BAB 2 LANDASAN TEORI
|
|
- Susanti Halim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2.1. Permintaan Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu dan dalam periode tertentu Teori Permintaan Dapat dinyatakan : Perbandingan lurus antara permintaan terhadap harganya yaitu apabila permintaan naik, maka harga relatif akan naik, sebaliknya bila permintaan turun, maka harga relatif akan turun Hukum Permintaan Hukum permintaan pada hakikatnya merupakan suatu hipotesis yang menyatakan: Hubungan antara barang yang diminta dengan harga barang tersebut dimana hubungan berbanding terbalik yaitu ketika harga meningkat atau naik maka jumlah barang yang diminta akan menurun dan sebaliknya apabila harga turun jumlah barang meningkat Jenis Permintaan Permintaan dibagi menjadi 4 (Pardede, Pontas M, 2005), yaitu:
2 8 1. Permintaan Bebas (Independent demand) Permintaan bebas adalah permintaan terhadap suatu bahan atau barang yang sama sekali tidak dipengaruhi oleh atau tidak ada hubungannya dengan permintaan terhadap bahan atau barang lain. 2. Permintaan Terikat (Dependent demand) Permintaan terikat adalah permintaan terhadap satu jenis bahan atau barang yang dipengaruhi oleh atau bergantung kepada bahan atau barang lain. 3. Permintaan Terikat Membujur (Vertically dependent demand) Permintaan Terikat Membujur terjadi apabila permintaan terhadap suatu barang timbul sebagai akibat adanya permintaan terhadap barang lain, tetapi hanya dalam bentuk pelengkap Produksi Produksi (production) adalah seluruh kegiatan yang meliputi pemanfaatan berbagai jumlah dan jenis sumber daya untuk menghasilkan barang-barang dan/atau jasa-jasa. Proses produksi (manufacture) adalah kegiatan perusahaan yang mengolah bahan mentah menjadi barang setengah jadi atau barang jadi dengan melibatkan bahan-bahan pembantu, tenaga kerja dan mesin-mesin serta alat-alat perlengkapan sehingga memiliki nilai tambah yang lebih besar (added value) (Pardede, Pontas M, 2005). Dalam memproduksi suatu barang, diperlukan suatu fungsi produksi yang akan memproses barang baku sehingga menjadi suatu produk, merencanakan produksi dan mengendalikan produksi. Fungsi Produksi merupakan aktifitas produksi sebagai suatu bagian dari fungsi organisasi perusahaan bertanggungjawab terhadap pengolahan bahan baku menjadi produksi jadi yang dapat dijual.
3 9 Ada 3 fungsi utama dari kegiatan-kegiatan produksi yaitu: 1. Proses produksi, yaitu metode dan teknik yang digunakan dalam mengolah bahan baku menjadi produk. 2. Perencanaan Produksi, merupakan tindakan antisipasi dimasa mendatang sesuai dengan periode waktu yang direncanakan. 3. Pengendalian Produksi, yaitu tindakan yang menjamin bahwa semua kegiatan yang dilaksanakan dalam perencanaan telah dilakukan sesuai dengan target yang telah ditetapkan (Nasution, Arman Hakim, 2008). Pengaturan terhadap segala interaksi dari berbagai faktor produksi dapat meningkatkan efektifitas serta efisiensi dari proses produksi. Untuk kelancaran proses produksi maupun dalam proses pengambilan keputusan dibutuhkan managemen produksi. Dalam proses pengambilan keputusan manajer produksi membutuhkan data dari aliran input ke output yang sering disebut informasi depan (Feed Forward Information) serta data atau laporan tentang output atau proses ke input yang sering disebut informasi balik (Feed Back Information). Informasi-informasi tersebut akan dipakai sebagai alat untuk mengamati jalannya proses produksi Persediaan Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan, untuk dijual kembali, dan untuk suku cadang dari suatu peralatan atau mesin. Persediaan dapat berupa bahan mentah, bahan pembantu, barang dalam proses, barang jadi, ataupun suku cadang (Herjanto, 1999). Persediaan (inventory), dalam konteks produksi, dapat diartikan sebagai sumber daya menganggur (idle resource). Sumber daya menganggur ini belum
4 10 digunakan karena menunggu proses lebih lanjut. Yang dimaksud dengan proses lebih lanjut, berupa kegiatan produksi seperti dijumpai pada sistem manufaktur, kegiatan pemasaran seperti dijumpai pada sistem distribusi ataupun kegiatan konsumsi seperti pada sistem rumah tangga. Setiap perusahaan perlu mengadakan persediaan untuk menjamin kelangsungan hidup usahanya. Untuk mengadakan persediaan, dibutuhkan sejumlah uang yang diinvestasikan dalam persediaan tersebut. Oleh karena itu, setiap perusahaan haruslah dapat mempertahankan suatu jumlah persediaan optimum yang dapat menjamin kebutuhan bagi kelancaran kegiatan perusahaan dalam jumlah dan mutu yang tepat dengan biaya yang serendah - rendahnya. Keberadaan persediaan atau sumber daya menganggur ini dalam suatu sistem mempunyai suatu tujuan tertentu. Alasan utamanya adalah karena sumber daya tertentu tidak bisa didatangkan ketika sumber daya tersebut dibutuhkan. Sehingga, untuk menjamin tersedianya sumber daya tersebut perlu adanya persediaan yang siap digunakan ketika dibutuhkan. Adanya persediaan menimbulkan konsekuensi berupa resiko-resiko tertentu yang harus ditanggung perusahaan akibat adanya persediaan tersebut. Persediaan yang disimpan perusahaan bisa saja rusak sebelum digunakan. Selain itu perusahaan juga harus menanggung biaya-biaya yang timbul akibat adanya persediaan tersebut Fungsi Persediaan Berdasarkan fungsinya, persediaan dapat dikelompokkan dalam 4 jenis, yaitu: a. Stok Fluktuasi (Fluctuation Stock) Merupakan persediaan untuk menjaga terjadinya fluktuasi permintaan yang tidak dapat diperkirakan sebelumnya, dan untuk mengatasi jika terjadi kesalahan/ penyimpangan dari perkiraan penjualan, waktu produksi, atau waktu pengiriman barang.
5 11 b. Stok Antisipasi (Anticipation Stock) Merupakan persediaan yang dibutuhkan untuk menghadapi permintaan yang diramalkan, misalnya pada saat jumlah permintaan besar, tetapi kapasitas produksi tidak mampu memenuhi permintaan tersebut. Jumlah permintaan yang besar ini diakibatkan oleh sifat musiman dari suatu produk. Persediaan ini juga menjaga kemungkinan sukarnya diperoleh bahan baku, agar proses produksi tidak berhenti. c. Persediaan dalam Jumlah Besar (Lot Size Inventory) Merupakan persediaan yang diadakan dalam jumlah yang lebih besar daripada kebutuhan saat itu. Persediaan jenis ini dilakukan untuk mendapatkan potongan harga (discount) karena pembelian barang dalam jumlah besar. Persediaan jenis ini juga dapat menghemat biaya pengangkutan karena memperkecil frekuensi pengiriman barang dan biaya per unit pengangkutannya lebih murah. d. Pipa Persediaan (Pipeline/ Transit Inventory) Merupakan persediaan yang sedang dalam proses pengiriman dari tempat asal ke tempat di mana barang itu akan digunakan. Persediaan ini timbul karena jarak dari tempat asal ke tempat tujuan cukup jauh dan bisa memakan waktu beberapa hari atau beberapa minggu (Herjanto, 1999) Jenis Jenis Persediaan Persediaan dapat dikelompokkan menurut jenis dan posisi barang tersebut di dalam urutan pengerjaan produk, yaitu (Assauri, 1993): a. Persediaan Bahan Baku (Raw Material Stock) Merupakan persediaan dari barang-barang yang dibutuhkan untuk proses produksi. Barang ini bisa diperoleh dari sumber-sumber alam, atau dibeli dari pemasok (supplier) yang menghasilkan barang tersebut.
6 12 b. Persediaan Bagian Produk (Purchased Parts) Merupakan persediaan barang-barang yang terdiri dari parts yang diterima dari perusahaan lain, yang secara langsung diassembling dengan parts lain tanpa melalui proses produksi. c. Persediaan Bahan-Bahan Pembantu (Supplies Stock) Merupakan persediaan barang-barang yang diperlukan dalam proses produksi untuk membantu kelancaran produksi, tetapi tidak merupakan bagian dari barang jadi. d. Persediaan Barang Setengah Jadi (Work in Process) Merupakan barang-barang yang belum berupa barang jadi, akan tetapimasih diproses lebih lanjut sehingga menjadi barang jadi. e. Persediaan Barang Jadi (Finished Good) Merupakan barang-barang yang selesai diproses atau diolah dalam pabrik dan siap untuk disalurkan kepada distributor, pengecer, atau langsung dijual ke pelanggan Logika Fuzzy Logika fuzzy adalah himpunan yang setiap unsur unsurnya mempunyai derajat keanggotaan atau kesesuaian dengan konsep yang merupakan syarat keanggotaan himpunan tersebut. Logika fuzzy digunakan sebagai suatu cara ubtuk memetakan permasalahan dari input menuju ke output yang diharapkan. Logika fuzzy pertama sekali diperkenalkan oleh Lotfi. A. Zadeh pada tahun Dasar logika fuzzy adalah teori himpunan fuzzy. Dalam teori himpunan dikenal fungsi karakteristik yaitu fungsi dari himpunan semesta X ke himpunan {0,1}. Definisi : Himpunan A dalam semesta X dapat dinyatakan dengan fungsi karakteristik yang * + didefinikan dengan aturan : { Teori himpunan yang telah lama dikenal ini selanjutnya disebut sebagai himpunan tegas (crisp set). Pada himpunan tegas (crisp), nilai keanggotaan suatu
7 13 item x dalam suatu himpunan, yang sering ditulis dengan kemungkinan, yaitu: memiliki dua 1. Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan. 2. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Fuzzy set memperluas jangkauan fungsi karakteristik pada himpunan tegas (crisp set) sehingga fungsi tersebut mencakup bilangan riil pada interval [0.1]. Fungsi itu disebut fungsi keanggotaan yang memetakan setiap unsur dalam himpunan semesta X ke suatu nilai pada interval [0,1] yang selanjutnya disebut derajat keanggotaan. Fungsi keanggotaan dari suatu himpunan kabur dalam semesta X adalah pemetaan, -. Nilai menyatakan derajat keanggotaan unsur dalam himpunan kabur. Misalkan diketahui data IPK mahasiswa pada interval [0,00, 4,00]. Akan dibuat himpunan mahasiswa pandai. Kata pandai menunjukkan seberapa besar seorang mahasiswa dikatakan pandai. Dengan menggunakan crisp seorang mahasiswa dikatakan Pandai jika memiliki IPK diatas atau sama dengan 3,00 dengan derajat keanggotaan sebaliknya jika IPK dibawah 3,00 dikatakan Tidak Pandai dengan derajat keanggotaan. Hal ini tidaklah adil karena misalkan ada dua orang mahasiswa A dan B, Mahasiswa A memiliki IPK 3,01 maka akan dikatakan Pandai sedangkan mahasiswa B dengan IPK 2,99 akan dikatakan Tidak Pandai. Sedangkan dengan menggunakan fuzzy set, suatu fungsi keanggotaan menjadi bersifat kontiniu. Seorang mahasiswa dengan IPK 2,5 dikatakan mendekati Pandai dengan dan mahasiswa dengan IPK 1,25 memang kurang Pandai dengan. Pada fuzzy set, nilai menyatakan keanggotaan penuh dan nilai menyatakan bukan anggota X. Dengan demikian himpunan tegas
8 14 (crisp set) dapat dipandang sebagai kejadian khusus dari himpunan kabur (fuzzy set) dengan fungsi keanggotaan hanya bernilai 0 atau 1 saja Atribut Himpunan fuzzy memiliki 2 atribut (Sri Kusumadewi dan Hari Purnomo, 2004), yaitu: a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: Muda, Parobaya, Tua. b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50, dsb Istilah-istilah dalam logika fuzzy Ada beberapa istilah yang perlu diketahui dalam memahami sistem fuzzy, yaitu: a. Variabel fuzzy Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: Umur, Temperatur, Permintaan, Persediaan, Produksi, dan sebagainya (Sri Kusumadewi dan Hari Purnomo, 2004). b. Himpunan fuzzy Misalkan X semesta pembicaraan, terdapat A di dalam X sedemikian sehingga: *, -, - + Suatu himpunan fuzzy A di dalam semesta pembicaraan X didefinisikan sebagai himpunan yang bercirikan suatu fungsi keanggotaan, dimana setiap dengan bilangan real di dalam interval [0,1], dengan nilai menyatakan derajat keanggotaan x di dalam A (Saelan Athia, 2009). Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Misalkan X=Umur adalah variabel
9 15 fuzzy. Maka dapat didefinisikan himpunan Muda, Parobaya, dan Tua (Jang, 1997). c. Semesta Pembicaraan Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. Contoh: semesta pembicaraan untuk variabel umur: [0,+ ). (Sri Kusumadewi dan Hari Purnomo,2004). Sehingga semesta pembicaraan dari variabel umur adalah 0 umur < +. Dalam hal ini, nilai yang diperbolehkan untuk dioperasikan dalam variabel umur adalah lebih besar dari atau sama dengan 0, atau kurang dari positif tak hingga. d. Domain Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif. Contoh domain himpunan fuzzy: Muda =, - (Sri Kusumadewi dan Hari Purnomo, 2004). e. Himpunan Tegas (Crisp Set) Himpunan tegas (Crisp Set) merupakan himpunan yang mewakili suatu derajat keanggotaan dari variabel fuzzy. Atau merupakan kejadian khusus dari himpunan kabur (fuzzy set) dengan fungsi keanggotaan hanya bernilai 0 atau 1 saja.
10 Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Ada beberapa fungsi yang dapat digunakan untuk mendapatkan nilai keanggotaan Representasi linear naik Kenaikan nilai derajat keanggotaan fuzzy dimulai pada nilai domain yang memiliki derajat keanggotaan nol bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi. Fungsi Keanggotaan: { Derajat keanggotaan 1 0 a b Gambar 2.1 Representasi Linier Naik (Sumber: Kusumadewi Sri, 2002) Representasi linear turun Nilai derajat keanggotaan dimulai dari nilai domain dengan keanggotaan tertinggi pada sisi kiri, kemudian bergerak turun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.
11 17 Fungsi Keanggotaan: { Derajat keanggotaan: 1 0 a b Gambar 2.2 Representasi Linier Turun (Sumber: Kusumadewi Sri, 2002) Representasi Kurva Segitiga Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear turun dan naik). Fungsi keanggotaan: Derajat keanggotaan: 1 { 0 a b c Gambar 2.3 Representasi Kurva Segitiga (Sumber: Kusumadewi Sri, 2002)
12 Representasi Kurva Trapesium Pada fungsi keanggotaan trapesium mempunyai empat buat parameter, yaitu a,b,c,d R dengan < < <d. Pada dasarnya kurva trapesium sama dengan kurva segitiga, namun ada beberapa titik yang memiliki nilai keanggotaan 1 Fungsi keanggotaan: { (d ) (d ) d d Derajat Keanggotaan: 1 0 a b c d Gambar 2.4 Representasi Kurva Trapesium (Sumber: Kusumadewi Sri, 2002) Representasi Kurva Bentuk Bahu Daerah yang terletak di tengah-tengah suatu variabel yang dipresentasikan dalam kurva segitiga, pada sisi kanan dan kirinya akan naik dan turun (misalkan: dingin bergerak ke sejuk bergerak ke hangat bergerak ke panas). Tetapi terkadang salah satu sisi tidak mengalami perubahan. Contoh, apabila telah mencapai keadaan panas, kenaikan suhu akan tetap berada pada keadaan panas. Himpunan fuzzy bahu bukan segitiga digunakan untuk mengakhiri variabel suatu daerah fuzzy.
13 19 dingin sejuk normal hangat panas Gambar 2.5 Representasi Kurva Bentuk Bahu pada Variabel Temperatur (Sumber: Kusumadewi Sri, 2002) 2.6. Operator pada Operasi Himpunan Fuzzy Nilai keanggotaan sebagai hasil dari operasi 2 himpunan dikenal dengan nama fire strength atau α-prediket. Ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy, yaitu (Sri Kusumadewi dan Hari Purnomo, 2004) Operator and Operator ini berhubungan dengan operasi interseksi pada himpunan. α-prediket sebagai hasil operasi dengan operator and diperoleh dengan mengambil nilai keanggotaan terkecil antarelemen pada himpunan-himpunan yang bersangkutan Operator or Operator ini berhubungan dengan operasi union pada himpunan. α-prediket sebagai hasil operasi dengan operator or diperoleh dengan mengambil nilai keanggotaan terbesar antarelemen pada himpunan-himpunan yang bersangkutan.
14 Operator not Operator ini berhubungan dengan operasi komplemen pada himpunan. α-prediket sebagai hasil operasi dengan operator not diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari Fungsi Implikasi Tiap tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah: Dengan x dan y adalah skalar, dan A dan B adalah himpunan wajib. Proposisi yang mengikuti IF disebut sebagai anteseden, sedangkan proposisi yang mengikuti THEN disebut sebagai konsekuen. Proposisi dapat diperluas dengan menggunakan operator fuzzy, seperti: IF(x 1 is A 1 ) o (x 2 is A 2 ) o (x 3 is A 3 ) o... o (x N is A N ) THEN y is B dengan o adalah operator (misal: OR atau AND). Secara umum, ada dua fungsi implikasi yang dapat digunakan, yaitu: a. Min (minimum). Fungsi ini akan memotong output himpunan fuzzy. Gambar menunjukkan salah satu contoh penggunanan fungsi Min. Aplikasi Operator Aplikasi fungsi implikasi Min TINGGI SEDANG NORMAL IF Permintaan TINGGI AND BiayaProduksi SEDANG THEN ProduksiBarang NORMAL Gambar 2.6 Fungsi Implikasi MIN (Sumber: Kusumadewi Sri, 2002)
15 21 b. Dot (Product). Fungsi ini akan menskala output himpunan fuzzy. Gambar menunjukkan salah satu contoh penggunaan fungsi Dot. Aplikasi Operator AND Aplikasi fungsi implikasi Dot (Product) TINGGI SEDANG NORMAL IF Permintaan TINGGI AND BiayaProduksi SEDANG THEN ProduksiBarang NORMAL Gambar 2.7 Fungsi Implikasi DOT (Sumber: Kusumadewi Sri, 2002) 2.8. Penalaran Monoton Metode penalaran secara monoton digunakan sebagai dasar untuk teknik implikasi fuzzy. Meskipun penalaran ini sudah jarang sekali digunakan, namun terkadang masih digunakan untuk penskalaan fuzzy. Jika 2 daerah fuzzy direlasikan dengan implikasi sederhana sebagai berikut: Transfer fungsi: ( ) Maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi dan dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari derajat keanggotaan yang berhubungan dengan antesedennya Metode Tsukamoto Metode Tsukamoto merupakan perluasan dari penalaran monoton. Pada metode Tsukamoto,setiap konsekuen pada aturan yang berbentuk If-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan
16 22 secara tegas (crisp) berdasarkan -predikat. Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot (Sri Kusumadewi & Hari Purnomo, 2010). Pada metode Tsukamoto, implikasi setiap aturan berbentuk implikasi Sebab-Akibat /Implikasi Input-Output dimana antara anteseden dan konsekuen harus ada hubungannya. Setiap aturan direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Kemudian untuk menentukan hasil tegas (Crisp Solution) digunakan rumus penegasan (defuzifikasi) yang disebut Metode rata-rata terpusat atau Metode defuzifikasi rata-rata terpusat (Center Average Deffuzzyfier) (Setiadji,2009). Untuk mendapatkan output (keluaran), maka terdapat 4 langkah / tahapan sebagai berikut: 1. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi Menyusun basis aturan, yaitu aturan-aturan berupa implikasi implikasi fuzzy yang menyatakan relasi antara variabel input dengan variabel output. Bentuk umumnya adalah sebagai berikut : d l h d d l h, d l h C =, Dengan a, b, dan c adalah predikat fuzzy yang merupakan variabel linguistik, dan himpunan fuzzy ke-i untuk a dan b, sedangkan f(a,b) adalah fungsi matematik. Banyaknya aturan ditentukan oleh banyaknya nilai linguistik untuk masing-masing variabel input. 3. Komposisi aturan Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu : Metode Min (Minimum) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai minimum aturan, kemudian menggunakan nilai tersebut untuk memodifikasi daerah fuzzy dan mengaplikasikannya ke output dengan menggunakan operator or (gabungan). Jika semua proporsi telah dievaluasi,
17 23 maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proporsi. Secara umum dapat dituliskan :, - Di mana: = nilai keanggotaan solusi fuzzy sampai aturan ke-i = nilai keanggotaan konsekuen fuzzy aturan ke-i 4. Penegasan Masukan dari proses penegasan adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan real yang tegas. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka dapat diambil suatu nilai tegas tertentu sebagai output. Apabila komposisi aturan menggunakan metode Tsukamoto maka defuzzifikasi (z ) dilakukan dengan cara mencari nilai ratarata terpusatnya. z z z z Dengan adalah nilai keluaran pada aturan ke-i dan z adalah derajat keanggotaan nilai keluaran pada aturan ke-i.
Bab 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 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 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 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 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 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. 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 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 terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
Lebih terperinciBAB 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 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 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 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 terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciBAB 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 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 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 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 terperinciSISTEM 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 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 terperinciBAB 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 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 terperincike dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti akan
Lebih terperincimanusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.
6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau
Lebih 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 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 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 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 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 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 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 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 terperinciBAB II. KAJIAN PUSTAKA. A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto
BAB II. KAJIAN PUSTAKA A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto Masalah kinerja pegawai di Universitas Muhammadiyah Purwokerto sangat mendapat perhatian. Hal ini dibuktikan dengan diadakannya
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 terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Persediaan pada Supply Chain Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
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 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 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 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 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 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 terperinciMATERI 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bagian ini diberikan beberapa konsep dasar yang menjadi landasan berpikir dalam penelitian ini, seperti pengertian persediaan, metode program linier. 2.1. Persediaan 2.1.1. Pengertian
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 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 terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang
Lebih terperinciSaintia Matematika ISSN: Vol. 2, No. 2 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie
Lebih 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 terperinciKECERDASAN 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 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 terperinciAPLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)
APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas
Lebih 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Persediaan 2.1.1 Pengertian Persediaan Pada setiap perusahaan, baik perusahaan kecil, perusahaan menengah maupun perusahaan besar, persediaan sangat penting bagi kelangsungan
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 terperinciBAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2. 1. Fuzzy Logic Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia
Lebih terperinciRANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY
RANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY Irving Vitra Paputungan, Denni Irawan Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jl. Kaliurang
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Penelitian dengan judul Pemodelan Untuk Menentukan Kecukupan Angka Gizi Ibu Hamil. Penentuan status kecukupan angka gizi ibu hamil dilakukan
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 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 terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
Lebih terperinciPENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( 1011287) Mahasiswa Program Studi Teknik
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 1.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari penulis sebagai berikut: Tabel 2.1 Perbandingan Metode Penelitian
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 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 terperinciPerancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani
Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika
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 terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy 2.1.1 Pendahuluan Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, di mana Zadeh memperkenalkan teori yang memiliki
Lebih terperinciLOGIKA 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 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 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 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 terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih terperinciBAB 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 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 terperinciSIMULASI 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 terperincidan kesatuan nyata yang dapat digunakan dalam pengambilan keputusan. [JOG99]
BAB II LANDASAN TEORI 2.1 Sistem Pendekatan sistem yang kbih menekankan pada elemen atatu komponennya mendefinisikan suatu sistem sebagai berikut: [JOG99] Sistem adalah kumpulan dan elemen-elemen yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Teori himpunan logika samar dikembangkan oleh Prof. Lofti Zadeh pada tahun 1965. Zadeh berpendapat bahwa logika benar dan salah dalam logika konvensional tidak dapat
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Arti dan Peranan Persediaan Merujuk pada penjelasan Herjanto (1999), persediaan dapat diartikan sebagai bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan
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 terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
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 terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas teori penunjang yang berhubungan dengan penerapan metode average-based fuzzy time series pada sistem peramalan jumlah penjualan distributor telur. 2.1 Peramalan Peramalan
Lebih terperinciPendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian
Pendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian Jumadi 1, a) Cecep Nurul Alam 2, b) 3, c) dan Ichsan Taufik 1, 2, 3 Jurusan Teknik
Lebih terperinciPENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO
PENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO Dwi Yulian RL 1* Teknik Informatika, Sekolah Tinggi Ilmu Komputer PGRI, Banyuwangi, Indonesia 1* lingkeku@gmail.com Abstrak Usaha kreatif Polo adalah
Lebih terperinciIMPLEMENTASI FUZZY MAMDANI PENENTUAN OPTIMASI PERSEDIAAN STOK PRODUK BARANG DALAM SEBUAH PERUSAHAAN DEFI IRWANSYAH
IMPLEMENTASI FUZZY MAMDANI PENENTUAN OPTIMASI PERSEDIAAN STOK PRODUK BARANG DALAM SEBUAH PERUSAHAAN DEFI IRWANSYAH Dosen Teknik Industri Universitas Malikussaleh Lhokseumawe ABSTRAK Sebuah perusahaan membutuhkan
Lebih terperinciBAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program linear, metode simpleks, dan program linear fuzzy untuk membahas penyelesaian masalah menggunakan metode fuzzy
Lebih terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE 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 Amerika
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 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Persediaan Persediaan dapat diartikan sebagai aktiva yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode tertentu, atau persediaan
Lebih terperinciTeam 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Persediaan 2.1.1 Pengertian Persediaan Masalah umum pada suatu model persediaan bersumber dari kejadian yang dihadapi setiap saat dibidang usaha, baik dagang ataupun industri.
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 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 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 terperinci4-5-FUZZY INFERENCE SYSTEMS
4-5-FUZZY INFERENCE SYSTEMS Shofwatul Uyun Mekanisme FIS Fuzzy Inference Systems (FIS) INPUT (CRISP) FUZZYFIKASI RULES AGREGASI DEFUZZY OUTPUT (CRISP) 2 Metode Inferensi Fuzzy Metode Tsukamoto Metode Mamdani
Lebih terperinci