BAB II TINJAUAN PUSTAKA
|
|
- Leony Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II TINJAUAN PUSTAKA 2.1. Logika Fzzy Pada awalnya sistem logika fzzy diperkenalkan oleh Profesor Lotfi A. Zadeh pada tahn Konsep fzzy bermla dari himpnan klasik (crisp) yang bersifat tegas ata mtlak yang hanya memiliki da nilai keanggotaan, jika benar bernilai sat dan jika salah bernilai nol. Pada himpnan fzzy setiap nilai keanggotaan tidak dibatasi secara tegas. Proses transisi dari nilai sebagai anggota ke nilai bkan anggota terjadi secara bertahap dan sehals mngkin. Karakteristik transisi tersebt dijabarkan dalam bentk fngsi keanggotaan yang menjadikan himpnan fzzy bersifat fleksibel dalam memodelkan ekspresi lingistik (Jang et al, 1997). 2.2 Fngsi Keanggotaan Fngsi yang memberikan derajat terhadap sebah elemen mengenai keberadaannya dalam sebah ggs disebt fngsi keanggotaan. Jika X adalah koleksi obyek yang dinotasikan sebagai, kemdian A adalah himpnan fzzy dalam X maka dapat ditliskan sebagai berikt: {( X, ) X} A = µ A (2.1.) µa() disebt sebagai fngsi keanggotaan (membership fnction) ntk himpnan fzzy A. Fngsi keanggotaan akan memetakan setiap elemen X dengan nilai derajat keanggotaan yang memiliki nilai antara 0 dan 1 (Jang et al, 1997). Beberapa bentk fngsi yang dapat dignakan ntk merepresentasikan fngsi keanggotaan fzzy adalah bentk krva segitiga, trapesim dan Gass (Jang et al, 1997). Fngsi keanggotaan ntk keempat bentk tersebt adalah : 1. Segitiga menggnakan tiga parameter {a,b,c} dan dapat ditliskan sebagai berikt:
2 0; x a ata x c µ ( x, a, b, c) = (x a)/(a b) ; a x b (2.2) (c x)/(c b) ; b x c Bentk krvanya adalah sebagai berikt: 1 µ : [x] 0 a b c Gambar 1 Fngsi Keanggotaan ntk Segitiga 2. Trapesim menggnakan empat parameter {a,b,c,d} dan dapat ditliskan sebagai berikt: 0; x a ata x d (x a)/(b a) ; a x b µ ( x, a, b, c, d ) = (2.3) (d x)/(d c) ; c x d 1; d x a Bentk krvanya adalah sebagai berikt: 1 µ : [x] 0 a b c d Gambar 2 Fngsi Keanggotaan ntk Trapesim 3. Gass menggnakan da parameter {c, σ } dan dapat ditliskan sebagai berikt: ( x, c, σ ) 1 2 x c 2 s µ = e (2.4)
3 Bentk krvanya adalah sebagai beikt: 1 Psat ( σ ) µ ( x ) Sigma (c) Gambar 3 Fngsi Keanggotaan ntk Gass 4. Krva S menggnakan da parameter {a,b} dan bentk krvanya adalah sebagai berikt: Gambar 4 Fngsi Keanggotaan ntk krva S 2.3 Operator Fzzy Menrt Jang et al (1997) operator dasar pada fzzy adalah : 1. Gabngan Operator gabngan dinotasikan dengan (OR). Gabngan dari da himpnan fzzy A dan B adalah himpnan fzzy C, dapat ditliskan C = A B dan dirmskan sebagai berikt : µ ( ) = max( µ A (), µ c B ()) = µ A () µ B () (2.5)
4 2. Irisan Operator irisan dinotasikan dengan (AND). Irisan dari da himpnan fzzy A dan B adalah himpnan fzzy C, dapat ditliskan C = A B dan dirmskan sebagai berikt : [ ], µ B[ ] ) = µ [ ] B[ ] µ c ( ) = min ( µ A A µ (2.6) 3. Komplemen Komplemen dari himpnan fzzy A dinotasikan dengan A (-A, NOT A) dan dirmskan sebagai berikt : µ = 1- µ A() (2.7) A 2.4 Atran Fzzy dan Penalaran Fzzy Menrt Jang et al (1997) atran fzzy sering disebt jga implikasi fzzy, ata pernyataan kondisi fzzy, bentknya adalah : if x adalah A then y adalah B. A dan B adalah nilai lingistik. adalah A disebt sebagai antecedent ata premis, sedangkan y adalah B disebt sebagai conseqent ata kesimplan. Contoh atran fzzy adalah: If tekanan tinggi, then volme kecil. If jalanan licin, then berkendaraan sangat berbahaya. If tomat berwarna merah then tomat sdah masak. Menrt Jang et al (1997) fzzy reasoning adalah prosedr inferensi yang merpakan kesimplan dari atran if-then dan fakta. Atran dasarnya adalah mods ponens. Penalaran dibagi menjadi beberapa bentk, yait : 1. Sat atran dengan sat premis Premis 1 : if x adalah A dan y adalah B, Kesimplan : y adalah B 2. Sat atran dengan banyak premis Premis 1 : if x adalah A dan y adalah B then z adalah C, Kesimplan : z adalah c
5 3. Banyak atran dengan banyak premis Premis 1 : if x adalah A 1 dan y adalah B 1 then z adalah C 1, Premis 2 : if x adalah A 2 dan y adalah B 2 then z adalah C 2, Kesimplan : z adalah C 2. 5 Fzzy Clstering Clstering dapat diselesaikan secara fzzy dan nonfzzy. Pada fzzy clstering hasil matriks transformasinya berpa nilai derajat keanggotaan antara 0 dan 1, sedangkan pada nonfzzy nilainya 0 dan 1. Clster dikatakan fzzy jika tiap-tiap objek dihbngkan dengan menggnakan derajat keanggotaan. Fzzy clstering telah diaplikasikan dalam berbagai bidang diantaranya text mining. Algoritme fzzy clstering dapat dignakan ntk menentkan hbngan antara smber-smber informasi berdasarkan konteks tekstal dan jga ntk merepresentasikan pengetahan melali asosiasi topik yang tercakp dalam informasi tersebt. 2.6 Fzzy Sbtractive Clstering (FSC) Menrt Ksmadewi dan Prnomo (2004) FSC merpakan algoritma yang tidak terawasi, dalam arti jmlah clster yang akan dibentk belm diketahi. Pada prinsipnya FSC didasarkan atas kran densitas (potensi) titik-titik data dalam sat rang (variabel). Titik dengan jmlah tetangga terbanyak akan dipilih sebagai psat clster. Titik yang sdah terpilih sebagai psat clster ini akan dikrangi densitasnya. Kemdian algoritma akan memilih titik lain yang memiliki tetangga terbanyak ntk dijadikan sebagai psat clster yang lain. Hal ini dilakkan sampai sema titik diji. Pada implementasinya bisa dignakan da pecahan sebagai faktor pembanding, yait accept ratio dan reject ratio. Accept ratio merpakan batas bawah dimana sat titik data yang menjadi kandidat (calon) psat clster diperbolehkan ntk menjadi psat clster. Sedangkan reject ratio merpakan batas atas dimana
6 sat titik data yang menjadi kandidat (calon) psat clster tidak diperbolehkan ntk menjadi psat clster. Ada tiga kondisi yang bisa terjadi dalam sat iterasi: Apabila rasio > accept ratio, maka titik data tersebt diterima sebagai psat bar. Apabila reject ratio < rasio accept ratio maka titik data tersebt bar akan diterima sebagai psat clster bar hanya jika titik data tersebt terletak pada jarak yang ckp jah dengan psat clster yang lainnya (hasil penjmlahan antara rasio dan jarak terdekat titik data tersebt dengan psat clster lainnya yang telah ada adalah 1). Apabila rasio reject ratio, maka sdah tidak ada lagi titik data yang akan dipertimbangkan ntk menjadi kandidat psat clster, iterasi dihentikan. Rasio adalah hasil bagi antara potensi tertinggi titik data yang bar (D k ) dengan potensi tertinggi titik data awal (D h ) (Rasio = D k / D h ). Algoritma Fzzy Sbtractive Clstering 1. Inpt data yang akan diclster : X ij, dengan i = 1,2,.,n; dan j = 1,2,,m 2. Tetapkan nilai : a. r j (jari-jari setiap atribt data); j = 1,2,.,m b. q (sqash factor) c. accept ratio d. reject ratio e. X min (nilai data yang minimm) f. X max (nilai data yang maximm) 3. Normalisasi : X ij = 4. Tentkan potensi awal tiap titik data a. i = 1 X X ij max X j X minj minj b. Kerjakan hingga i = n o T j = X ij ; j = 1,2,,m o Hitng Potensi awal : Distkj = T j, i = 1,2,...,n; j = 1,2,...,m X r kj, j= 1,2,..., m; k = 1,2,..., n
7 o Jika m =1,maka : Di o Jika m > 1, maka : o i = i Cari titik dengan potensi tertinggi a. M = max Di Ι i =1,2,..., n b. h=i, sedemikian sehingga D i = M 6. Tentkan psat clster dan krangi potensinya terhadap titik-titik disekitarnya a. Center [] b. V j = X hj ; j = 1,2,..,m c. C = 0 (jmlah clster) d. Kondisi = 1 e. Z = m f. Kerjakan jika (kondisi # 0) dan (Z # 0): Kondisi = 0 (jika sdah tidak ada calon psat bar lagi); Rasio = Z/M Jika rasio > accept ratio, maka kondisi = 1; (ada calon psat bar) Jika tidak, = n Di = k= 1 k = 1 e 4 o Jika rasio > reject ratio, (calon bar akan diterima sebagai psat jika keberadaannya akan memberikan keseimbangan terhadap data-data yang letaknya ckp jah dengan psat clster yang telah ada), maka kerjakan : o Md = -1 n e ( 2 Dist k1) m 2 4 Dist kj j= 1 [ ] o Kerjakan ntk i = 1 sampai i = C: Vj Centerij Gij =, j = 1,2,...,m; r = n Sdi Gij j= 1 ( ) 2 Jika (Md < 0) ata (Sd < Md),maka Md = Sd;
8 o Jika (rasio + Smd) 1, maka kondisi = 1; data diterima sebagai psat clster o Jika (rasio + Smd) < 1, maka kondisi = 2; data tidak dipertimbangkan sebagai psat clster o Jika kondisi = 1 (calon psat diterima sebagai psat bar), kerjakan : o C = C + 1 o Center C = V; Krangi potensi dari titik-titik didekat psat clster D ci = M * e 4 m ( Sij) 2 j = 1 S ij Vj X = rj q ij, j= 1,2,..., m; i = 1,2,...,n o D = D Dc o Jika Di 0, maka Di = 0; i = 1,2,,n [ ] Di Ι i = 1,2,..., n o Z = max o Pilih h = i, sedemikian hingga Di = Z; o Jika kondisi = 2 (calon psat bar tidak diterima sebagai psat bar), maka : o Dh = 0 o Z = max o Pilih h = i, sedemikian hingga Di = Z; o Kembalikan psat clster dari bentk ternormalisasi ke bentk semla o Center ij = Center ij x (X maxj X minj ) + X minj o Hitng nilai sigma clster σ j = rj ( [ Di Ι i = 1,2,..., n] Xmaxj Xminj ) / 8 Hasil dari algoritma FSC berpa matriks psat clster dan sigma yang akan dignakan ntk menentkan nilai derajat keanggotaan.
9 2.7 Validitas clster Menrt Halkidi et al (2002) ada tiga pendekatan ntk menentkan validitas clster, yait kriteria internal, eksternal dan relatif. Kriteria eksternal dignakan ntk mengevalasi hasil dari sebah algoritme clstering berdasarkan pada sebah strktr yang ditentkan sebelmnya yang berlak pada himpnan data. Pada kriteria internal hasil dari algoritma clstering dievalasi dalam bentk kantitas yang melibatkan vektor-vektor dari himpnan data. Kriteria relatif membandingkan strktr clstering dengan skema-skema clstering lain yang dihasilkan oleh algoritme yang sama tapi dengan nilai parameter yang berbeda. Beberapa indeks validitas clster berdasarkan kriteria relatif yang dignakan ntk fzzy clstering diantaranya adalah koefisien partisi, entropi partisi serta fngs i validitas kekompakkan dan pemisahan. Fngsi validitas pemisahan dan kekompakkan (S) dihitng tidak hanya melibatkan derajat keanggotaan sebah data tetapi jga data set it sendiri. Fngsi tersebt dapat dihitng sebagai berikt: misalkan sebah partisi fzzy dari data set { x j =1,2 n} X = j,..., dengan vi i = 1,2,..., nc adalah psat-psat setiap clster, ij adalah derajat keanggotaan titik data j terhadap clster i. Deviasi fzzy dari xj dari clster i, d ij didefinisikan sebgai jarak antara x j dan psat dari clster diboboti oleh derajat keanggotaan dari data j dalam clster i. d ij = ij xj - vi (2.8) Untk sebah clster i, jmlah kadrat dari deviasi fzzy dari titik data dalam X dinamakan variasi dari clster i, dinotasikan σ i. Jmlah dari variasi sema clster dinamakan variasi total dari data set dan dinotasikan σ. Bentk π = σi ni dinamakan kekompakkan dari clster i, karena n i adalah banyaknya titik dalam clster anggota clster i. π adalah variasi rata-rata dalam clster i, sedangkan π = σ n menyatakan kekompakkan partisi fzzy dari data set. Pemisahan dari fzzy didefinisikan sebagai jarak minimm antara psat clster, yait: 2 = min D min vi - vj (2.9)
10 Fngsi validitas kekompakkan dan pemisahan (S) didefinisikan sebagai: S = π D 2 min (2.10) dengan n adalah banyaknya titik dalam himpnan data. Semakin kecil nilai S, clster semakin kompak dan terpisah dengan clster lainnya (Xie XL, 1991). 2.8 Sistem Inferensi Fzzy (FIS) FIS disebt jga sat mekanisme pemetaan inpt ke otpt. Tahapantahapan yang diperlkan dalam mekanisme FIS secara mm adalah : inpt variabel, fzzifikasi, rle (atran), agregasi, defzzifikasi dan otpt. Fzzifikasi adalah pembentkan himpnan fzzy. Variabel inpt yang berbentk crisp dibah menjadi himpnan fzzy. Setelah himpnan fzzy terbentk maka dilanjtkan dengan menentkan fngsi keanggotaannya. Rle (atran) merpakan atran yang bisa dibat berdasarkan pendapat pakar, ilm pengetahan dan jga metode clstering. Jadi rle masing-masing masalah akan berbeda-beda banyaknya tergantng pada pendapat pakar, ilm pengetahan yang ada ata metode clstering yang dilakkan. Agregasi merpakan kombinasi sebah himpnan fzzy dari otpt setiap atran. Metode yang mm dignakan adalah max dan sm. Max mengambil titik maksimm dari sema himpnan fzzy, sedangkan sm mengambil penjmlahan dari sema himpnan fzzy. Defzzifikasi adalah sat pemetaan dari himpnan fzzy ke titik crisp, yang menghasilkan otpt dari sistem inferensi fzzy. Metode ntk melakkan defzzifikasi ada lima yait: centroid, bisektor, Mean of Maximm (MOM), Largest of Maximm (LOM), Smallest of Maximm (SOM). Definisi dari masing-masing metode defzzifikasi ini adalah: a. Centroid (Z COA ) didapat dengan menghitng rata-rata terbobot, rmsnya adalah sebagai berikt : Z COA ( z) zµ A zdz = zµ A( z)dz
11 b. Bisektor (Z BOA ), didapat dengan cara menghitng las yang sama, dipecah µ z dz = menjadi da, rmsnya adalah sebagai berikt: BOA A ( ) A( ) Z = ZBOA α β µ zboa z dz c. Mean of Maximm (Z MOM ) mencari rata-rata nilai maksimalnya, rmsnya adalah sebagai berikt : ZMOM = z' zdz z' dz d. Smallest of Maximm (Z SOM ) menghitng nilai terkecil dari maksimalnya. e. Largest of Maximm (Z LOM ) menghitng nilai terbesar dari maksimalnya. Bentk blok diagram sistem inferensi menrt Jang et al (1997) adalah sebagai berikt : X adalah A 1 Aggregasi Defzzifikasi Gambar 5 Blok Diagram Sistem Inferensi Fzzy (Jang et al 1997). 2.9 Metode Sgeno pada Sistem Inferensi Fzzy Metode ini diperkenalkan oleh Takagi-Sgeno, Kang pada tahn Tahapan metode Sgeno hampir sama dengan Mamdani, namn bentk otptnya tidak berpa himpnan fzzy melainkan berpa konstanta ata persamaan linear.
12 Defzifikasi hanya menggnakan nilai rata-rata (Ksmadewi dan Prnomo, 2004). Model fzzy Sgeno ada yang disebt sebagai orde nol, dan orde sat. Dikatakan orde-nol jika z konstan, sedangkan orde sat jika z bilangan pangkat sat. Menrt Jang et al (1997) secara mm bentk model fzzy Sgeno orde sat adalah : If x 1 adalah A dan y adalah B then z = f(x,y) dengan : A dan B adalah anteseden, z = f(x,y) adalah fngsi crisp sebagai konseken. µ µ W 1 µ µ B2 W 2 X Y Nilai rata-rata X Y W 1Z1 + W 2Z Z = W 1+ W 2 2 Gambar 6 Model Sistem Inferensi Fzzy Sgeno 2.10 Membentk Sistem Inferensi Fzzy berdasarkan Fzzy Sbtractive Clstering Menrt Ksmadewi dan Prnomo (2004) langkah-langkah yang diperlkan ntk membentk sistem inferensi fzzy dari hasil fzzy sbtactive clstering adalah : 1. Memisahkan data inpt dan otpt. 2. Membat atran.
13 [R1] IF (X 1 adalah A 11 ) o (X 2 adalah A 12 ) o o (X n adalah A 1m ) THEN (z=k 11 x k 1m x m + k 10 ); [R2] IF (X 1 adalah A 21 ) o (X 2 adalah A 22 ) o o (X n adalah A 2m ) THEN (z=k 21 x k 2m x m + k 20 ); [Rr] IF (X 1 adalah A m1 ) o (X 2 adalah A m2 ) o o (X n adalah A rm ) THEN (z=kr1x krmxm + kr0); Keterangan : A ij adalah himpnan fzzy atran ke-i variabel ke-j sebagai anteseden. k ij adalah koefisien persamaan otpt fzzy atran ke-i variabel ke-j (i=1,2,r; j=1,2, m), dan k i0 adalah konstanta persamaan otpt fzzy atran ke-i. Tanda o mennjkkan operator yang dignakan dalam anteseden. 3. Menysn matriks konstanta, k = r x (m+1) k11 k12... k1m k10 k = 21 k22... k2m k20 K Μ Μ Μ Μ kr1 kr2... krm kr0 dissn menjadisat vektor k: K= [k 11 k 12 k 1m k 10 k 21 k 22 k 2m k 20 k 21 k r2 Μk rm k r0 ] T 4. Mencari derajat keanggotaan setiap data i dalam klster, dengan cara mengalikan dengan setiap atribt j dari data i. d k ij = x ij * µ ki dengan j=1,2,,m(m=jmlah variabel inpt). 5. Melakkan normalisasi data dan dapat dirmskan sebagai berikt : d k ij d = r k k= 1 ij µ ki 6. Membentk matriks U yang berkran n x (r x(m+1)), yait : U = Μ n Μ n Μ... 1m 2m Μ nm 1(m + 1) 2(m + 1) Μ n(m + 1) 1(m + 2) 2(m + 2) Μ n(m + 2) Μ... 1(r + 1)) 2(r * (m + 1)) n(r * (m Μ * (m + 1))
14 7. Membentk vektor z sebagai otpt sebagai berikt : Z = [z 1,z 2,.,z n ] T. Sehingga didapat persamaan linear U x k = z.
PENYELESAIAN LUAS BANGUN DATAR DAN VOLUME BANGUN RUANG DENGAN KONSEP DETERMINAN
Bletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volme xx, No. x (tahn), hal xx xx. PENYELESAIAN LUAS BANGUN DATAR DAN VOLUME BANGUN RUANG DENGAN KONSEP DETERMINAN Doni Saptra, Helmi, Shantika Martha
Lebih terperinciUntuk pondasi tiang tipe floating, kekuatan ujung tiang diabaikan. Pp = kekuatan ujung tiang yang bekerja secara bersamaan dengan P
BAB 3 LANDASAN TEORI 3.1 Mekanisme Pondasi Tiang Konvensional Pondasi tiang merpakan strktr yang berfngsi ntk mentransfer beban di atas permkaan tanah ke lapisan bawah di dalam massa tanah. Bentk transfer
Lebih terperinciBab 5 RUANG HASIL KALI DALAM
Bab 5 RUANG HASIL KALI DALAM 5 Hasil Kali Dalam Untk memotiasi konsep hasil kali dalam diambil ektor di R dan R sebagai anak panah dengan titik awal di titik asal O = ( ) Panjang sat ektor x di R dan R
Lebih terperinciCHAPTER 6. INNER PRODUCT SPACE
CHAPTER 6. INNER PRODUCT SPACE Inner Prodcts Angle and Orthogonality in Inner Prodct Spaces Orthonormal Bases; Gram-Schmidt Process; QR-Decomposition Best Approximation; Least Sqares Orthogonal Matrices;
Lebih terperinciSolusi Sistem Persamaan Linear Fuzzy
Jrnal Matematika Vol. 16, No. 2, November 2017 ISSN: 1412-5056 / 2598-8980 http://ejornal.nisba.ac.id Diterima: 14/08/2017 Disetji: 20/10/2017 Pblikasi Online: 28/11/2017 Solsi Sistem Persamaan Linear
Lebih terperinciBAB III 3. METODOLOGI PENELITIAN
BAB III 3. METODOLOGI PENELITIAN 3.1. PROSEDUR ANALISA Penelitian ini merpakan sebah penelitian simlasi yang menggnakan bantan program MATLAB. Adapn tahapan yang hars dilakkan pada saat menjalankan penlisan
Lebih terperinciHASIL KALI TITIK DAN PROYEKSI ORTOGONAL SUATU VEKTOR (Aljabar Linear) Oleh: H. Karso FPMIPA UPI
HASIL KALI TITIK DAN PROYEKSI ORTOGONAL SUATU VEKTOR (Aljabar Linear) Oleh: H. Karso FPMIPA UPI A. Hasil Kali Titik (Hasil Kali Skalar) Da Vektor. Hasil Kali Skalar Da Vektor di R Perkalian diantara da
Lebih terperinciBUKU AJAR METODE ELEMEN HINGGA
BUKU AJA ETODE EEEN HINGGA Diringkas oleh : JUUSAN TEKNIK ESIN FAKUTAS TEKNIK STUKTU TUSS.. Deinisi Umm Trss adalah strktr yang terdiri atas batang-batang lrs yang disambng pada titik perpotongan dengan
Lebih terperinciHasil Kali Titik. Dua Operasi Vektor. Sifat-sifat Hasil Kali Titik. oki neswan (fmipa-itb)
oki neswan (fmipa-itb) Da Operasi Vektor Hasil Kali Titik Misalkan OAB adalah sebah segitiga, O (0; 0) ; A (a 1 ; a ) ; dan B (b 1 ; b ) : Maka panjang sisi OA; OB; dan AB maing-masing adalah q joaj =
Lebih terperinciBab 5 RUANG HASIL KALI DALAM
Bab 5 RUANG HASIL KALI DALAM 5 Hasil Kali Dalam Untk memotiasi konsep hasil kali dalam diambil ektor di R dan R sebagai anak panah dengan titik awal di titik asal O ( ) Panjang sat ektor x di R dan R dinamakan
Lebih terperinciPENELUSURAN LINTASAN DENGAN JARINGAN SARAF TIRUAN
Bab 4 PENELUSURAN LINTASAN DENGAN JARINGAN SARAF TIRUAN Tgas mendasar dari robot berjalan ialah dapat bergerak secara akrat pada sat lintasan (trajectory) yang diberikan Ata dengan kata lain galat antara
Lebih terperinci3. RUANG VEKTOR. dan jika k adalah sembarang skalar, maka perkalian skalar ku didefinisikan oleh
. RUANG VEKTOR. VEKTOR (GEOMETRIK) PENGANTAR Jika n adalah sebah bilangan blat positif maka tpel-terorde (ordered-n-tple) adalah sebah rtan n bilangan riil (a a... a n ). Himpnan sema tpel-terorde dinamakan
Lebih terperinciBAB RELATIVITAS Semua Gerak adalah Relatif
BAB RELATIVITAS. Sema Gerak adalah Relatif Sat benda dikatakan bergerak bila keddkan benda it berbah terhadap sat titik aan ata kerangka aan. Seorang penmpang kereta api yang sedang ddk di dalam kereta
Lebih terperinciEKONOMETRIKA PERSAMAAN SIMULTAN
EKONOMETRIKA PERSAMAAN SIMULTAN OLEH KELOMPOK 5 DEKI D. TAPATAB JUMASNI K. TANEO MERSY C. PELT DELFIANA N. ERO GERARDUS V. META ARMY A. MBATU SILVESTER LANGKAMANG FAKULTAS PERTANIAN UNIVERSITAS NUSA CENDANA
Lebih terperinciTrihastuti Agustinah
TE 9467 Teknik Nmerik Sistem Linear Trihastti Agstinah Bidang Stdi Teknik Sistem Pengatran Jrsan Teknik Elektro - FTI Institt Teknologi Seplh Nopember O U T L I N E OBJEKTIF TEORI CONTOH 4 SIMPULAN 5 LATIHAN
Lebih terperinciTrihastuti Agustinah
TE 9467 Teknik Nmerik Sistem Linear Trihastti Agstinah Bidang Stdi Teknik Sistem Pengatran Jrsan Teknik Elektro - FTI Institt Teknologi Seplh Nopember O U T L I N E. Objektif. Teori. Contoh 4. Simplan
Lebih terperinciBAB III LIMIT DAN FUNGSI KONTINU
BAB III LIMIT DAN FUNGSI KONTINU Konsep it mempnyai peranan yang sangat penting di dalam kalkls dan berbagai bidang matematika. Oleh karena it, konsep ini sangat perl ntk dipahami. Meskipn pada awalnya
Lebih terperinciALJABAR LINEAR (Vektor diruang 2 dan 3) Disusun Untuk Memenuhi Tugas Mata Kuliah Aljabar Linear Dosen Pembimbing: Abdul Aziz Saefudin, M.
ALJABAR LINEAR (Vektor dirang 2 dan 3) Dissn Untk Memenhi Tgas Mata Kliah Aljabar Linear Dosen Pembimbing: Abdl Aziz Saefdin, M.Pd Dissn Oleh : Kelompok 3/3A4 1. Nrl Istiqomah 14144100130 2. Ambar Retno
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Definisi Artifiial Intelligene Definisi Artifiial Intelligene merpakan salah sat bagian dari ilm kompter yang mempelajari bagaimana membat mesin (kompter) dapat melakkan pekerjaan
Lebih terperinciPengenalan Pola. Ekstraksi dan Seleksi Fitur
Pengenalan Pola Ekstraksi dan Seleksi Fitr PTIIK - 4 Corse Contents Collet Data Objet to Dataset 3 Ekstraksi Fitr 4 Seleksi Fitr Design Cyle Collet data Choose featres Choose model Train system Evalate
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 terperinciPenerapan Masalah Transportasi
KA4 RESEARCH OPERATIONAL Penerapan Masalah Transportasi DISUSUN OLEH : HERAWATI 008959 JAKA HUSEN 08055 HAPPY GEMELI QUANUARI 00890 INDRA MOCHAMMAD YUSUF 0800 BAB I PENDAHULUAN.. Pengertian Riset Operasi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Small Area Estimation Small Area Estimation (SAE) adalah sat teknik statistika ntk mendga parameter-parameter sb poplasi yang kran sampelnya kecil. Sedangkan, area kecil didefinisikan
Lebih terperinci(a) (b) Gambar 1. garis singgung
BAB. TURUNAN Sebelm membahas trnan, terlebih dahl ditinja tentang garis singgng pada sat krva. A. Garis singgng Garis singgng adalah garis yang menyinggng sat titik tertent pada sat krva. Pengertian garis
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB LANDASAN TEORI. Pasar.. Pengertian Pasar Pasar adalah sebah tempat mm yang melayani transaksi jal - beli. Di dalam Peratran Daerah Khss Ibkota Jakarta Nomor 6 Tahn 99 tentang pengrsan pasar di Daerah
Lebih terperinciPRAKTIKUM OPERASI TEKNIK KIMIA II MODUL 5 BILANGAN REYNOLD
PRAKTIKUM OPERASI TEKNIK KIMIA II MODUL 5 BILANGAN REYNOLD LABORATORIUM RISET DAN OPERASI TEKNIK KIMIA PROGRAM STUDI TEKNIK KIMA FAKULTAS TEKNOLOGI INDUSTRI UPN VETERAN JAWA TIMUR SURABAYA BILANGAN REYNOLD
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 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 terperincilim 0 h Jadi f (x) = k maka f (x)= 0 lim lim lim TURUNAN/DIFERENSIAL Definisi : Laju perubahan nilai f terhadap variabelnya adalah :
TURUNAN/DIFERENSIAL Deinisi : Laj perbaan nilai teradap ariabelnya adala : y dy d lim = lim = 0 0 d d merpakan ngsi bar disebt trnan ngsi ata perbandingan dierensial, proses mencarinya disebt menrnkan
Lebih terperinciURUNAN PARSIAL. Definisi Jika f fungsi dua variable (x dan y) maka: atau f x (x,y), didefinisikan sebagai
6 URUNAN PARSIAL Deinisi Jika ngsi da ariable maka: i Trnan parsial terhadap dinotasikan dengan ata dideinisikan sebagai ii Trnan parsial terhadap dinotasikan dengan ata dideinisikan sebagai Tentkan trnan
Lebih terperinciBEBERAPA SIFAT JARAK ROTASI PADA POHON BINER TERURUT DAN TERORIENTASI
JRISE, Vol.1, No.1, Febrari 2014, pp. 28~40 ISSN: 2355-3677 BEBERAPA SIFA JARAK ROASI PADA POHON BINER ERURU DAN ERORIENASI Oleh: Hasniati SMIK KHARISMA Makassar hasniati@kharisma.ac.id Abstrak Andaikan
Lebih terperinciMETODE SIMPLEKS PRIMAL-DUAL PADA PROGRAM LINIER FUZZY PENUH DENGAN BILANGAN TRAPEZOIDAL
METODE SIMPLEKS PRIMAL-DUAL PADA PROGRAM LINIER FUZZY PENUH DENGAN BILANGAN TRAPEZOIDAL Bambang Irawanto 1,Djwandi 2, Sryoto 3, Rizky Handayani 41,2,3 Departemen Matematika Faktas Sains dan Matematika
Lebih terperinciNAMA : KELAS : theresiaveni.wordpress.com
1 NAMA : KELAS : teresiaeni.wordpress.com TURUNAN/DIFERENSIAL Deinisi : Laj perbaan nilai teradap ariabelnya adala : y dy d ' = = d d merpakan ngsi bar disebt trnan ngsi ata perbandingan dierensial, proses
Lebih terperinciBEBERAPA IDENTITAS PADA GENERALISASI BARISAN FIBONACCI ABSTRACT
BEBERP IDENTITS PD GENERLISSI BRISN FIBONCCI Sri Melati 1, Mashadi, Msraini M 1 Mahasiswa Program Stdi S1 Matematika Dosen Jrsan Matematika Fakltas Matematika dan Ilm Pengetahan lam Universitas Ria Kamps
Lebih terperinciPENGGUNAAN ALGORITMA KUHN MUNKRES UNTUK MENDAPATKAN MATCHING MAKSIMAL PADA GRAF BIPARTIT BERBOBOT
PENGGUNAAN ALGORITMA KUHN MUNKRES UNTUK MENDAPATKAN MATCHING MAKSIMAL PADA GRAF BIPARTIT BERBOBOT oleh GURITNA NOOR AINATMAJA M SKRIPSI ditlis dan diajkan ntk memenhi sebagian persyaratan memperoleh gelar
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar asional Aplikasi Teknologi Informasi 004 Yogyakarta 9 Jni 004 Analisis Efisiensi dengan Bantan Sistem Pendkng Keptsan (SPK) Carles Sitompl Jrsan Teknik Indstri Uniersitas Katolik Parahyangan Jl.
Lebih terperinciIII PEMODELAN SISTEM PENDULUM
14 III PEMODELAN SISTEM PENDULUM Penelitian ini membahas keterkontrolan sistem pendlm, dengan menentkan model matematika dari beberapa sistem pendlm, dan dilakkan analisis dan menyederhanakan permasalahan
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 terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA1201 MATEMATIKA 2A Hendra Gnawan Semester II, 2016/2017 3 Maret 2017 Kliah yang Lal 10.1-2 Parabola, Elips, dan Hiperbola 10.4 Persamaan Parametrik Kra di Bidang 10.5 Sistem Koordinat Polar 11.1 Sistem
Lebih terperinciTrihastuti Agustinah. TE Teknik Numerik Sistem Linear
E 09467 eknik Nmerik Sistem Linear rihastti Agstinah Bidang Stdi eknik Sistem Pengatran Jrsan eknik Elektro - FI Institt eknologi Seplh Nopember O U L I N E OBJEKIF EORI 3 CONOH 4 SIMPULAN 5 LAIHAN OBJEKIF
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 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 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 terperinciHendra Gunawan. 5 Maret 2014
MA101 MATEMATIKA A Hendra Gnawan Semester II, 013/014 5 Maret 014 Kliah yang Lal 10.1 Parabola, aboa, Elips, danhiperbola a 10.4 Persamaan Parametrik Kra di Bidang 10.5 Sistem Koordinat Polar 11.1 Sistem
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara
Lebih 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 terperinciKEPUTUSAN INVESTASI (CAPITAL BUDGETING) MANAJEMEN KEUANGAN 2 ANDRI HELMI M, S.E., M.M.
KEPUTUSAN INVESTASI (CAPITAL BUDGETING) MANAJEMEN KEUANGAN 2 ANDRI HELMI M, S.E., M.M. Penganggaran Modal (Capital Bdgeting) Modal (Capital) mennjkkan aktiva tetap yang dignakan ntk prodksi Anggaran (bdget)
Lebih terperinciAljabar Linear Elementer
Aljabar Linear Elementer MA SKS Silabs : Bab I Matriks dan Operasinya Bab II Determinan Matriks Bab III Sistem Persamaan Linear Bab IV Vektor di Bidang dan di Rang Bab V Rang Vektor Bab VI Rang Hasil Kali
Lebih terperinciPENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN METODE SAE
Vale Added, Vol. 11, No. 1, 015 PENDUGAAN JUMLAH PENDUDUK MISKIN DI KOTA SEMARANG DENGAN METODE SAE 1 Moh Yamin Darsyah, Ujang Malana 1, Program Stdi Statistika FMIPA Universitas Mhammadiyah Semarang Email:
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pembahasan pada bab ini, merpakan pembahasan mengenai teori-teori yang berkaitan dengan penelitian. Teori-teori tersebt melipti mata ang, pelak yang berperan, faktor-faktor yang mempengarhi
Lebih terperinciAnalisis Peluruhan Flourine-18 menggunakan Sistem Pencacah Kamar Pengion Capintec CRC-7BT S/N 71742
Prosiding Perteman Ilmiah XXV HFI Jateng & DIY 63 Analisis Pelrhan Florine-18 menggnakan Sistem Pencacah Kamar Pengion Capintec CRC-7BT S/N 717 Wijono dan Pjadi Psat Teknologi Keselamatan dan Metrologi
Lebih terperinciBAB III PENDEKATAN TEORI
9 BAB III PENDEKAAN EORI 3.1. eknik Simlasi CFD Comptational Flid Dnamics (CFD) adalah ilm ang mempelajari cara memprediksi aliran flida, perpindahan panas, rekasi kimia, dan fenomena lainna dengan menelesaikan
Lebih terperinciAnalisis Komputasi pada Segmentasi Citra Medis Adaptif Berbasis Logika Fuzzy Teroptimasi
Analisis Komptasi pada Segmentasi Citra Medis Adaptif Soesanti, dkk. 89 Analisis Komptasi pada Segmentasi Citra Medis Adaptif Berbasis Logika Fzzy Teroptimasi Indah Soesanti ), Adhi Ssanto 2), Thomas Sri
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 terperinciMata Kuliah: Aljabar Linier Dosen Pengampu: Darmadi, S. Si, M. Pd
. RUANG BERDIMENSI n EUCLIDIS Mata Kliah: Aljabar Linier Dosen Pengamp: Darmadi S. Si M. Pd Dissn oleh: Kelompok Pendidikan Matematika VA. Abdl Fajar Sidiq (8.). Lilies Prwanti (8.76). Ristinawati (8.)
Lebih terperinciBab 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 terperinciLKPD.3 HUKUM ARCHIMEDES
LKPD.3 HUKUM RCHIMEDES Kelompok : Nama nggota : 1. 2. 3. 4. 5.. Tjan Percobaan. Tjan Percobaan - Melali penyelidikan ini peserta didik mamp mengetahi pengarh volme benda yang tercelp dalam zat cair terhadap
Lebih terperinciVEKTOR. Oleh : Musayyanah, S.ST, MT
VEKTOR Oleh : Msayyanah, S.ST, MT . ESRN SKLR DN VEKTOR Sifat besaran fisis : esaran Skalar Skalar Vektor esaran yang ckp dinyatakan oleh besarnya saja (besar dinyatakan oleh bilangan dan satan). Contoh
Lebih terperinciBAB 2 LANDASAN TEORI. Pada bab ini akan dibahas tentang teori-teori dan konsep dasar yang mendukung pembahasan dari sistem yang akan dibuat.
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas tentang teori-teori dan konsep dasar yang mendkng pembahasan dari sistem yang akan dibat. 2.1. Katalog Perpstakaan Katalog perpstakaan adalah sat media yang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciIntegrasi 2. Metode Integral Kuadratur Gauss 2 Titik Metode Integral Kuadratur Gauss 3 Titik Contoh Kasus Permasalahan Integrasi.
Interasi Metode Interal Kadratr Gass Titik Metode Interal Kadratr Gass Titik Contoh Kass Permasalahan Interasi Interasi Metode Interasi Gass Metode interasi Gass merpakan metode yan tidak mennakan pembaian
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 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 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 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 terperinciFAKULTAS DESAIN dan TEKNIK PERENCANAAN
Wiryanto Dewobroto ---------------------------------- Jrsan Teknik Sipil - Universitas elita Harapan, Karawaci FAKULTAS DESAIN dan TEKNIK ERENCANAAN UJIAN TENGAH SEMESTER ( U T S ) GENA TAHUN AKADEMIK
Lebih terperinciPengembangan Hasil Kali Titik Pada Vektor
Pengembangan Hasil Kali Titik Pada Vektor Swandi *, Sri Gemawati 2, Samsdhha 2 Mahasiswa Program Stdi Magister Matematika, Dosen Pendidikan Matematika Uniersitas Pasir Pengaraian 2 Dosen Jrsan Matematika
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis jalur yang dikenal dengan path analysis dikembangkan pertama pada tahun 1920-an oleh
BAB LANDASAN TEORI. Sejarah Analisis Jalr (Path Analysis) Analisis jalr yang dikenal dengan path analysis dikembangkan pertama pada tahn 90-an oleh seorang ahli genetika yait Sewall Wright. Teknik analisis
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga
Lebih 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 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 LANDASAN TEORI.1 Sejarah Analisis Jalr Teknik analisis jalr yang dikembangkan oleh Sewal Wright di tahn 1934, sebenarnya merpakan pengembangan korelasi yang dirai menjadi beberapa interpretasi akibat
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 terperinciWALIKOTA BANJARMASIN
/ WALIKOTA BANJARMASIN PERATURAN WALIKOTA BANJARMASIN NOMOR TAHUN2013 TENTANG PEDOMAN STANDAR KINERJA INDIVIDU PEGAWAI NEGERI SIPIL DILINGKUNGAN PEMERINTAH KOTA BANJARMASIN DENGAN RAHMAT TUHAN YANG MAHA
Lebih terperinciKAJIAN PEMODELAN MATEMATIKA TERHADAP PENYEBARAN VIRUS AVIAN INFLUENZA TIPE-H5N1 PADA POPULASI UNGGAS
KAJIAN PEMODELAN MATEMATIKA TERHADAP PENYEBARAN VIRUS AVIAN INFLUENZA TIPE-H5N1 PADA POPULASI UNGGAS Dian Permana Ptri 1, Herri Slaiman FKIP, Pendidikan Matematika, Universitas Swadaya Gnng Jati Cirebon
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 terperinciPENGEMBANGAN SISTEM PAKAR FUZZY
FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi
Lebih terperinciANALISIS PENGENDALIAN KUALITAS TERHADAP PROSES WELDING ( PENGELASAN N ) PADA PEMBUATAN KAPAL CHEMICAL TANKER / DUPLEK M Di PT.
ANALISIS PENGENDALIAN KUALITAS TERHADAP PROSES WELDING ( PENGELASAN N ) PADA PEMBUATAN KAPAL CHEMICAL TANKER / DUPLEK M000259 Di PT.PAL INDONESIA Oleh : Selfy Atika Sary NRP : 1307 030 053 Pembimbing :
Lebih terperincivektor ( MAT ) Disusun Oleh : Drs. Pundjul Prijono Nip
MODUL MATEMATIKA SMA ektr ( MAT..4 ) Dissn Oleh : Drs. Pndjl Prijn Nip. 95807.980..00 PEMERINTAH KOTA MALANG DINAS PENDIDIKAN SMA NEGERI 6 Jalan Mayjen Sngkn N. 58 Telp. (04) 7506 Malang Mdl..4 VEKTOR
Lebih terperinci1. Persamaan Energi Total
. Persamaan Eneri Total Eneri total adala jmla eneri karena ketinian elevasi (potential enery), eneri tekanan (pressre enery), dan eneri kecepatan (velocity ead). Prinsip eneri kekal ini lebi dikenal denan
Lebih terperinciPENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012
PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY Digunakan untuk menghasilkan suatu keputusan tunggal / crisp saat defuzzifikasi Penggunaan akan bergantung
Lebih terperinci1. Pada ganbar di bawah, komponen vektor gaya F menurut sumbu x adalah A. ½ 3 F B. ½ 2 F C. ½ F D. ½ F E. ½ 3 F
1 1. Pada ganbar di bawah, komponen vektor gaya F menrt smb x adalah A. ½ 3 F B. ½ F C. ½ F D. ½ F E. ½ 3 F. Benda jath bebas adalah benda yang memiliki: (1) Kecepatan awal nol () Percepatan = percepatan
Lebih terperincilensa objektif lensa okuler Sob = fob
23 jekti ler S = ~ S = A B d 24 Diagram pembentkan bayangannya adalah sebagari berikt: jekti d ler S = ~ S S A B S Teropong Pantl (Teleskop Releksi) Teropong jenis ini menggnakan sat positi, sat cermin
Lebih terperinciKorelasi Pasar Modal dalam Ekonofisika
Korelasi Pasar Modal dalam Ekonofisika Yn Hariadi Dept. Dynamical System Bandng Fe Institte yh@dynsys.bandngfe.net Pendahlan Fenomena ekonomi sebagai kondisi makro yang merpakan hasil interaksi pada level
Lebih terperinci(x, f(x)) P. x = h. Gambar 4.1. Gradien garis singgung didifinisikan sebagai limit y/ x ketika x mendekati 0, yakni
Diktat Klia TK Matematika BAB TURUNAN Graien Garis Singgng Tinja seba krva = f() seperti iperliatkan paa Gambar Garis ang melali titik P(, f( )) an Q( +, f( + )) isebt tali bsr Graien tali bsr tersebt
Lebih terperinciPENGENDALIAN OPTIMAL PADA MODEL KEMOPROFILAKSIS DAN PENANGANAN TUBERKULOSIS
PENGENDALIAN OPTIMAL PADA MODEL KEMOPROFILAKSIS DAN PENANGANAN TUBERKULOSIS Ole: Citra Dewi Ksma P. 106 100 007 Dosen pembimbing: DR. Sbiono, MSc. Latar Belakang PENDAHULUAN Penyakit Tberklosis TB adala
Lebih terperinciIntegra. asi 2. Metode Integral Kuadr. ratur Gauss 2 Titik
Intera asi Metode Interal Kadr ratr Gass Titik Metode Interal Kadratr Gass Titik Contoh Kass Permasalahan Interasi Metode Interasi Gass Metode interasi i Gass merpaka an metode yan tidak mennakan pembaian
Lebih terperinciMETODE FINITE DIFFERENCE INTERVAL UNTUK MENYELESAIKAN PERSAMAAN PANAS ABSTRACT 1. PENDAHULUAN
METODE FINITE DIFFERENCE INTERVAL UNTUK MENYELESAIKAN PERSAMAAN PANAS Mardhika WA 1, Syamsdhha 2, Aziskhan 2 mardhikawirahadi@nriacid 1 Mahasiswa Program Stdi S1 Matematika 2 Laboratorim Komptasi Jrsan
Lebih terperinciLENSA OBJEKTIF LENSA OKULER SOB = FOB
LENSA OBJEKTIF LENSA OKULER SOB = FOB 23 lensa objektif lensa okler Sob = ~ Sob = fob A fob fob B d 24 Diagram pembentkan bayangannya adalah sebagari berikt: lensa objektif d Sob = ~ lensa okler Sob Sok
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem
Lebih terperinciDaya Dukung Tanah LAPORAN TUGAS AKHIR (KL-40Z0) Bab 7
LAPORAN UGAS AKHIR (KL-40Z0) Perancangan Dermaga dan restle ipe Deck On Pile di Pelabhan Garongkong, Propinsi Slawesi Selatan Bab 7 Daya Dkng anah Bab 7 Daya Dkng anah Laporan gas Akhir (KL-40Z0) Perancangan
Lebih terperinci1. Perhatikan gambar percobaan vektor gaya resultan dengan menggunakan 3 neraca pegas berikut ini
1 1. Perhatikan gambar percobaan vektor gaya resltan dengan menggnakan 3 neraca pegas berikt ini Yang sesai dengan rms vektor gaya resltan secara analitis adalah gambar A. (1), (2) dan (3) D. (1), dan
Lebih terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih 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 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 terperinciFisika Ebtanas
isika Ebtanas 1996 1 1. Di bawah ini yang merpakan kelompok besaran trnan adalah A. momentm, wakt, kat ars B. kecepatan, saha, massa C. energi, saha, wakt ptar D. wakt ptar, panjang, massa E. momen gaya,
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 terperinci