IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)"

Transkripsi

1 IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* ABSTRAK Penelitian ini dilakukan untuk memperlajari cara kerja dari sebuah fuzzy logic dalam menganalisa penduduk miskin. Adapun tujuan penelitian ini diharapakan dapat membantu Badan Pusat Statistik Kota Pagaralam di dalam menentukan kategori penduduk miskin atau tidak sesuai dengan ketentuan yang digunakan. Adapun teknik yang digunakan dalam penelitian ini yaitu metode Mamdani, dimana pada metode ini memiliki beberapa tahapan antara lain fuzzifikasi, fungsi implikasi (Min), komposisi aturan dan defuzzifikasi. Di dalam penelitian ini terdapat beberapa kekurangan-kekurangan yang bisa dipelajari kembali pada penelitian berikutnya. Namun demikian, fuzzy logic dan metode Mamdani masih dirasakan cukup efektif dalam menetukan keputusan dari data yang diolah. Kata kunci : Badan Pusat Statistik. Fuzzy Logic, Metode Mamdani fuzzifikasi, fungsi implikasi (Min), komposisi aturan dan defuzzifikasi. PENDAHULUAN Di dalam pembangunan ekonomi di Indonesia kenyataan masih luasnya kemiskinan terutama di perkotaan atau di pedesaan. Kemiskinan berkaitan erat dengan rendahnya pendapatan sehingga tidak dapat memenuhi kebutuhan pokoknya. Pada umumnya di negara berkembang masalah pendapatan yang rendah dan kemiskinan merupakan masalah utama dalam pembangunan ekonomi. Dengan demikian dalam tujuan pembangunan ekonomi kedua hal tersebut selalu dinyatakan bersamaan sehingga menjadi satu kalimat yaitu peningkatan kesejahteraan dalam hal ini peningkatan pendapatan nasional dan pengurangan kemiskinan (Suhardjo,997). Untuk menentukan penduduk yang tergolong sebagai penduduk miskin maka ditentukan sebuah rule yang menjadikan parameter dalam pengelompokan sebuah data penduduk. Kemudian dilanjutkan dengan proses penganalisaan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah penduduk yang termasuk dengan penduduk miskin berdasarkan kriteria-kriteria yang ditentukan.

2 Fuzzy logic merupakan teori himpunan yang dapat membantu dalam menyelesaikan permasalahan yang dibahas, antara satu kriteria dengan kriteria lainnya yang dihasilkan oleh adanya penilaian manusia terhadap sesuatu hal secara kumulatif. Dalam membangun sebuah sistem fuzzy dikenal beberapa metode penalaran antara lain : Metode Mamdani, Metode Sugeno, Metode Tsukamoto, dan sebagainya.( Lizda Iswari dan Fathul Wahid,25 )xx Dengan penerapan metode Mamdani dalam penggelompokan data penduduk miskin diharapkan dapat memberikan data yang akurat dan dapat digunakan untuk dijadikan suatu kebijakan dalam memberikan informasi yang efektif serta dapat menjadi pembanding dari hasil yang dikeluarkan oleh Badan Pusat Statistik Kota Pagaralam. Berdasarkan latar belakang diatas maka penulis mengangkat judul peneletian ini adalah Impelementasi fuzzy logic dalam menentukan penduduk miskin. Penelitian ini dilakukan di Badan Pusat Statistik Kota Pagaralam Sumatra Selatan. PERUMUSAN MASALAH Berdasarkan uraian latar belakang di atas, maka dapat dirumuskan permasalahan yang akan diambil yaitu :. Bagaimana menentukan kriteria data penduduk miskin, agar dapat dijadikan parameter dalam penggunaan suatu metode? 2. Bagaimana menganalisa penduduk miskin berdasarkan kriteria yang sudah ditentukan? 3. Bagaimana menerapkan Fuzzy logic dengan metode Mamdani dalam menganalisa jumlah penduduk miskin pada Badan Pusat Statistik Kota Pagaralam? BATASAN MASALAH Supaya penyusunan karya ilmiah ini tidak keluar dari bahasan, maka diperlukan batasan-batasan agar sesuai dengan apa yang sudah direncanakan sebelumnya, sehingga penelitian ini dapat tercapai dengan yang diharapkan, berikut batasan masalah pada penulisan karya ilmiah ini yaitu :

3 . Sampel data yang dilakukan untuk penelitian ini diperoleh dari Badan Pusat Statistik pada Kota Pagaralam Sumatra Selatan. 2. Penerapan Fuzzy logic dengan metode Mamdani dalam menganalisa penduduk miskin pada tahun 22 yang diperoleh pada Badan Pusat Statistik Kota Pagaralam sebagai bahan perbandingan terhadap sistem yang dipakai. TUJUAN PENELITIAN Tujuan dari penelitian ini adalah :. Menentukan parameter input dan output dalam menentukan penduduk miskin pada Badan Pusat Statistik Kota Pagaralam. 2. Menganalisa kriteria yang termasuk golongan penduduk miskin berdasarkan data dari Badan Pusat Statistik Kota Pagaralam. 3. Merancang sistem baru dengan menggunkan fuzzy logic dengan metode Mamdani dalam menganalisa jumlah penduduk miskin dari Badan Pusat Statistik Kota Pagaralam. 4. Mengimplementasikan sistem yang baru dengan menggunakan fuzzy logic dengan metode Mamdani dalam menganalisa data penduduk pada Badan Statistik Kota Pagaralam khusunya ada berdasarkan kriteria yang sudah ditentukan. 5. Pengujian sistem fuzzy logic dengan menggunakan metode Mamdani yang memanfaatkan tools matlab 6.. MANFAAT PENELITIAN Manfaat dari penelitian ini antara lain :. Dengan menggunakan sistem yang baru yaitu dengan menerapkan Fuzzy Logic, dan metode Mamdani diharapkan dapat memberikan kemudahan bagi Badan Pusat Statistik Kota Paraalam agar lebih efektif dan efisien. 2. Untuk menambah pengetahuan bagi penulis tentang penentuan jumlah penduduk misikin pada Badan Pusat Statistik Kota

4 Pagaralam dangan menggunakan sistem Fuzzy logic dan metode Mamdani. 3. Sebagai bahan perbandingan dan masukan bagi Badan Pusat Statistik dalam mengambil suatu keputusan. LANDASAN TEORI Fuzzy Logic Fuzzy Logic pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 965. Dasar Fuzzy logic adalah teori himpunan Fuzzy. Pada teori himpunan Fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi cirri utama dari penalaran dengan Fuzzy logic tersebut. (Kusumadewi dan Purnomo, 2). Logika Fuzzy (logika samar) itu sendiri merupakan logika yang berhadapan dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat di ekspresikan dalam istilah binary ( atau ). Logika Fuzzy memungkinkan nilai keanggotaan antara dan. Berbagai teori didalam perkembangan logika Fuzzy menunjukkan bahwa pada dasarnya logika Fuzzy dapat digunakan untuk memodelkan berbagai sistem. (Much.Djunaidi, Eko Setiawan, Fajar Whedi Andista, 25). Himpunan Fuzzy Himpunan menurut (Fajar Solikin, 2) Himpunan adalah suatu kumpulan atau koleksi objekobjek yang mempunyai kesamaan sifat tertentu. Himpunan Fuzzy merupakan suatu pengembangan lebih lanjut tentang konsep himpunan dalam matematika. Himpunan Fuzzy adalah rentang nilai-nilai, masingmasing nilai mempunyai derajat keanggotaan antara sampai dengan. Suatu himpunan Fuzzy à dalam

5 semesta pembicaraan U dinyatakan dengan fungsi keanggotaan μã, yang nilainya berada dalam interval [,], dapat dinyatakan dengan: 2 μã : U [,]. Himpunan Fuzzy à dalam semesta pembicaraan U biasa dinyatakan sebagai sekumpulan pasangan elemen u (u anggota U) dan derajat keanggotaannya dinyatakan sebagai berikut: à = {(u, μã (u) u U}. Fungsi Keanggotaan Menurut (T.Sutojo, et al, 2) Fungsi keanggotaan adalah grafik yang mewakili besar dari derajat keanggotaan masing-masing variabel input yang berada dalam interval antara dan. Derajat keanggotaan sebuah variabel x dilambangkan dengan symbol µ(x). Rule-rule menggunakan nilai keanggotaan sebagai factor bobot untuk menentukan pengaruhnya pada saat melakukan infrensi untuk menarik kesimpulan. Ada beberapa fungsi keanggotaan yang sering digunakan, di antaranya adalah :. Grafik Keanggotaan Kurva Linier 2. Grafik Keanggotaan Kurva Segitiga 3. Grafik Keanggotaan Kurva Trapesium 4. Grafik Keanggotaan { 2. } Kurva { 2.2 } Bentuk Bahu Operasi-Operasi pada Himpunan Fuzzy Menurut Fajar Solikin(2). Seperti halnya himpunan tegas (crisp set), ada beberapa operasi yang idefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan Fuzzy. Nilai keanggotaan sebagai hasil dari operasi dua himpunan sering dikenal dengan nama fire strength atau α-cut. Ada tiga operator dasar yang diciptakan oleh Zadeh, yaitu: AND, OR, dan NOT.. Operator AND 2. Operator OR 3. Operator NOT 4. Domain Himpunan Fuzzy

6 Mamdani Menurut (Matondang, Kusumawati, Abidin,2). Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 975. Untuk METODOLOGI PENELITIAN Dalam melakukan penelitian agar hasilnya bisa maksimal, tentunya harus mengikuti kaidahkaidah atau metode yang telah ditetapkan. Metode penelitian yang akan diterapkan adalah metode penelitian ilmiah yang telah diajarkan di bangku perkuliahan. Dalam bab ini penulis menjelaskan tetang kerangka kerja penelitian yang mana terdiri dari menentukan topik ANALISA DATA Pada bab ini penulis akan menjelaskan tentang masalah yang diangkat dalam penelitian yang berkaitan dengan data penduduk yang terdapat pada Badan Pusat Statistik (BPS) Kota Pagaralam pada tahun 22, berdasarkan pekerjaan, mendapatkan output, diperlukan 4 tahapan:. Pembentukan himpunan Fuzzy. 2. Aplikasi fungsi implikasi pada metode mamdani. 3. Komposisi Aturan. 4. Penegasan (defuzzy). penelitan, mempelajari literatur, analisis masalah dan analisi kebutuhan, mengumpulkan data, analisis data, implementasi sistem, dan pengambilan keputusan dari penelitian. Diharapkan dari hasil penelitian ini dapat dijadikan sebuah hasil yang tepat dan akurat sehingga bisa dijadikan sebuah perbandingan dari sistem yang telah ada serta dijadikan sebuah gambaran dalam menggambil sebuah keputusan. pendapatan dan pengeluaran pada tiap-tiap kepala keluarga. Pengumpulan Data Tahap pengumpulan data, di mana data-data yang dikumpulkan adalah data yang akan digunakan dalam mengolah data dengan alat bantu software Fuzzy. Data yang diambil merupakan data-data yang

7 berhubungan langsung dengan tujuan penelitian. Data-data dalam penelitian ini berupa data penduduk Kota Pagaralam pada tahun 22. Analisis Kebutuhan Tahapan Analisa Kebutuhan bertujuan untuk pengelompokan terhadap data sehingga akan memudahkan penulis dalam melakukan analisis berikutnya. Sesuai dengan judul penelitian karya ilmiah ini yang berbasis logika Fuzzy sebagai alat bantu untuk pengambilan keputusan, maka perlu dilakukan analisis terhadap data-data yang akan digunakan. Analisa Data Penduduk Dalam melakukan analisa data pada penyusunan karya ilmiah ini dilakukan dengan menggunakan fuzzy logic. Pada tahapan Analisa Data Penduduk ini, bertujun untuk mengetahui apakah variabel yang digunakan dalam pengolahan datanya sudah sesuai dengan kriteria yang telah ditetapkan dengan menggunakan logika fuzzy untuk menghasilkan suatu output. Data Penduduk Kota Pagaralam No Nama Pekerjaan Pendapatan /Bulan Pengeluaran /Bulan Johan Perdagangan > < 2 Aisyah Pedagang > 5 < 3 Rudi Istur Midi Petani/Pekebun < 5 < 6 4 Muhammad Fuad Swasta > 5 < 6 5 Tarsak Petani/Pekebun < 5 < 6 6 Mery Oktarina Pegawai Negeri Sipil > 5 <

8 Klasifikasi Data penduduk tidak. Ada beberapa kriteria yang Setelah data penduduk didata dapat menyimpulkan bahwa seperti yang di atas, maka penduduk itu adalah penduduk disusunlah cara-cara untuk yang tergolong atau tidak, di mengklasifikasi data penduduk antaranya : tersebut menjadi suatu. Pekerjaan kesimpulan bahwasa nya 2. Pendapatan ± penduduk itu dapat dikatakan 3. Pengeluaran ± sebagai penduduk miskin atau Klasifikasi Data Penduduk No Nama Pekerjaan Pendapatan± Pengeluaran ± Johan Wiraswasta Cukup Sedang 2 Aisyah Wiraswasta Cukup Sedang 3 Rudi Istur Midi Petani Kurang Sedikit 4 Muhammad Fuad Wiraswasta Cukup Sedikit 5 Tarsak Petani Kurang Sedikit 6 Mery Oktarina PNS Cukup Sedang Analisis Data Dalam menyelesaikan permasalahan penulis menggunakan metode Mamdani, adapun langkahlangkah pemodelan logika Fuzzy dalam metode Mamdani, sebagai berikut : a. Fuzzyfikasi b. Inferensi c. Aplikasi Fungsi Implikasi d. Defuzzyfikasi dengan metode Centroid Fuzzyfikasi Dalam kasus ini terdapat 4 variabel, yaitu 3 variabel input yang terdiri dari Variabel Pekerjaan memiliki nilai linguistic yaitu Petani, Wiraswasta, PNS, Variabel Pendapatan memiliki nilai linguistic yaitu Baik, Cukup, Kurang dan Variabel Pengeluaran nilai linguistic yaitu Banyak, Sedang, Sedikit. Sedangkan untuk output yaitu Variabel Indikator yang memiliki

9 nilai linguistic yaitu Lemah,Kurang, Sedang, Kuat, Sangat Kuat. Semesta Pembicaraan Input / Output Input Output Variabel Pekerjaan Pendapatan Pengeluaran Indikator Linguistic / Domain Range Himpunan Petani 25 [ 25] Wiraswasta 4 [ 25 4] Pns 25 5 [ ] Kurang [ 6 ] Cukup 5 5 [6 4] Baik 2 [ 4 2 2] Sedikit [ 6 ] Sedang 6 4 [6 4] Banyak 2 [ 4 2 2] Lemah 2 [ 2] Kurang - 3 [ 2 3] Sedang 2 4 [2 3 4] Kuat 3 5 [3 4 5] Sangat Kuat 4 5 [ ] Fungsi Keanggotaan Fungsi keanggotaan adalah grafik yang mewakili besar dari derajat keanggotaan masing-masing variabel input yang berada dalam interval antara dan. Derajat keanggotaan sebuah variabel x dilambangkan dengan symbol µ(x). Rule-rule menggunakan nilai keanggotaan sebagai faktor bobot untuk menentukan pengaruhnya pada saat melakukan implikasi untuk menarik kesimpulan. Berikut merupakan penggunaan fungsi keanggotaan berdasarkan variabel input dan output. Fungsi Keanggotaan Variabel Pekerjaan Pada tahapan ini akan menggunakan fungsi keanggotaan linier naik untuk kategori PNS, fungsi keanggotaan linier turun untuk kategori PETANI, sedangkan untuk

10 WIRASWATA menggunakan fungsi linier segitiga. Fungsi Keanggotaan Variabel Pendapatan Pada tahapan akan menggunakan fungsi keanggotaan linier naik untuk kategori BAIK, fungsi keanggotaan linier turun untuk kategori SEDIKIT, sedangkan untuk SEDANG menggunakan fungsi linier segitiga. Berdasarkan gambar 4. dapat dilihat pada tabel data di atas, misalnya data penduduk berdasarkan pendapatan kurang dari Rp.5./bulan maka tergolong miskin jika lebih dari Rp.5. maka tidak miskin. Pola perhitungan derajat keanggotaan variabel pendapatan adalah sebagai berikut : Fungsi Keanggotaan Variabel Pengeluaran Pada tahapan akan menggunakan fungsi keanggotaan linier naik untuk kategori BANYAK, fungsi keanggotaan linier turun untuk kategori SEDIKIT, sedangkan untuk SEDANG menggunakan fungsi linier segitiga. Berdasarkan gambar 4.4 dapat dilihat pada tabel data di atas, misalnya data penduduk berdasarkan Pengeluran kurang dari Rp.6./bulan maka tergolong miskin jika lebih dari Rp.6. maka tergolong Sedang, sedangkan jika lebih dari 2 tergolong tidak miskin. Pola perhitungan derajat keanggotaan variabel pengeluarannya adalah sebagai berikut : Fungsi Keanggotaan Variabel Indikator Pada tahapan akan menggunakan fungsi keanggotaan linier naik untuk kategori Sangat kuat, fungsi keanggotaan linier turun untuk kategori Lemah, sedangkan untuk Kurang, Sedang, Kuat menggunakan fungsi linier segitiga. Pada variabel Indikator di mana masing-masing nilai linguistiknya berikan nilai sebagai berikut Lemah, Kurang, Sedang, Kuat, Sangat Kuat. Inference Bedasarkan hasil tabel Klasifikasi data penduduk, maka Pada tahap ini adalah penentuan aturan (rule), Dengan melakukan fuzzy inference, pengetahuan tersebut

11 bisa ditransfer ke perangkat lunak yang selanjutnya memetakan suatu input menjadi output berdasarkan IF THEN rule. Sistem fuzzy yang dihasilkan disebut dengan Fuzzy Inference System (FIS). Adapun contoh dari rule-rule yang diterapkan pada sistem fuzzy sebagi berikut : [R] If [Pekerjaan is WIRASWASTA] and [Pendapatan is CUKUP] and [Pengeluaran is SEDANG] Then [Indikator is SEDANG]. Aplikasi Fungsi Implikasi Pada tahapan ini, penulis menggunakan fungsi implikasi. Di mana pada aturan yang digunakan adalah aturan MIN, Dan berikut contoh salah satu relasi yang terjadi setelah selesai proses rules seperti contoh di bawah ini :Maka dari hasil kasus diatas, penulis memberikan beberapa contoh penggunaan rule dalam penentuan kasus, berikut rule yang digunakan : [R] If [Pekerjaan is WIRASWASTA] and [Pendapatan is CUKUP] and [Pengeluaran is SEDANG] Then [Indikator is SEDANG]. αpredikat = Min µwiraswasta(), µcukup(),µsedang() = Min (,, ) = () Wiraswasta Cukup Sedang Sedang,6,4, Aplikasi Fungsi Implikasi Tidak Miskin Rule

12 Defuzzyfikasi Defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Pada tahapan ini penulis menggunakan metode Centroid, berikut hasil dari penerapan metode Centroid. Berikut contoh dari rule yang dipakai untuk menghitung hasil tegas atau defuzzifikasi pada bab ini. [R] If [Pekerjaan is WIRASWASTA] and [Pendapatan is CUKUP] and [Pengeluaran is SEDANG] Then [Indikator is SEDANG]. αpredikat = Min µwiraswasta(), µcukup(),µsedang() = Min (,, ) = () IMPLEMENTASI DAN PENGUJIAN Implementasi Pengujian data penduduk dalam menentukan penduduk miskin dengan metode Mamdani, pada tahap ini dilakukan dengan menggunakan tool yang dapat menyelesaikan penelitian ini menggunakan Matlab 6.. Software ini berfungsi untuk menghitung nilai-nilai dari variabel yang telah ditentukan kedalam bentuk crisp dengan langkah yang berada pada Matlab. Dan nantinya mendapatkan nilai hasil inferensi Fuzzy sebagai nilai indikator berdasarkan data penduduk. Pengujian Sistem Pada tahap ini penulis akan melakukan pengujian terhadap hasil dari analisa data pada tahapan implementasi dan pengujian. Dan diharapkan pada tahap implementasi ini hasil dari analisa tersebut dapat memberikan suatu informasi yang sesuai. Pengujian :

13 [R] If [Pekerjaan is WIRASWASTA] and [Pendapatan is CUKUP] and [Pengeluaran is SEDANG] Then [Indikator is SEDANG]. αpredikat = Min µwiraswasta(), µcukup(),µsedang() = Min (,, ) = () Ini merupakan hasil dari tampilan pengujian manual dengan yang dilakukan pada bab iv dengan menentukan indikator tidak miskin, dimana untuk hasil dari masing-masing himpunan sebagai berikut, wiraswasta (3), cukup () dan sedang (2). Wiraswasta Cukup Sedang Sedang,4,4, Tampilan Aplikasi Fungsi Implikasi Rule Berikut tampilan hasil dari pengujian yang dilakukan di tools matlab yang dihasilkan dari rule, dan berikut hasil rule viewer dengan input [3 2]. Tampilan Hasil Rule Viewer Rule

14 KESIMPULAN DAN SARAN Kesimpulan Berdasarkan hasil analisa dan pengujian untuk menentukan penduduk miskin dengan menggunakan sistem fuzzy ada beberapa kesimpulan yang dapat diambil antara lain :. Dalam analisis penentuan penduduk miskin, dibutuhkan beberapa tahapan antara lain : penentuan fuzzifikasi, inferensi, aplikasi fungsi implikasi dan penegasan atau defuzzifikasi. 2. Dalam proses penentuan penduduk miskin pada Badan Pusat Statistik Kota pagaralam, penulis menggunakan sistem fuzzy dan metode Mamdani. 3. Aplikasi Matlab 6. mampu membantu penulis dalam mengolah dan memproses data yang mengadopsi metode mamdani dalam penentuan penduduk miskin. Saran Penulis menyadari mash banyak kekurangan didalam penulisan karya ilmiah ini, Oleh karena itu berdasarkan pengamatan yang dilakukan, agar penelitian yang akan dilakukan selanjutnya lebih baik lagi maka penulis menyarankan sebagai berikut :. Dengan diterapkannya sistem fuzzy dapat lebih mempermudah dalam proses penentuan penduduk yang tergolong miskin. 2. Sebaiknya dalam penentuan kriteria penduduk miskin diharapkan dapat lebih jelas agar tidak ada kekeliruan dalam penentuan variabel input, sehingga akan lebih jelas dan terarah. 3. Sebaiknya dilakukan pemahaman dalam penggunaan metode yang digunakan dalam proses pengolahan datanya. DAFTAR PUSTAKA Sri Kusumadewi Dan Hari Purnomo, 2. Aplikasi Logika Fuzzy Utnuk Pendukung Keputusan Edisi 2. Penerbit Graha Ilmu. Eng. Agus Naba 29. Belajar Cepat Fuzzy Logic

15 Menggunkan Matlab. Penerbit Andi. Marimin 25. Alokasi Pasokan Berdasarkan Produksi Susu Unggulan Untuk Rantai Pasok Sayuran Segar. Jurnal Teknnik Industri Vol 9 N.2 September 27. Much.Djunaidi, Eko Setiawan, Fajar Whedi Andista, 25. Penentuan Jumlah Produksi Dengab Aplikasi Metode Fuzzy Mamdani. Jurnal Teknnik Industri Vol 4 N.2 Desember 25. Sivarao, Peter Brevern, El-Tayeb, Vengkatesh (2). GUI Based Mamdani Fuzzy Inference System Modeling To Predict Surface Roufhness In Lase Machining. International Journals Of Electrial And Computer Scienses IJECS Vol : 9 No 9. Fajar Solikin, 2. Aplikasi Logika Fuzzy Optimisasi Produksi Barang Menggunakan Metode Mamdani Dan Metode Sugeno. Skripsi 2. T.Sutojo, Et Al, 2. Kecerdasan Buatan. Penerbit ANDI Yogyakarta. Prabowo Pudjo Dan Trias Rahmdya H, 29. Penerapan Soft Computing Dengan Matlab. Penerbit Rekayasa Sains.29. Fauzan Maskur (22). Implementasi Sistem Pakar Diagnosa Penyakit Diabetes Mellitus Menggunakan Metode Fuzzy Logic Berbasis Web. Tesis 22. Matondang, Kusumawati, Abidin, 2. Fuzzy Logic Metode Mamadani Untuk Membantu Diagnosa Dini Autism Soectrum Disorder. Jurnal Teknik Informatika,Sains Teknologi.

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 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 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

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com

Lebih terperinci

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

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

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

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

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 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

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com

Lebih 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

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

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon

Lebih terperinci

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

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com

Lebih terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis 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 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

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

IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS

IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,

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

Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani

Mengukur 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 terperinci

Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani

Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Anitaria Simanullang 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED anitaria.simanullang@gmail.com

Lebih terperinci

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

MODEL 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 terperinci

LOGIKA FUZZY MENGGUNAKAN MATLAB

LOGIKA FUZZY MENGGUNAKAN MATLAB LOGIKA FUZZY MENGGUNAKAN MATLAB T.SUTOJO,Ssi,M.Kom 5.10 Fuzzy Logic Toolbox Matlab menyediakan fungsi-fungsi khusus untuk perhitungan logika Fuzzy dimulai dari perhitungan fungsi keanggotaan sampai dengan

Lebih terperinci

INFORMATIKA JURNAL INFORMATIKA ISSN : VOL. 2, No.2, Maret 2014

INFORMATIKA JURNAL INFORMATIKA ISSN : VOL. 2, No.2, Maret 2014 PEMIMPIN UMUM Drs. H. AM. Effendi Sangkim, Msi PEMIMPIN REDAKSI Kusnita Yusmiarti, S.Kom.,M.Kom WAKIL PEMIMPIN REDAKSI M. Junius Effendi, S.Kom.,M.Kom Medi Triawan, S.Kom.,M.Kom KONSULTAN AHLI Dr. Zakaria

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 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

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

IMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA)

IMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA) IMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA) Alfa Saleh Teknik Informatika, Fak. Ilmu Komputer

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 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

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

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

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani

Perekrutan 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 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 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah

Lebih 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

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

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga

Lebih 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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Era persaingan yang semakin ketat pada saat sekarang ini telah menyebabkan perusahaan-perusahaan yang bergerak di bidang industri khususnya dalam bidang industri makanan

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Inteligent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk algoritma yang

Lebih terperinci

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

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

PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI

PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI Rizka Munia Yogaswara 1), Gunawan Abdillah 2), Dian Nursantika

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

SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)

SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri

Lebih terperinci

BAB III METODE FUZZY MAMDANI

BAB 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 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

Versi Online tersedia di : JURNAL TECH-E (Online)

Versi Online tersedia di :  JURNAL TECH-E (Online) JURNAL TECH-E - VOL. 1 NO. 1 (17) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-1916 (Online) Artikel Perancangan Aplikasi Penentu Jurusan IPA atau IPS Pada SMA Menggunakan

Lebih terperinci

PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO

PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO Ahmad Bahroini 1, Andi Farmadi 2, Radityo Adi Nugroho 3 1,2,3Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36 Banjarbaru, Kalimantan

Lebih terperinci

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.

manusia 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 terperinci

SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC

SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer

Lebih terperinci

( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik

Lebih terperinci

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

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

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

Lebih terperinci

JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI

JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI PRICING SYSTEM USING DIGITAL PHOTO PRINTING ON FUZZY TSUKAMOTO ALIEF COMPUTER KEDIRI Oleh:

Lebih terperinci

Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler

Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler Wira Buana Dosen STMIK Jayanusa wira_buana59@yahoo.com ABSTRAK Fuzzy logic merupakan salah satu pendekatan yang menggunakan

Lebih terperinci

PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI

PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Komponen Mobil Mesin terdiri atas beberapa bagian yang memiliki fungsinya masingmaning. Bagian-bagian atau komponen-komponen tersebut bekerja bersama-sama untuk menghasilkan

Lebih terperinci

LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA

LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: STUDI KASUS UNIVERSITAS

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya

Institut Teknologi Sepuluh Nopember Surabaya Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,

Lebih terperinci

Tahap Sistem Pakar Berbasis Fuzzy

Tahap 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 terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 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 terperinci

MODEL FUZZY TAHANI UNTUK PENENTUAN SISWA TERBAIK DI SEKOLAH

MODEL FUZZY TAHANI UNTUK PENENTUAN SISWA TERBAIK DI SEKOLAH Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 207, pp. 24~22 24 MODEL FUZZY TAHANI UNTUK PENENTUAN SISWA TERBAIK DI SEKOLAH Ghofar Taufik AMIK BSI Jakarta e-mail: ghofar.gft@bsi.ac.id Abstrak

Lebih terperinci

Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk

Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Nusantara of Enginering/Vol.3/No.1/ISSN: 2355-6684 41 Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Fajar Rohman Hariri Jurusan Teknik Informatika, Fakultas Teknik,

Lebih terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

FUZZY MULTI-CRITERIA DECISION MAKING Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas

Lebih terperinci

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

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

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

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

Research of Science and Informatic

Research of Science and Informatic Sains dan Informatika Vol.2 (N0.2) (2016): 20-30 1 Rifa, Nency, Expert System For Determine Lecturer Performance JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com

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

Analisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB

Analisa 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 terperinci

PENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA)

PENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA) PENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA) Alfa Saleh Teknik Informatika STMIK Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A,

Lebih terperinci

ANALISA TINGKAT KEPUASAN MASYARAKAT DENGAN KUALITAS KINERJA KEPOLISIAN MENGGUNAKAN METODE FUZZY LOGIC SUGENO

ANALISA TINGKAT KEPUASAN MASYARAKAT DENGAN KUALITAS KINERJA KEPOLISIAN MENGGUNAKAN METODE FUZZY LOGIC SUGENO ANALISA TINGKAT KEPUASAN MASYARAKAT DENGAN KUALITAS KINERJA KEPOLISIAN MENGGUNAKAN METODE FUZZY LOGIC SUGENO Sestri Novia Rizki Dosen Program Studi Teknik Informatika Universitas Putera Batam sestrino90@gmail.com

Lebih terperinci

PREDIKSI PRODUKTIVITAS TENAGA KERJA KONSTRUKSI MENGGUNAKAN PENDEKATAN FUZZY LOGIC

PREDIKSI PRODUKTIVITAS TENAGA KERJA KONSTRUKSI MENGGUNAKAN PENDEKATAN FUZZY LOGIC PREDIKSI PRODUKTIVITAS TENAGA KERJA KONSTRUKSI MENGGUNAKAN PENDEKATAN FUZZY LOGIC Elizar Program Studi Teknik Sipil, Universitas Islam Riau, Jl.Kaharuddin Nst 113 Pekanbaru Mahasiswa Program Doktor Teknik

Lebih terperinci

LOGIKA FUZZY. Dr. Ade Gafar Abdullah JPTE-UPI

LOGIKA FUZZY. Dr. Ade Gafar Abdullah JPTE-UPI LOGIKA FUZZY Dr. Ade Gafar Abdullah JPTE-UPI Introduction Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Intelegent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk

Lebih terperinci

FUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA. Oleh

FUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA. Oleh FUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA Oleh I Made Budi Suwadnyana 1, A.A. Gede Bagus Ariana 2 Program Studi Teknik Informatika STMIK STIKOM INDONESIA Email: balibudi55@yahoo.com

Lebih terperinci

Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto

Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Sistem Informasi

Lebih terperinci

Pendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian

Pendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian Pendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian Jumadi 1, a) Cecep Nurul Alam 2, b) 3, c) dan Ichsan Taufik 1, 2, 3 Jurusan Teknik

Lebih terperinci

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

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY Denny Cristiono T.S., Yugowati P.,Sri Yulianto J.P. Fakultas Teknologi Informasi Universitas Kristen

Lebih terperinci

Saintia Matematika ISSN: Vol. 2, No. 2 (2014), pp

Saintia 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 terperinci

PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar

PERBANDINGAN 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 terperinci

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

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

Lebih terperinci

PENERAPAN ARTIFICIAL INTELIGENCE UNTUK MENENTUKAN BAKAT DAN MINAT PADA UKM XPRESSI UPI-YPTK PADANG DENGAN MENGGUNAKAN LOGIKA FUZZY

PENERAPAN ARTIFICIAL INTELIGENCE UNTUK MENENTUKAN BAKAT DAN MINAT PADA UKM XPRESSI UPI-YPTK PADANG DENGAN MENGGUNAKAN LOGIKA FUZZY PENERAPAN ARTIFICIAL INTELIGENCE UNTUK MENENTUKAN BAKAT DAN MINAT PADA UKM XPRESSI UPI-YPTK PADANG DENGAN MENGGUNAKAN LOGIKA FUZZY Fakultas Ilmu Komputer, Universitas Putra Indonesia YPTK Padang e-mail

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

Oleh: ABDUL AZIS JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013

Oleh: ABDUL AZIS JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013 Oleh: ABDUL AZIS 1209 100 073 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013 Sektor pertanian merupakan salah satu penopang perekonomian

Lebih terperinci

Penentuan Tingkat Pelayanan Ruas Jalan Di Kabupaten Sleman Dengan Fuzzy Logic

Penentuan Tingkat Pelayanan Ruas Jalan Di Kabupaten Sleman Dengan Fuzzy Logic SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Penentuan Tingkat Pelayanan Ruas Jalan Di Kabupaten Sleman Dengan Fuzzy Logic Umi Nurofi atin, Agus Maman Abadi Program Studi Matematika,

Lebih terperinci

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI

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

Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa

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

Lebih terperinci

PENDAHULUAN A. LATAR BELAKANG MASALAH

PENDAHULUAN 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 terperinci