PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI
|
|
- Yohanes Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Pakuan Bogor ABSTRAK Kredit pemilikan mobil merupakan produk kredit yang ditujukan kepada seseorang yang memerlukan mobil baru dengan cara mengangsur. Salah satu perusahaan mobil yang menyediakan fasilitas kredit pemilikan mobil yaitu PT AUTO Salah satu permasalahan yang terjadi di PT AUTO 2000 ini yaitu kredit macet yang disebabkan kurangnya pemantauan dari pihak perusahaan kepada debitur dalam proses pelunasan pembayaran kredit. Oleh karena itu, salah satu upaya pencegahan kredit macet tersebut yaitu dengan cara mengklasifikasian tingkat pelunasan pembayaran kredit. Penelitian ini bertujuan untuk menentukan tingkat pelunasan pembayaran kredit pemilikan mobil di PT AUTO Metode yang digunakan dalam penelitian ini adalah metode Fuzzy Mamdani yang merupakan metode yang sering dikenal dengan nama metode Min-Max. Dalam fuzzy Mamdani terdapat beberapa proses yang harus dilakukan. Proses tersebut meliputi : pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan, dan defuzzifikasi. Berdasarkan proses pengerjaan dengan metode fuzzy Mamdani, diperoleh bahwa untuk pengklasifikasian tingkat pelunasan kredit kategori belum lunas yaitu berada pada tenor pembayaran ke- sampai dengan tenor ke-29, untuk kategori hampir lunas dimulai ketika tenor pembayaran ke-30 sampai dengan tenor ke-39, dan untuk kategori lunas dimulai pada tenor pembayaran ke-39 sampai dengan tenor ke-48. Kata kunci : Kredit Pemilikan Mobil, Fuzzy Mamdani. Mahasiswa Program Studi Matematika, Universitas Pakuan Bogor. 2 Staf Pengajar pada Program Studi Matematika, Universitas Pakuan Bogor.
2 PENDAHULUAN Latar Belakang PT AUTO 2000 merupakan salah satu perusahaan yang bergerak di bidang penjualan mobil dan bekerja sama dengan perusahaan pembiayaan. Perusahaan inilah yang nantinya akan bekerja sama dengan konsumen yang akan membeli mobil secara kredit. Salah satu permasalahan yang terjadi di perusahaan PT AUTO 2000 ini yaitu kredit macet. Hal tersebut disebabkan oleh kurang tepatnya prosedur pemberian kredit kepada calon debitur dan juga kurangnya pemantauan dari pihak perusahaan kepada debitur dalam proses pelunasan pembayaran kredit. Bentuk pemantauan yang dapat dilakukan pihak perusahaan terhadap debitur salah satunya yaitu dengan cara mengklasifikasikan tingkat pelunasan yang dilakukan oleh debitur. Hal tersebut dapat mencegah adanya kredit macet karena perusahaan dapat memantau terus proses pembayaran yang dilakukan oleh seorang debitur. Berdasarkan permasalahan tersebut, metode fuzzy mamdani dapat diterapkan untuk memantau proses pembayaran kredit, karena konsep dasar dari fuzzy mamdani yaitu logika fuzzy yang berkaitan dengan adanya variabel linguistik yang merupakan penamaan suatu grup yang mewakili suatu kondisi tertentu. Variabel linguistik untuk output yang akan digunakan pada penentuan tingkat pembayaran kredit mobil ini yaitu belum lunas, hampir lunas, dan lunas. Terdapat penelitian terdahulu mengenai logika fuzzy. Rafi ah (203), melakukan penelitian mengenai penentuan tingkat kemiskinan menggunakan logika fuzzy pada koperasi Baytul-Ikhtiar Bogor, sedangkan pada penelitian ini akan dibahas mengenai penentuan tingkat pelunasan pembayaran kredit. Berdasarkan hal tersebut, penulis bermaksud melakukan penelitian dengan judul Penentuan Tingkat Pelunasan Pembayaran Kredit Pemilikan Mobil di PT AUTO 2000 Menggunakan Fuzzy Mamdani. Tujuan Penelitian Tujuan dari penelitian ini yaitu menentukan tingkat pelunasan pembayaran kredit pemilikan mobil di PT AUTO 2000 menggunakan fuzzy mamdani. TINJAUAN PUSTAKA Kredit Pemilikan Mobil Menurut Mahadipa (20) kredit pemilikan mobil adalah produk kredit yang ditujukan kepada seseorang yang memerlukan mobil baru dengan cara mengangsur. Logika Fuzzy Menurut Setiadji (2009), fuzzy merupakan suatu nilai yang dapat bernilai benar atau salah secara bersamaan, namun seberapa besar kebenaran atau kesalahannya tergantung pada derajat keanggotaan yang dimilikinya. Fungsi Keanggotaan Menurut Kusumadewi dan Purnomo (2004), fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampai. Ada beberapa fungsi yang bisa digunakan ; a. Representasi linear naik
3 Fungsi keanggotaan dari representasi linear naik : d. Representasi Kurva Bentuk Bahu a. Representasi linear turun : fungsi keanggotaan untuk representasi kurva bentuk bahu : Fungsi keanggotaan dari representasi linear turun : b. Representasi Kurva Segitiga Fungsi keanggotaan untuk representasi segitiga : c. Representasi Kurva Trapesium Fungsi keanggotaan untuk representasi trapezium : Fuzzy Mamdani Menurut Kusumadewi dan Purnomo (2004), metode Mamdani sering dikenal dengan nama metode minmax. Ada beberapa tahapan yang harus dilakukan untuk mendapatkan nilai output. Tahapan tersebut yaitu : a. Pembentukan himpunan fuzzy b. Aplikasi fungsi implikasi c. Komposisi aturan. d. Penegasan (defuzzifikasi) Salah satu Metode defuzzifikasi yaitu: Metode Centroid Untuk domain kontinu menggunakan rumus sebagai berikut : Z 0 b a b a z Z. dz z dz Untuk domain diskret menggunakan rumus sebagai berikut Z n i n i j d U i U Ai Ai d d i METODOLOGI PENELITIAN i 2 3 Data Data yang digunakan dalam penelitian ini merupakan data sekunder berupa brosur mobil Toyota yang
4 diperoleh dari salah satu karyawan PT AUTO 2000 Bogor Siliwangi. Tahapan Analisis Tahapan penelitian yang dilakukan digambarkan pada Gambar. Berikut ini penjelasan tahapan analisis pada penelitian yaitu : a. Tahap pertama yang harus dilakukan dalam penelitian ini yaitu pengumpulan data. Data yang diperlukan meliputi Merk mobil, harga tunai mobil, tenor pembayaran atau lamanya mengangsur yang akan diambil oleh seorang debitur, Anuitas dibayar dimuka (ADDM) atau biasa disebur dengan DP sekaligus angsuran pertama, dan angsuran perbulan. b. Pada tahap kedua dilakukan perhitungan pokok hutang. Hal ini bertujuan agar perusahaan mengetahui pokok hutang seorang debitur pada setiap periode. Pokok hutang ini akan dijadikan salah satu variabel input fuzzy. Secara umum pokok hutang setelah pembayaran angsuran ke-t yang dimisalkan dengan simbol P t dapat diperoleh dari selisih antara pokok hutang setelah pembayaran angsuran ke-t- yang disimbolkan dengan P t- dengan R yang merupakan besarnya angsuran setiap bulan c. Pada tahap ketiga dilakukan pembentukan himpunan fuzzy. Pembentukan himpunan fuzzy ini merupakan tahapan pertama pada metode Mamdani. Tahapan inilah yang menjadikan langkah awal untuk menentukan tingkat pelunasan suatu kredit. Dalam penentuan tingkat pelunasan kredit pemilikan mobil, variabel input yang akan dibentuk yaitu variabel tenor pembayaran dan pokok hutang, sedangkan untuk variabel outputnya berupa tingkat pelunasan. Pada tahapan ini juga akan dibentuk representasi untuk masing - masing variabel input dan variabel output, kemudian dari representasi tersebut akan diperoleh fungsi keanggotaannya untuk setiap variabel input maupun vatiabel output. Representasi yang akan dibentuk bisa berupa representasi linear, segitiga ataupun trapesium. d. Pada tahap selanjutnya dilakukan aplikasi fungsi implikasi. Pada metode Mamdani fungsi implikasi yang digunakan yaitu Min. e. Pada tahapan kelima dilakukan pembentukan aturan dasar. Metode yang digunakan dalam komposisi aturan dan fungsi implikasi yaitu max-min dengan operator AND. Secara umum aturan tersebut dapat dituliskan : If (x is A ) and (x 2 is A 2 ) and... (x a is A a ) Then y is B dengan x a merupakan variabel fuzzy dan A a merupakan variabel linguistik berupa himpunan fuzzy. f. Tahap selanjutnya ialah defuzzifikasi. Berbeda dengan fuzzifikasi, pada tahap ini proses mengubah nilai fuzzy menjadi nilai crisp. Nilai crisp inilah yang nantinya akan digunakan dalam analisis akhirnya. Metode yang digunakan dalam penentuan tingkat pelunasan kredit ini yaitu metode centroid. Pada metode ini, solusi crips diperoleh dengan cara mengambil titik pusat daerah fuzzy. Perhitungan nilai defuzzifikasi dapat dilakukan menggunkan persamaan
5 Perhitungan Pokok Hutang Perhitungan pokok hutang dilakukan dengan tujuan agar perusahaan mengetahui pokok hutang seorang debitur untuk setiap periode atau angsuran. Secara umum pokok hutang setelah pembayaran angsuran ke-t yang dimisalkan dengan simbol P t dapat diperoleh dari selisih antara pokok hutang setelah pembayaran angsuran ket- yang disimbolkan dengan P t- dengan R yang merupakan besarnya angsuran setiap bulan. Pembentukan Himpunan Fuzzy Metode yang digunakan untuk penentuan status tingkat pelunasan, yaitu metode Fuzzy Mamdani atau sering disebut Metode Min-Max. Penentuan variabel yang digunakan pada penelitian ini, terlihat pada Tabel 2 berikut : Tabel 2. Semesta Pembicaraan Untuk Setiap Variabel Fungsi Variabel Semesta Input Tenor Pembayaran [ 48] Pokok Hutang [ jt] Output Tingkat Pelunasan [ 00] HASIL DAN PEMBAHASAN Deskripsi Data Pada penelitian ini data yang digunakan merupakan data sekunder berupa brosur mobil yang diperoleh dari salah satu karyawan PT AUTO Data yang dimaksud disajikan pada tabel berikut : Berdasarkan tabel 2, maka akan dibentuk himpunan fuzzy beserta domain dan parameternya. Berikut ini merupakan tabel pembentukan himpunan fuzzy untuk menentukan tingkat pelunasan kredit pemilikan mobil di PT AUTO Berdasarkan Tabel 3, himpunan fuzzy dan fungsi keanggotaan dari variabel tenor pembayaran, pokok hutang dan tingkat pelunasan direpresentasikan sebagai berikut : a. Tenor Pembayaran Tenor pembayaran merupakan lamanya angsuran/cicilan untuk mengembalikan biaya yang telah dikeluarkan oleh perusahaan pembiayaan yang diambil oleh seorang debitur. Variabel tenor
6 pembayaran didefinisikan menjadi tiga himpunan fuzzy, yaitu : belum lunas, hampir lunas, dan lunas. Berikut ini merupakan representasi fungsi keanggotaan himpunan fuzzy pada variabel tenor pembayaran : belum lunas dapat dibentuk berdasarkan persamaan (7) yaitu sebagai berikut : TP _ BelumLunas x 30-x x 2 2 x 30 x 30 x : input dari tenor pembayaran. 2 : nilai domain terbesar dari himpunan fuzzy belum lunas yang memiliki derajat keanggotaan. 30 : nilai domain dari himpunan fuzzy belum lunas yang memiliki derajat keanggotaan 0. hampir lunas dapat dibentuk berdasarkan persamaan (6) yaitu sebagai berikut : TP _ HampirLunas x 0 x x x x 39 x 40 x : input dari tenor pembayaran 28 : nilai domain dari himpunan fuzzy hampir lunas yang memiliki derajat keanggotaan 0 32 : nilai domain terkecil dari himpunan fuzzy hampir lunas yang memiliki derajat keanggotaan lunas dapat dibentuk berdasarkan persamaan (2) yaitu sebagai berikut : TP _ Lunas x 0 x x 3 3 x 48 x 48 x : input dari tenor pembayaran. 3 : nilai domain dari himpunan fuzzy lunas yang memiliki derajat keanggotaan : nilai domain terbesar dari himpunan fuzzy lunas yang memiliki keanggotaan. derajat b. Pokok hutang Pokok hutang merupakan kewajiban yang harus dibayarkan oleh seorang debitur. Variabel pokok hutang didefinisikan menjadi tiga himpunan fuzzy, yaitu rendah, menengah, dan tinggi. Berikut ini merupakan representasi fungsi keanggotaan himpunan fuzzy pada variabel pokok hutang : rendah dapat dibentuk berdasarkan persamaan (7) yaitu sebagai berikut :
7 PH _ Rendah x -x 0 0 x x x x : input dari tenor pembayaran. : nilai domain terbesar dari himpunan fuzzy rendah yang memiliki derajat keanggotaan. : nilai domain dari himpunan fuzzy rendah yang memiliki derajat keanggotaan 0. menengah dapat dibentuk berdasarkan persamaan (6) yaitu sebagai berikut : PH _ menengah x 0 x 6 x x 6 6 x 80 x : input dari tenor pembayaran. : nilai domain dari himpunan fuzzy menengah yang memiliki derajat keanggotaan 0. 6 : nilai domain terkecil dari himpunan fuzzy menengah yang memiliki derajat keanggotaan. tinggi yaitu sebagai berikut : PH _ tinggi x 0 x 80 74,48 80 x x 74,48 x 74,48 x : input dari tenor pembayaran. 80 : nilai domain dari himpunan fuzzy tinggi yang memiliki derajat keanggotaan : nilai domain terkecil dari himpunan fuzzy rendah yang memiliki derajat keanggotaan c. Tingkat Pelunasan Tingkat pelunasan merupakan output/keluaran yang diharapkan oleh perusahaan terhadap proses pembayaran kredit. Variabel tingkat pelunasan ini didefinisikan menjadi tiga himpunan fuzzy, yaitu belum lunas, hampir lunas, dan lunas. Berikut ini merupakan representasi fungsi keanggotaan himpunan fuzzy pada variabel tingkat pelunasan : Pembentukan Aturan-aturan Dasar Operator yang digunakan untuk menghubungkan atau membentuk aturan dasar antara dua input yaitu operator AND,dan yang memetakan antara inputoutput yaitu If-Then. Proposisi yang mengikuti If disebut anteseden, sedangkan proposisi yang mengikuti Then disebut konsekuen. Setelah aturan dasar dibentuk, maka dilakukan fungsi implikasi. Fungsi implikasi pada metode Mamdani yaitu menggunakan MIN, yang berarti tingkat keanggotaan yang didapat sebagai konsekuen merupakan nilai minimum dari variabel tenor pembayaran dan pokok hutang, sehingga didapat daerah fuzzy pada variabel nilai tingkat pelunasan untuk masing-masing aturan.
8 Komposisi Aturan Pada metode Fuzzy Mamdani, komposisi anturan fungsi implikasi yaitu menggunakan fungsi Max. Secara umum dapat dituliskan dengan rumus : µ sf [x]=max(µ kfi [x]) µ sf [x] : nilai keanggotaan solusi fuzzy sampai aturan ke-i µ kfi [x] : nilai keanggotaan konsekuensi fuzzy Defuzzifikasi Pada defuzzifikasi ini akan menghasilkan suatu nilai untuk tingkat pelunasan belum lunas, hampir lunas, dan lunas. Keluaran ini bergantung pada nilai defuzzifikasinya. Perhitungan defuzzifikasi ini dilakukan menggunakan bantuan software Matlab Penentuan Tingkat Pelunasan Kredit Himpunan fuzzy yang telah dibentuk digunakan untuk menentukan tingkat pelunasan kredit. Himpunan fuzzy tersebut meliputi variabel tenor pembayaran dan pokok hutang sebagai variabel input, serta variabel tingkat pelunasan sebagai variabel outputnya. Salah satu sampel yang akan digunakan untuk menentukan tingkat pelunasan kredit menggunakan Fuzzy Mamdani yaitu tenor pembayaran ke-29 dengan pokok hutang 6.6 jt sebagai berikut : a. Menentukan himpunan fuzzy Variabel pokok hutang dibagi menjadi tiga himpunan fuzzy yaitu rendah, menengah dan tinggi. Fungsi keanggotaan untuk pokok hutang 6.6 jt berada pada himpunan fuzzy menengah, sehingga derajat keanggotaanya dapat diperoleh dari persamaan persamaan (6) sebagai berikut : PH _ menengah 6.6 0,03 6 Pokok hutang 6.6jt, dapat dikatakan menengah dengan tingkat keanggotaan 20%. Variabel tenor pembayaran dibagi menjadi tiga himpunan fuzzy yaitu belum lunas, hampir lunas, dan lunas. Fungsi keanggotaan untuk tenor pembayaran ke-29 berada pada himpunan fuzzy belum lunas dan hampir lunas, sehingga derajat keanggotaanya dapat diperoleh dari persamaan (7) dan persamaan (6) sebagai berikut : 3029 TP _ BelumLunas[29] 0,2 302 Tenor pembayaran ke-29, dapat dikatakan belum lunas dengan tingkat keanggotaan 20% TP _ HampirLunas [29] 0, Tenor pembayaran ke-29, dapat dikatakan hampir lunas dengan tingkat keanggotaan 20%. b. Aplikasi Fungsi Implikasi Fungsi implikasi yang digunakan dalam metode Fuzzy Mamdani yaitu fungsi Min. Berdasarkan aturan yang dibentuk maka diperoleh : [R] Jika pokok hutang menengah dan tenor pembayaran belum lunas maka tingkat pelunasan belum lunas α-predikat 2 = µ PH_menengah µ PH_Belum Lunas =min(µ PH_menengah (0.03) µ PH_Hampir Lunas (0.2)) =min((0.03),(0.2) =0.03 Artinya nilai minimum dari nilai keanggotaan pokok hutang menengah dan tenor pembayaran belum lunas yaitu sebesar 0,03. [R2] Jika pokok hutang menengah dan tenor pembayaran hampir lunas maka tingkat pelunasan hampir lunas.
9 α-predikat 2 = µ PH_menengah µ PH_Hampir Lunas =min(µ PH_menengah (0.03) µ PH_Hampir Lunas (0.2)) =min((0.03),(0.2) =0.03 Artinya nilai minimum dari nilai keanggotaan pokok hutang menengah dan tenor pembayaran hampir lunas yaitu sebesar 0,03. c. Komposisi Aturan Pada metode Fuzzy Mamdani, komposisi anturan fungsi implikasi yaitu menggunakan fungsi Max, sehingga didapat daerah himpunan fuzzy sebagai berikut : µ sf [xi]=max(µ TPE_BelumLunas (0.03),µ TPE_HampirLun as(0.03)) =max((0.03),(0.03)) Ketika TPE _ BelumLunas maka dapat ditentukan nilai x sebagai berikut : 0 x x x x 49,8 Artinya nilai tingkat pelunasan belum lunas dari tenor pembayaran ke-29 dengan pokok hutang 6.6jt, tingkat keanggotaan belum lunas sebesar Ketika TPE _ HampirLunas maka dapat ditentukan nilai x sebagai berikut : x x x 0. 0 x 0. Artinya nilai tingkat pelunasan belum lunas dari tenor pembayaran ke-29 dengan pokok hutang 6.6jt, tingkat keanggotaan hampir lunas sebesar 0.. Didapat fungsi keanggotaan daerah solusi sebagai berikut : x [ x] 0.03 x x 4 4 x x 0 0 x x d. Defuzzifikasi Defuzzifikasi digunakan untuk mengubah nilai keanggotaan fuzzy menjadi bilangan real. Defuzzifikasi yang digunakan untuk menentukan tingkat pelunasan kredit yaitu metode centroid. Berikut ini merupakan perhitungan defuzzifikasi menggunakan metode centroid : Z xdx xdx 0.03xdx xdx dx dx 0.03dx dx Z x 4 0 x x 0 x Berdasarkan perhitungan defuzzifikasi didapat nilai tingkat pelunasan untuk tenor pembayaran ke-29 dengan pokok hutang 6.6jt yaitu sebesar yang menunjukkan bahwa nilai tersebut masuk kedalam kategori belum lunas. Demikian cara tersebut diulang sampai data mempunyai nilai defuzzufikasi. Dalam mempermudah perhitungan defuzzifikasi dapat menggunakan software MATLAB 7.0. PENUTUP Kesimpulan Logika fuzzy dapat digunakan untuk menentukan tingkat pelunasan pembayaran kredit mobil dengan input yang terdiri dari tenor pembayaran dan pokok hutang. Aplikasi fuzzy yang digunakan pada penelitian ini yaitu fuzzy Mamdani, yang terdiri dari dua variabel input dan satu variabel output. Hasil akhir yang diperoleh yaitu berupa nilai dx xdx
10 tingkat pelunasan untuk menentukan status tingkat pelunasan untuk setiap tenor. Hasil yang diperoleh yakni tingkat pelunasan dikatakan belum lunas apabila debitur baru melakukan proses angsuran pada bulan ke- sampai dengan tenor pembayaran ke-29, tingkat pelunasan dikatakan hampir lunas apabila debitur sudah mulai melakukan angsuran pada bulan ke-30 sampai bulan ke-39, dan tingkat pelunasan dikatakan lunas apabila debitur telah melakukan proses pembayaran pada angsuran bulan ke-40 sampai bulan ke-48. Rafi ah, A.N Penentuan Tingkat Kemiskinan Menggunakan Logika Fuzzy Pada Koperasi Baytul Ikhtiar Bogor. Jurnal Program Studi Matematika : Institut Pertanian Bogor Wang, L.X A Course in Fuzzy Systems and Control. New Jersey : Prentice-Hall International. Saran PT AUTO 2000 dapat mempertimbangkan penggunaan metode fuzzy Mamdani dalam menentukan tingkat pelunasan pembayaran kredit karena dari hasil penelitian ini, penggunakan fuzzy Mamdani dapat menghindari adanya kredit macet sehingga perusahaan akan memperoleh keuntungan yang maksimal. Tak hanya itu, PT AUTO 2000 dapat menawarkan produk baru kepada debitur yang masih dalam pantauan perusahaan. DAFTAR PUSTAKA Kusumadewi, S dan Purnomo Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta : Graha Ilmu Kusumadewi,S Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta : Graha llmu. Mahadipa, A. 20. Analisis Sistem Pembayaran Kredit Pemilikan Mobil Dengan Metode Bunga Flat dan Bunga Efektif. Skripsi Program Studi Matematika : Universitas Jember.
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciKata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa
SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan
Lebih terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih 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 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciBAB 2 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 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 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 III METODE FUZZY MAMDANI
29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan
Lebih terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar
Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika
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 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 terperinciPENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN
Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.
Lebih terperinciPraktikum sistem Pakar Fuzzy Expert System
Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan
Lebih terperinciBAB 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 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 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 terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciLOGIKA 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 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 terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
Lebih terperinciElin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM
ANALISA KENDALI LOGIKA FUZZY DENGAN METODE DEFUZZIFIKASI COA (CENTER OF AREA), BISEKTOR, MOM (MEAN OF MAXIMUM), LOM (LARGEST OF MAXIMUM), DAN SOM (SMALLEST OF MAXIMUM) Elin Haerani Jurusan Teknik Informatika,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu
Lebih terperinciBAB II: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih terperinciBAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit
BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit
Lebih terperinciHimpunan Tegas (Crisp)
Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System
Lebih 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 terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang
Lebih terperinciSistem Inferensi Fuzzy
Sistem Inferensi Fuzzy METODE SUGENO 27 Sistem Inferensi Fuzzy Metode Tsukamoto Metode Sugeno! Diperkenalkan oleh Takagi-Sugeno-Kang, tahun 1985.! Bagian output (konsekuen) sistem tidak berupa himpunan
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 terperinciMETODOLOGI PENELITIAN
7 terboboti dari daerah output fuzzy. Metode ini paling dikenal dan sangat luas dipergunakan. First of Maxima (FoM) dan Last of Maxima (LoM) Pada First of Maxima (FoM), defuzzifikasi B( y) didefinisikan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah suatu kumpulan atau koleksi objek-objek yang mempunyai kesamaan sifat tertentu. Objek ini disebut elemen-elemen atau anggota-anggota dari himpunan (Frans
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih 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 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 terperinciPerekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani
BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 2.1 Pengertiaan Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciBAB 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 terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinciPENDAHULUAN A. LATAR BELAKANG MASALAH
PENDAHULUAN A. LATAR BELAKANG MASALAH Dalam pelaksanaan pembelajaran selalu ditemui evaluasi-evaluasi untuk menguji tingkat pemahaman terhadap suatu bahan yang dipelajari. Evaluasi-evaluasi ini tidak boleh
Lebih terperincimanusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.
6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau
Lebih 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 terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih 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 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 terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
Lebih terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Sistem Pendukung Keputusan DSS adalah suatu sistem informasi yang datanya diproses dalam bentuk pembuatan keputusan bagi pemakai akhir. Karena berorientasi pada pemakai akhir,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY Denny Cristiono T.S., Yugowati P.,Sri Yulianto J.P. Fakultas Teknologi Informasi Universitas Kristen
Lebih 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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi
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 terperinciPenerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang
Penerapan Fuy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Thomson Mary Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat Kampus II, Gunung Pangilun, Padang Email:
Lebih terperinciLOGIKA 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 terperinciSiska Ernida Wati, Djakaria Sebayang, Rachmad Sitepu
Saintia Matematika Vol. 1, No. 3 (2013), pp. 273 24. PERBANDINGAN METODE FUZZY DENGAN REGRESI LINIER BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI (Studi Kasus Produksi Kelapa Sawit di PT. Perkebunan III (PERSERO)
Lebih terperinciHimpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi
Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
Lebih 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 terperinciSISTEM 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 terperinciMODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian dalam tugas akhir ini adalah BPR BKK Kendal yang beralamatkan di jalan Soekarno Hatta No 335 Kendal. Penelitian ini berlangsung dari bulan
Lebih terperinciBAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan
BAB IV PEMBAHASAN Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan teori aljabar max-plus dalam pengaturan lampu lalu lintas di simpang empat Beran Kabupaten Sleman Provinsi Daerah
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 terperinciBAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas
BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,
Lebih terperinciAplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic
Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk
Lebih terperinciPEMODELAN FREKUENSI PETIR DI BOGOR MENGGUNAKAN PENDEKATAN LOGIKA FUZZY PENDAHULUAN
PEMODELAN FREKUENSI PETIR DI BOGOR MENGGUNAKAN PENDEKATAN LOGIKA FUZZY S. NURDIATI 1, E. KHATIZAH 1, N. ROSDIYANA 2 Abstrak Guinness Book of Record pada tahun 1989 dalam artikel Antara News (2013) menunjukkan
Lebih terperinciPrediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses Manado Menggunakan Fuzzy Inference System
Jurnal Matematika dan Aplikasi decartesian ISSN:2302-4224 J o u r n a l h o m e p a g e: https://ejournal.unsrat.ac.id/index.php/decartesian decartesian Prediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses
Lebih terperinciJMP : Volume 4 Nomor 2, Desember 2012, hal
12 JMP : Volume 4 Nomor 2, Desember 2012, hal. 253-264 APLIKASI FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK REKOMENDASI PEMILIHAN BIDANG KAJIAN PADA MAHASISWA PROGRAM STUDI MATEMATIKA UNSOED Yusuf Nur
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 terperinciSISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI ABSTRAK
SISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS PROGRAM STUDI TEKNIK INFORMATIKA-S1 UDINUS) Wisnu Joyo Anggita Teknik Informatika Universitas Dian Nuswantoro Semarang
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 terperinciLOGIKA FUZZY (Lanjutan)
Metode Mamdani Metode mamdani sering dikenal sebagai metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Menurut metode ini, ada empat tahap yang harus dilalui untuk mendapatkan
Lebih terperinciLOGIKA SAMAR (FUZZY LOGIC)
LOGIKA SAMAR (FUZZY LOGIC) 2. Himpunan Samar 2.. Himpunan Klasik dan Himpunan Samar Himpunan klasik merupakan himpunan dengan batasan yang tegas (crisp) (Jang, Sun, dan Mizutani, 24). Sebagai contoh :
Lebih terperinciTahap Sistem Pakar Berbasis Fuzzy
Company LOGO Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 www.company.com
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 terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
Lebih terperinciKarena tidak semua masyarakat mampu membeli kendaraan khususnya roda empat secara tunai, maka mereka membelinya secara kredit. PT Astra Credit Compani
ANALISIS PEMBERIAN KREDIT MOBIL DENGAN PENDEKATAN METODE FUZZY-MAMDANI (STUDI KASUS : PT ASTRA CREDIT COMPANIES CABANG DAIHATSU CIBUBUR) Andrian Yamin Jurusan Akuntansi Universitas Gunadarma Depok Jl.
Lebih terperinciMengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti
Lebih terperinciSIMULASI KENDALI MUTU DOSIS OBAT BERBASIS BOBOT DENGAN MENGGUNAKAN LOGIKA FUZZY
Abstract SIMULASI KENDALI MUTU DOSIS OBAT BERBASIS BOBOT DENGAN MENGGUNAKAN LOGIKA FUZZY Panca Hariwan Program Studi Teknik Komputer AMIK Bina Sarana Informatika panca_hariwan@bsi.ac.id; panca_85@yahoo.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
Lebih 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 terperinciREKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO
REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO Endra Pratama, Titin Sri Martini, Mania Roshwita Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI A. Kelapa Sawit Kelapa sawit adalah tumbuhan industri/ perkebunan yang berguna sebagai penghasil minyak masak, minyak industri, maupun bahan bakar. Pohon Kelapa Sawit terdiri dari
Lebih terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciPERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES
PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES Nurmalitasari STMIK Duta Bangsa Surakarta nurmal_ita@yahoo.com ABSTRAK Penelitian ini bertujuan
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 terperinciAnalisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang
Analisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang Nurul Khairina Politeknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal nurulkhairina27@gmail.com Abstrak
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 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 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 terperinciBAB 2 2. LANDASAN TEORI
BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu
Lebih terperinciAnalisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB
Analisa Tingkat di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Popy Meilina Jurusan Teknik Informatika Universitas Muhammadiyah Jakarta E-mail: Opi3_five@yahoo.com.sg Abstrak -- Fuzzy Logic
Lebih terperinciIMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ)
IMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ) Edy Victor Haryanto Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No. 3 A Tj. Mulia Medan edy@potensi-utama.ac.id,
Lebih terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
Lebih terperinci