Penentuan Tingkat Pelayanan Ruas Jalan Di Kabupaten Sleman Dengan Fuzzy Logic
|
|
- Shinta Kartawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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, Jurusan Pendidikan Matematika FMIPA, Universitas Negeri Yogyakarta A-16 Abstrak Tingkat Pelayanan merupakan kemampuan ruas jalan dan/atau persimpangan untuk menampung lalu lintas pada keadaan tertentu. Survey dan perhitungan lalu lintas dilakukan pada ruas jalan nasional dan propinsi dimaksudkan sebagai ketersediaan database volume lalu lintas di ruas jalan, dan bahan analisis serta evaluasi terhadap tingkat pelayanan jalan yang ada. Selain itu untuk melihat seberapa besar tingkat pertumbuhan lalu lintas yang ada, dimana hal ini dapat dipergunakan untuk menilai kinerja ruas jalan dari tahun ke tahun (perencanaan). Untuk itu, perlu adanya penentuan tingkat pelayanan ruas jalan yang efektif dan efisien. Penelitian ini bertujuan untuk mengaplikasikan fuzzy logic dalam penentuan tingkat pelayanan ruas jalan dengan faktor derajat kejenuhan dan kecepatan tempuh sebagai inputnya. Variabel input dan output akan dinyatakan dalam himpunan fuzzy (fuzzifikasi), lalu ditentukan aturan fuzzy yang akan digunakan. Melalui defuzzifikasi akan ditentukan derajat keanggotaan output. Metode yang digunakan adalah metode mamdani dengan bantuan program fuzzy inference system pada Matlab R2011b, Sistem inferensi fuzzy Metode Mamdani dikenal juga dengan nama metode Max-Min. Metode Mamdani bekerja berdasarkan aturan-aturan linguistik. Metode ini diperkenalkan oleh Ebrahim H. Mamdani pada tahun 1975[6]. Hasil dari penelitian ini adalah ruas jalan pada sampel 15 merupakan jalan termacet di Kabupaten Sleman sehingga Dinas Perhubungan harus segera mengatasi hal tersebut. Kata kunci: Fuzzy Logic, Fuzzy Inference System, Motode Mamdani Penentuan Tingkat Pelayanan Ruas Jalan. I. PENDAHULUAN Perkembangan wilayah selalu berkaitan erat dengan pertumbuhan tingkat aksesibilitas atau perjalanan masyarakat. Perubahan, perkembangan, dan pertumbuhan wilayah menuntut penyediaan ruang, sarana dan prasarana baru sehingga sebagai implikasi dari itu semua terjadi perubahan dan pertumbuhan kebutuhan aksesibilitas transportasi. Perkembangan tersebut menuntut adanya perencanaan transportasi yang cermat dan integral agar dapat melayani kebutuhan aktivitas masyarakat, karena transportasi merupakan proses perpindahan manusia dan atau barang dari satu titik ke titik yang lain dengan menggunakan moda tertentu. Efektivitas sistem transportasi pada suatu kawasan sangat tergantung pada pola perencanaan yang dihasilkan dalam rangka pelayanan aksesibilitas dan mobilitas penduduk. Semakin tinggi mobilitas maka berakibat pada tingginya volume lalu lintas di jalan hal ini menyebabkan kepadatan yang cukup signifikan. Semakin tingginya mobilisasi menyebabkan tingginya antrian dan tundaan pada suatu simpang. Oleh karena itu perlu adanya kajian atau penelitian mengenai kinerja ruas jalan dan simpang yang berkesinambungan dan terus menerus tiap tahunnya. Oleh karena itu perlu adanya studi evaluasi kinerja ruas jalan dan simpang di wilayah perkotaan Yogyakarta[1]. Analisis tingkat kemacetan lalulintas diperoleh dari proses perhitungan tingkat pelayanan jalan, nilai tingkat pelayanan jalan diperoleh dari perbandingan volume lalu-lintas (V) dengan Kapasitas jalan (C), atau dapat ditulis rasio V/C. Semakin besar nilai V/C rasio maka tingkat pelayanan jalannya semakin buruk. Sebaliknya, jika semakin kecil nilai rasio V/C maka tingkat pelayanan jalannya semakin baik. Analisis ini dilakukan secara deskriptif yang didasarkan pada tingkat pelayanan jalan, yang memaparkan kondisi lalu-lintas pada ruas jalan yang diteliti[2]. Kemacetan lalulintas terjadi bila ditinjau dari tingkat pelayanan jalan yaitu pada kondisi lalulintas mulai tidak stabil, kecepatan operasi menurun relatif cepat akibat hambatan yang timbul dan kebebasan bergerak relatif kecil. Pada kondisi ini nisbah volume-kapasitas lebih besar atau sama dengan 0,80, jika tingkat pelayanan sudah mencapai E aliran lalulintas menjadi tidak stabil sehingga terjadilah tundaan berat yang disebut dengan kemacetan lalulintas[3]. MA 101
2 ISBN Berdasarkan Peraturan Menteri Perhubungan Nomor KM 14 Tahun 2006 Tentang Manajemen dan Rekayasa Lalu Lintas Di Jalan, tingkat pelayanan didefinisikan sebagai kemampuan ruas jalan dan/atau persimpangan untuk menampung lalu lintas pada keadaan tertentu[4]. Survey dan perhitungan lalu lintas dilakukan pada ruas jalan nasional dan propinsi di luar ibukota kotamadya atau kabupaten, yang menjadi kewenangan Dinas Perhubungan Propinsi Daerah Istimewa Yogyakarta. Pengumpulan data ini dimaksudkan sebagai ketersediaan database volume lalu lintas di ruas jalan, dan bahan analisis serta evaluasi terhadap tingkat pelayanan jalan yang ada. Selain itu untuk melihat seberapa besar tingkat pertumbuhan lalu lintas yang ada, dimana hal ini dapat dipergunakan untuk menilai kinerja ruas jalan dari tahun ke tahun (perencanaan). Hasil dari penilaian kinerja ruas jalan tersebut diharapkan dapat memberikan informasi dan bahan masukan untuk melakukan manajemen dan rekayasa lalu lintas bagi Dinas Perhubungan Propinsi Daerah Istimewa Yogyakarta khususnya dan instansi terkait, seperti : mengoptimalkan kapasitas jalan, melaksanakan re-manajemen lalu lintas, melebarkan jalan, sampai dengan mengusulkan jalan alternatif untuk mengurangi kemacetan lalu lintas[5]. Untuk itu, dibutuhkan adanya suatu sistem untuk mempermudah Dinas Perhubungan dalam menentukan tingkat pelayana dengan derajat kejenuhan dan kecepatan tempuh yang sesuai hasil survei. Aplikasi dari logika fuzzy pada penelitian ini menyediakan sebuah sistem penentuan tingkat pelayanan ruas jalan khususnya kabupaten Sleman berdasarkan derajat kejenuhan dan kecepatan tempuh yang merupakan faktor objektif dan digunakan sebagai input. Selanjutnya penelitian ini bertujuan untuk mengaplikasikan Fuzzy Logic pada penentuan tingkat pelayanan. II. METODE PENELITIAN Penelitian ini menggunakan data sekunder yaitu 40 data sampel ruas jalan di kabupaten sleman tahun 2015 dengan objek pengamatan derajat kejenuhan dan kecepatan tempuh di masing-masing sampel. Analisis data bertujuan untuk menghasilkan output tingkat pelayanan ruas jalan di Kabupaten Sleman dengan penerapan logika fuzzy. Dalam hal ini, analisis data menggunakan model mamdani dengan bantuan program FIS (Fuzzy Inference System) pada aplikasi MATLAB R2011b, Sistem inferensi fuzzy Metode Mamdani dikenal juga dengan nama metode Max-Min. Metode Mamdani bekerja berdasarkan aturan-aturan linguistik. Metode ini diperkenalkan oleh Ebrahim H. Mamdani pada tahun 1975[6]. Langkah-langkahnya adalah sebagai berikut: A. Menentukan variabel input dan output B. Mendefinisikan himpunan universal dari input dan output C. Fuzzifikasi D. Menentukan aturan fuzzy untuk penentuan tingkat pelayanan E. Defuzzifikasi Input Pendefinisian himpunan universal Fuzzifikasi Penentuan Aturan fuzzy Output Defuzzifikasi GAMBAR 2.1 BAGAN LANGKAH-LANGKAH METODE PENELITIAN III. HASIL DAN PEMBAHASAN Algoritma fuzzy solusi atas keterbatasan-keterbatasan yang dimiliki oleh struktur logika biner Boolean yang hanya memiliki dua kondisi pernyataan yaitu benar ( true ) atau salah ( false ). Algoritma fuzzy mencoba menjembatani kondisi-kondisi yang tidak hanya bisa diselesaikan dengan pernyataan ya atau tidak dan juga mendeskripsikan kondisi-kondisi pertengahan, kondisi diantara ya dan tidak kedalam formulasi matematis. Logika fuzzy dapat menerima ketidakpastian dalam bentuk variabel linguistik seperti agak, hampir, sekitar, sangat dan masih banyak lainnya. Referansi [7] logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lofti A. Zadeh pada tahun Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi ciri utama dari penalaran dengan logika fuzzy tersebut. Nilai keanggotaan hanya ada dua kemungkinan yaitu, 0 dan 1, pada himpunan fuzzy nilai keanggotaan terletak pada rentang sampai 1. MA 102
3 SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Semakin meningkatnya kepedulian dan pengetahuan pemerintah terhadap lingkungan digunakan untuk membentuk suatu himpunan aturan fuzzy yang dapat mengindentifikasi tingkat pelayanan ruas jalan. Dengan mengambil data dari Dinas Perhubungan Sleman tahun 2015 sebagai sampel, metode secara empiris dari aplikasi logika fuzzy akan diilustrasikan. Metode ini dapat menampung banyak variabel keputusan dan memiliki fleksibilitas untuk mengakomodasi berbagai kondisi ruas jalan dan peraturan menteri dengan mengubah variabel input dan aturan fuzzy. Tingkat Pelayanan merupakan kemampuan ruas jalan dan/atau persimpangan untuk menampung lalu lintas pada keadaan tertentu Penentuan tingkat pelayanan menjadi semakin rumit karena banyaknya status jalan yang ada. Penentuan tingkat pelayanan ini terpengaruh oleh beberapa faktor yaitu kecepatan lalu lintas (untuk jalan luar kota), kecepatan rata rata (untuk jalan perkotaan), nisbah volume/kapasitas(v/c ratio), kepadatan lalu lintas dan kecelakaan lalu lintas. Untuk Dinas Perhubungan Daerah Istimewa Yogyakarta, derajat kejenuhan dan kecepatan tempuh adalah faktor yang signifikan dalam penentuan tingkat pelayanan karena sesuai dengan Peraturan Menteri Perhubungan No. KM 14 Tahun Penelitian ini menggunakan 40 data sampel ruas jalan di kabupaten sleman tahun 2015 dengan objek pengamatan derajat kejenuhan dan kecepatan tempuh di masing-masing sampel. Derajat kejenuhan (DS) diambil dari Kapasitas ruas jalan (C) dibagi Volume kendaraan (V) sehingga disebut juga V/C. Data derajat kejenuhan dan kecepatan tempuh dari setiap sampel ditunjukkan dalam Tabel 1. TABEL 1: DERAJAT KEJENUHAN DAN KECEPATAN TEMPUH 40 RUAS JALAN No C (Kapasitas ) smp/jam V (Volume) smp/jam DS(Derajat Kejenuhan) Vlv (Kec.Tempuh) Km/jam , , , , ,684 47, ,542 51, ,585 45, ,631 42, ,653 43, ,703 33, ,7 29, ,854 26, ,78 33, ,558 42, ,679 31, ,686 37, ,233 15, ,891 27, ,874 30, ,502 38, ,947 26, ,757 32, ,626 34, ,78 30, ,754 30, ,779 32, ,734 28, ,441 50, ,349 51, ,424 50, ,488 49, ,387 51, ,311 52, ,282 52, , ,328 50, ,355 50,535 MA 103
4 ISBN ,273 51, , ,369 50, ,296 51, ,314 51, , ,362 49, ,237 52,7875 Pada penelitian ini, akan dibahas bagaimana menentukan tingkat pelayanan dengan derajat kejenuhan dan kecepatan tempuh dengan penerapan logika fuzzy dengan batuan FIS (Fuzzy Inference System) pada MATLAB. Langkah-langkahnya adalah sebagai berikut: A. Terlebih dahulu ditentukan input dan output yang diinginkan. Pada kasus ini ditentukan derajat kejenuhan dan kecepatan tempuh suatu ruas jalan sebagai input. Sedangkan untuk outputnya adalah tingkat pelayanan suatu ruas jalan. B. Selanjutnya didefinisikan himpunan universal dari derajat kejenuhan ruas jalan, kecepatan tempuh, dan tingkat pelayanan. Derajat kejenuhan dan kecepatan tempuh masing-masing dinyatakan dalam interval. Derajat Kejenuhan = [0, 1.2] Kecepatan Tempuh = [0, 100] GAMBAR 3.1 INTERVAL DERAJAT KEJENUHAN GAMBAR 3.2 INTERVAL KECEPATAN TEMPUH Tingkat Pelayanan = [0, 1] GAMBAR 3.3. INTERVAL TINGKAT PELAYANAN C. Langkah selanjutnya adalah fuzzifikasi yaitu dengan mendefinisikan tingkat keanggotaan dari masing-masing input dan output. Untuk derajat kejenuhan didefinisikan menjadi 5 tingkat keanggotaan yaitu sangat rendah (VL), rendah (L), cukup rendah (A), tinggi (H), sangat tinggi (VH). Demikian juga dengan kecepatan tempuh, didefinisikan menjadi sangat pelan(vs), pelan(s), cukup cepat (M), cepat (F), sangat Cepat (VF). Sedangkan untuk tingkat kejenuhan ruas jalan didefinisikan menjadi 6 tingkat keanggotaan yaitu sangat lancar (VG), lancar (G), lumayan lancar (NG), lumayan macet (NB), macet (B), sangat macet (VB). 1. Tingkat Keangggotaan Derajat Kejenuhan MA 104
5 SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 GAMBAR 3.4 GRAFIK TINGKAT KEANGGGOTAAN DERAJAT KEJENUHAN 2. Tingkat Keanggotaan Kecepatan Tempuh GAMBAR 3.5 GRAFIK TINGKAT KEANGGOTAAN KECEPATAN TEMPUH MA 105
6 Kecepatan Tempuh (Vlv) ISBN Tingkat Keanggotaan Output GAMBAR 3.6 GRAFIK TINGKAT KEANGGOTAAN TINGKAT PELAYANAN D. Langkah selanjutnya adalah menentukan aturan fuzzy yang akan digunakan untuk menentukan tingkat pelayanan ruas jalan dapat dilihat pada Tabel 2. TABEL 2. ATURAN FUZZY Derajat Kejenuhan (DS) Keputusan (D) Sangat rendah (VL ds) Rendah (L ds) Sedang (A ds) Tinggi (H ds) Sangat tinggi (VH ds) Sangat Pelan (VS vlv) NG NB B VB Pelan (S vlv) G NG B VB Cukup Cepat (M vlv) G G NB B Cepat (F vlv) VG G NG NB Sangat Cepat(VF vlv) VG VG G NB VB VB VB B B E. Tahap terakhir adalah defuzzifikasi yaitu menghitung derajat keanggotaan untuk masing-masing sampel. Pada tahap ini, akan dilakukan perhitungan derajat keanggotaan dari setiap sampel dengan derajat kejenuhan dan kecepatan tempuh yang dimiliki masing-masing sampel. Hasil derajat keanggotaan dari 40 sampel ruas jalan dapat dilihat pada Tabel 3. MA 106
7 SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 TABEL 3. DERAJAT KEANGGOTAAN SETIAP SAMPEL RUAS JALAN DI KABUPATEN SLEMAN Sampel No DS (Derajat Kejenuhan) Vlv (Kec.Tempuh) Km/jam Tingkat Pelayanan Jenis Tingkat Pelayanan 1 0, ,33 0,4 VG 2 0, ,84 0,867 B 3 0,684 47,53 0,737 NG 4 0,542 51,345 0,352 VG 5 0,585 45,23 0,498 VG 6 0,631 42,78 0,674 NG 7 0,653 43,025 0,704 NG 8 0,703 33,334 0,804 NB 9 0,7 29,29 0,818 NB 10 0,854 26,64 0,919 B 11 0,78 33,2 0,876 B 12 0,558 42,84 0,436 VG 13 0,679 31,5 0,744 NG 14 0,686 37,19 0,758 NB 15 1,233 15,35 0,97 VB 16 0,891 27,33 0,916 B 17 0,874 30,13 0,9 B 18 0,502 38,62 0,6 G 19 0,947 26,92 0,926 B 20 0,757 32,53 0,856 B 21 0,626 34,48 0,665 NG 22 0,78 30,45 0,876 B 23 0,754 30,66 0,853 B 24 0,779 32,07 0,875 B 25 0,734 28,9 0,841 NB 26 0,441 50,637 0,304 VG 27 0,349 51,947 0,286 VG 28 0,424 50,607 0,304 VG 29 0,488 49,65 0,317 VG 30 0,387 51,012 0,303 VG 31 0,311 52,03 0,299 VG 32 0,282 52,582 0,278 VG 33 0,328 50,522 0,305 VG 34 0,355 50,535 0,305 VG 35 0,273 51,82 0,288 VG 36 0,369 50,147 0,311 VG 37 0,296 51,017 0,303 VG 38 0,314 51,1 0,299 VG 39 0,362 49,862 0,315 VG 40 0,237 52,7875 0,275 VG Berdasarkan output yang telah diperoleh di atas, terlihat bahwa ruas jalan sampel 15 memiliki tingkat pelayanan yang paling besar yaitu 0.97, dengan jenis pelayanan sangat macet karena memiliki derajat kejenuhan yang sangat tinggi dan kecepatan tempuh sangat pelan. Selanjutnya urutan tingkat pelayanan dapat dilihat dalam tabel 4. Sampel No TABEL 4. URUTAN TINGKAT PELAYANAN RUAS JALAN DS (Derajat Kejenuhan) Vlv (Kec.Tempuh) Km/jam Tingkat Pelayanan Jenis Tingkat Pelayanan 40 0,237 52,7875 0,275 VG 32 0,282 52,582 0,278 VG 27 0,349 51,947 0,286 VG 35 0,273 51,82 0,288 VG 31 0,311 52,03 0,299 VG 38 0,314 51,1 0,299 VG 30 0,387 51,012 0,303 VG 37 0,296 51,017 0,303 VG 26 0,441 50,637 0,304 VG MA 107
8 ISBN ,424 50,607 0,304 VG 33 0,328 50,522 0,305 VG 34 0,355 50,535 0,305 VG 36 0,369 50,147 0,311 VG 39 0,362 49,862 0,315 VG 29 0,488 49,65 0,317 VG 4 0,542 51,345 0,352 VG 1 0, ,33 0,4 VG 12 0,558 42,84 0,436 VG 5 0,585 45,23 0,498 VG 18 0,502 38,62 0,6 G 21 0,626 34,48 0,665 NG 6 0,631 42,78 0,674 NG 7 0,653 43,025 0,704 NG 3 0,684 47,53 0,737 NG 13 0,679 31,5 0,744 NG 14 0,686 37,19 0,758 NB 8 0,703 33,334 0,804 NB 9 0,7 29,29 0,818 NB 25 0,734 28,9 0,841 NB 23 0,754 30,66 0,853 B 20 0,757 32,53 0,856 B 2 0, ,84 0,867 B 24 0,779 32,07 0,875 B 11 0,78 33,2 0,876 B 22 0,78 30,45 0,876 B 17 0,874 30,13 0,9 B 16 0,891 27,33 0,916 B 10 0,854 26,64 0,919 B 19 0,947 26,92 0,926 B 15 1,233 15,35 0,97 VB IV. SIMPULAN DAN SARAN SIMPULAN Setelah dilakukan langkah-langkah dalam penentuan tingkat pelayanan ruas jalan di Kabupatan Sleman dapat disimpulkan bahwa tingkat pelayanan sampel 15 merupakan tingkat pelayanan yang paling macet karena memiliki derajat kejenuhan yang paling tinggi dan kecepatan tempuh sangat pelan. Model penentuan tingkat pelayanan seperti ini sangat diperlukan untuk Dinas Perhubungan agar mudah dalam mengidentifikasi tingkat pelayanan ruas jalan dan menentukan solusi yang akan dilakukan dengan derajat kejenuhan dan kecepatan tempuh. SARAN Beberapa saran yang perlu disampaikan dalam penelitian ini, dengan harapan akan menjadi saran yang bermanfaat dan penelitian ini dapat dikembangkan. Pengembangan dan perbaikan guna memperoleh hasil yang lebih baik dapat dilakukan dengan menambahkan faktor penentuan tingkat pelayanan sebagai input, mengembangkan penelitian ini dengan menggunakan metode inferensi yang lain seperti metode Sugeno dan Tsukamoto. Bagi Dinas Perhubungan diharapkan dapat mengantisipasi dan cepat menyelesaikan dengan baik masalah yang ditimbulkan akibat tingkat pelayanan ruas jalan. DAFTAR PUSTAKA [1] Dinas Perhubungan, Laporan Akhir Studi Evaluasi Kinerja Ruas dan Simpang Dinas Perhubungan Daerah Istimewa Yogyakarta, 2015, tidak dipublikasikan. [2] A. Patriandini, Kajian Tingkat Kemacetan Lalu-Lintas Dengan Memanfaatkan Citra Quickbird dan Sistem Informasi Geografis di Sebagian Ruas Jalan KotaTegal, dalam Jurnal Bumi Indonesia Yogyakarta: Universitas Gadjah Mada, 2013, halaman [3] Sumadi, Kemacetan Lalulintas Pada Ruas Jalan Veteran Kota Brebes, dalam Diss. Program Pascasarjana Universitas diponegoro, Semarang: Universitas Diponegoro, 2006, halaman [4] Peraturan Menteri Perhubungan Nomor KM 14 Tentang Manajemen dan Rekayasa Lalu Lintas Di Jalan, [5] Dinas Perhubungan, Laporan Hasil Survey Perhitungan Lalu Lintas di Ruas Jalan Dinas Perhubungan Daerah Istimewa Yogyakarta, 2013, tidak dipublikasikan. [6] S. Kusumadewi, Aplikasi logika Fuzzy Untuk Pendukung Keputusan, edisi 2, cetakan 2. Yogyakarta: Graha Ilmu, 2013, halaman [7] S. Kusumadewi, Aplikasi logika Fuzzy Untuk Pendukung Keputusan, edisi 2, cetakan 2. Yogyakarta: Graha Ilmu, 2013, halaman 1 8. MA 108
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 terperinciAplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Aplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta Indah Puspita, Erma Suryani, Agus Maman Abadi Program Studi
Lebih terperinciBAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan
BAB IV PEMBAHASAN Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan teori aljabar max-plus dalam pengaturan lampu lalu lintas di simpang empat Beran Kabupaten Sleman Provinsi Daerah
Lebih terperinciBAB I PENDAHULUAN. penyakit menular yang terutama menyerang anak-anak (Widoyono, 2008: 59).
A. Latar Belakang BAB I PENDAHULUAN Penyakit demam berdarah dengue (DBD) merupakan salah satu masalah kesehatan masyarakat di Indonesia yang jumlah penderitanya cenderung meningkat dan penyebarannya semakin
Lebih terperinciPENGENDALIAN 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 terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Pada masa sekarang ini hampir semua perusahaan dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini mengharuskan perusahaan
Lebih terperinciANALISIS SIMPANG BERSINYAL MENGGUNAKAN LOGIKA FUZZY
ANALISIS SIMPANG BERSINYAL MENGGUNAKAN LOGIKA FUZZY TUGAS AKHIR SEBAGAI SALAH SATU SYARAT UNTUK MENYELESAIKAN PENDIDIKAN SARJANA TEKNIK DI PROGRAM STUDI TEKNIK SIPIL oleh ACHMAD AFANDI 150 03 006 ALEX
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciANALISIS OPTIMASI TRAFFIC LIGHT DENGAN TEORI FUZZY LOGIC MENGGUNAKAN ALTERNATIF APLIKASI MATLAB (STUDI KASUS SIMPANG EMPAT LHOKSEUMAWE)
ANALISIS OPTIMASI TRAFFIC LIGHT DENGAN TEORI FUZZY LOGIC MENGGUNAKAN ALTERNATIF APLIKASI MATLAB (STUDI KASUS SIMPANG EMPAT LHOKSEUMAWE) Muhammad, Syukriah dan Dahniar Jurusan Teknik Industri, Universitas
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Yogyakarta merupakan salah satu kota besar yang ada di Indonesia. Banyaknya tempat wisata di sertai dengan suasana kota yang nyaman, membuat Yogyakarta menjadi salah
Lebih terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciBAB I PENDAHULUAN. semakin meningkat. Menurut Khisma (2016: 9) kemacetan kendaraan bermotor
BAB I PENDAHULUAN A. Latar Belakang Masalah Yogyakarta merupakan kota dengan tingkat kemacetan lau lintas yang semakin meningkat. Menurut Khisma (2016: 9) kemacetan kendaraan bermotor menyebabkan banyak
Lebih terperinciMODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya
Lebih terperinciBAB 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 terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciBAB 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 terperinciAPLIKASI GRAF FUZZY PADA PENGATURAN LAMPU LALU LINTAS DI PERSIMPANGAN JALAN TERBAN KABUPATEN SLEMAN PROVINSI DAERAH ISTIMEWA YOGYAKARTA
APLIKASI GRAF FUZZY PADA PENGATURAN LAMPU LALU LINTAS DI PERSIMPANGAN JALAN TERBAN KABUPATEN SLEMAN PROVINSI DAERAH ISTIMEWA YOGYAKARTA SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciAplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan. Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman
Aplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman Provinsi Daerah Istimewa Yogyakarta Oleh: Arifudin Prabowo Kurniawan 13305144011 ABSTRAK
Lebih terperinciPENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC)
PENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC) Kartina Diah KW,ST1), Zulfa Noviardi2) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1
Lebih terperinciTahap Sistem Pakar Berbasis Fuzzy
Company LOGO Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 www.company.com
Lebih terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
Lebih terperinciBAB III METODOLOGI 3.1 PENDEKATAN MASALAH
BAB III METODOLOGI 3.1 PENDEKATAN MASALAH Penyusunan garis besar langkah kerja merupakan suatu tahapan kegiatan dengan menggunakan metodologi. Metodologi pendekatan analisis dilakukan dengan penyederhanaan
Lebih terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinciBAB II TINJAUAN TEORI
BAB II TINJAUAN TEORI Pada bab ini diuraikan beberapa kajian teoretis dari literature dan kajian normatif dari dokumen perundangan dan statutory product lainnya yang diharapkan dapat menjadi dasar pijakan
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 terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih 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 terperinciPENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
Lebih terperinciSimulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy
Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy Raka Yusuf 1, Andi Andriansyah 2, Febi Pratiwi 3 Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Mercu Buana 1,3 Jurusan Teknik
Lebih terperinciBAB I PENDAHULUAN. Untuk melakukan pengaturan lalu lintas pada persimpangan jalan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Untuk melakukan pengaturan lalu lintas pada persimpangan jalan difungsikan Traffic Light atau yang lebih dikenal oleh masyarakat Indonesia sebagai lampu lalu lintas.
Lebih terperinciBAB III METODOLOGI. moda, multi disiplin, multi sektoral,dan multi masalah, hal ini dikarenakan banyaknya
BAB III METODOLOGI III.1. METODE PENDEKATAN MASALAH Menurut Tamin (1997) analisis permasalahan transportasi bersifat multi moda, multi disiplin, multi sektoral,dan multi masalah, hal ini dikarenakan banyaknya
Lebih terperinciOPTIMISASI DELAY LAMPU HIJAU LALU LINTAS PADA PERSIMPANGAN DENGAN LOGIKA FUZZY METODE MAMDANI
OPTIMISASI DELAY LAMPU HIJAU LALU LINTAS PADA PERSIMPANGAN DENGAN LOGIKA FUZZY METODE MAMDANI Riska Megasari 1), Lukman 2), Khusnul Novianingsih 3) 1), 2), 3) Departemen Pendidikan Matematika FPMIPA UPI
Lebih terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciMenentukan 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 terperinciAnalisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB
Analisa Tingkat di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Popy Meilina Jurusan Teknik Informatika Universitas Muhammadiyah Jakarta E-mail: Opi3_five@yahoo.com.sg Abstrak -- Fuzzy Logic
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Bab ini akan memaparkan berbagai teori yang melandasi penulis dalam membangun sistem yang nantinya akan dibuat. 3.1. Pengertian Optimalisasi Secara umum pengertian optimalisasi menurut
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih terperinciJURNAL 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 terperinciFuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan
Fuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan Edwin Romelta / 13508052 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
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 terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih terperinciAplikasi Fuzzy Logic Dalam Pemilihan Makanan Mie Instan
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 T - 29 Aplikasi Fuzzy Logic Dalam Pemilihan Makanan Mie Instan Weni Safitri, Agus Maman Abadi FMIPA, Universitas Negeri Yogyakarta wenisafitri.weni@gmail.com
Lebih terperinciPENGARUH MANUVER PARKIR BADAN JALAN TERHADAP KARAKTERISTIK LALU LINTAS ABSTRAK
PENGARUH MANUVER PARKIR BADAN JALAN TERHADAP KARAKTERISTIK LALU LINTAS M. Gani 1, M. Hustim 1, A.Hamid Mustafa 2 ABSTRAK Penelitian ini bertujuan untuk mengetahui sejauh mana pengaruh manuver parkir badan
Lebih terperinciMetode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia
Metode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia Irmalia Suryani Faradisa dan Putri Sari Jurusan Teknik Elektro, Institut Teknologi Nasional Malang E-mail: faradyza@gmail.com Abstrak Gejala
Lebih terperinciPenerapan Logika Fuzzy Metode Sugeno Untuk Memprediksi Jumlah Penumpang Di Terminal Ronggo Sukowati Pamekasan
Penerapan Logika Fuzzy Metode Sugeno Untuk Memprediksi Jumlah Penumpang Di Terminal Ronggo Sukowati Pamekasan Tony Yulianto 1, Sugiono 2, M. Fariz Fadillah Mardianto 3 1,2,3) Program Studi Matematika,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih 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 terperinciWALIKOTA TEGAL PERATURAN WALIKOTA TEGAL NOMOR 6 TAHUN 2008 TENTANG KETERTIBAN LALU LINTAS DI KOTA TEGAL DENGAN RAHMAT TUHAN YANG MAHA ESA
SALINAN WALIKOTA TEGAL PERATURAN WALIKOTA TEGAL NOMOR 6 TAHUN 2008 TENTANG KETERTIBAN LALU LINTAS DI KOTA TEGAL DENGAN RAHMAT TUHAN YANG MAHA ESA WALIKOTA TEGAL, Menimbang : a. bahwa untuk meningkatkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Daerah perkotaan mempunyai sifat yang sangat dinamis, berkembang sangat cepat seiring dengan bertambahnya jumlah penduduk. Perkembangan daerah perkotaan dapat secara
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Sarana dan prasarana transportasi di dalam suatu wilayah memegang peranan yang amat sangat penting dalam proses pembangunan wilayah tersebut baik dalam bidang ekonomi,
Lebih terperinciBAB I PENDAHULUAN. ada tiga, yaitu association rules, classification dan clustering.
BAB I PENDAHULUAN 1.1. Latar Belakang Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang
Lebih terperinciPREDIKSI 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 terperinciOPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI
OPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciPenerapan Metode Fuzzy Mamdani untuk Memprediksi Penjualan Gula
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 27 T - 23 Penerapan Metode Fuzzy Mamdani untuk Memprediksi Penjualan Gula Nurlia Ningsih, Navila Teguh Pambudi, Agus Maman Abadi Program Studi Matematika,
Lebih terperinciPEMILIHAN PROGRAM STUDI BAGI SISWA LULUSAN SMA DALAM SELEKSI MASUK PTN UNY DENGAN LOGIKA FUZZY MAMDANI
PEMILIHAN PROGRAM STUDI BAGI SISWA LULUSAN SMA DALAM SELEKSI MASUK PTN UNY DENGAN LOGIKA FUZZY MAMDANI Niken Lisca Aggyta Ayuningrum Universitas Negeri Yogyakarta liscaniken@gmail.com Abstrak: Seiring
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Semarang sebagai ibukota propinsi di Jawa Tengah mempunyai banyak potensi yang bisa dikembangkan. Seiring dengan pertumbuhan ekonomi yang cukup tinggi, maka terjadi
Lebih terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih terperinciDAFTAR ISI LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR...
DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR... BIODATA ALUMNI... DAFTAR ISI... DAFTAR TABEL... DAFTAR
Lebih terperinciKONTRAK PEMBELAJARAN (KP) MATA KULIAH
KONTRAK PEMBELAJARAN (KP) MATA KULIAH Kode MK: TSK-710 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Eko Didik Widianto, ST, MT Semester : 7 KONTRAK PEMBELAJARAN Nama
Lebih terperinciPENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( 1011287) Mahasiswa Program Studi Teknik
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Perkembangan teknologi sangat penting dalam kehidupan manusia sekarang. Teknologi adalah salah satu penunjang perkembangan manusia. Banyak di belahan masyarakat, teknologi
Lebih terperinciLogika Fuzzy. Farah Zakiyah Rahmanti 2016
Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)
Lebih terperinciBAB III METODE FUZZY MAMDANI
29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan
Lebih terperinciANALISIS KINERJA SIMPANG BERSINYAL SECARA TEORITIS DAN PRAKTIS
ANALISIS KINERJA SIMPANG BERSINYAL SEARA TEORITIS DAN PRAKTIS Risna Rismiana Sari Staf Pengajar Jurusan Teknik Sipil Politeknik Negeri Bandung Jl. Gegerkalong Hilir Ds.iwaruga Bandung 40012. Email: risna_28@yahoo.com
Lebih terperinciAplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A - 8 Aplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone Muhammad Najib Mubarrok, Agus
Lebih terperinciBAB II TINJAUAN PUSTAKA. kuantitatif yang menerangkan kondisi operasional fasilitas simpang dan secara
BAB II TINJAUAN PUSTAKA Kinerja suatu simpang menurut MKJI 1997 didefinisikan sebagai ukuran kuantitatif yang menerangkan kondisi operasional fasilitas simpang dan secara umum dinyatakan dalam kapasitas
Lebih terperinciSTUDI EVALUASI KINERJA JARINGAN JALAN PADA RUAS JALAN WARU - SIDOARJO. Kata Kunci: Permasalahan Transportasi, Sistem Transportasi, Volume Lalu-lintas
STUDI EVALUASI KINERJA JARINGAN JALAN PADA RUAS JALAN WARU - SIDOARJO Bambang Joelianto, Achmad Faiz Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember Jl. Cokroaminoto 12A
Lebih terperinciImplementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan
Lebih terperinciPREDIKSI 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 terperinciProsiding Matematika ISSN:
Prosiding Matematika ISSN: 2460-6464 Simulasi Pengaturan Lampu Lalu Lintas Menggunakan Fuzzy Inference System Metode Mamdani pada MATLAB Traffic Light Simulation using Fuzzy Inference System with Mamdani
Lebih terperinciBAB I PENDAHULUAN. 1.2 Rumusan Masalah Rumusan masalah yang diangkat dalam penelitian ini adalah:
BAB I PENDAHULUAN 1.1 Latar Belakang Yogyakarta merupakan kota dengan tingkat mobilisasi penduduk yang tinggi. Kota Yogyakarta memiliki berbagai macam objek wisata dan banyak sekali kampus. Hal ini menjadi
Lebih terperinciBAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon
BAB IV PEMBAHASAN BAB IV berisi pembahasan tahapan penelitian yaitu klasifikasi logika fuzzy hasil pembahasan analisis pengujian model fuzzy dan visualisasi model fuzzy pada perhitungan cadangan hidrokarbon
Lebih terperinciSeminar Tugas Akhir. Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web
Seminar Tugas Akhir Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web Oleh: Harmuda Pandiangan 1209 100 089 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB I PENDAHULUAN. Dengan meningkatnya pembangunan suatu daerah maka semakin ramai pula lalu
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dengan meningkatnya pembangunan suatu daerah maka semakin ramai pula lalu lintasnya. Hal ini disebabkan oleh pertumbuhan ekonomi penduduk sehingga
Lebih terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
Lebih terperinciOleh: 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 terperinciAplikasi 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang merupakan salah satu kota besar di Indonesia kekayaan alam dan budaya yang sangat indah. dikenal kehidupan masyarakatnya yang sederhana, kental budaya, arif, dan ramah.
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas
BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,
Lebih terperinciKENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE
KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE Fitria Suryatini Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 (UNISMA) E-mail: fitriasuryatini88@gmail.com
Lebih terperinciPristiwa Sugiharti 1, Wahyu Widodo 2. 2 Staff Pengajar Fakultas Teknik Universitas Muhammadiyah Yogyakarta, Yogyakarta
ANALISIS KINERJA SIMPANG TAK BERSINYAL (STUDI KASUS : SIMPANG 3 TAK BERSINYAL JL. RAYA SETURAN-JL. RAYA BABARSARI-JL. KLEDOKAN, DEPOK, SLEMAN, YOGYAKARTA) (179T) Pristiwa Sugiharti 1, Wahyu Widodo 2 1
Lebih terperinciPENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO
PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO Kartika Dewayani, Titin Sri Martini, dan Mania Roswitha Program
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian
Lebih terperinciEVALUASI PENGENDALIAN LALU LINTAS DENGAN LAMPU PENGATUR LALU LINTAS PADA SIMPANG BERSINYAL
Evaluasi Pengendalian Lalu Lintas dengan Lampu Pengatur Lalu (Irawati dkk.) EVALUASI PENGENDALIAN LALU LINTAS DENGAN LAMPU PENGATUR LALU LINTAS PADA SIMPANG BERSINYAL Iin Irawati *, Trias Widorini, Ari
Lebih terperinciLOGIKA 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 terperinciAPLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB
52 APLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB (Hansi Effendi) *) ABSTRACT This research is conducted to apply Fuzzy Logic which is implemented in short term load
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan suatu kota ditandai dengan meningkatnya jumlah penduduk dan aktivitas sosial ekonomi. Hal ini tercermin dengan semakin meningkatnya penggunaan lahan baik
Lebih terperinciBAB III METODOLOGI 3.1 PENDEKATAN MASALAH
BAB III METODOLOGI 3.1 PENDEKATAN MASALAH Penyusunan garis besar langkah kerja merupakan suatu tahapan kegiatan dengan menggunakan metodologi. Metodologi pendekatan analisis dilakukan dengan penyederhanaan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciPenggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi
Jurnal Gradien Vol.3 No.2 Juli 2007 : 247-251 Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Syamsul
Lebih terperincioperasi simpang yang umum diterapkan adalah dengan menggunakan sinyal lalu
BAB I PENDAHULUAN 1.1. Latar Belakang Purworejo merupakan suatu kota di Indonesia yang terletak di Jawa Tengah. Pertumbuhan tingkat kepadatan penduduk sangat mempengaruhi tingkat kebutuhan transportasi
Lebih terperinci