STUDI KOMPARASIKENDALI MOTOR DC DENGAN LOGIKA FUZZY METODE MAMDANI DAN SUGENO
|
|
- Veronika Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 STUDI KOMPARASIKENDALI MOTOR DC DENGAN LOGIKA FUZZY METODE MAMDANI DAN SUGENO Ibrahim Nawawi 1, Bagus Fatkhurrozi 2 Jurusan Teknik Elektro Fakultas Teknik Universitas Tidar Jln. Kapten Suparman no. 39, Magelang ABSTRACT DC motors have been widely used in all fields, such as industry, household appliances, to children's toys. The main reason of the heavy use of a DC motor is the ease of control. These controllers can use analog or digital control. In this study, the method used is a DC motor control simulation with Simulink and Matlab fuzzy toolbox. The results of the simulation show that the transient response of the DC motor control using fuzzy Mamdani and Sugeno, they did not show any overshoot, steady state computing to achieve faster Sugeno Fuzzy controller with 5.4 seconds, while for fuzzy Mamdani seconds, middle (SE) the set of fuzzy output membership of approximately 1.3, error close to zero fastest achieved by Mamdani, Sugeno while slower, Delta Mamdani fuzzy error is more stable than fuzzy Sugeno, Value steady state control signal is almost the same at 1.2. Keywords: DC motor, fuzzy logic, Mamdani, Sugeno, Matlab 1 Jurusan Teknik Elektro Fakultas Teknik Universitas Tidar 2 Jurusan Teknik Elektro Fakultas Teknik Universitas Tidar 35
2 ABSTRAK Motor DC telah banyak digunakan disegala bidang, seperti di industri, peralatan rumah tangga, hingga ke mainan anak-anak. Alasan utama dari banyaknya penggunaan motor DC adalah kemudahan pengendaliannya. Pengendali ini bisa mengunakan kendali analog maupun digital. Pada penelitian ini metode yang digunakan adalah simulasi pengendalian motor DC dengan Matlab simulink dan toolbox fuzzy. Hasil dari simulasi memperlihatkan bahwa Respon transien pada kendali motor DC dengan menggunakan fuzzy Mamdani maupun Sugeno, keduanya tidak menunjukkan adanya overshoot, komputasi untuk mencapai steady statepengendali Fuzzy Sugeno lebih cepat yaitu5,4 detik, sedangkanuntukfuzzy Mamdani 38,12 detik, nilai tengah (SE) himpunan keanggotaan output fuzzy kurang lebih 1,3, Error mendekati nol tercepat dicapai oleh Mamdani, sedangkan Sugeno lebih lambat, Delta error fuzzy Mamdani lebih stabil dibanding fuzzy Sugeno, Nilai steady state sinyal kontrol hampir sama yaitu 1,2. Kata kunci:motor DC, logika fuzzy, Mamdani, Sugeno, Matlab 36
3 I. PENDAHULUAN Motor DC telah banyak digunakan disegala bidang, seperti di industri, peralatan rumah tangga, hingga ke mainan anak-anak. Industri minuman menggunakannya untuk menggerakkan sabuk berjalan untuk pengisian botol, ibu rumah tangga menggunakan blender, tukang menggunakan mesin bubut, bahkan anak-anak menggunakannya pada mobil-mobilan. Alasan utama dari banyaknya penggunaan motor DC adalah kemudahan pengendaliannya. Pengendali ini bisa mengunakan kendali analog maupun digital. Pengendali analog yang terkenal adalah tipe PID (Proporsional, Integral, Derivatif). Untuk sistem orde satu, pengaturan konstanta-konstanta PID cukup mudah untuk dilakukan. Namun, untuk sistem orde dua dan di atasnya, pengaturan konstanta-konstanta PID sangat sulit dan memerlukan tenaga ahli atau berpengalaman dalam melakukannya. Untuk mengatasi kelemahan tersebut, dikembangkan sistem kendali digital dengan memanfaatkan perangkat lunak untuk mengatur watak pengendalinya(wahyunggoro, 2004). Penggunaan logika fuzzy telah banyak diterapkan dalam bidang kendali otomatis dan industri modern, diantaranya ialah pengendali pemroses citra, kendali motor, kendali robot, kendali pesawat, kendali mesin cuci, dan lain sebagainya. Pemanfaatan logika fuzzy pada sistem kendali cukup banyak diminati karena proses kendali ini relatif mudah dan fleksibel unyuk dirancang dengan tidak melibatkan model matematis yang rumit dari plan yang akan dikendalikan. II. DASAR TEORI 2.1 Tinjauan Pustaka Pengendali digital yang sering dipakai adalah kendali logika fuzzy. Logika fuzzy merupakan perluasan dari logika crisp. Pada himpunan crisp, nilai keanggotaan ada 2 kemungkinan, yaitu 0 atau 1. Sedangkan pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1(Kusumadewi, 2004). Penggunaan logika fuzzy dalam sistem kendali motor DC sudah bukan merupakan hal yang baru, sudah begitu banyak aplikasi-aplikasi sistem kendali yang menggunakan teori logika fuzzy yang dihasilkan. Supriyono dan Roosyidi (2008) mengimplementasikan pengendali fuzzy- PID untuk mengatur kecepatan motor DC dengan berbasis Personal Computer (PC) dengan memanfaatkan fasilitas Real Time Windows Target pada Matlab 6.5. Penelitian memanfaatkan motor DC berdaya rendah yang dihubungkan dengan PC melalui sebuah rangkaian perantara (interface) PPi 8255 pada slot ISA. Algoritma pengendali fuzzy-pid akan diimplementasikan dalam PC dengan menggunakan fasilitas Real Time Windows Target Simulink Matlab 6.5 dan berperan sebagai otak sistem keselu-ruhan. Tanggapan keluaran kecepatan putar motor DC dapat dilihat dalam monitor komputer sehingga dapat dilihat unjuk kerja dari pengendali yang sudah dibuat. Hasil pengujian menunjukkan bahwa Simulink Matlab 6.5 dengan Real Time Windows Target sukses mengimplementasikan pengendadli fuzzy-pid untuk beban yang berubah secara lambat. Pasila dkk (2000) telah melakukan pengendalian motor DC dengan metode hybrid PID dan logika fuzzy. Dalam sistem ini kendali utama adalah kendali PID sedangkan kendali logika fuzzy bekerja membantu untuk meminimalkan overshot/undershot yang terjadi dan juga meminimalkan recovery time dari respon sistem. Sistem kendali logika fuzzy yang didesain mempunyai 2 input yaitu error dan delta error dan output kecepatan motor. Besar output dari sistem kendali logika fuzzy hanya 50% dari kendali PID. Sutikno dan Waspada (2011), telah melakukan penelitian tentang perbandingan sistem logika fuzzy model Mamdani dengan menggunakan beberapa metode defuzzifikasi, yaitu metode COA (center of area), bisektor, MOM (mean of maximum), LOM (largest of maximum), dan SOM (smallest of maximum). Lima metode defuzzifikasi ini dibandingkan dengan mengimplementasikan pada sistem plant yang sama. Plant yang dipilih yaitu pada pengaturan kecepatan motor DC. Dalam penelitian ini akan 37
4 dilakukan perbandingan sistem logika fuzzy pada kendali motor DC dengan metode Mamdani dan Sugeno 2.2 Landasan Teori Logika Fuzzy Logika fuzzy pertama kali diperkenalkan oleh Prof.Lotfi Zadeh,1965, dalam papernya yang berjudul Logika Fuzzy, Information and Control sebagai perluasan dari logika tegas (crisp logic). Dalam paper tersebut dipaparkan ide dasar Logika fuzzy yang meliputi inclusion, union, intersection, complement, relation, dan convexity. Dasar pemikiran dari logika fuzzy adalah mencontoh dari cara pengambilan keputusan manusia. Manusia mengambil keputusan berdasarkan hal-hal yang bersifat alamiah, seperti dingin-hangat-panas, cepat-sedang-lambat dan sebagaianya. Pelopor Logika fuzzy dalam bidang kontrol, yang merupakan aplikasi pertama dan utama dari logika fuzzy adalah Prof. Ebrahim Mamdani dan kawan-kawan dari Queen Marry CollageLondon. Aplikasinya meliputi proses pada tangki pencampur, dan mesin uap, semuanya pada skala lab. Penerapan kontrol logika fuzzy secara nyata di industri banyak dipelopori oleh ahli dari Jepang, misalnya Prof. Sugeno dan kawan-kawan dari Tokyo Institude of Technology. Prof. Yamakawa dari Kyusu Institudde of Technology melakukan penelitian dasar dari komputerfuzzy, sedangkan Togai dan Watanabe dari Bell Telephone Labs. berhasil menciptakan untuk pertama kalinya chip logika fuzzy (Kuswadi, 2007). Teori Logika Fuzzy didasari oleh logika fuzzy yang dikembangkan dari logika Boole. Logika Boole hanya mengenal tingkat logika 0 dan 1 yang menyatakan salah dan benar, sedangkan pada logika Fuzzy didapati juga tingkattingkat logika antara 0 dan 1, yang menyatakan kesamaran (Fuzziness), antara salah dan benar. Logika fuzzy membarikan konsep baru dalam perancangan sistem kontrol, karena logika fuzzy dapat diterapkan pada obyek (plant) yang kompleks tanpa harus mengetahui persamaan matematis sebagaimana yang dibutuhkan dalam metode kontrol konvensional. Metode-metode perancangan pengendalian klasik (misalnya Nyquist, Bode, root locus) pada umumnya didasarkan pada asumsi bahwa proses yang dikendalikan adalah linier dan stasioner. Sedangkan kebanyakan proses yang ada adalah sistem yang kompleks, non-linier, dan mudah dipengaruhi faktor-faktor gangguan sekitar. Proses-proses tersebut pada kenyataannya bisa dikendalikan secara manual dengan hasil yang baik. Operator kendali tersebut biasanya adalah tenaga terampil yang mengandalkan pengalaman praktis, tanpa dilatarbelakangi teoriteori pengendalian yang rumit. Hal ini disebabkan operator tersebut mengendalikan proses dengan dasar logika yang juga non-linier dan kompleks, yang dibangun oleh pengalaman dalam waktu yang panjang, sehingga pengendalian yang dilakukan sepenuhnya bersifat intuitif. Untuk merancang sistem pengendalian otomatis bagi proses-proses tersebut, yang mampu menerjemahkan pengetahuan dan aturanaturan fuzzy maka diperlukan teori logika fuzzy, sebagai salah satu alternatif. Secara umum pengendali logika fuzzy mempunyai kemampuan sebagai berikut: a. Beroperasi tanpa campur tangan manusia secara langsung, tetapi memiliki efeksitas yang sama dengan pengendali manusia b. Mampu menangani sistem-sistem yang kompleks, noin-linier, dan tidak stasioner c. Memenuhi spesifikasi dan kriteria kerja Sistem inferensi fuzzy a. Metode Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun Untuk mendapatkan output, diperlukan 4 tahapan: 1) pembentukan himpunan fuzzy Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. 2) aplikasi fungsi implikasi (aturan) Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. 3) komposisi aturan 38
5 Tidak seperti penalaran monoton, apa- bila sistem terdiri-dari beberapa aturan, makaa inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilistik OR (probor). (a) metode Max (Maximum) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai mak- simum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengann menggunakan operator OR (union). Jika se- mua proposisi telah dievaluasi, maka outpu akan berisi suatu himpunann fuzzy yang merefleksikan konstribusi dari tiap-tiapp proposisi. Secara umum dapat dituliskan: µ sf [xi] max(µ sf [xi], µ kf [xi]) dengan: µ sf [xi] = nilaii keanggotaann solusi fuzzy sampai aturan ke-i; µ kf [xi] = nilai keanggotaan konsekuenn fuzzy aturan ke-i; Proses inferensii dengan menggunakann metode Max dalam melakukan komposisi aturan seperti terlihat pada Gambar 2.1. Apabila digunakan fungsi implikasi MIN, makaa metode komposisi ini sering disebut dengan nama MAX-MIN atau MIN-MAX atau MAMDANI. (b) metode Additive (Sum) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umumm dituliskan: µsf[xi] min(1,µsf[xi]+ µkf[xi]) dengan: µ sf [xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i; µ kf [xi] = nilai keanggotaann koasekuen fuzzy aturan ke-i; (c) metode Probabilistik OR (probor) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy. Secara umum dituliskan: µ sf [xi] (µ sf [xi]+ µ kf [xi]) - (µ sf [xi] * µ k kf[xi]) dengan: µ sf [xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i; µ kf [xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i; (d) penegasan (defuzzy) Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crsip tertentu sebagai outpu seperti terlihat pada Gambar 2.2. Gambar 2.1. Komposisi aturan Fuzzy: Metode MAX. Gambar 2.2Proses defuzzifikasi. 39
6 Ada beberapa metode defuzzifikasi pada komposisi aturan MAMDANI, antara lain: a) Centroid Of Area (COA) z COA = Z µ A( z) zdz Z µ A( z) dz...(2.1) b) Bisector Of Area (BOA) Z BOA α µ A ( z) dz µ A( z) dz = β Z BOA...(2.2) c) Mean Of Maximum (MOM) z MOM = Z ' Z ' zdz dz...(2.3) b. Metode Sugeno Penalaran dengan metode Sugeno hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun Model Fuzzy Sugeno Orde-Nol Secara umum bentuk model fuzzy Sugeno Orde-Nol adalah:if (x1 is A1) (x2 is A2) (x3 is A3)... (xn is AN) THEN z=k dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah suatu konstanta (tegas) sebagai konsekuen. 2. Model Fuzzy Sugeno Orde-Satu Secara umum bentuk model fuzzy Sugeno Orde-Satu adalah: IF (x1 is A1)... (xn is AN) THEN z = p1*x1 + + pn*xn + q dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan pi adalah suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen. Apabila komposisi aturan menggunakan metode Sugeno, maka deffuzifikasi dilakukan dengan cara mencari nilai rata-ratanya (Kusumadewi, 2002) III. METODE PENELITIAN Sebelum melakukan penelitian, terlebih dahulu mempelajari penelitian (riset) yang yang terkait dengan topik. Tahap selanjutnya adalah pembuatan model motor DC dengan matlab simulink. Setelah progam selesai kemudian dilakukan pengujian, jika sudah didapatkan hasil yang baik (error optimal) maka akan dilanjutkan ke tahap selanjutnya, yaitu penarikan kesimpulan. Digram alir metodologi penelitian ditunjukkan pada Gambar 3.1. Gambar 3.1 Diagram alir metode penelitian 3.1. Pemodelan Motor DC dengan Matlab Simulink Model motor DC yang digunakan pada penelitian ini diperoleh dari Model motor DC pada penelitian ini merupakan model motor DC linear yang cukup sederhana dengan beban yang fleksibel. Model linier ini cukup baik untuk banyak sistem kendali motor DC. Parameter motor DC diambil dari katalog produk motor MAXON. Dalam katalog ini tidak ada nilai tertentu untuk redaman mekanik. Ekspresi umum digunakan untuk konstanta waktu mekanik, T m = b m / J m, dengan b m adalah redaman mekanik dan J m adalah inersia rotor. Peneliti menggunakan simulasi untuk memperkirakan redaman mekanik yang memberikan tanggapan untuk waktu naik mekanis dantan pabeban-saat ini.gambar3.2 menunjukkan model motor DC sedangkan Gambar 3.3 merupakan model motor DC denganbeban yang fleksibel 40
7 Gambar 3.4. Sistem pengendalian motor DC Mamdani Gambar 3.2 model motor DC denganmatlab Simulink Perencanaan FIS Editor untuk fuzzy mamdani ditunjukkan pada Gambar 3.5. Gambar 3.5 FIS Editor Mamdani Gambar 3.3 Model Motor DC dengan beban fleksibel 3.3Perencanaan pengendalian motor DC dengan mamdani dan sugeno Perencanaan pengendalian motor DC dengan logika fuzzy mamdani dilakukan dengan menggunakan matlab simulink seperti ditunjukkan pada gambar
8 Gambar 3.6 Sistem pengendalian motor DC Sugeno Perencanaan FIS editor untuk logika fuzzy sugeno ditunjukkan pada Gambar 3.7. Gambar 3.7 Fuzzy Inference Systemeditorsugeno IV. HASIL DAN PEMBAHASAN 4.1 Hasil Simulasi Pengendali Motor DC Mamdani Setelah semua proses dilakukan selanjutnya dilakukan running program dan diperoleh hasil tanggapan transien dari sinyal Error, sinyal Delta Error, sinyal kontrol dan sinyal keluaran seperti ditunjukkan pada Gambar 4.1. Gambar 4.1. Tanggapan transien kendali motor DC Mamdani 4.2 Hasil Simulasi Pengendali Motor DC Sugeno Gambar 4.2. Tanggapan transien kendali motor DC Sugeno. 42
9 V. PENUTUP Percobaan kendali motor DC dengan fuzzy logicsugeno dan Mamdani dapat diambil beberapa kesimpulan sebagai berikut: kendalimotor DC dengan fuzzy Mamdani maupun Sugeno, keduanya tanpa adanya overshoot; Komputasi untuk mencapai steady state paling cepat dengan menggunakan kontroler fuzzy Sugeno yaitu 5,4 detik, dan untukfuzzy Mamdani 38,12 detik. Untuk mencapai steady state, nilai tengah (SE) himpunan keanggotaan outputfuzzysebesar 1,3; Error mendekati nol tercepat dicapai oleh Mamdani, sedangkan Sugeno lebih lambat. Delta error fuzzy Mamdani lebih stabil dibanding fuzzy Sugeno, Nilai steady state sinyal kontrol hampir sama yaitu 1,2. Memperhatikan hal-hal tersebut maka peneliti memberikan kesimpulan bahwa kontrol dengan fuzzy Sugeno lebih optimal. DAFTAR PUSTAKA Hanief, 2013, Motor DC, Diakses tanggal 2 Oktober Kusumadewi, S., 2004, Aplikasi Logika Duzzy untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta. Kusumadewi, S., 2002, Analisis dan Desain Sistem Fuzzy Menggunakan Toolbox Matlab, Graha Ilmu, Yogyakarta. Kuswadi, S., 2007, Kendali Cerdas, Teori dan Aplikasi Praktisnya, Andi, Yogyakarta. Pasila, F., Thiang, dan Finaldi, O., 2000, Sistem Kendali Hybrid Pid-Logika Fuzzy pada Pengaturan Kecepatan Motor DC, Proceedings, Komputer dan Sistem Intelijen (Kommit 2000). Supriyono, H., dan Roosyidi, R., 2008, Implementasi Pengendalian Kecepatan Motor DC dengan Pengendali Fuzzy-PID menggunakan Realtime Windows Target Matlab 6.5, Jurnal Penelitian Sains & Teknologi, Vol. 9, No. 2. Sutikno, dan Waspada, I., 2011, Perbandingan Metode Defuzzifikasi Sistem Kendali Logika Fuzzy Model Mamdani pada Motor DC, Jurnal Masyarakat Informatika, Volume 2, Nomor 3, ISSN Wahyunggoro, O., 2004, Pengendalian Motor Dc Menggunakan Algoritma Fuzi Berbasis Komputer, SIGMA, Vol. 7, No.1, Januari Wijaya, M., 2001, Dasar-dasar Mesin Listrik, Djambatan, Jakarta. 43
10 44
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciBAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)
BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian
Lebih terperinciPenerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai)
Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai) Magdalena Simanjuntak 1), Achmad Fauzi 2) Program Studi Teknik Informatika STMIK Kaputama 1) Program Studi Manajemen
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
Lebih terperinciSistem Inferensi Fuzzy
Sistem Inferensi Fuzzy METODE SUGENO 27 Sistem Inferensi Fuzzy Metode Tsukamoto Metode Sugeno! Diperkenalkan oleh Takagi-Sugeno-Kang, tahun 1985.! Bagian output (konsekuen) sistem tidak berupa himpunan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciPenerapan Logika Fuzzy
1 Penerapan Logika Fuzzy M. Faisal Baehaki - 13506108 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia 1 m_faisal_b@yahoo.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih terperinciLima metode defuzzifikasi ini dibandingkan dengan mengimplementasikan pada pengaturan kecepatan motor DC.
Sutikno, Indra Waspada PERBANDINGAN METODE DEFUZZIFIKASI SISTEM KENDALI LOGIKA FUZZY MODEL MAMDANI PADA MOTOR DC Sutikno, Indra Waspada Program Studi Teknik Informatika Universitas Diponegoro tik@undip.ac.id,
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada tahun 1950-an, banyak dijumpai motor arus searah konvensional (MASK) sebagai penggerak mekanik. Hal demikian didasarkan atas anggapan bahwa MASK memiliki kemudahan
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciBAB II TINJAUAN PUSTAKA
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 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 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 terperinciBAB 2 TINJAUAN PUSTAKA
2 BAB 2 TINJAUAN PUSTAKA 2.1. Logika Fuzzy Logika fuzzy adalah suatu cara untuk memetakan suatu ruang masukan ke dalam suatu ruang keluaran. Logika fuzzy ditemukan oleh Prof.Lotfi A. Zadeh dari Universitas
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta
Lebih terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciPENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012
PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY Digunakan untuk menghasilkan suatu keputusan tunggal / crisp saat defuzzifikasi Penggunaan akan bergantung
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,
Lebih 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 terperinciKata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa
SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan
Lebih 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 terperinciPERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)
PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ) Edy Victor Haryanto 1, Fina Nasari 2 1,2 UniversitasPotensiUtama Jl. K.
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 terperinciPENGEMBANGAN SISTEM PAKAR FUZZY
FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciSISTEM PENGATURAN MOTOR DC MENGGUNAKAN PROPOTIONAL IINTEGRAL DEREVATIVE (PID) KONTROLER
SISTEM PENGATURAN MOTOR DC MENGGUNAKAN PROPOTIONAL IINTEGRAL DEREVATIVE (PID) KONTROLER Nursalim Jurusan Teknik Elektro, Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto-Penfui Kupang,
Lebih terperinciPenentuan Jumlah Konsumsi Dengan Metode Penalaran Fuzzy Mamdani ( Studi Kasus Prediksi Konsumsi Susu Untuk Balita ) Agus Purwo Handoko 1)
ISSN : 1693 1173 Penentuan Jumlah Konsumsi Dengan Metode Penalaran Fuzzy Mamdani ( Studi Kasus Prediksi Konsumsi Susu Untuk Balita ) Agus Purwo Handoko 1) Abstract This paper is an explanation on fuzzy
Lebih terperinciPEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB
PEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB Afan Galih Salman Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University Jln. K.H. Syahdan No 9, Palmerah, Jakarta Barat 11480 asalman@binus.edu
Lebih terperinciPresentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman
Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi
Lebih terperinciElin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM
ANALISA KENDALI LOGIKA FUZZY DENGAN METODE DEFUZZIFIKASI COA (CENTER OF AREA), BISEKTOR, MOM (MEAN OF MAXIMUM), LOM (LARGEST OF MAXIMUM), DAN SOM (SMALLEST OF MAXIMUM) Elin Haerani Jurusan Teknik Informatika,
Lebih terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
Lebih terperinciPENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )
PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) Edy Victor Haryanto1), Fina Nasari) Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No.
Lebih terperinciANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5.
ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5. Indah Pratiwi Jurusan Teknik Industri, Universitas Muhammadiyah Surakarta Jl. A. Yani
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 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 terperinciBAB 2 2. LANDASAN TEORI
BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu
Lebih terperinciPrediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses Manado Menggunakan Fuzzy Inference System
Jurnal Matematika dan Aplikasi decartesian ISSN:2302-4224 J o u r n a l h o m e p a g e: https://ejournal.unsrat.ac.id/index.php/decartesian decartesian Prediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses
Lebih terperinciBAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem 2.1.1 Definisi Sistem Menurut Mustakini (2009:34), Sistem dapat didefinisikan dengan pendekatan prosedur dan pendekatan komponen, sistem dapat didefinisikan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem kendali PID paling banyak digunakan dalam pengendalian di industri. Keberhasilan pengendali PID tergantung ketepatan dalam menentukan konstanta (penguatan) PID
Lebih terperinciBab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI
Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan
Lebih 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 III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan
BAB III ANALISA DAN PERANCANGAN SISTEM III. Analisis Masalah Sistem yang dibuat pada studi kasus pemilihan spesifikasi komputer ini, ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciBAB 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 terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciPenerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang
Penerapan Fuy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Thomson Mary Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat Kampus II, Gunung Pangilun, Padang Email:
Lebih terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih 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 terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 2.1 Pengertiaan Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
Lebih terperinciSIMULASI PENGOPTIMALAN WAKTU MEMASAK BUAH KELAPA SAWIT DENGAN LOGIKA FUZZY. Yesi Hairian Wenda Dosen Stmik Indragiri
Vol. XI Jilid 2 No.77 Oktober 2017 MENARA Ilmu SIMULASI PENGOPTIMALAN WAKTU MEMASAK BUAH KELAPA SAWIT DENGAN LOGIKA FUZZY Yesi Hairian Wenda Email : wendayesi@gmail.com Dosen Stmik Indragiri ABSTRACT Simulation
Lebih terperinciLOGIKA FUZZY (Lanjutan)
Metode Mamdani Metode mamdani sering dikenal sebagai metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Menurut metode ini, ada empat tahap yang harus dilalui untuk mendapatkan
Lebih 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 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 terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih terperinciIMPLEMENTASI 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 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciDAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..
ABSTRAK Perkembangan teknologi yang semakin pesat, membuat semakin sedikitnya suatu industri yang memakai operator dalam menjalankan suatu proses produksi. Pada saat ini, kontrol otomatis lebih banyak
Lebih terperinciSistem Pendukung Keputusan Pemilihan Penerima Beasiswa Berbasis Fuzzy Mamdani
ISSN: 0216-3284 899 Sistem Pendukung Keputusan Pemilihan Penerima Beasiswa Berbasis Fuzzy Mamdani Rabiatul Adawiah, Ruliah Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer
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 terperinci1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu aplikasi sistem cerdas yang paling sukses dan masih berkembang saat ini yaitu peramalan beban listrik. Peramalan beban listrik adalah suatu ilmu
Lebih terperinciSPK 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 terperinciIMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA
IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA Asri Bunga Renjani* 1, Yulmaini 2 Bandar Lampung, Telp. 0721-787214, Fax. 0721-700261 1,2 Teknik
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.. Logika Klasik Notasi logika fuzzy didasarkan dari logika klasik atau sering juga disebut sebagai himpunan tegas (crisp) dengan mengubah menjadi notasi kalkulus, dengan demikian
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
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 terperinciLOGIKA FUZZY PADA PROSES PELET PAKAN IKAN
LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PROMOSI JABATAN PADA PERUSAHAAN ASURANSI DENGAN MENGGUNAKAN METODE FUZZY MAMDANI
SISTEM PENDUKUNG KEPUTUSAN PROMOSI JABATAN PADA PERUSAHAAN ASURANSI DENGAN MENGGUNAKAN METODE FUZZY MAMDANI Ghazali 1, Galuh Mazenda R. Alam 2, Afan Amarullah 3, Fajar Nur Rohmat F.J.A 4, M. Garisa Pradhinu
Lebih terperinciAPLIKASI MODEL FUZZY DALAM PREDIKSI PRODUKSI TELUR AYAM PETELUR DI KABUPATEN SLEMAN
APLIKASI MODEL FUZZY DALAM PREDIKSI PRODUKSI TELUR AYAM PETELUR DI KABUPATEN SLEMAN SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Untuk Memenuhi Sebagian
Lebih terperinciMEMBANGUN PERANGKAT LUNAK PENENTUAN DAYA LISTRIK DENGAN LOGIKA FUZZY
MEMBANGUN PERANGKAT LUNAK PENENTUAN DAYA LISTRIK DENGAN LOGIKA FUZZY Farikhah Indriani 1, Supriyono 2 1 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jln. Kaliurang
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG
IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG Nazrul Effendy, M. Heikal Hasan dan Febry Wikatmono Jurusan Teknik Fisika, Fakultas Teknik, Universitas Gadjah Mada Jln. Grafika
Lebih terperinciII TINJAUAN PUSTAKA 2.1. Klasifikasi Metode EOR
II TINJAUAN PUSTAKA 2.1. Klasifikasi Metode EOR Metode peningkatan perolehan minyak tingkat lanjut atau Enhanced Oil Recovery (EOR) adalah suatu teknik peningkatan produksi minyak setelah tahapan produksi
Lebih terperinciHerry gunawan wibisono Pembimbing : Ir. Syamsul Arifin, MT
PERANCANGAN SISTEM PENGENDALIAN DAYA REAKTOR NUKLIR MENGGUNAKAN LOGIKA FUZZY DI PUSAT TEKNOLOGI NUKLIR BAHAN DAN RADIOMETRI BADAN TENAGA NUKLIR NASIONAL (PTNBR BATAN) BANDUNG Herry gunawan wibisono 2406
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 terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih terperinciKontrol Kecepatan Motor DC Berbasis Logika Fuzzy (DC Motor Speed Control Based on Fuzzy Logic)
Terry Intan Nugroho., et al., Kontrol Kecepatan Motor DC Berbasis Logika 1 Kontrol Kecepatan Motor DC Berbasis Logika (DC Motor Speed Control Based on Logic) Terry Intan Nugroho, Bambang Sujanarko, Widyono
Lebih terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
Lebih terperinciImplementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic
JTRISTE, Vol.2, No.2, Oktober 2015, pp. 18~28 ISSN: 2355-3677 Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic Junaedy 1, Abdul Munir 2 STMIK KHARISMA
Lebih terperinciIMPLEMENTASI 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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi
Lebih 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI A. Kelapa Sawit Kelapa sawit adalah tumbuhan industri/ perkebunan yang berguna sebagai penghasil minyak masak, minyak industri, maupun bahan bakar. Pohon Kelapa Sawit terdiri dari
Lebih 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 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 terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
Lebih terperinciBAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-
BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan
Lebih terperinciLOGIKA SAMAR (FUZZY LOGIC)
LOGIKA SAMAR (FUZZY LOGIC) 2. Himpunan Samar 2.. Himpunan Klasik dan Himpunan Samar Himpunan klasik merupakan himpunan dengan batasan yang tegas (crisp) (Jang, Sun, dan Mizutani, 24). Sebagai contoh :
Lebih terperinciTabel 1. Parameter yang digunakan pada proses Heat Exchanger [1]
1 feedback, terutama dalam kecepatan tanggapan menuju keadaan stabilnya. Hal ini disebabkan pengendalian dengan feedforward membutuhkan beban komputasi yang relatif lebih kecil dibanding pengendalian dengan
Lebih terperinci