Materi 8: Introduction to Fuzzy Logic

Ukuran: px
Mulai penontonan dengan halaman:

Download "Materi 8: Introduction to Fuzzy Logic"

Transkripsi

1 Materi 8: Introduction to Fuy Logic I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali

2 Introduction to Fuy Logic Kusuma Wardana, M.Sc. 2

3 Fuy berarti kabur, samar Istilah Logika Fuy diperkenalkan pd thn 1965 oleh Lofti A. Zadeh Logika Fuy dikenal sbg logika baru yang telah lama Contoh: menyatakan tinggi badan seseorang sangat bersifat relatif Kusuma Wardana, M.Sc. 3

4 Berapakah tinggi badan sesorang sehingga dapat dikategorikan menjadi: pendek, sedang, atau tinggi? Kusuma Wardana, M.Sc. 4

5 Introduction to Fuy Logic Kusuma Wardana, M.Sc. 5

6 Amati pemetaan input ke output berikut: Ruang Input? Ruang Output Kotak hitam dpt berupa: 1. Sistem Fuy 2. Jaringan Syaraf Tiruan 3. Persamaan Diferensial 4. dll Kusuma Wardana, M.Sc. 6

7 Himpunan Fuy memiliki dua atribut: Linguistik penamaan menggunakan bahasa alami, sprt: dingin, sejuk, hangat, dan panas Numeris pemberian nilai yg menunjukkan ukuran suatu variabel, sprt: 0, 15,, 30, 40, dsb Kusuma Wardana, M.Sc. 7

8 Istilah 2 dlm Sistem Fuy: Variabel Fuy Variabel yg akan dibahas. Contoh: Temperatur, Tinggi Badan, Umur Himpunan Fuy Bagian2 yg mewakili suatu kondisi dlm variabel fuy. Contoh: varibel umur, dpt dibagi mnjd 3 himpunan fuy: muda, paruh baya, dan tua Kusuma Wardana, M.Sc. 8

9 Semesta pembicaraan keseluruhan rentang nilai dlm suatu variabel fuy Contoh: Semesta umur [0 100] Domain nilai yg boleh dioperasikan dlm himpunan fuy Contoh: muda = [0 45], paruh baya = [35 55], tua = [45 100] Kusuma Wardana, M.Sc. 9

10 Amati transisi musim dalam setahun, sbb: Apakah dlm keadaan nyata batas 2 transisi tsb jelas terlihat? Kusuma Wardana, M.Sc. 10

11 Transisi pergantian musim menunjukkan keadaan kabur dlm suatu siklus tahunan Derajat keanggotaan berada antara 0-1 Kusuma Wardana, M.Sc. 11

12 Kusuma Wardana, M.Sc. 12

13 Kusuma Wardana, M.Sc. 13

14 Detail fungsi keanggotaan dpt dilihat di MATLAB Kusuma Wardana, M.Sc. 14

15 AND = nilai minimum, OR = nilai maksimum Kusuma Wardana, M.Sc. 15

16 Merupakan rangkaian aturan yang membangun sistem fuy Sintaks: IF is A THEN y is B Contoh: IF udara is panas THEN kecepatan kipas is besar Kusuma Wardana, M.Sc. 16

17 Fuy inference (FI) adlh proses formulasi utk memetakan input ke output menggunakan logika fuy FI mencakup bbrp hal : o o o Membership functions, logical operations, dan If-Then rules Kusuma Wardana, M.Sc. 17

18 Introduction to Fuy Logic Kusuma Wardana, M.Sc. 18

19 Kasus: Karena hari ini Valentine, Romi ingin mengajak Juli dinner di suatu restoran. Sebelum berangkat dinner, Romi berpikir akan membagi kebahagiaannya pd malam ini kpd pelayan restoran dgn memberikan uang tip. Dia akan memberikan uang tip sebesar 5-25% dari total belanjanya. Besarnya uang tip akan dilihat dari tingkat Pelayanan (service) dan kualitas makanan (food) yg dihidangkan. Kusuma Wardana, M.Sc. 19

20 Pertanyaan: Bantulah Romi untuk memutuskan besarnya uang tip yang akan diberikan kepada pelayan restoran, jika setelah menikmati hidangan dan fasilitas pelayanan Romi memberi nilai, sbb: o Pelayanan = 7 o Makanan = 8 Ingat, kisaran uang tip adalah 5 25% Kusuma Wardana, M.Sc.

21 Adapun aturan pemberian tip yg ditetapkan oleh Romi adalah sebagai berikut: Jika Pelayanan Jelek ATAU Makanan Tengik, maka Tip Rendah Jika Pelayanan Sedang, maka Tip Standar Jika Pelayanan Bagus ATAU Makanan Leat, maka Tip Mahal Kusuma Wardana, M.Sc. 21

22 Jawab: Tahapan FIS: 1. Membuat himpunan fuy dan input fuy 2. Menerapkan operator fuy 3. Menerapkan fungsi implikasi 4. Mengkomposisikan semua output 5. Defuyfication Kusuma Wardana, M.Sc. 22

23 1. Membuat Himpunan & Input Fuy Asumsikan kategori setiap varibel fuy, sbb: o o o Pelayanan: Jelek, Sedang & Bagus Makanan: Tengik & Leat Tip : Murah, Standar & Mahal Kusuma Wardana, M.Sc. 23

24 Input: Pelayanan Kusuma Wardana, M.Sc. 24

25 Input: Makanan Kusuma Wardana, M.Sc. 25

26 Output: % Uang Tip Kusuma Wardana, M.Sc. 26

27 Input: Pelayanan = 7?? Kusuma Wardana, M.Sc. 27

28 Amati fungsi keanggotaan trimf berikut: b a b a c c b 0 0 a Kusuma Wardana, M.Sc. c 28

29 Input: Pelayanan = 7 μ T_Sedang = c1 c1 b1 μ T_Bagus = a2 b2 a2 b1 b2 a1 a2 c1 Kusuma Wardana, M.Sc. 29

30 Input: Pelayanan = 7 μ T_Sedang = c1 c1 b1 = = 2 4 = 0. 5 μ T_Bagus = a2 b2 a2 = = 1 4 = Kusuma Wardana, M.Sc. 30

31 Input: Pelayanan = 7 Dengan demikian, kita bisa simpulkan himpunan fuy utk input pelayanan adlh sbb: o Himp. Fuy JELEK: μ P_Jelek [7] = 0 o Himp. Fuy SEDANG: μ P_Sedang [7] = 0.5 o Himp. Fuy BAGUS : μ P_Bagus [7] = 0.25 Kusuma Wardana, M.Sc. 31

32 Amati fungsi keanggotaan trapmf berikut: b 1 c a b a d d c 0 a Kusuma Wardana, M.Sc. 32 d 0

33 Input: Makanan = 8 μ T_Leat = a b a b μ T_Leat = a b a = = 1 2 = 0. 5 a Kusuma Wardana, M.Sc. 33

34 Input: Makanan = 8 Dengan demikian, kita bisa simpulkan himpunan fuy utk input makanan adlh sbb: o Himp. Fuy TENGIK: μ P_Tengik [8] = 0 o Himp. Fuy LEZAT: μ P_Leat [8] = 0.5 Kusuma Wardana, M.Sc. 34

35 Jika kita kumpulkan semua input Pelayanan = 7 dan Makanan = 8, maka diperoleh: o Himp. Fuy JELEK: μ P_Jelek [7] = 0 o Himp. Fuy SEDANG: μ P_Sedang [7] = 0.5 o Himp. Fuy BAGUS : μ P_Bagus [7] = 0.25 o Himp. Fuy TENGIK: μ P_Tengik [8] = 0 o Himp. Fuy LEZAT: μ P_Leat [8] = 0.5 Kusuma Wardana, M.Sc. 35

36 2. Menerapkan Operator Fuy Aturan ke-1 IF Pelayanan Jelek OR Makanan Tengik THEN Tip Murah α 1 = ma(μ P_Jelek [7], μ P_Tengik [8]) = ma(0,0) = 0 Aturan ke-2 IF Pelayanan Sedang THEN Tip Standar α 2 = μ P_Sedang [7] = 0.5 Aturan ke-3 IF Pelayanan Bagus OR Makanan Leat THEN Tip Mahal α 3 = ma(μ P_Bagus [7], μ P_Leat [8]) = ma(0.25, 0.5) = 0.5

37 3. Merapkan Fungsi Implikasi Amati bahwa α 1 = 0, α 2 = 0.5 dan α 3 = 0.5 Langkah selanjutnya adlh mencari nilai2 tsb di variabel output Kusuma Wardana, M.Sc. 37

38 Selanjutnya, sesuaikan dgn output: IF Pelayanan Jelek OR Makanan Tengik THEN Tip Murah α 1 = 0 IF Pelayanan Sedang THEN Tip Standar α 2 = 0.5 IF Pelayanan Bagus OR Makanan Leat THEN Tip Mahal α 3 = 0.5???? 38

39 Kusuma Wardana, M.Sc. 39 c b b c c b a a b a c a,, atau 0, T_Murah c b b c c b a a b a c a,, atau 0, T_Standar c b b c c b a a b a c a,, atau 0, T_Mahal

40 Kusuma Wardana, M.Sc , , atau 0 0, M_Murah 15, , atau 10 0, M_Standar 30 25, , atau 0, M_Mahal

41 Aturan ke-1 α 1 = 0 Tidak ada daerah hasil implikasi Nilai alpha=0 tidak memotong daerah output. Jadi, tidak ada daerah hasil implikasi Kusuma Wardana, M.Sc. 41

42 Aturan ke-2 α 2 = = Atau: 0.5 = = 10 = = = Kusuma Wardana, M.Sc. 42

43 Aturan ke-3 α 3 = = 25 Atau: 0.5 = = = = 30 = Kusuma Wardana, M.Sc. 43

44 4. Mengkomposisikan Semua Output Kusuma Wardana, M.Sc. 44

45 Kusuma Wardana, M.Sc , , 22.5, , , , atau 10 0, SF[]

46 5. Defuyfikasi Diperoleh dengan cara menghitung momen dan luas daerah hasil implikasi Momen Luas daerah Kusuma Wardana, M.Sc. 46

47 Amati kembali daerah hasil komposisi: Kusuma Wardana, M.Sc. 47

48 Hitunglah luas daerah hasil komposisi. Dlm hal ini menggunakan rumus luas segitiga dan luas persegi panjang Kusuma Wardana, M.Sc. 48

49 A1 = ( ) 0.5 = A2 = ( ) 0.5 = 2.5 A3 = ( 17.5) 0.5 = A4 = (22.5 ) 0.5 = A5 = ( ) 0.5 = 2.5 A6 = ( ) = Kusuma Wardana, M.Sc. 49

50 Sederhanakan fungsi komposisi: Kusuma Wardana, M.Sc , , 22.5, , , , atau 0, SF[] , , , , , , atau 0, SF[]

51 Menghitung momen: Kusuma Wardana, M.Sc d d M d M d d M d d M d M d d M

52 Menghitung titik pusat (centroid): Kusuma Wardana, M.Sc ) ( ) (7.3 6) ( 6) ( * A A A A A A M M M M M M

53 Dengan demikian, besarnya uang tip yang harus diberikan oleh Romi dengan penilaian Pelayanan = 7 dan Makanan = 8 adalah sebesar % Kusuma Wardana, M.Sc. 53

54 Bandingkan hasilnya menggunakan MATLAB, sbb: Kusuma Wardana, M.Sc. 54

55 Bentuk hasil inferensi terhadap semua jenis peluang nilai dari Makanan dan Pelayanan Kusuma Wardana, M.Sc. 55

56 Wardana, I N.K. Pengantar Logika Fuy. Slide Kuliah Kontrol Cerdas. Teknik Fisika UGM Wardana, I N.K. Matematika Logika Fuy. Slide Kuliah Kontrol Cerdas. Teknik Fisika UGM Nasution H. 02. An Introduction to Fuy Logic Controller, Mechanical Engineering Faculty of Industrial Technology Bung Hatta University, Padang. MATLAB Fuy Logic Toolbo Help Fuy Logic Systems. Control-systemsprinciples.co.uk. Kusumadewi. 02. Analisis & Desain Sistem Fuy Menggunakan Toolbo Matlab. Graha Ilmu. Yogyakarta Kusuma Wardana, M.Sc. 56

Materi 9: Fuzzy Controller

Materi 9: Fuzzy Controller Materi 9: Fuzzy Controller I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Introduction to Fuzzy Logic Kusuma Wardana, M.Sc. 2 Logika Fuzzy dapat diterapkan sebagai algoritma dalam sistem kontrol

Lebih terperinci

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang

Lebih terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi

Lebih terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien Tjipta Wijaya, ST.,M.Kom Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari

Lebih terperinci

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

NURAIDA, IRYANTO, DJAKARIA SEBAYANG Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji

Lebih terperinci

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

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental

Lebih terperinci

KECERDASAN BUATAN LOGIKA FUZZY

KECERDASAN BUATAN LOGIKA FUZZY KECERDASAN BUATAN LOGIKA FUZZY Pengertian adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy Antara input dan output terdapat suatu kotak hitam yang harus

Lebih terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak

Lebih terperinci

STUDY 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) 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 terperinci

Praktikum sistem Pakar Fuzzy Expert System

Praktikum sistem Pakar Fuzzy Expert System Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan

Lebih terperinci

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

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang

Lebih terperinci

Materi 6: Logic Concepts

Materi 6: Logic Concepts Materi 6: Logic Concepts I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Utk memahami sistem kontrol terprogram (programmable controllers) & penerapannya pertama yg hrs dipahami adalah: konsep

Lebih terperinci

LOGIKA FUZZY. By: Intan Cahyanti K, ST

LOGIKA FUZZY. By: Intan Cahyanti K, ST LOGIKA FUZZY By: Intan Cahyanti K, ST Pengertian Adalah suatu cara untuk memetakan suatu ruang input kedalam suatu ruang output. Skema Logika Fuzzy Antara input dan output terdapat suatu kotak hitam yang

Lebih terperinci

Materi 5: Processor Structure & Function

Materi 5: Processor Structure & Function Materi 5: Processor Structure & Function I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Organisasi Prosesor Organisasi Register Kusuma Wardana, M.Sc. 2 Bagian 2 Utama Komputer: Top level view

Lebih terperinci

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas

Lebih terperinci

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

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan

Lebih terperinci

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk

Lebih terperinci

BAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.

BAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri. BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan

Lebih terperinci

MEMBANGUN PERANGKAT LUNAK PENENTUAN DAYA LISTRIK DENGAN LOGIKA FUZZY

MEMBANGUN PERANGKAT LUNAK PENENTUAN DAYA LISTRIK DENGAN LOGIKA FUZZY MEMBANGUN PERANGKAT LUNAK PENENTUAN DAYA LISTRIK DENGAN LOGIKA FUZZY Farikhah Indriani 1, Supriyono 2 1 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jln. Kaliurang

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu

Lebih terperinci

DENIA FADILA RUSMAN

DENIA FADILA RUSMAN Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi

Lebih terperinci

Metode Fuzzy. Analisis Keputusan TIP FTP UB

Metode Fuzzy. Analisis Keputusan TIP FTP UB Metode Fuzzy Analisis Keputusan TIP FTP UB Pokok Bahasan Pendahuluan Logika Klasik dan Proposisi Himpunan Fuzzy Logika Fuzzy Operasi Fuzzy Contoh Pendahuluan Penggunaan istilah samar yang bersifat kualitatif

Lebih terperinci

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

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

Lebih terperinci

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

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri

Lebih terperinci

Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy

Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi Logika Fuzzy 1 Fitur Fungsi Keanggotaan Fungsi keanggotaan himpunan fuzzy: Core (inti) Support (pendukung) Boundary (batas) 2 (a) (b) Himp. Fuzzy

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan

Lebih terperinci

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai

Lebih terperinci

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

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

Lebih terperinci

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK

Lebih terperinci

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY 1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan

Lebih terperinci

Materi 4: Microprocessor-Based Control

Materi 4: Microprocessor-Based Control Materi 4: Microprocessor-Based Control I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Mikroprosesor mengantarkan ke suatu era baru dlm sistem kontrol Mikroprosesor menawarkan fleksibilitas

Lebih terperinci

Materi 2: Sensor, Signal & Systems

Materi 2: Sensor, Signal & Systems Materi 2: Sensor, Signal & Systems I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Sensor a device that receives and responds to a signal or stimulus. (alat yg menerima & merespon suatu sinyal

Lebih terperinci

Penerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang

Penerapan 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 terperinci

Materi 7: Introduction to PLC Programming Language

Materi 7: Introduction to PLC Programming Language Materi 7: Introduction to PLC Programming Language I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Bhs pemrograman utk PLC: mulai dikembangkan sejak mulai lahirnya PLC di akhir thn 1960an Teknologi

Lebih terperinci

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika

Lebih terperinci

Materi 2: Computer Systems

Materi 2: Computer Systems Materi 2: Computer Systems I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Pendahuluan top-level view Komponen Komputer Fungsi Komputer Kusuma Wardana, M.Sc 2 Pendahuluan top-level view Komponen

Lebih terperinci

Sist Sis em t Fuzzy Fuzz Sistem Pakar

Sist Sis em t Fuzzy Fuzz Sistem Pakar Sistem Fuzzy Sistem Pakar Pendahuluan Manusia cenderung menggunakan bahasa dalam bentuk sesuatu yang dapat dipahami secara umum, bukan dalam bentuk bahasa matematika yang mementingkan akurasi. Misalkan,

Lebih terperinci

Materi 3: Relasi dan Fungsi

Materi 3: Relasi dan Fungsi Materi 3: Relasi dan Fungsi I Nyoman Kusuma Wardana STMIK STIKOM Bali Definisi Relasi & Fungsi Representasi Relasi Relasi biner Sifat-sifat relasi biner Relasi inversi Mengkombinasikan relasi Komposisi

Lebih terperinci

PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY

PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY

Lebih terperinci

LOGIKA FUZZY FUNGSI KEANGGOTAAN

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

Lebih terperinci

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

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan

Lebih terperinci

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

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK 1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,

Lebih terperinci

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

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH 68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.

Lebih terperinci

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

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com

Lebih terperinci

BAB II: TINJAUAN PUSTAKA

BAB II: TINJAUAN PUSTAKA BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali

Lebih terperinci

MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO

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

Lebih terperinci

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

Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. LOGIKA FUZZY UTHIE Intro Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan

Lebih terperinci

JMP : Volume 4 Nomor 2, Desember 2012, hal

JMP : 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 terperinci

Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.

Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy. Chapter 7 Tujuan Instruksional Khusus Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan. Mahasiswa mampu melakukan perhitungan

Lebih terperinci

Materi 2: Matriks dan Operasi Matriks

Materi 2: Matriks dan Operasi Matriks Materi 2: Matriks dan Operasi Matriks I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Amatilah contoh jumlah jam yang dihabiskan oleh siswa di sekolah dlm satu minggu berikut: Jika kita menghilangkan

Lebih terperinci

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan

Lebih terperinci

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

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN: PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang

Lebih terperinci

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

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

Lebih terperinci

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan

Lebih terperinci

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI 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

Lebih terperinci

Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum

Proses 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 terperinci

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

Penilaian 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 terperinci

Matematika Diskrit Fuzzy Inference System Prodi T.Informatika

Matematika Diskrit Fuzzy Inference System Prodi T.Informatika Matematika Diskrit Fuzzy Inference System Prodi T.Informatika Mahasiswa dapat melakukan penalaran dengan hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Mekanisme Fuzzy Iinference Systems

Lebih terperinci

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Logika Himpunan Fuzzy

Logika Himpunan Fuzzy Logika Himpunan Fuzzy 1 Fungsi Keanggotaan untuk crisp logic True False 1 0 80F Panas Temperature f temperature >= 25C, Panas (1 atau Benar); f temperature < 25C, tidak Panas (0 atau Salah). Fungsi keanggotaan

Lebih terperinci

ANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN

ANALISIS 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.

Lebih terperinci

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas

Lebih terperinci

PERBANDINGAN 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) 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 terperinci

Perbaikan UTS. Telah ada tugas, merangkum paper, tujuan: Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH:

Perbaikan UTS. Telah ada tugas, merangkum paper, tujuan: Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH: Perbaikan UTS Telah ada tugas, merangkum paper, tujuan: memperbaiki hasil UTS Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH: Paper tidak terkait / berbasis WEB Tidak ada unsur kecerdasan

Lebih terperinci

Studi Kasus Fuzzy Logic 2016

Studi Kasus Fuzzy Logic 2016 1. Menentukan Himpunan Fuzzy Menggunakan Formula Di Microsoft Excell 2.1 Representasi Linier Naik Diketahui Persamaan Fungsi Keanggotaan Sebagai berikut : Berapakah µ[40], µ[45], µ[50]? Langkah-langkahnya

Lebih terperinci

Materi 10: PID Concepts

Materi 10: PID Concepts Materi 10: PID Concepts I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Introduction to Fuzzy Logic Kusuma Wardana, M.Sc. 2 Berikut adlh blok diagram dr suatu sistem kontrol dgn menggunakan kontrol

Lebih terperinci

IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA

IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,

Lebih terperinci

RANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY

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

Lebih terperinci

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

SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,

Lebih terperinci

Materi 6: Control Unit Operations

Materi 6: Control Unit Operations Materi 6: Control Unit Operations I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Pendahuluan Siklus Instruksi Micro-operations Kusuma Wardana, M.Sc. 2 PENDAHULUAN Kusuma Wardana, M.Sc. 3 Jika

Lebih terperinci

Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman

Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat

BAB 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 terperinci

BAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas

BAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et

Lebih terperinci

Materi 1: Pendahuluan

Materi 1: Pendahuluan Materi 1: Pendahuluan I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Mengapa Belajar Organisasi Komputer? Komputer mrpkn jantung dari komputasi tanpa komputer semua disiplin ilmu2 di bidang

Lebih terperinci

BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy

BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik

Lebih terperinci

Dasar Logika Fuzzy. Kuliah Kontrol Cerdas Semester genap 2006/2007. Feb 20, KC-Slide-02

Dasar Logika Fuzzy. Kuliah Kontrol Cerdas Semester genap 2006/2007. Feb 20, KC-Slide-02 Dasar Logika Fuzzy Kuliah Kontrol Cerdas Semester genap 2006/2007 Feb 20, 2007-1 Materi Konsep Dasar Algoritma Fuzzy Operator Fuzzy Feb 20, 2007-2 Konsep Dasar [1] Teori klasik, himpunan = kumpulan elemen

Lebih terperinci

Materi 4: Assembly Language Programming

Materi 4: Assembly Language Programming Materi 4: Assembly Language Programming I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Pendahuluan Mesin sederhana Mnemonic dan sintaks Kusuma Wardana, M.Sc 2 Pendahuluan Mesin sederhana Mnemonic

Lebih terperinci

BAB 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 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 terperinci

PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA

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

Lebih terperinci

Analisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang

Analisis 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 terperinci

METODOLOGI PENELITIAN

METODOLOGI 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 terperinci

Materi 1: Teori Himpunan

Materi 1: Teori Himpunan Materi 1: Teori Himpunan I Nyoman Kusuma Wardana STMIK STIKOM Bali Himpunan (set) kumpulan objek-objek yang berbeda. Objek di dalam himpunan disebut elemen, unsur, atau anggota. Terdapat beberapa cara

Lebih terperinci

Materi 4: Rangkaian Dioda

Materi 4: Rangkaian Dioda Materi 4: Rangkaian Dioda I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Outline Clippers Clampers Clippers Clippers Clipper adlh rangkaian yg menghilangkan bagian positif atau negatif dr suatu

Lebih terperinci

PEMILIHAN PROGRAM STUDI BAGI SISWA LULUSAN SMA DALAM SELEKSI MASUK PTN UNY DENGAN LOGIKA FUZZY MAMDANI

PEMILIHAN PROGRAM STUDI BAGI SISWA LULUSAN SMA DALAM SELEKSI MASUK PTN UNY DENGAN LOGIKA FUZZY MAMDANI PEMILIHAN PROGRAM STUDI BAGI SISWA LULUSAN SMA DALAM SELEKSI MASUK PTN UNY DENGAN LOGIKA FUZZY MAMDANI Niken Lisca Aggyta Ayuningrum Universitas Negeri Yogyakarta liscaniken@gmail.com Abstrak: Seiring

Lebih terperinci

VII. LOGIKA FUZZY. Antara input dan output terdapat suatu kotak hitam yang harus memetakan input ke output yang sesuai. Misal : Ruang Input

VII. LOGIKA FUZZY. Antara input dan output terdapat suatu kotak hitam yang harus memetakan input ke output yang sesuai. Misal : Ruang Input VII. LOGIKA FUZZY 8 Logika fuzzy adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy : Ruang output Ruang input Variabel input KOTAK HITAM Variabel output

Lebih terperinci