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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 Dasar Logika Fuzzy Kuliah Kontrol Cerdas Semester genap 2006/2007 Feb 20,

2 Materi Konsep Dasar Algoritma Fuzzy Operator Fuzzy Feb 20,

3 Konsep Dasar [1] Teori klasik, himpunan = kumpulan elemen yg berhingga/tak-berhingga milik dr suatu himp tertentu yg disbt semesta pembicaraan Elemen dr semesta pembicaraan dpt termasuk atau tidak termasuk ke dalam himpunan A Feb 20,

4 Konsep Dasar [2] Fungsi karakteristik yg bersifat Boolean/crisp atau tegas adalah fungsi tak-kontinu: Sifat samar atau vagueness dpt dimasukkan ke dalam teori himpunan dgn membuat fungsi karakteristik boleh bernilai tidak berhingga banyaknya di antara nilai 0 dan nilai 1 Feb 20,

5 Konsep Dasar [2] Semesta pembicaraan X dgn elemen x: Feb 20,

6 Konsep Dasar [3] Himp fuzzy A dlm semesta pembicaraan X adl himp pasangan berurutan (kontinu & diskrit): Fungsi keanggotaan A (x) adl pemetaan dari semesta pembicaraan ke rentang tertutup [0, 1]: Fungsi keanggotaan = ukuran sejauh mana elemen x termasuk ke dalam himpunan A Feb 20,

7 Konsep Dasar [4] Himp support A adalah himp bagian dr semesta pembicaraan X dengan A (x) > 0 Contoh: Suhu air di titik tertentu dlm plant A Suhu dinyatakan sbg bil bulat positif dlm [0, 100] Variabel fuzzy Low dipakai utk definisi Himp ini menyatakan sejauh mana suhu dianggap rendah/low terhadap seluruh nilai yang mungkin Fungsi keanggotaan A (x) memiliki nilai 2 diskrit dlm satuan C yg dinyatakan dgn himpunan: Feb 20,

8 Konsep Dasar [5] Atau secara lebih ringkas: Lambang '+' menyatakan gabungan/union, bukan penambahan Lambang penjumlahan menyatakan himpunan fuzzy, bukan integral dan Feb 20,

9 Konsep Dasar [6] Feb 20,

10 Konsep Dasar [7] Variabel fuzzy = variabel dgn nilai berupa label 2 himp fuzzy (linguistic values) Contoh: TEMPERATURE adl variabel fuzzy dgn nilai Low, Medium, Normal, High dan Very_High Cara inilah yg umum dipergunakan operator utk merujuk var plant terkait dgn nilai nominalnya Hubungan di antara variabel fuzzy, nilai 2 linguistik, nilai 2 keanggotaan & semesta pembicaraan: Feb 20,

11 Konsep Dasar [8] Feb 20,

12 Konsep Dasar [9] Secara umum, variabel fuzzy dpt dinyatakan dgn memakai: label/nilai linguistik Low, Medium, High operator penghubung AND, OR, NOT hedges extremely, rather, quite, very Contoh: Variabel TEMPERATURE dapat memiliki nilai-nilai High, NOT High, rather_high, quite_high, NOT very_high, extremely_high Feb 20,

13 Konsep Dasar [10] Ketergantungan suatu variabel fuzzy pada var fuzzy lainnya dapat dinyatakan dgn memakai kalimat bersyarat (fuzzy conditional statement): atau dgn kalimat fuzzy memiliki bentuk umum Contoh: Feb 20,

14 Algoritma Fuzzy [1] Dua kalimat bersyarat atau lebih dpt digabung: Kalimat gabungan dpt pula diurai: Aturan atau rule adl kalimat gabungan, spt: yg juga dapat diurai menjadi 2 aturan sederhana: Feb 20,

15 Algoritma Fuzzy [2] Operator umumnya memakai aturan 2 sederhana daripada aturan 2 gabungan yg ruwet Cacah aturan tergantung pd kerumitan plant: operator memakai sekitar 30 aturan utk kontrol plant rumit spt pabrik semen memerlukan aturan, sdg mesin cuci rumah perlu 5 aturan Feb 20,

16 Algoritma Fuzzy [3] Algoritma fuzzy R N dapat dibentuk dr 2 kalimat bersyarat atau lebih dgn penghubung OR/ELSE Contoh: Sebagian algoritma kendali mesin uap SPE: SPeed Error CSPE: Change in SPE CFUEL: Ch in Fuel Intake Feb 20,

17 Operator Fuzzy [1] Operator min (utk terkecil) & max (utk terbesar) dapat dikenakan pada 2 operand: Pd PLC (programmable controller), operator 2 ini mirip dengan fungsi 2 AND dan OR yg operasinya dilambangkan: Feb 20,

18 Operator Fuzzy [2] kotak hitam = 1 kotak putih = 0 Operator 2 ini diknakan pd 2 himp menghasilkan himpunan baru: Feb 20,

19 Operator Fuzzy [3] Feb 20,

20 Operator Fuzzy [4] Jika operator 2 ini dikenakan pada 1 operand saja maka berarti terkecil (infinum) atau terbesar (supremum) dr seluruh elemen di dlm himpunan Operator 2 ini dikenakan pd himpunan yg diskrit: Feb 20,

21 Operator Fuzzy [5] Jika elemen2 himpunan adl fungsi dr suatu var maka operator2 ini dinyatakan: Akhirnya, ekspresi 2 yg melibatkan operator min dan max menggunakan aturan yg sama seperti perkalian aritmetika min penambahan aritmetik max Feb 20,

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

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

Lebih terperinci

Relasi Tegas (Crips Relation)

Relasi Tegas (Crips Relation) Logika Fuzzy (3) 1 Cartesian Product Terdapat dua himpunan A = {0, 1} dan B = {a, b, c}. Maka beberapa variasi hasil-kali kartesian (cartesian product) dapat dituliskan sebagai berikut: 2 Relasi Tegas

Lebih terperinci

Relasi Tolerans & Relasi Ekivalen. Logika Fuzzy

Relasi Tolerans & Relasi Ekivalen. Logika Fuzzy Relasi Tolerans & Relasi Ekivalen Logika Fuzzy 1 Sifat-sifat Relasi Misalkan terdapat sebuah semesta dengan 3 elemen dinyatakan X = {1, 2, 3}, maka berikut adalah sifat-sifat relasi yang mungkin: Refleksivitas

Lebih terperinci

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

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

Lebih terperinci

Perkenalan. Kuliah Kecerdasan Buatan Semester genap 2006/2007. Feb 28, KB-Slide-01

Perkenalan. Kuliah Kecerdasan Buatan Semester genap 2006/2007. Feb 28, KB-Slide-01 Perkenalan Kuliah Kecerdasan Buatan Semester genap 2006/2007 Feb 28, 2007-1 Pendahuluan Bahasa Prolog Hubungan keluarga Kesimpulan #1 Aturan Kesimpulan #2 Materi Feb 28, 2007-2 Pendahuluan [1] Kecerdasan

Lebih terperinci

Materi 8: Introduction to Fuzzy Logic

Materi 8: Introduction to Fuzzy Logic Materi 8: Introduction to Fuy Logic I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Introduction to Fuy Logic Kusuma Wardana, M.Sc. 2 Fuy berarti kabur, samar Istilah Logika Fuy diperkenalkan

Lebih terperinci

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

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

Lebih terperinci

Logika Klasik Misalkan himpunan klasik A dan B. P adl nilai kebenaran bahwa x A dan Q adl nilai kebenaran bahwa x B. jika x A maka T(P) = 1, jika x A

Logika Klasik Misalkan himpunan klasik A dan B. P adl nilai kebenaran bahwa x A dan Q adl nilai kebenaran bahwa x B. jika x A maka T(P) = 1, jika x A Logika Fuzzy 1 Logika Klasik Misalkan himpunan klasik A dan B. P adl nilai kebenaran bahwa x A dan Q adl nilai kebenaran bahwa x B. jika x A maka T(P) = 1, jika x A maka T(P) = 0 jika x B maka T(Q) = 1,

Lebih terperinci

PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES

PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES Nurmalitasari STMIK Duta Bangsa Surakarta nurmal_ita@yahoo.com ABSTRAK Penelitian ini bertujuan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

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

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

Lebih terperinci

Materi 1: Teori Himpunan

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIK PERTEMUAN V

STATISTIK PERTEMUAN V STATISTIK PERTEMUAN V Variabel Random/ Acak variabel yg nilai-nilainya ditentukan oleh kesempatan/ variabel yang bernilai numerik yg didefinisikan dlm suatu ruang sampel 1. Variabel Random diskrit Variabel

Lebih terperinci

Rangkaian RL dan RC Dengan Sumber

Rangkaian RL dan RC Dengan Sumber Rangkaian RL dan RC Dengan Sumber Slide-07 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 32 Materi Kuliah 1 Pengantar Rangkaian Sebelumnya Fungsi Undak Satuan Sumber Ekivalen Fungsi Pulsa 2 Rangkaian

Lebih terperinci

Materi 3: Relasi dan Fungsi

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

Lebih terperinci

Materi 9: Fuzzy Controller

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

Lebih terperinci

KECERDASAN BUATAN LOGIKA FUZZY

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

Lebih terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

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

Lebih terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang

Lebih terperinci

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

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

Lebih terperinci

PREDIKSI PRODUKTIVITAS TENAGA KERJA KONSTRUKSI MENGGUNAKAN PENDEKATAN FUZZY LOGIC

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana

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

Lebih terperinci

Metode Fuzzy. Analisis Keputusan TIP FTP UB

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

Lebih terperinci

Penerapan Logika Fuzzy

Penerapan 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 terperinci

BAB 2 LANDASAN TEORI. Himpunan fuzzy adalah bentuk umum himpunan biasa yang memiliki tingkat

BAB 2 LANDASAN TEORI. Himpunan fuzzy adalah bentuk umum himpunan biasa yang memiliki tingkat BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Himpunan fuzzy adalah bentuk umum himpunan biasa yang memiliki tingkat keanggotaan dari tiap-tiap elemen yang dibatasi dengan interval [ 0, 1 ]. Oleh karena itu

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

Sist Sis em t Fuzzy Fuzz Sistem Pakar

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

Lebih terperinci

Pertemuan 8 Aljabar Linear & Matriks

Pertemuan 8 Aljabar Linear & Matriks Pertemuan 8 Aljabar Linear & Matriks 1 Jika A adl matriks nxn yg invertible, untuk setiap matriks b dgn ukuran nx1, maka sistem persamaan linier Ax = b mempunyai tepat 1 penyelesaian, yaitu x = A -1 b

Lebih terperinci

PENGAMBILAN KEPUTUSAN

PENGAMBILAN KEPUTUSAN Praktikum 5 (1/3) PENGAMBILAN KEPUTUSAN A. TUJUAN 1. Menjelaskan tentang operator kondisi (operator relasi dan logika) 2. Menjelaskan penggunaan pernyataan if 3. Menjelaskan penggunaan pernyataan if-else

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY Jamaludin Malik 1), Arik Sofan Tohir 2), Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email: 1) malixjams@gmail.com,

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Akhir-akhir ini, konsep tentang logika himpunan fuzzy begitu banyak dipelajari dan dipergunakan. Ini disebabkan karena himpunan fuzzy tidak diekspresikan dalam istilah

Lebih terperinci

MA2111 PENGANTAR MATEMATIKA Semester I, Tahun 2015/2016. Hendra Gunawan

MA2111 PENGANTAR MATEMATIKA Semester I, Tahun 2015/2016. Hendra Gunawan MA2111 PENGANTAR MATEMATIKA Semester I, Tahun 2015/2016 Hendra Gunawan 5 KUANTOR II: METODE MEMILIH (c) Hendra Gunawan (2015) 2 Masih Berurusan dengan Kuantor Sekarang kita akan membahas metode memilih,

Lebih terperinci

Teori Himpunan Ole l h h : H anu n n u g n N. P r P asetyo

Teori Himpunan Ole l h h : H anu n n u g n N. P r P asetyo Teori Himpunan Oleh : Hanung N. Prasetyo Meski sekilas berbeda, akan kita lihat bahwa logika matematika dan teori himpunan berhubungan sangat erat. Matematika Diskrit Kuliah-2 2 Definisi: himpunan (set)

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

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

Lebih terperinci

Fuzzy Rule Decomposition. Prof. Dr. Sardi Sar Dr. Ir. Wahidin Wahab M.Sc.

Fuzzy Rule Decomposition. Prof. Dr. Sardi Sar Dr. Ir. Wahidin Wahab M.Sc. Fuzzy Rule Decomposition Prof. Dr. Sardi Sar Dr. Ir. Wahidin Wahab M.Sc. Overview Penggunaan Fuzzy sets sebagai kalkulus untuk menginterpretasikan natural language Penggunaan natural language dalam bentuk

Lebih terperinci

STATEMENT ARITMATIKA & COMPUTE

STATEMENT ARITMATIKA & COMPUTE Operasi Aritmatika STATEMENT ARITMATIKA & COMPUTE Kemampuan untuk mengadakan perhitungan pada program COBOL tidak begitu penting dibandingkan dgn bahasa program yang lain seperti FORTRAN, BASIC, ALGOL

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem

BAB 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 terperinci

Operasi Aritmatika. ADD Statement Digunakan utk menjumlahkan 2 atau lebih operand numerik, dan menyimpan hasilnya. Ada 3 bentuk statement ADD yaitu :

Operasi Aritmatika. ADD Statement Digunakan utk menjumlahkan 2 atau lebih operand numerik, dan menyimpan hasilnya. Ada 3 bentuk statement ADD yaitu : Operasi Aritmatika STATEMENT ARITMATIKA & COMPUTE Kemampuan untuk mengadakan perhitungan pada program COBOL tidak begitu penting dibandingkan dgn bahasa program yang lain seperti FORTRAN, BASIC, ALGOL

Lebih terperinci

HIMPUNAN. A. Pendahuluan

HIMPUNAN. A. Pendahuluan HIMPUNAN A. Pendahuluan Konsep himpunan pertama kali dicetuskan oleh George Cantor (185-1918), ahli mtk berkebangsaan Jerman Semula konsep tersebut kurang populer di kalangan matematisi, kurang diperhatikan,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Procedure Division (cont.)

Procedure Division (cont.) Procedure Division (cont.) STATEMENT ARITMATIKA & COMPUTE Kemampuan untuk mengadakan perhitungan pada program COBOL tidak begitu penting dibandingkan dgn bahasa program yang lain seperti FORTRAN, BASIC,

Lebih terperinci

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

Sebelumnya... 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 terperinci

BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS

BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS 3.1 Model Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi

Lebih terperinci

Decission : if & if else

Decission : if & if else PRAKTIKUM 5 Decission : if & if else A. TUJUAN PEMBELAJARAN 1. Menjelaskan tentang operator kondisi (operator relasi dan logika) 2. Menjelaskan penggunaan pernyataan if 3. Menjelaskan penggunaan pernyataan

Lebih terperinci

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

Sebelumnya... 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 terperinci

HIMPUNAN. A. Pendahuluan

HIMPUNAN. A. Pendahuluan HIMPUNAN A. Pendahuluan Konsep himpunan pertama kali dicetuskan oleh George Cantor (185-1918), ahli mtk berkebangsaan Jerman Semula konsep tersebut kurang populer di kalangan matematisi, kurang diperhatikan,

Lebih terperinci

H I M P U N A N. A. Pendahuluan

H I M P U N A N. A. Pendahuluan H I M P U N A N A. Pendahuluan Konsep himpunan pertama kali dicetuskan oleh George Cantor (1845-1918), ahli mtk berkebangsaan Jerman. Semula konsep tersebut kurang populer di kalangan matematisi, kurang

Lebih terperinci

Logika Proposisi. Adri Priadana ilkomadri.com

Logika Proposisi. Adri Priadana ilkomadri.com Logika Proposisi Adri Priadana ilkomadri.com Matematika Diskrit Apa? Cabang matematika yg mempelajari tentang obyek diskrit. Apa yang dimaksud dengan kata diskrit (discrete)? Objek disebut diskrit jika:

Lebih terperinci

Rangkaian AC Tiga-Fase [1]

Rangkaian AC Tiga-Fase [1] Rangkaian AC Tiga-Fase [1] Slide-12 Ir. Agus Arif, MT Semester Genap 2015/2016 1 / 23 Materi Kuliah 1 Sistem Tiga-Fase Sistem Fase-Jamak Definisi Tiga-Fase Notasi Subskrip-Ganda 2 Definisi Sumber Tiga-Fase

Lebih terperinci

1.2 PENULISAN HIMPUNAN

1.2 PENULISAN HIMPUNAN BAB I HIMPUNAN 1.1 PENGERTIAN Definisi : Himpunan adalah kumpulan benda atau hal hal lain yang telah terdefinisi secara jelas. Benda atau hal hal lain tersebut disebut elemen atau unsure atau anggota himpunan.

Lebih terperinci

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

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

Lebih terperinci

Pemodelan Pengendali Logika Samar Secara Manual Pada Kiln PT. Semen Tonasa (Tonasa IV)

Pemodelan Pengendali Logika Samar Secara Manual Pada Kiln PT. Semen Tonasa (Tonasa IV) Pemodelan Pengendali Logika Samar Secara Manual Pada Kiln PT. Semen Tonasa (Tonasa IV) St. Nawal Jaya 1 1 Progam Studi Teknik Elektro, Fakultas Teknik Unhalu E-mail : stnjaya@gmail.com Abstract This paper

Lebih terperinci

Implementasi Metode Fuzzy Logic Controller Pada Kontrol Posisi Lengan Robot 1 DOF

Implementasi Metode Fuzzy Logic Controller Pada Kontrol Posisi Lengan Robot 1 DOF Implementasi Metode Fuzzy Logic Controller Pada Kontrol Posisi Lengan Robot 1 DOF ndik Yulianto 1), gus Salim 2), Erwin Sukma Bukardi 3) Prodi Teknik Elektro, Fakultas Teknologi Industri, Universitas Internasional

Lebih terperinci

LOGIKA FUZZY. By: Intan Cahyanti K, ST

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

Lebih terperinci

Materi 6: Transistor Fundamental

Materi 6: Transistor Fundamental Materi 6: Transistor Fundamental I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Outline Load Line Q Point Bias Emiter Voltage-divider Bias Load Line Load line (garis beban) menggambarkan kinerja

Lebih terperinci

PERTEMUAN 11 TEHNIK SEARCHING

PERTEMUAN 11 TEHNIK SEARCHING PERTEMUAN 11 TEHNIK SEARCHING TEHNIK SEARCHING Tehnik Pencarian : 1. Tehnik Pencarian Tunggal : a. Tehnik Sequential Search / Linier Search b. Tehnik Binary Search 2. Tehnik Pencarian Nilai MAXMIN : a.

Lebih terperinci

Algoritma Dan Pemrograman [algoritma, program, flowchart] Presented by Rijal Fadilah, S.Si

Algoritma Dan Pemrograman [algoritma, program, flowchart] Presented by Rijal Fadilah, S.Si Algoritma Dan Pemrograman [algoritma, program, flowchart] Presented by Rijal Fadilah, S.Si Algoritma Informal : seperangkat langkah yg mendefinisikan bagaimana suatu pekerjaan dilaksanakan Algoritma :

Lebih terperinci

PERTEMUAN 4 DIAGRAM ALUR (FLOWCHART)

PERTEMUAN 4 DIAGRAM ALUR (FLOWCHART) PERTEMUAN 4 DIAGRAM ALUR (FLOWCHART) DIAGRAM ALUR (FLOWCHART) DIAGRAM ALUR (FLOWCHART) Flowchart adalah suatu diagram yang menggambarkan susunan suatu program. logika Simbol simbol yang digunakan adalah

Lebih terperinci

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

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

Lebih terperinci

Analisis Simpul dan Jala

Analisis Simpul dan Jala Analisis Simpul dan Jala Slide-03 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 23 Materi Kuliah 1 Analisis Simpul Analisis Rangkaian Metode Analisis Simpul SuperSimpul Ringkasan 2 Analisis Jala Analisis

Lebih terperinci

Ekspresi, Pernyataan & Operasi Aritmetika/Logika

Ekspresi, Pernyataan & Operasi Aritmetika/Logika Ekspresi, Pernyataan & Operasi Aritmetika/Logika Ekspresi (expression) Pernyataan (statements) Operator Penugasan (assignment) Operator Aritmetika Operator Relasional Operator Logika Operator Bitwise 1

Lebih terperinci

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

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

Lebih terperinci

Fuzzy Logic Controller

Fuzzy Logic Controller Fuzzy Logic Controller Dr. Ir. Ari Santoso,, DEA Email:santoso santoso@ee.its.ac.id 1 Direct Control Controller End-user Ref Rule Deviations base Actions Outputs Process Inference engine 2 Feedforward

Lebih terperinci

Oleh : Rahanimi Pembimbing : Dr. M Isa Irawan, M.T

Oleh : Rahanimi Pembimbing : Dr. M Isa Irawan, M.T PERAMALAN JUMLAH MAHASISWA PENDAFTAR PMDK JURUSAN MATEMATIKA MENGGUNAKAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY (STUDI KASUS di INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA) Oleh : Rahanimi

Lebih terperinci

Aplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta

Aplikasi 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 terperinci

Fuzzy Associative Memory (FAM) Logika Fuzzy

Fuzzy Associative Memory (FAM) Logika Fuzzy Fuzzy Associative Memory (FAM) Logika Fuzzy 1 Misalkan suatu sistem fuzzy dengan n input dan satu output. Setiap input X1, X2,, Xn dipartisi menjadi k partisi fuzzy. Maka menggunakan aturan fuzzy IF THEN..

Lebih terperinci

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara

Lebih terperinci

Materi 4: Logika. I Nyoman Kusuma Wardana. STMIK STIKOM Bali

Materi 4: Logika. I Nyoman Kusuma Wardana. STMIK STIKOM Bali Materi 4: Logika I Nyoman Kusuma Wardana STMIK STIKOM Bali Logika merupakan dasar dr semua penalaran (reasoning). Penalaran didasarkan pada hubungan antara pernyataan-pernyataan (statements). Dalam Logika

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Di dalam kecerdasan buatan, agen cerdas (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas suatu lingkungan dan mengarahkan aktivitasnya tersebut untuk

Lebih terperinci

Materi 6: Logic Concepts

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

Lebih terperinci

BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM

BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

Peramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP

Peramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Peramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP Harjono 1, Malim Muhammad 2, Lukmanul Akhsani 3 Universitas Muhammadiyah Purwokerto

Lebih terperinci

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

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

Lebih terperinci

Fuzzy Pattern Recognition. Logika Fuzzy

Fuzzy Pattern Recognition. Logika Fuzzy Fuzzy Pattern Recognition Logika Fuzzy 1 Pengenalan pola (pattern recognition) adalah proses untuk mengidentifikasi struktur yang ada dalam data dengan cara membandingkannya dengan struktur yang telah

Lebih terperinci

BAB 7 TEORI HIMPUNAN FUZZY

BAB 7 TEORI HIMPUNAN FUZZY 7 TEORI HIMPUNN FUZZY Himpunan fuzzy (fuzzy set) adalah generalisasi konsep himpunan ordiner. Untuk semesta wacana (universe of discourse) U, himpunan fuzzy ditentukan oleh fungsi yang memetakan anggota

Lebih terperinci

BAB I PERKEMBANGAN LOGIKA FUZZY

BAB I PERKEMBANGAN LOGIKA FUZZY BAB I PERKEMBANGAN LOGIKA FUZZY 1.1. Apakah Logika Fuzzy? Dalam kehidupan sehari-hari kita sering menjumpai suatu kondisi yang tidak dapat ditentukan batas-batasnya secara tepat. Pemberian batasan secara

Lebih terperinci

Materi 4: Assembly Language Programming

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

Lebih terperinci

BAB III PERANCANGAN SISTEM

BAB III PERANCANGAN SISTEM BAB III PERANCANGAN SISTEM Pada bab ini akan dibahas perancangan serta penerapan pengendalian berbasis logika fuzzy pada sistem Fuzzy Logic Sebagai Kendali Pendingin Ruangan Menggunakan MATLAB. Dan simulasi

Lebih terperinci

RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER. Judul Matakuliah Logika Fuzzy. Disusun oleh: Retantyo Wardoyo

RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER. Judul Matakuliah Logika Fuzzy. Disusun oleh: Retantyo Wardoyo RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER Judul Matakuliah Logika Fuzzy Disusun oleh: Retantyo Wardoyo PROGRAM STUDI S1 ILMU KOMPUTER JURUSAN ILMU KOMPUTER DAN ELEKTRONIKA FAKULTAS MIPA, UNIVERSITAS

Lebih terperinci

METODE DEVIDE AND CONQUER

METODE DEVIDE AND CONQUER PERTEMUAN 10 Bentuk Umum Proses Metode D And C dpt dilihat sbb : n input n input I n input II n input III n input K METODE DEVIDE AND CONQUER Subproblem I Subsolusi I Subprob. II Subprob. III Subprob.

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi

Lebih terperinci

SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA

SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS PEMELIHARAAN PERALATAN PRODUKSI DI PDAM KOTA SURABAYA oleh: WINDA ZULVINA 5206100040 Dosen Pembimbing : Mahendrawathi

Lebih terperinci

MATEMATIKA DISKRIT. Logika

MATEMATIKA DISKRIT. Logika MATEMATIKA DISKRIT Logika SILABUS KULIAH 1. Logika 2. Himpunan 3. Matriks, Relasi dan Fungsi 4. Induksi Matematika 5. Algoritma dan Bilangan Bulat 6. Aljabar Boolean 7. Graf 8. Pohon REFERENSI Rinaldi

Lebih terperinci

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

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

Lebih terperinci