DENIA FADILA RUSMAN
|
|
- Shinta Dharmawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 RUSMAN Dosen Pembimbing Wiwik Anggraeni, S.Si, M.Kom
2 OUTLINE Abstrak Pendahuluan Tinjauan Pustaka Metodologi Perancangan dan Implementasi Uji Coba dan Analisis Penutup (Kesimpulan & Saran)
3 ABSTRAK Bahan baku transformer adalah komponen yang penting sehingga stoknya harus selalu tersedia. Namun perusahaan sering mengalami kesulitan dalam menentukan jumlah yang harus disediakan. Maka dari itu dibutuhkan adanya inventory control yang dapat mengatur ketersediaan bahan baku produksi. Stock out dapat disebabkan oleh adanya penggunaan bahan baku yang lebih besar dari perkiraan semula atau adanya keterlambatan bahan baku yang dipesan. Untuk menghindari habisnya stok akibat tingginya permintaan maka perusahaan akan menyediakan safety stock bahan baku pokok dengan jumlah yang tinggi. Hal ini akan mengakibatkan biaya penyimpanan (holding cost) yang tinggi pula. Maka dari itu dibutuhkan metode inventory control yang tepat. Metode fuzzy adalah salah satu metode yang dapat digunakan untuk mengontrol jumlah bahan baku yang akan dipesan. Hal tersebut bergantung pada besar kebutuhan, lead time dan jumlah safety stock yang tersedia. Hasil yang sudah didapat adalah model fuzzy yang digunakan untuk inventory control dalam menentukan jumlah order bahan baku (order quantity) dan titik pemesanan kembali (reorder point) di setiap periode. Metode fuzzy ini dapat diaplikasikan pada permasalahan yang ada di perusahaan seperti pada inventory control. Kata Kunci : inventory control, order quantity, reorder point, logika fuzzy.
4 I. PENDAHULUAN 1.1. Latar Belakang Perusahaan harus bisa merencanakan dengan baik jumlah barang yang akan diproduksi. Namun perusahaan sering mengalami kesulitan untuk menentukan jumlah bahan baku yang akan dipesan karena adanya fluktuasi permintaan dan ketidakpastian supplier. Maka dibutuhkan inventory control system untuk menentukan jumlah order bahan baku di setiap periode sesuai dengan besarnya permintaan konsumen dan mengetahui batas/titik jumlah untuk memesan bahan baku kembali. Jika pemesanan bahan baku direncanakan dengan baik maka perusahaan dapat menekan holding cost. Serta akan mengurangi stockout cost Hal ini tentu akan meningkatkan profit perusahaan Sehingga hal ini penting untuk dilakukan dalam proses inventory control. Jika supply tidak tersedia, dilakukan peningkatan reorder point untuk menghindari shortage Oleh karena itu digunakan model fuzzy untuk menunjukkan sistem inventory control yang kontinu, adanya penyesuaian dari order quantity dan reorder point, serta metode yang lebih fleksibel jika dibandingkan dengan menggunakan pendekatan konvensional 1.2. Rumusan Permasalahan Masalah yang akan diangkat pada tugas akhir kali ini adalah: 1. Bagaimana mengidentifikasi variabel yang berpengaruh dalam inventory control. 2. Bagaimana menentukan quantity order dan reorder point bahan baku produksi menggunakan logika fuzzy. 3. Bagaimana hasil validasi dari output yang dihasilkan.
5 I. PENDAHULUAN (Cont d) 1.3. Batasan Masalah Data yang digunakan adalah data inventory pada PT Bambang Djaja Surabaya untuk jenis Bahan baku trafo industri selama tahun Tujuan Mengembangkan inventory control system untuk menentukan quantity order dan reorder Point bahan baku produksi menggunakan metode fuzzy berdasarkan variabel yang berpengaruh Manfaat Manfaat dari hasil tugas akhir ini adalah dapat membantu perusahaan dalam menentukan quantity order dan reorder point bahan baku yang akan dipesan serta sebagai tambahan ilmu dalam penerapan logika fuzzy di bidang industri.
6 II. TINJAUAN PUSTAKA 2.1. Logika Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Ada beberapa alasan mengapa orang menggunakan logika fuzzy : Konsep matematis yang mendasaripenalaran fuzzy sangat sederhana dan mudah dimengerti. Logika fuzzy sangat fleksibel. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks Himpunan Fuzzy Himpunan fuzzy merupakan suatu pengembangan lebih lanjut tentang konsep himpunan dalam matematika. Himpunan fuzzy adalah rentang nilai-nilai, masing masing nilai mempunyai derajat keanggotaan antara 0 sampai dengan 1. Variabel Fuzzy Merupakan suatu lambang/kata yang menunjuk kepada suatu yang tidak tertentu dalam sistem fuzzy. Himpunan Fuzzy Himpunan fuzzy memiliki 2 atribut, yaitu linguistik dan numeris. Semesta Pembicaraan Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.
7 II. TINJAUAN PUSTAKA (Cont d) Domain Merupakan keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Contoh : Domain himpunan fuzzy untuk semesta X=[0, 100] : Himpunan fuzzymuda = [0, 40] Himpunan fuzzy PAROBAYA = [35,70] Himpunan fuzzy TUA = [65,100] Operasi pada Himpunan Fuzzy Ada tiga operator dasar yang diciptakan oleh Zadeh, yaitu: AND, OR, dan NOT. Operasi AND Operasi AND (intersection) berhubungan dengan operasi irisan pada himpunan. Intersection dari 2 himpunan adalah minimum dari tiap pasangan elemen pada kedua himpunan Operasi OR Operasi OR (union) berhubungan dengan operasi gabungan pada himpunan. Union dari 2 himpunan adalah maksimum dari tiap pasang elemen pada kedua himpunan. Operasi NOT Operasi NOT berhubungan dengan operasi komplemen pada himpunan. Komplemen himpunan fuzzy à diberi tanda Ãc (NOT Ã) Economic Order Quantity Economic Order Quantity adalah sejumlah produk yang harus dipesan untuk memenuhi persediaan. Tentunya sejumlah produk yang Dipesan ini harus memenuhi suatu nilai yang ekonomis. Dimana tingkat persediaan yang meminimalkan total biaya menyimpan persediaan dan biaya pemesanan. Order Qty harus dapat meminimasi biaya variabel. EOQ terdiri dari 2 jenis yaitu : Biaya Pemesanan (ordering cost) dan Biaya Penyimpanan (Carrying Cost)
8 II. TINJAUAN PUSTAKA (Cont d) 2.4. Reorder Point Reorder point adalah titik pemesanan kembali atau jumlah batas minimal untuk melakukan pemesanan kembali. Agar pembelian bahan yang sudah ditetapkan dalam EOQ tidak menganggu kelancaran kegiatan produksi, maka diperlukan waktu pemesanan kembali bahan baku. Faktor-faktor yang mempengaruhi ROP adalah : Lead Time Waktu yang dibutuhkan antara bahan baku dipesan hingga sampai diperusahaan. Average Usage Tingkat pemakaian bahan baku rata-rata persatuan waktu tertentu. Safety stock Jumlah persediaan bahan minimum yang harus dimiliki oleh perusahaan untuk menjaga kemungkinan keterlambatan datangnya bahan baku, sehingga tidak terjadi stagnasi 2.5. Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titiktitik input data kedalam nilai keanggotaan yang memiliki interval antara 0 sampai 1. Ada beberapa fungsi yang bisa digunakan diantaranya : Representasi Linear Representasi Kurva Segitiga, Trapesium, Bentuk Bahu, S, dan Lonceng
9 II. TINJAUAN PUSTAKA (Cont d) 2.6. Sistem Inferensi Fuzzy (Mamdani / Min Max) Untuk mendapatkan output, diperlukan 4 tahapan: 1. Pembentukan himpunan fuzzy (fuzzifikasi) 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 Minimal. Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Persamaannya seperti berikut. 3. Komposisi aturan IF x is A THEN y is B Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa aturan, maka 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). 4. Penegasan (deffuzifikasi) Metode defuzzifikasi yang digunakan adalah dengan Metode Centroid. Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah fuzzy. Persamaannya seperti berikut.
10 II. TINJAUAN PUSTAKA (Cont d) 2.7. Fuzzy Logic Toolbox MATLAB Pada aplikasi MATLAB terdapat tool untuk membuat sistem inferensi fuzzy (FIS) yaitu Fuzzy Logic Toolbox. Fuzzy Logic Toolbox memiliki 5 jenis GUI untuk merancang FIS yaitu : Sistem Inferensi Fuzzy (FIS) Editor Langkah awal yang dilakukan adalah menentukan variabel input dan outputnya. Serta menentukkan metode defuzifikasi apa yang akan digunakan. Membership Function Editor Kemudian pada setiap variabel, ditentukan parameter dan range nya yaitu antara 0 hingga 1. Rule Editor Menentukan aturan-aturan yang akan digunakan untuk membatasi apa saja yang menjadi syarat agar nilai-nilai inputan nanti akan menghasilkan output yang terbaik. Rule Viewer Untuk menampilkan proses inferensi didalam Sistem Inferensi Fuzzy yang telah diinputkan berupa grafik sehingga lebih mudah untuk dianalisis. Surface Viewer Tools ini berfungsi untuk menampilan output Sistem Inferensi Fuzzy dalam plot 3-D
11 III. METODOLOGI Mulai Studi Pustaka Metodologi diperlukan sebagai kerangka dan panduan proses pengerjaan tugas akhir, sehingga rangkaian pengerjaan tugas akhir dapat dilakukan secara terarah, teratur, dan sistematis. Flowchart pengerjaan tugas akhir dapat dapat dilihat pada gambar disamping. Pembuatan Proposal Tugas AKhir Survei dan Pengumpulan Data Analisis dan Pengolahan Data Analisis Hasil Perhitungan MATLAB Tidak Validasi Hasil dengan perhitungan manual Apakah hasil MATLAB sesuai dengan perhitungan manual? Pembuatan Buku Tugas Akhir Ya Selesai
12 III. METODOLOGI (Cont d) 3.1. Studi Pustaka Studi pustaka ini bertujuan agar topik tugas akhir yang diambil bisa lebih dipahami teorinya serta apa saja yang perlu dikerjakan bisa lebih terarah Survei dan Pengumpulan Data Metode pengumpulan data yang digunakan adalah wawancara dan dokumen. Jenis data yang diperoleh dari perusahaan tersebut adalah data mereka selama bulan Januari hingga Desember tahun Yaitu data permintaan (demand) dan persediaan (supply) Analisis dan Pengolahan Data Metode yang digunakan pada sistem inferensi fuzzy adalah metode mamdani. Berikut tahapnya :. Pembentukan Himpunan Fuzzy (Fuzzifikasi) Terdapat 2 jenis variabel yang bisa digunakan yaitu linguistik dan numeris. Dimana keduanya tersebut akan digunakan sebagai variabel input dan output Pengaplikasian Fungsi Implikasi Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Minimal (MIN). Komposisi Aturan Yang digunakan pada tugas akhir ini adalah metode MAX mengambil nilai maksimum aturan kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output Penegasan Fuzzy (Defuzzifikasi) Pada metode menggunakan metode centroid dengan cara mengambil titik pusat (z*) daerah fuzzy.
13 III. METODOLOGI (Cont d) 3.4. Analisis Hasil Perhitungan Tahap ini merupakan tahapan pengecekan apakah terjadi kesalahan pada penghitungan atau tidak. Sehingga nanti nilai output yang dihasilkan akan valid Validasi Hasil Validasi hasil dilakukan dengan menggunakan perhitungan manual sesuai dengan aturan metode fuzzy dimana sebelumnya sudah dilakukan perhitungan menggunakan MATLAB yaitu pada fuzzy logic toolbox. Jika hasil sudah sesuai, maka dinyatakan valid Pembuatan Buku Tugas Akhir Membuat dokumentasi dari keseluruhan proses yang telah dilakukan sesuai dengan permasalahan yang diambil.
14 IV. PERANCANGAN DAN IMPLEMENTASI 4.1. Permasalahan Berikut adalah poin penting permasalahan yang terjadi pada PT Bambang Djaja : Perusahaan sering mengalami kesulitan untuk menentukan jumlah bahan baku yang akan dipesan karena adanya fluktuasi permintaan dan ketidakpastian supplier. Perusahaan hanya merencanakan jumlah barang yang akan dipesan tapi tidak disesuaikan dengan perencanaan mengenai batas/titik pemesanan kembali yang akan mereka lakukan untuk periode berikutnya. Perusahaan membutuhkan perencanaan dalam menentukan order quantity yang tepat serta mengetahui batas/titik pemesanan kembali (reorder point). Demand tertinggi adalah 996 unit sedangkan terendah adalah 139 unit trafo. Sedangkan supply tertinggi adalah 810 unit, dan terendah sebesar 382 unit. Saat ini ROP perusahaan paling banyak 876 unit, sedangkan Order Qty tertinggi yang pernah dilakukan adalah sebesar 1248 unit.
15 IV. PERANCANGAN DAN IMPLEMENTASI (Cont d) 4.2. Data Perusahaan Berikut adalah data Demand dan Supply pada PT Bambang Djaja di tahun No. Bulan (tahun 2012) Demand Input Supply 1 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
16 IV. PERANCANGAN DAN IMPLEMENTASI (Cont d) 4.3. Rancangan Variabel Pada kasus kali ini terdapat 4 variabel yang akan digunakan. 2 Variabel Input (Demand & Supply) Variabel demand dan supply memiliki 3 nilai linguistik yang sama yaitu rendah, normal dan tinggi. 2 Variabel Output (Reorder point dan Order quantity) Variabel reorder point memiliki 5 nilai lingustik yaitu sangat rendah, rendah, normal, tinggi, dan sangat tinggi. Sedangkan variabel order quantity memiliki 3 nilai linguistik yaitu yaitu rendah, normal, dan tinggi.
17 IV. PERANCANGAN DAN IMPLEMENTASI (Cont d) 4.4. Proses Fuzzifikasi dengan MATLAB 1. Menentukan metode fuzzifikasi (mamdani) dan defuzzifikasi (centroid) 2. Memasukkan variabel input dan output
18 IV. PERANCANGAN DAN IMPLEMENTASI (Cont d) 3. Memasukkan fungsi keanggotaan pada tiap variabel DEMAND SUPPLY Variabel Nilai Lingusitik Range Demand Rendah 139 x 568 Normal 139 x 996 Tinggi 568 x 996 Variabel Nilai Range Linguistik Supply Rendah 382 x 596 Normal 382 x 810 Tinggi 596 x 810
19 IV. PERANCANGAN DAN IMPLEMENTASI (Cont d) REORDER POINT ORDER QUANTITY Variabel Nilai Range Linguistik Reorder Point Sangat Rendah 0 x 262 Rendah 0 x 438 Normal 262 x 614 Tinggi 438 x 876 Sangat Tinggi 614 x 876 Variabel Order Quantity Nilai Range Linguistik Rendah 372 x 810 Normal 372 x 1248 Tinggi 810 x 1248
20 IV. PERANCANGAN DAN IMPLEMENTASI (Cont d) 4. Menginputkan Aturan / Rules 5. Memasukkan input demand (139) dan supply (424), maka didapatkan output ROP sebesar 605 dan Order Qty sebesar 710
21 V. UJI COBA DAN ANALISIS 5.1. Hasil Perhitungan MATLAB Untuk melihat output berupa grafik Surface pada MATLAB sehingga dapat melihat semua input dan output yang dihasilkan REORDER POINT ORDER QUANTITY
22 V. UJI COBA DAN ANALISIS (Cont d) 5.2. Perhitungan Manual dengan Metode Mamdani 1. Pembentukan Himpunan Fuzzy (Fuzzifikasi) Yaitu 2 variabel input demand dan supply, serta 2 variabel output yaitu Reorder Point dan Order Qty. DEMAND SUPPLY
23 V. UJI COBA DAN ANALISIS (Cont d) REORDER POINT ORDER QUANTITY
24 V. UJI COBA DAN ANALISIS (Cont d) 2. Aplikasi Fungsi Implikasi (aturan) Mengaplikasikan fungsi implikasi. Aturan yang digunakan adalah aturan MIN dan fungsi AND pada fungsi implikasinya. Terdapat 9 aturan yang akan digunakan, serta tabel nilai minimal dari derajat keanggotaan untuk variabel input. No Bulan Dmd Sply RULE R1 R2 R3 R4 R5 R6 R7 R8 R9 1. Jan ,80 0,
25 V. UJI COBA DAN ANALISIS (Cont d) 3. Komposisi Aturan Daerah Hasil Komposisi ROP Daerah hasil dbawah merupakan komposisi dari aturan R1 dan R2 yaitu ROP Normal (0,2) dan ROP Tinggi (0,8). Daerah Hasil Komposisi Order Qty Daerah hasil dbawah merupakan komposisi dari aturan R1 dan R2 yaitu OrderQty Normal (0,2) dan OrderQty Tinggi (0,8). Dihitung berdasarkan fungisi keanggotaannya, maka nilai masing- masing adalah : (A 1-262) / 176 = 0,2 A 1 =297 (A 2-438) / 176 = 0,2 A 2 = 473 (A 3-438) / 176 = 0,8 A 3 = 579 (876- A 4 ) / 262 = 0,8 A 4 = 666 (A 1-372) / 438 = 0,2 A 1 = 460 (A 2-372) / 438 = 0,8 A 2 = 722 (1248 A 3 ) / 438 = 0,8 A 3 = 898
26 V. UJI COBA DAN ANALISIS (Cont d) 4. Penegasan Fuzzy (Deffuzifikasi) Mencari Momen ROP Mencari Momen Order Qty
27 V. UJI COBA DAN ANALISIS (Cont d) Menghitung Luas ROP Menghitung Luas Order Qty
28 V. UJI COBA DAN ANALISIS (Cont d) 4. Penegasan Fuzzy (Deffuzifikasi) Rumus defuzzifikasi mencari titik pusat (nilai z) untuk variabel kontinu adalah sbb. Deffuzifikasi Reorder Point Berdasarkan rumus defuzzifikasi, maka didapatkan nilai titik pusat ROP adalah : Deffuzifikasi Reorder Point Berdasarkan rumus defuzzifikasi, maka didapatkan nilai titik pusat OrderQty adalah : Maka dari itu jumlah Reorder Point (ROP) yang harus dipesan adalah 606 unit. Maka dari itu jumlah Order Qty yang harus dipesan adalah 712 unit.
29 V. UJI COBA DAN ANALISIS (Cont d) 5.3. Analisis Hasil Berikut hasil dari perhitungan MATLAB dan Manual : Reorder Point Hitung Manual MATLAB Order Quantity Hitung Manual MATLAB = 606 unit = 605 unit = 712 unit = 710 unit Dilihat dari hasil diatas menunjukkan bahwa hasil pada Output Hitungan dan MATLAB hampir sama namun tetap ada sedikit perbedaan hasil. Namun hal tersebut telah membuktikan bahwa hasil perhitungan manual adalah valid.
30 V. UJI COBA DAN ANALISIS (Cont d) Berikut adalah Hasil Analisis Perhitungan Manual & MATLAB (Januari-Desember 2012) Perhitungan MATLAB dan Manual : Bulan (th.2012) Input Output Manual Output MATLAB Order Qty Demand Supply ROP Order Qty ROP Jan Feb Maret April Mei Juni Juli Agust Sept Okt Nov Des
31 VI. PENUTUP 6.1. Kesimpulan Berdasarkan pembahasan mengenai sistem inferensi Fuzzy Mamdani, dapat diambil kesimpulan sebagai berikut : 1. Studi kasus yang diambil untuk penyelesaian inventory control adalah dengan menggunakan 4 variabel. Variabel dibagi menjadi variabel input dan output. Variabel input terdiri dari demand dan supply. Sedangkan variabel output adalah reorder point dan order quantity. 2. Namun pada kasus kali ini, sistem inferensi fuzzy yang digunakan adalah metode Mamdani dimana memiliki 4 tahapan dalam perhitungannya yaitu : Pembentukan Himpunan Fuzzy (Fuzzifikasi) Aplikasi fungsi implikasi (aturan) Komposisi aturan Penegasan Fuzzy (Defuzzifikasi) 3. Setelah dilakukan analisis dan pengolahan data dengan menggunakan metode Mamdani, maka didapatkan output berupa jumlah reorder point dan order quantity menggunakan MATLAB, dan diuji kevalidannya dengan perhitungan Manual. Dari tabel tersebut dapat disimpulkan bahwa hasil dari kedua metode tersebut telah mendekati kebenaran. Maka dapat dinyatakan bahwa hasil perhitungan adalah valid.
32 VI. PENUTUP (Cont d) 6.2. Saran Pada tugas akhir ini variabel input yang digunakan adalah 2 yaitu demand dan supply. Untuk selanjutnya dapat dikembangkan dengan menggunakan lebih dari 2 input agar hasil output yang didapatkan bisa lebih tepat. Selain itu juga bisa digunakan metode inferensi fuzzy yang lain seperti metode sugeno atau tsukamoto. Agar hasilnya nanti bisa dibandingkan, metode mana yang lebih mendekati valid jika menggunakan studi kasus dan data yang sama.
33
I. PENDAHULUAN Sebagai perusahaan yang memproduksi trafo, PT Bambang Djaja harus merencanakan dengan baik
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 Rusman Jurusan Sistem
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 terperinciSISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI
SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI 1209100023 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih 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 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 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 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 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 Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih terperinciBAB 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 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 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 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 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 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 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
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 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 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 terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih terperinciBAB 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Pengertian Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi
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 terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu
Lebih 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 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 terperinciHimpunan 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 terperinciPENGENDALIAN PERSEDIAAN BAHAN BAKU DI CV PUTRA GUNUNG KIDUL DENGAN LOGIKA FUZZY METODE MAMDANI
PENGENDALIAN PERSEDIAAN BAHAN BAKU DI CV PUTRA GUNUNG KIDUL DENGAN LOGIKA FUZZY METODE MAMDANI Nama : Intan Juliana NPM : 33412746 Jurusan : Teknik Industri Pembimbing : 1. Dr. Emirul Bahar, ACSI 2. Ratih
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 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 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 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 terperinciBAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat
BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari
Lebih terperinciPENDAHULUAN A. LATAR BELAKANG MASALAH
PENDAHULUAN A. LATAR BELAKANG MASALAH Dalam pelaksanaan pembelajaran selalu ditemui evaluasi-evaluasi untuk menguji tingkat pemahaman terhadap suatu bahan yang dipelajari. Evaluasi-evaluasi ini tidak boleh
Lebih 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 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 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 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 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 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 terperinciSistem Pengendalian Persediaan Dengan Permintaan Dan Pasokan Tidak Pasti (Studi Kasus Pada PT.XYZ)
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Sistem Pengendalian Persediaan Dengan Permintaan Dan Pasokan Tidak Pasti (Studi Kasus Pada PT.XYZ) Ayu Tri Septadianti, Drs. I Gusti Ngurah Rai Usadha,
Lebih terperinciJOBSHEET 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 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 terperinciHimpunan Tegas (Crisp)
Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System
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 terperinciKECERDASAN 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciPENERAPAN LOGIKA FUZZY DALAM OPTIMASI PRODUKSI BARANG MENGGUNAKAN METODE MAMDANI
---------------------------Jurnal Ilmiah : SoulMath Vol 5. No., Oktober 207------------------------- PENERAPAN LOGIKA FUZZY DALAM OPTIMASI PRODUKSI BARANG MENGGUNAKAN METODE MAMDANI Wahyu Toto Priyo FKIP
Lebih terperinciAplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic
Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk
Lebih 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 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 terperinciPENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI
PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika
Lebih 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 terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah suatu kumpulan atau koleksi objek-objek yang mempunyai kesamaan sifat tertentu. Objek ini disebut elemen-elemen atau anggota-anggota dari himpunan (Frans
Lebih 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 terperinciPerekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani
BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*
Lebih 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 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 terperinciEVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI
EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com
Lebih terperinciSIDANG 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 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 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 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 terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih 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 terperinciAda 5 GUI tools yang dapat dipergunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran, yaitu :
BAB V FUZZY LOGIC MATLAB TOOLBOX Agar dapat mengunakan fungsi-fungsi logika fuzzy yang ada paad Matlab, maka harus diinstallkan terlebih dahulu TOOLBOX FUZZY. Toolbox. Fuzzy Logic Toolbox adalah fasilitas
Lebih 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 terperinci( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik
Lebih 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 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 terperinciAPLIKASI METODE FUZZY SUGENO DALAM PENENTUAN PERSEDIAAN KERTAS ROKOK TAHUN 2016 (Studi kasus: PT. PUSAKA PRIMA MANDIRI (PPM)) SKRIPSI
APLIKASI METODE FUZZY SUGENO DALAM PENENTUAN PERSEDIAAN KERTAS ROKOK TAHUN 2016 (Studi kasus: PT. PUSAKA PRIMA MANDIRI (PPM)) SKRIPSI JULIA VERANICA Br SEMBIRING 150823014 DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinciLOGIKA FUZZY FUNGSI KEANGGOTAAN
LOGIKA FUZZY FUNGSI KEANGGOTAAN FUNGSI KEANGGOTAAN (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai/derajat keanggotaannya yang memiliki interval
Lebih terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih 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 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 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 terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih 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 terperinciLogika 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 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 terperinciLogika Himpunan Fuzzy
Logika Himpunan Fuzzy 1 Fungsi Keanggotaan untuk crisp logic True False 1 0 80F Panas Temperature f temperature >= 25C, Panas (1 atau Benar); f temperature < 25C, tidak Panas (0 atau Salah). Fungsi keanggotaan
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 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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga
Lebih terperinciMENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO
MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com
Lebih 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 terperinciSISTEM 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 terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Pengendalian Persediaan 2.1.1 Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses
Lebih terperinciPERBANDINGAN METODE FUZZY SUGENO DAN METODE FUZZY MAMDANI DALAM PENENTUAN STOK BERAS PADA PERUM BULOG DIVISI REGIONAL SUMUT SKRIPSI
PERBANDINGAN METODE FUZZY SUGENO DAN METODE FUZZY MAMDANI DALAM PENENTUAN STOK BERAS PADA PERUM BULOG DIVISI REGIONAL SUMUT SKRIPSI DESMON GUNADI SIAGIAN 110803066 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Era persaingan yang semakin ketat pada saat sekarang ini telah menyebabkan perusahaan-perusahaan yang bergerak di bidang industri khususnya dalam bidang industri makanan
Lebih 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 terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
Lebih terperinciKECERDASAN 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 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 terperinciMengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti
Lebih 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 terperinci