IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR

Ukuran: px
Mulai penontonan dengan halaman:

Download "IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR"

Transkripsi

1 IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR 4.1. Fuzzy Inferensi Sistem Tahapan-tahapan yang dilakukan pada Pengembangan Fuzzy Iinferensi Sistem untuk Seleksi Metode EOR antara lain: mendefinisikan karakteristik sistem, mendefinisikan variabel kedalam himpunan fuzzy, membentuk aturan if-then, mendefinisikan proses defuzzifikasi, menjalankan sistem, dan melakukan pengujian. Tahapan ini secara skematis di tampilkan dalam Gambar 4.1. Gambar 4.1 Diagram Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR Masukan Masukan datanya menggunakan data lapangan berdasarkan karakteristik minyak dan batuan yang diperoleh di PPPTMGB LEMIGAS dalam bentuk data fuzzy dan data non fuzzy.

2 18 Pada gambar 4.2 adalah tampilan masukan data yang dipakai untuk dikembangkan pada FIS untuk Seleksi Metode EOR. Gambar 4.2 Masukan data untuk seleksi metode EOR Pada Tabel 4.1 memperlihatkan karakteristik data Lapangan A dalam reservoar A1 A12, dan variable-variabel yang digunakan pada pengembangan FIS untuk seleksi metode EOR. Tabel 4.1 Tabel input dan output Pengembangan Fuzzy Inferensi Sistem untuk seleksi Metode EOR

3 19 Karakteristik Data Kriteria Taber digunakan sebagai acuan seleksi metode EOR. Metode EOR tersebut diklasifikasikan menjadi sembilan metode dan tiap-tiap metode dinilai berdasarkan variabel-variabel. Setiap variabel memiliki kriteria yang berbeda terhadap suatu metode. Sebagai contoh pada Tabel 4.2 merupakan karakteristik variabel Metode Injeksi Gas Hydrocarbon (M1) sedangkan untuk metode yang lainnya dapat dilihat pada Lampiran 2.1, Lampiran 2. Berikut ini adalah gambaran untuk variabel-variabel pada Kriteia Taber untuk Metode Injeksi Gas Hydrocarbon: 1. Variabel Gravity adalah berat jenis minyak dengan satuan berat American Petroleum Institute (API). Variabel Gravity pada Metode Injeksi Hydrocarbon memiliki nilai semesta antara Nilai yang masuk pada Kriteria Taber menunjukkan Gravity>35 maksudnya adalah kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih besar 35 akan berada pada nilai 1 seperti terlihat pada lampiran Variabel Viscosity adalah ukuran kekentalan minyak dalam satuan centi poise. Variabel Viscosity pada metode injeksi hydrocarbon yang memiliki nilai semesta antara Nilai yang masuk pada Kriteria Taber menunjukkan Viscosity<10 maksudnya adalah kriteria untuk keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih kecil 10 akan berada pada nilai 1 seperti terlihat pada lampiran Variabel Komposisi adalah prosentase komposisi ukuran minyak. Variabel Komposisi pada metode injeksi hydrocarbon memiliki nilai semesta antara Nilai yang masuk pada Kriteria Taber menunjukkan Komposisi C2-C7<50 merupakan kriteria dimana dalam keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih kecil 50 akan berada pada nilai 1 seperti terlihat pada lampiran Variabel Saturasi adalah prosentase volume minyak dibagi total volume. Variabel Saturasi pada metode injeksi hydrocarbon memiliki nilai semesta antara Nilai yang masuk pada Kriteria Taber menunjukkan Saturasi > 30 maksudnya adalah kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih besar 30 akan berada pada nilai 1 seperti terlihat pada lampiran Variabel Formasi adalah jenis batuan. Variabel Formasi pada metode injeksi hydrocarbon memiliki nilai non fuzzy dan mempunyai nilai kriteria jenis batuannya

4 20 adalah sandstone/karbonat dan tidak direpresentasikan dalam bentuk kurva. 6. Variabel Ketebalan adalah ketebalan reservoir dalam satuan feet. Variabel Viscosity pada metode injeksi hydrocarbon memiliki nilai semesta antara Nilai yang yang masuk pada Kriteria Taber pada Ketebalan menunjukkan Ketebalan<100 merupakan kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih kecil 100 akan berada pada nilai 1 seperti terlihat pada lampiran Variabel Kedalaman adalah kedalaman reservoir dalam satuan feet. Variabel kedalaman pada metode injeksi hydrocarbon memiliki nilai semesta antara Nilai yang masuk pada Kriteria Taber menunjukkan Kedalaman antara 2000 sampai 5000 merupakan kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka antar 2000 sampai 5000 akan berada pada nilai 1 seperti terlihat pada lampiran Tabel 4.2 Karakteristik variabel metode injeksi gas hydrocarbon (M 1 ). Variabel Semesta Data Kriteria Satuan Keterangan >35 Berat jenis minyak dengan Gravity (x 1 ) [0, 100] Fuzzy API satuan American <=35 Petroleum Institute Viscositas (x 2 ) Komposisi (x 3 ) Saturasi (x 5 ) Formasi (x 6 ) Tebal net (x 7 ) Kedalaman (x 9 ) [0.1, ] Fuzzy [0, 100] Fuzzy [0, 100] Fuzzy - Non-fuzzy [0, 1000] Fuzzy [0, 10000] Fuzzy <10 >=10 C 2 -C 7 >50 C 2 -C 7 <=50 >30 <=30 cp sandstone/karbonat - Jenis batuan <100 >= ke 5000 <=2000 dan >=5000 % % ft ft Ukuran kekentalan minyak dalam satuan centi poise Prosentase komposisi minyak Prosentase volume minyak dibagi total volume Ketebalan reservoir dalam satuan feet Kedalaman reservoar dalam satuan feet 4.3. Proses Berikut adalah proses yang dikembangkan dalam Fuzzy Inferensi Sistem untuk seleksi metode EOR: 1. Memasukkan data karakteristik minyak dan batuan. Pada proses input user memberikan nilai rentang masing-masing variabel.

5 21 2. Pembentukan himpunan fuzzy. Pada variabel gravity dibagi menjadi beberapa himpunan fuzzy yaitu: G1, G2, G3, G4, G5, G6, G7, dengan rentang nilai 100 o API. Metode yang didefinisikan adalah: Metode Gas Hydrocarbon, N2 and Flue Gas, CO 2, Surfactant, Polymer, Alkaline, In Situ Combustion, Steamflood, Microbial. Pada Lampiran 1 dimulai lampiran 1.1 sampai dengan lampiran 9.7 menunjukkan kurva-kurva representasi masing-masing kriteria, derajat keanggotannya akan bernilai 1 jika input data memenuhi kriteria, dan akan bernilai 0 jika input data tidak memenuhi kriteria. Gambar 4.3 Himpunan Fuzzy Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR Selanjutnya menterjemahkan Kriteria Taber dalam bentuk aturan if-then Jika variabel memenuhi kriteria, konsekuensinya adalah metode EOR yang sedang dievaluasi dikatakan layak relatif terhadap data tersebut. Sebaliknya bila tidak memenuhi kriteria maka metode tersebut dikatakan tidak layak. Jumlah aturan dievaluasi untuk tiap metode. Fungsi konsekuensi dirumuskan sedemikian sehingga dapat mencerminkan pengaruh relatif masing-masing variabel terhadap kelayakan suatu metode. Berikut ini adalah aturan-aturan yang dikembangkan pada Fuzzy Inferensi Sistem untuk seleksi metode EOR. Aturan ke-1 If (Gravity is G1) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD1) then (Metode is M1)

6 22 Aturan ke-2 If (Gravity is G2) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD2) then (Metode is M2) Aturan ke-3 If (Gravity is G3) and (Viscosity is V2) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T2) and (Kedalaman is KD2) then (Metode is M3) Aturan ke-4 If (Gravity is G4) and (Viscosity is V3) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD2) then (Metode is M4) Aturan ke-5 If (Gravity is G4) and (Viscosity is V4) and (Salinitas is S2) and (Komposisi is K1) and (Saturasi is ST2) and (Tebal is T1) and (Kedalaman is KD2) then (Metode is M5) Aturan ke-6 If (Gravity is G5) and (Viscosity is V5) and (Salinitas is S3) and (Permeabilitas is P1) and (Kedalaman is KD4) and (Temperatur is TP2) and (Porositas is PR1) then (Metode is M6) Aturan ke-7 If (Gravity is G6) and (Viscosity is V6) and (Saturasi is ST3) and (Tebal is T2) and (Permeabilitas is P3) and (Kedalaman is KD5) and (Temperatur is TP3) and (Porositas is PR1) then (Metode is M7) Aturan ke-8 If (Gravity is G7) and (Viscosity is V7) and (Saturasi is ST3) and (Tebal is T3) and (Permeabiliti is P4) and (Kedalaman is KD6) and (Porositas is PR1) then (Metode is M8) Aturan ke-9 If (Gravity is G4) and (Salinitas is S3) and (Permeabilitas is P5) and (Kedalaman is KD3) and (Temperatur is TP4) then (Metode is M9) Aturan 10

7 23 If (Gravity is G1) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD1) then (Metode 1) Aturan 11 If (Gravity is G2) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is Kd2) then (Metode 2) Aturan 12 If (Gravity is G3) and (Viscosity is V2) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD1) then (Metode 3) Aturan 13 If (Gravity is G4) and (Viscosity is V4) and (Salinity is S2) is (Saturasi is S2) and (Permeability is P2) and (Kedalaman is KD4) and (Temperatur is TP2) and (Porositas is PR1) then (Metode 5) Aturan 14 If (Gravity is G7) and (Viscosity is V7) and (Saturasi is ST3) and (Tebal is T3) and (Permeability is P4) and (Kedalaman is KD6) and (Porosity is PR1) then (Metode 8) Aturan 15 If (Gravity is G6) and (Viscosity is V6) and (Saturasi is ST3) and (Tebal is T2) and (Permeability is P3) and (Kedalaman is KD5) and (Temperatur is TP3) and (Porositas is PR1) then (Metode 7) Aturan 16 If (Gravity is G4) and (Salinity is S3) and (Permeability is P5) and (Kedalaman is KD3) and (Temperatur is TP4) then (Metode 9) Pada gambar 4.4 adalah tampilan Rule Editor untuk merepresentasikan

8 24 aturan-aturan pada Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR dengan menggunakan MATLAB 7.1: Gambar 4.4 Rule editor pada Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR 3. Kemudian mencari nilai minimum masing masing metode berdasarkan aturan-aturan yang telah dibuat. Nilai kurva minimum tersebut di agregasi untuk mendapatkan nilai kurva maksimum. 4. Dari nilai kurva maksimum dapat ditentukan defuzzifikasi. Metode defuzzifikasi pada komposisi aturan Mamdani yang digunakan adalah metode centroid. Hasil metode centroid adalah crisp yaitu angka yang direpresentasikan dengan kurva segitiga untuk masing-masing metode. 5. Selanjutnya implementasi kedalam suatu program komputer menggunakan MATLAB. Setelah itu dilakukan uji sistem menggunakan data reservoar. 6. Pada tahapan ini dimungkinkan melakukan revisi fungsi-fungsi bilangan fuzzy dan atau revisi formula yang merepresentasikan konsekuensi. Revisi ini dilakukan hingga diperoleh hasil yang konsisten dengan evaluasi pakar. 7. Uji program dilakukan terhadap beberapa variasi input untuk validasi sistem. Apabila hasil yang diperoleh selama pengujian kurang sesuai dengan yang diharapkan, maka iterasi proses variabel ke himpunan fuzzy Output

9 25 Output yang dihasilkan berisi informasi mengenai Seleksi Metode EOR yang disarankan serta hasil defuzzifikasi dengan derajat keanggotaannya. Gambar 4.5 adalah tampilan interface Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR. Gambar 4.5 Output Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR

II TINJAUAN PUSTAKA 2.1. Klasifikasi Metode EOR

II TINJAUAN PUSTAKA 2.1. Klasifikasi Metode EOR II TINJAUAN PUSTAKA 2.1. Klasifikasi Metode EOR Metode peningkatan perolehan minyak tingkat lanjut atau Enhanced Oil Recovery (EOR) adalah suatu teknik peningkatan produksi minyak setelah tahapan produksi

Lebih terperinci

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G651034074 SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 SURAT PERNYATAAN

Lebih terperinci

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G651034074 SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 SURAT PERNYATAAN

Lebih terperinci

BAB 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. 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

Praktikum sistem Pakar Fuzzy Expert System

Praktikum 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 terperinci

Tahap Sistem Pakar Berbasis Fuzzy

Tahap 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 terperinci

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G651034074 SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 SURAT PERNYATAAN

Lebih terperinci

Fuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015

Fuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Fuzzy Expert Sistem Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Ketentuan Praktikum Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa

Lebih terperinci

IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM PEMILIHAN METODE ENHANCED OIL RECOVERY

IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM PEMILIHAN METODE ENHANCED OIL RECOVERY IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM PEMILIHAN METODE ENHANCED OIL RECOVERY Oleh : Malunlana Alamsah, Anas Puji Santoso, Boni Swadesi Jurusan Teknik Perminyakan, Universitas Pembangunan Nasional Veteran

Lebih terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

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

Lebih terperinci

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit

Lebih terperinci

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan

Lebih terperinci

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

MODEL 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 terperinci

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

Penilaian 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 terperinci

BAB II: TINJAUAN PUSTAKA

BAB 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 terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak

Lebih terperinci

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

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

Lebih terperinci

BAB II KAJIAN TEORI. Bab II berisi kajian teori. Teori-teori yang digunakan pada penelitian ini

BAB II KAJIAN TEORI. Bab II berisi kajian teori. Teori-teori yang digunakan pada penelitian ini BAB II KAJIAN TEORI Bab II berisi kajian teori. Teori-teori yang digunakan pada penelitian ini diantaranya cadangan hidrokarbon, fuzzy logic, sistem inferensi fuzzy, MATLAB, dan penelitian-penelitian terdahulu.

Lebih terperinci

PENENTUAN 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 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 terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN 7 terboboti dari daerah output fuzzy. Metode ini paling dikenal dan sangat luas dipergunakan. First of Maxima (FoM) dan Last of Maxima (LoM) Pada First of Maxima (FoM), defuzzifikasi B( y) didefinisikan

Lebih terperinci

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

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

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat

BAB 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 terperinci

LOGIKA FUZZY (Lanjutan)

LOGIKA 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 terperinci

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

ARTIFICIAL 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 terperinci

DENIA FADILA RUSMAN

DENIA 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

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

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya

Institut 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 terperinci

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA

MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA Muhammad Ilham 10211078 Program Studi Fisika, Institut Teknologi Bandung, Indonesia Email: muhammad_ilham@students.itb.ac.id Asisten:

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

4-5-FUZZY INFERENCE SYSTEMS

4-5-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

UNIVERSITAS BINA NUSANTARA PERANCANGAN PROGRAM APLIKASI AUTOMATIC FUZZY RULES EXTRACTOR UNTUK MENGESTIMASI VARIABEL RESERVOIR ABSTRAK

UNIVERSITAS BINA NUSANTARA PERANCANGAN PROGRAM APLIKASI AUTOMATIC FUZZY RULES EXTRACTOR UNTUK MENGESTIMASI VARIABEL RESERVOIR ABSTRAK UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Matematika Skripsi Sarjana Program Ganda Semester Genap 2004/2005 PERANCANGAN PROGRAM APLIKASI AUTOMATIC FUZZY RULES EXTRACTOR UNTUK MENGESTIMASI

Lebih terperinci

PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )

PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) Edy Victor Haryanto1), Fina Nasari) Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No.

Lebih terperinci

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

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan

Lebih terperinci

Metode Deffuzifikasi Mean of Maximum (MOM) Kolik Gas (Tympani) Kolik Twisted gut Kolik Impaksi METODE PENELITIAN Kerangka Pemikiran

Metode Deffuzifikasi Mean of Maximum (MOM) Kolik Gas (Tympani) Kolik Twisted gut Kolik Impaksi METODE PENELITIAN Kerangka Pemikiran Metode Deffuzifikasi Mean of Maximum (MOM) Salah satu metode deffuzifikasi adalah Mean of Maximum. Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai

Lebih terperinci

Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara

Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan

Lebih terperinci

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

LOGIKA 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 terperinci

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK

adalahkelompok 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 terperinci

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.

Lebih terperinci

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL

Jurnal 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Dalam hidup sehari-hari, banyak hal-hal yang saling berpasangan, seperti hitam

BAB 2 LANDASAN TEORI. Dalam hidup sehari-hari, banyak hal-hal yang saling berpasangan, seperti hitam BAB 2 LANDASAN TEORI 2. Konsep Dasar Himpunan Fuzzy (Fuzzy Sets) Dalam hidup sehari-hari, banyak hal-hal yang saling berpasangan, seperti hitam dengan putih, ya dengan tidak, benar dengan salah, tua dengan

Lebih terperinci

HASIL DAN PEMBAHASAN. masukan (input) yang digunakan dalam mengembangkan Fuzzy Inference System seperti yang disajikan pada Gambar 10 berikut :

HASIL DAN PEMBAHASAN. masukan (input) yang digunakan dalam mengembangkan Fuzzy Inference System seperti yang disajikan pada Gambar 10 berikut : Penentuan perangkat keras dan perangkat lunak yang akan digunakan untuk mengembangkan sistem Perangkat keras (hardware) Perangkat keras yang digunakan pada saat pengembangan sistem adalah komputer dengan

Lebih terperinci

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani

Perekrutan 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 terperinci

BAB 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 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 terperinci

IMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ)

IMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ) IMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ) Edy Victor Haryanto Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No. 3 A Tj. Mulia Medan edy@potensi-utama.ac.id,

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965 yang merupakan guru besar di University of California Berkeley pada papernya yang berjudul

Lebih terperinci

BAB III METODE FUZZY MAMDANI

BAB 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 terperinci

FUZZY SYSTEM & FUZZY REASONING DEPARTEMEN ILMU KOMPUTER IPB

FUZZY SYSTEM & FUZZY REASONING DEPARTEMEN ILMU KOMPUTER IPB FUZZY SYSTEM & FUZZY REASONING Workshop on Fundamental Concept and Implementation of Fuzzy Logic March 17 th 2016 Net Centric Computing Lab DEPARTEMEN ILMU KOMPUTER IPB Outline Crips VS Fuzzy Pengembangan

Lebih terperinci

Sistem Inferensi Fuzzy

Sistem Inferensi Fuzzy Sistem Inferensi Fuzzy METODE SUGENO 27 Sistem Inferensi Fuzzy Metode Tsukamoto Metode Sugeno! Diperkenalkan oleh Takagi-Sugeno-Kang, tahun 1985.! Bagian output (konsekuen) sistem tidak berupa himpunan

Lebih terperinci

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

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan

Lebih terperinci

Fuzzy Inference System

Fuzzy Inference System Analisa Kondisi Mesin Induk Kapal Dengan Aplikasi i Metode Fuzzy Inference System build operate maintenance OLEH : NAHLAH M. DARMA NRP : 4107203711 LATAR BELAKANG Sistem permesinan merupakan bagian utama

Lebih terperinci

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY Digunakan untuk menghasilkan suatu keputusan tunggal / crisp saat defuzzifikasi Penggunaan akan bergantung

Lebih terperinci

Matematika Diskrit Fuzzy Inference System Prodi T.Informatika

Matematika Diskrit Fuzzy Inference System Prodi T.Informatika Matematika Diskrit Fuzzy Inference System Prodi T.Informatika Mahasiswa dapat melakukan penalaran dengan hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Mekanisme Fuzzy Iinference Systems

Lebih terperinci

PENERAPAN FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK PEMILIHAN JURUSAN DI PERGURUAN TINGGI

PENERAPAN FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK PEMILIHAN JURUSAN DI PERGURUAN TINGGI PENERAPAN FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK PEMILIHAN JURUSAN DI PERGURUAN TINGGI SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program

Lebih terperinci

Metodologi Penelitian. Mulai. Pembuatan model fluida reservoir. Pembuatan model reservoir

Metodologi Penelitian. Mulai. Pembuatan model fluida reservoir. Pembuatan model reservoir Bab III Metodologi Penelitian III.1 Diagram Alir Penelitian Diagram pada Gambar III.1 berikut ini merupakan diagram alir yang menunjukkan tahapan proses yang dilakukan pada penelitian studi simulasi injeksi

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI 3.1. PENDAHULUAN

BAB III METODOLOGI 3.1. PENDAHULUAN BAB III METODOLOGI 3.1. PENDAHULUAN Dalam melakukan studi Tugas Akhir diperlukan metodologi yang akan digunakan agar studi ini dapat berjalan sesuai dengan koridor yang telah direncanakan di awal. Dalam

Lebih terperinci

BAB V IMPLEMENTASI SISTEM

BAB V IMPLEMENTASI SISTEM 51 BAB V IMPLEMENTASI SISTEM Implementasi merupakan tahap peletakan sistem sehingga sistem siap dioperasikan. Tahap ini meliputi implementasi datamining untuk mencari aturan aturan sebagai dasar inferensi,

Lebih terperinci

Logika Fuzzy. Farah Zakiyah Rahmanti 2016

Logika Fuzzy. Farah Zakiyah Rahmanti 2016 Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)

Lebih terperinci

Logika Himpunan Fuzzy

Logika 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 terperinci

PENGEMBANGAN SISTEM PAKAR FUZZY

PENGEMBANGAN SISTEM PAKAR FUZZY FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi

Lebih terperinci

Penerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang

Penerapan 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 terperinci

BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy

BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,

Lebih terperinci

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI

EVALUASI 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 terperinci

Himpunan Tegas (Crisp)

Himpunan 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 terperinci

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

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

Lebih terperinci

Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani

Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani JURNAL SAINTIFIK VOL.3 NO. 2, JULI 2017 Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani Darmawati Jurusan Matematika FMIPA Universitas Sulawesi Barat; e-mail: dharmawangs89@gmail.com

Lebih terperinci

PENERAPAN FUZZY LOGIC PADA METODE VOLUMETRIC UNTUK MENGHITUNG CADANGAN HIDROKARBON PEMBORAN MINYAK SUATU LAPANGAN

PENERAPAN FUZZY LOGIC PADA METODE VOLUMETRIC UNTUK MENGHITUNG CADANGAN HIDROKARBON PEMBORAN MINYAK SUATU LAPANGAN PENERAPAN FUZZY LOGIC PADA METODE VOLUMETRIC UNTUK MENGHITUNG CADANGAN HIDROKARBON PEMBORAN MINYAK SUATU LAPANGAN APPLICATION OF FUZZY LOGIC IN VOLUMETRIC METHOD FOR CALCULATING OIL RESERVES Oleh: Hidayah

Lebih terperinci

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

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

Lebih terperinci

JURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 4 NO. 1 SEPTEMBER 2011

JURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 4 NO. 1 SEPTEMBER 2011 OPTIMALISASI PRODUK MOBIL DENGAN SISTEM PENDUKUNG KEPUTUSAN BERBASIS FUZZY Dedy Irfan 1 ABSTRACT Make decision is required to utilize one among some existing alternatives. Decision made to solve problem,

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

PENENTUAN 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 terperinci

SIDANG TESIS. Oleh : Enny Rohmawati Malik. Dosen Pembimbing : Dr. Imam Mukhlash,S.Si,M.T

SIDANG TESIS. Oleh : Enny Rohmawati Malik. Dosen Pembimbing : Dr. Imam Mukhlash,S.Si,M.T SIDANG TESIS APLIKASI SISTEM INFERENSI FUZZY DAN METODE REGRESI UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI KINERJA KEUANGAN PERBANKAN (Studi Kasus Bank di Indonesia Periode 2005-2009) Dosen Pembimbing

Lebih terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien 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 terperinci

PENDAHULUAN A. LATAR BELAKANG MASALAH

PENDAHULUAN 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 terperinci

Penerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel

Penerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel Penerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel Biolardi Yoshogi (13509035) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika

Lebih terperinci

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com

Lebih terperinci

3. METODE PENELITIAN 3.1 Kerangka Pemikiran

3. METODE PENELITIAN 3.1 Kerangka Pemikiran 65 3. METODE PENELITIAN 3.1 Kerangka Pemikiran Permasalahan utama yang dihadapi industri gula nasional yaitu rendahnya kinerja khususnya produktivitas dan efisiensi pabrik gula. Untuk menyelesaikan permasalahan

Lebih terperinci

REVIEW JURNAL LOGIKA FUZZY

REVIEW JURNAL LOGIKA FUZZY REVIEW JURNAL LOGIKA FUZZY Disusun oleh : Gita Adinda Permata 1341177004309 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NEGERI SINGAPERBANGSA KARAWANG KATA PENGANTAR Assalamualaikum

Lebih terperinci

Presentasi 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 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 terperinci

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

PENENTUAN 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 terperinci

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

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

Lebih terperinci

SKRIPSI. MERANCANG SISTEM PAKAR BERBASIS FUZZY UNTUK PRA PENGUJIAN JUDUL SKRIPSI (Studi Teknik Informatika)

SKRIPSI. MERANCANG SISTEM PAKAR BERBASIS FUZZY UNTUK PRA PENGUJIAN JUDUL SKRIPSI (Studi Teknik Informatika) SKRIPSI MERANCANG SISTEM PAKAR BERBASIS FUZZY UNTUK PRA PENGUJIAN JUDUL SKRIPSI (Studi Teknik Informatika) Diajukan Sebagai Syarat Untuk Kelulusan Program Studi Strata Satu (S1) di Fakultas Teknik Universitas

Lebih terperinci

PENERAPAN 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) 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 terperinci

PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA

PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA LOGO PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA Oleh: DYNES RIZKY NAVIANTI (1208100017) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI

Lebih terperinci

Penerapan Fuzzy Inference System pada Prediksi Curah Hujan di Surabaya Utara

Penerapan Fuzzy Inference System pada Prediksi Curah Hujan di Surabaya Utara JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X A-23 Penerapan Fuzzy Inference System pada Prediksi Curah Hujan di Surabaya Utara Dynes Rizky Navianti, I Gusti Ngurah Rai Usadha, Farida Agustini

Lebih terperinci

BAB 2 2. LANDASAN TEORI

BAB 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

DAFTAR ISI. KATA PENGANTAR i. DAFTAR ISI. iv. DAFTAR GAMBAR. viii. DAFTAR TABEL. x. DAFTAR LAMPIRAN.. xi. 1.1 Latar Belakang dan Rumusan Masalah..

DAFTAR ISI. KATA PENGANTAR i. DAFTAR ISI. iv. DAFTAR GAMBAR. viii. DAFTAR TABEL. x. DAFTAR LAMPIRAN.. xi. 1.1 Latar Belakang dan Rumusan Masalah.. DAFTAR ISI Halaman ABSTRAK ABSTRACT KATA PENGANTAR i DAFTAR ISI. iv DAFTAR GAMBAR. viii DAFTAR TABEL. x DAFTAR LAMPIRAN.. xi BAB I PENDAHULUAN 1.1 Latar Belakang dan Rumusan Masalah.. 1 1.1.1 Latar Belakang

Lebih terperinci

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan

Lebih terperinci

Bab IV. Hasil Pengujian dan Analisis

Bab IV. Hasil Pengujian dan Analisis Bab IV Hasil Pengujian dan Analisis Pada bab ini akan dibahas mengenai pengujian mengenai sistem yang sudah dirancang dan dibuat. Pengujian yang dilakukan adalah pengujian dengan memberikan inputan yang

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH

KONTRAK PEMBELAJARAN (KP) MATA KULIAH KONTRAK PEMBELAJARAN (KP) MATA KULIAH Kode MK: TSK-710 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Eko Didik Widianto, ST, MT Semester : 7 KONTRAK PEMBELAJARAN Nama

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 5 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 terperinci

JMP : Volume 4 Nomor 2, Desember 2012, hal

JMP : Volume 4 Nomor 2, Desember 2012, hal 12 JMP : Volume 4 Nomor 2, Desember 2012, hal. 253-264 APLIKASI FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK REKOMENDASI PEMILIHAN BIDANG KAJIAN PADA MAHASISWA PROGRAM STUDI MATEMATIKA UNSOED Yusuf Nur

Lebih terperinci

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic

Aplikasi 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 terperinci

SIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA

SIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA SIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA Helmy Thendean, M.Kom 1) Albert, S.Kom 2) Dra.Chairisni Lubis, M.Kom 3) 1) Program Studi Teknik Informatika,Universitas

Lebih terperinci