dari proses cluster c- means sebelumnya. Penggunaan rule editor untuk memudahkan penyusunan pernyataan pernyataan if then rule secara otomatis o Proses penalaran menggunakan model tipe Sugeno. o Setelah itu dilakukan peramalan kebutuhan kosumsi energi listrik untuk 10 tahun ke depan. o Membandingkan hasil peramalan kebutuhan energi listrik dengan menggunakan fuzzy clustering c- meansdan hasil peramalan kebutuhan energi listrik yang dilakukan oleh PT. PT. Pembangkit Listrik Negara (PT. PLN) (Persero) Wilayah Sumatera Barat. Untuk mendapatkan tingkat keakuratan perkiraan, harus menunggu hingga tahun perkiraan tersebut datang dan dibandingkan data konsumsi energi listrik 13
6 aktualnya terhadap perkiraan konsumsi energi listrik yang dihasilkan. HASIL DAN PEMBAHASAN Pada penelitian ini, peramalan kebutuhan energi listrik di Provinsi Sumatera Baratdilakukan untuk jangka panjang. Dengan menggunakan data aktual yang dikumpulkan dari tahun 2002 sampai tahun 2011akan diramalkan kebutuhan energi listrik untuk 10 tahun ke depan. Adapun data yang dipergunakan diperlihatkan pada Tabel 1. berikut Tahun Penduduk (10 3 jiwa) Tabel 1. Data Aktual Dari Tahun 2000 Sampai 2008 Jumlah Pelanggan (10 3 pelanggan) Rasio Elektrifikasi (%) PDRB (harga konstan 2000) Konsumsi Energi (GWh) Data masukan dan keluaran dilakukan clusterisasidengan metoda fuzzy cluster c-means untuk menentukan nilai keanggotaan masing-masing data. Parameter yang digunakan dalam clusterisasi adalah 2 untuk fuzziness parameter, sedangkan jumlah cluster divariasikan adalah 3 cluster, 5 cluster, 7 cluster dan 9 cluster, maksimum iterasi bernilai 100 dan untuk tingkat kesalahan. Clusterisasi dilakukan menggunakan fungsi yang telah ada pada perangkat lunak Matlab yaitu fungsi genfis3. Fungsi ini akan menentukan secara otomatis matriks partisi awal dan menghitung pusat cluster matriks partisi awal tersebutdan kemudian melakukan perbaikan nilai pusat cluster dan mengupdate nilai matriks sesuai dengan pusat cluster yang baru didapat. Iterasi akan terus dilakukan hingga minimum kesalahan didapatkan, atau jumlah iterasi maksimum telah tercapai.clusterisasidengan fungsi fuzzy cluster c-meanspada perangkat lunak Matlab akan menghasilkan fuzzy inteference system(fis) tipesugeno beserta aturan (rule).adapun himpunan fuzzy untuk variabel masukandan keluaran diperlihatkan pada Tabel 2. Berikut 14
7 Fungsi Masukan Keluaran Tabel 2. Himpunan Fuzzy Variabel Masukandan Keluaran Himpunan Semesta Variabel Fuzzy Pembicaraan Penduduk Pelanggan Rasio PDRB Konsumsi Energi Domain In1cluster In1cluster In1cluster In2cluster In2cluster In2cluster In3cluster In3cluster In3cluster In4cluster In4cluster In4cluster Out1cluster Out1cluster Out1cluster Hasil clusterisasi diperoleh bahwa perubahan jumlah cluster dengan fuzzy inteference system(fis) tipesugeno tidak mempengaruhi hasil peramalan dimana untuk 3 cluster, 5 cluster, 7 cluster dan 9 cluster diperoleh rata rata kesalahan sebesar %. Adapun hasil peramalan kosumsi energi listrik dengan fuzzy inteference system(fis) tipesugeno untuk 3 cluster, 5 cluster, 7 cluster dan 9 cluster diperlihatkan pada Tabel 3. Berikut Tabel 3. Hasil Peramalan Dengan Variasi Cluster FIS Sugeno (GWh) Tahun 3 Cluster 5 Cluster 7 Cluster 9 Cluster
8 Rata - Rata Kesalahan % % % % Hasil perbandingan peramalan kosumsi energi listrik antara metoda fuzzy cluster c-meansdengan peramalan yang dilakukan oleh PT. Perusahaan Listrik Negara (PT. PLN) (Persero) Wilayah Sumatera Barat diperlihatkan pada Tabel 4. berikut Tabel 4.Perbandingan Hasil Peramalan Kosumsi Energi Listrik Tahun Peramalan PT. PLN (Persero) (GWh) Peramalan Logika Fuzzy (GWh) Kesalahan (%) Rata Rata Kesalahan Perbandingan pada Tabel 4. terlihat bahwa peramalan konsumsi energi listrik yang dilakukan olehpt. Perusahaan Listrik Negara (PT. PLN) (Persero) Wilayah Sumatera Baratdengan peramalan metoda fuzzy cluster c-meanstidak berbeda jauh dengan tingkat kesalahan sebesar %. Rata-rata kesalahan yang kecil ini menunjukkan bahwa bentuk fungsi keanggotaan serta jumlah himpunan fuzzy yang digunakan memberikan tingkat keakuratan yang tinggi. Hal ini diperlihatkan pada Gambar 1. berikut 16
9 Gambar 1.Grafik Perbandingan Perkiraan Kosumsi Energi KESIMPULAN Adapun kesimpulan dari penelitian ini adalah 1. Variasi jumlah cluster dengan metoda fuzzy cluster c- meanstidak mempengaruhi jumlah aturan (rule). 2. Peramalan dilakukan dengan menggunakan aturan aturan (rule) yang diperoleh dari clusterisasi dengan fuzzy inteference system(fis) tipesugeno pada data masukan. DAFTAR PUSTAKA [1] Biro Pusat Statistik (BPS), 2011,Sumbar Dalam Angka tahun 2011, Padang. [2] Arief Heru Kuncoro dan Rinaldy Dalimi Aplikasi Jaringan Syaraf Tiruan Untuk Perkiraan Beban Tenaga Listrik Jangka Panjang Pada Sistem Kelistrikan Di Indonesia. Jurnal Teknologi, Edisi No. 3 Tahun XIX. 3. Hasil Peramalan antara PT. PLN (Persero) Wilayah Sumatra Barat dengan metoda fuzzy cluster c-meanstidak jauh berbeda. Nilai kesalahan rata-rata yang didapat sebesar %. Data peramalan konsumsi energi listrik yang dihasilkan oleh PT. PLN (Persero) Wilayah Sumatra Barat hanya digunakan sebagai data pembanding, karena nilai konsumsi energi listrik untuk 10 tahun ke depan belum dapat dipastikan. [3] Hesham K. Alfares and Mohammad Nazeeruddin Electric Load Forecasting: Literature Survey and Classification of Methods. International Journal of Systems Science, volume 33. [4] Kyung-Bin Song Short- Term Load Forecasting for the Holidays Using Fuzzy Linear Regression Method. IEEE Transactions On Power System, Vol. 20, No. 1, February. 17
10 [5] Pandian, Chenthur Fuzzy Approach for Short-Term Load Forecasting. Electric Power System Research. [6] Rob J. Hyndman and Shu Fan Density Forecasting for Long-Term Peak Electricity Demand. Australia, Monash University. [7] Heru Dibyo Laksono, Hansi Effendi dan Iwan Perdana Aplikasi Logika Fuzzy Pada Perkiraan Kebutuhan Energi Listrik Jangka Panjang di Provinsi Sumatera Barat Sampai Tahun 2018, Jurnal Teknologi Informasi dan Pendidikan Vol. 03 No. 01, Universitas Negeri Padang (UNP) [8] Utama, Ngakan Putu Satriya Prakiraan Kebutuhan Tenaga Listrik Propinsi Bali Sampai Tahun Teknik Elektro, Vol.6 No.1. [9] Suyanto Soft Computing : Membangun Mesin Ber-IQ Tinggi. Bandung : Penerbit Informatika. [10] Kusumadewi, Sri Analisis dan Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta : Penerbit Graha Ilmu. [11] S.N. Sivanandam, S. Sumathi dan S.N Deepa Introduction to Fuzzy Logic Using Matlab. Berlin : Springer 18
APLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR
APLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Stratum-1 (S1)
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 5 NO. 2 SEPTEMBER 2012
PERKIRAAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2021 DENGAN LOGIKA FUZZY CLUSTERING Heru Dibyo Laksono 1 Abraham Arief 2 ABSTRACT In the process of planning the
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 7 NO. 1 Maret 2014
PERAMALAN BEBAN LISTRIK DAERAH SUMATERA BARAT JANGKA PANJANG DENGAN MENGGUNAKAN INTEGRASI JARINGAN SYARAF TIRUAN DAN SISTEM FUZZY Heru Dibyo Laksono 1 Nicko Fajira 2 ABSTRACT The journal discusses the
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 6 NO. 2 September 2013
APLIKASI FUZZY CLUSTERING DENGAN MENGGUNAKAN ALGORITMA SUBTRACTIVE CLUSTERING UNTUK PERKIRAAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT DARI TAHUN 2012-2021 Heru Dibyo Laksono
Lebih terperinciANALISIS PERBANDINGAN METODE LOGIKA FUZZY DAN LOGIKA FUZZY CLUSTERING PADA PROYEKSI KEBUTUHAN ENERGI LISTRIK DI INDONESIA SAMPAI TAHUN 2025
ANALISIS PERBANDINGAN METODE LOGIKA FUZZY DAN LOGIKA FUZZY CLUSTERING PADA PROYEKSI KEBUTUHAN ENERGI LISTRIK DI INDONESIA SAMPAI TAHUN 2025 Jenggo Dwyana Prasaja *), Hermawan, and Susatyo Handoko Jurusan
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 3 NO. 1 MARET 2011
APLIKASI LOGIKA FUZZY PADA PERKIRAAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 Heru Dibyo Laksono 1 Hansi Effendi 2 ABSTRACT In the process of power system development
Lebih terperinciJurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia.
ANALISIS PERBANDINGAN METODE LOGIKA FUZZY DENGAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI INDONESIA SAMPAI TAHUN 2022 Nahar Nurkholiq *), Tejo Sukmadi,
Lebih terperinciANALISIS PERBANDINGAN METODE LOGIKA FUZZY DAN REGRESI LINEAR PADA PERAMALAN KONSUMSI ENERGI LISTRIK DI RAYON SEMARANG BARAT TAHUN
ANALISIS PERBANDINGAN METODE LOGIKA FUZZY DAN REGRESI LINEAR PADA PERAMALAN KONSUMSI ENERGI LISTRIK DI RAYON SEMARANG BARAT TAHUN 2015-2019 Wisnu Prayogo *), Bambang Winardi, and Agung Nugroho Departemen
Lebih terperinciPROYEKSI KEBUTUHAN ENERGI LISTRIK APJ PEKALONGAN TAHUN DENGAN METODE LOGIKA FUZZY
PROYEKSI KEBUTUHAN ENERGI LISTRIK APJ PEKALONGAN TAHUN 2014-2018 DENGAN METODE LOGIKA FUZZY Muhammad Hasnan Albab *), Bambang Winardi, and Karnoto Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciPeramalan Beban Jangka Panjang Sistem Kelistrikan Kota Palu Menggunakan Metode Logika Fuzzy
13 Peramalan Beban Jangka Panjang Sistem Kelistrikan Kota Palu Menggunakan Metode Logika Fuzzy Maryantho Masarrang, Erni Yudaningtyas, dan Agus Naba Abstract Long-term load forecasting is intended to estimate
Lebih terperinciAPLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB
52 APLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB (Hansi Effendi) *) ABSTRACT This research is conducted to apply Fuzzy Logic which is implemented in short term load
Lebih terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciBAB I PENDAHULUAN. berbagai variasi prosedur perencanaan. Perencanaan operasi meliputi metodologi
BAB I PENDAHULUAN 1.1 Latar Belakang Operasi sistem tenaga listrik yang modern biasanya berhubungan dengan berbagai variasi prosedur perencanaan. Perencanaan operasi meliputi metodologi dan proses pengambilan
Lebih terperinciJurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia.
ANALISIS PERBANDINGAN METODE JARINGAN SARAF TIRUAN TANPA DAN DENGAN FUZZY CLUSTERING PADA PROYEKSI KEBUTUHAN ENERGI LISTRIK DI INDONESIA SAMPAI TAHUN 9 Muhammad Addin Bratawijaya *), Hermawan, and Susatyo
Lebih terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciOleh : Rahanimi Pembimbing : Dr. M Isa Irawan, M.T
PERAMALAN JUMLAH MAHASISWA PENDAFTAR PMDK JURUSAN MATEMATIKA MENGGUNAKAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY (STUDI KASUS di INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA) Oleh : Rahanimi
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciDielektrika, ISSN Vol. 3, No. 1 : 45-52, Pebruari 2016
Dielektrika, ISSN 2086-9487 45 Vol. 3, No. 1 : 45-52, Pebruari 2016 PERAMALAN BEBAN LISTRIK JANGKA PENDEK PADA SISTEM KELISTRIKAN LOMBOK DENGAN FUZZY TIME SERIES (FTS) Short-Term Load Forecasting on Lombok
Lebih terperinciJurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia
ANALISIS PERBANDINGAN METODE JARINGAN SARAF TIRUAN TANPA DAN DENGAN FUZZY CLUSTERING PADA PROYEKSI KEBUTUHAN ENERGI LISTRIK DI INDONESIA SAMPAI TAHUN 219 Muhammad Addin Bratawijaya [1], Dr. Ir. Hermawan,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciPrediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi
Prediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi Qoriatul Fitriyah 1),Didi Istardi 2) 1) Jurusan Teknik Elektro Politeknik Batam, Batam 29461, email: fitriyah@polibatam.ac.id Jurusan
Lebih terperinciPeramalan Beban Listrik Jangka Pendek pada Sistem Kelistrikan Jawa Timur dan Bali Menggunakan Fuzzy Time Series
Peramalan Beban Listrik Jangka Pendek pada Sistem Kelistrikan Jawa Timur dan Bali Menggunakan Fuzzy Time Series BAGUS HANDOKO 2206 100 125 Jurusan Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciPenerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk
Nusantara of Enginering/Vol.3/No.1/ISSN: 2355-6684 41 Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Fajar Rohman Hariri Jurusan Teknik Informatika, Fakultas Teknik,
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciPREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO
PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO Ahmad Bahroini 1, Andi Farmadi 2, Radityo Adi Nugroho 3 1,2,3Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36 Banjarbaru, Kalimantan
Lebih terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 7 NO. 2 September 2014
PERAMALAN JANGKA MENENGAH JUMLAH PELANGGAN LAYANAN SPEEDY PT. TELKOM WILAYAH SUMATERA BARAT DENGAN MENGGUNAKAN NEURO-FUZZY SYSTEM Heru Dibyo Laksono 1 Fandi Achmad 2 ABSTRACT Forecasting the number of
Lebih terperinciBAB 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 terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang
Lebih terperinciJurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:
Perbandingan Penggunaan Metode Radial Basis Function Network () Dari Metode Fuzzy Neural Netwotk () Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruan Rory Asrial, Almizan Abdullah,
Lebih terperinciMODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA
MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA Muhammad Ilham 10211078 Program Studi Fisika, Institut Teknologi Bandung, Indonesia Email: muhammad_ilham@students.itb.ac.id Asisten:
Lebih terperinciPEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA)
PEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA) Salmawaty Tansa 1, Bambang Panji Asmara 2 Fakultas Teknik, Jurusan Teknik Elektro,
Lebih terperinciInstitut 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 terperinciAnalisis 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 terperinciMODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Wanti Rahayu 1 1 Mahasiswa Universitas Indraprasta PGRI Email : 1 wanti.reiku@gmail.com Abstrak- Guru merupakan aspek
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat
BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011
Lebih terperinciPenerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler
Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler Wira Buana Dosen STMIK Jayanusa wira_buana59@yahoo.com ABSTRAK Fuzzy logic merupakan salah satu pendekatan yang menggunakan
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih terperinciPREDIKSI PERKEMBANGAN BEBAN LISTRIK DI KECAMATAN RANAH PESISIR SAMPAI TAHUN 2025
Prediksi Perkembangan Beban Listrik di Kecamatan Ranah Pesisir Sampai 2015 PREDIKSI PERKEMBANGAN BEBAN LISTRIK DI KECAMATAN RANAH PESISIR SAMPAI TAHUN 2025 Oleh: Arfita Yuana Dewi 1), Arynugraha Tri Saputra
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis
Lebih terperinciPROYEKSI KEBUTUHAN DAYA LISTRIK DI PROPINSI SULAWESI TENGAH TAHUN
PROYEKSI KEBUTUHAN DAYA LISTRIK DI PROPINSI SULAWESI TENGAH TAHUN 2007-2020 Tadjuddin Hamdany Dosen Jurusan Teknik Elektro UNTAD Palu, Indonesia email: ophadhanny@yahoo.co.id Abstract The study is devoted
Lebih terperinciANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN
ANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN SUPRIYONO Sekolah Tinggi Teknologi Nuklir BATAN Jl. Babarsari Kotak Pos 6101/YKBB Yogyakarta. Email : masprie_sttn@yahoo.com
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciIMPLEMENTASI 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 terperinciPENENTUAN 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 terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciYuningsih Akili 1 Yasin Mohamad 2. Abstrak
Analisa Perkiraan Energi Menggunakan Metode Koefisien Energi (Studi Kasus : PT.PLN (PERSERO) Area Gorontalo) Yuningsih Akili 1 Yasin Mohamad 2 Abstrak Meningkatnya kebutuhan energi tidak lepas dari jumlah
Lebih terperinciSISTEM 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 terperinciPENERAPAN 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 terperinciAPLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)
APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas
Lebih terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
Lebih terperinciDAFTAR ISI LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR...
DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR... BIODATA ALUMNI... DAFTAR ISI... DAFTAR TABEL... DAFTAR
Lebih terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih terperinciSaintia Matematika ISSN: Vol. 2, No. 2 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie
Lebih terperinciAnalisis 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 terperinciFuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.
Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan
Lebih terperinciPENENTUAN 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 terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
Lebih terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih terperinciCLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN
CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN Fitri Wulandari, Rinto Setiawan Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciBAB 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 terperinciEVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI
EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan (Forecasting) Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciPRAKIRAAN BEBAN TERPASANG DI KOTA SURAKARTA PADA TAHUN 2025
PRAKIRAAN BEBAN TERPASANG DI KOTA SURAKARTA PADA TAHUN 2025 PUBLIKASI ILMIAH Disusun sebagai salah satu syarat menyelesaikan Program Studi Strata I pada Jurusan Teknik Elektro Fakultas Teknik Oleh: OGI
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir-akhir ini kita banyak mendengar banyak berita bahwa Perusahaan Listrik Negara (PLN) mengalami kerugian yang sangat besar setiap tahunnya yang disebabkan faktor-faktor
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciKata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa
SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan
Lebih terperinciImplementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM
BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
Lebih terperinciPRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM
ISSN 1412 3762 http://jurnal.upi.edu/electrans ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012, 18-26 PRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY
Lebih terperinciSTUDI KEAMANAN SUPLAI ENERGI LISTRIK BALI SAMPAI DENGAN TAHUN 2025
STUDI KEAMANAN SUPLAI ENERGI LISTRIK BALI SAMPAI DENGAN TAHUN 2025 TUGAS AKHIR Diajukan untuk memenuhi sebagian persyaratan menyelesaikan studi Program Sarjana Strata Satu (S1) Jurusan Teknik Elektro IGUSTI
Lebih terperinciAPLIKASI METODE FUZZY SUGENO DALAM PENENTUAN PERSEDIAAN KERTAS ROKOK TAHUN 2016 (Studi kasus: PT. PUSAKA PRIMA MANDIRI (PPM)) SKRIPSI
APLIKASI METODE FUZZY SUGENO DALAM PENENTUAN PERSEDIAAN KERTAS ROKOK TAHUN 2016 (Studi kasus: PT. PUSAKA PRIMA MANDIRI (PPM)) SKRIPSI JULIA VERANICA Br SEMBIRING 150823014 DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciPenerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai)
Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai) Magdalena Simanjuntak 1), Achmad Fauzi 2) Program Studi Teknik Informatika STMIK Kaputama 1) Program Studi Manajemen
Lebih terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih terperinciPrediksi Beban Listrik jangka Panjang di Kabupaten Batu Bara tahun dengan Menggunakan Metode Fuzzy Clustering
Prediksi Beban Listrik jangka Panjang di Kabupaten Batu Bara tahun 2015-2014 dengan Menggunakan Metode Fuzzy Clustering Hermansyah Alam I nst it ut T ek no lo g i M ed a n E ma il : he r ma ns_it m@ ya
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Pada masa sekarang ini hampir semua perusahaan dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini mengharuskan perusahaan
Lebih terperinciFUZZY INFERENCE SYSTEM SUGENO UNTUK EVALUASI KINERJA PELAYANAN PEGAWAI KANTOR CAMAT BATAM KOTA
FUZZY INFERENCE SYSTEM SUGENO UNTUK EVALUASI KINERJA PELAYANAN PEGAWAI KANTOR CAMAT BATAM KOTA Alfannisa Annurullah Fajrin 1) 1 Universitas Putera Batam Email: asykharit1302@gmail.com Abstrak Dalam proses
Lebih terperinciPeramalan Permintaan Daging Sapi Nasional Menggunakan Metode Multifactors High Order Fuzzy Time Series Model
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1764-1770 http://j-ptiik.ub.ac.id Peramalan Permintaan Daging Sapi Nasional Menggunakan Metode
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciBAB II TINJAUAN PUSTAKA. 2.1 Ekonomi dan Produk Domestik Regional Bruto. Istilah ekonomi berasal dari bahasa Yunani, terdiri atas kata oikos dan
BAB II TINJAUAN PUSTAKA 2. Ekonomi dan Produk Domestik Regional Bruto Istilah ekonomi berasal dari bahasa Yunani, terdiri atas kata oikos dan nomos. Oikos berarti rumah tangga, nomos berarti aturan. Sehingga
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di era modern seperti saat ini, energi listrik menjadi salah satu kebutuhan dasar dalam kehidupan masyarakat. Berbagai peralatan rumah tangga maupun industri saat ini
Lebih terperinci