Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
|
|
- Ida Pranata
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti Br Tarigan Program Studi S2 Teknik Infomatika USU saveyanti@gmail.com Melva Lumban Tobing Program Studi S2 Teknik informatika USU naiposposmelva@yahoo.co.id Zakarias Situmorang Program Studi S2 Teknik informatika USU Abstrak Untuk meningkatkan kualitas mahasiswa pada perguruan tinggi tidak terlepas dari bagaimana kinerja dosen dalam proses belajar-mengajar. Kualitas dosen sangat mempengaruhi bagaimana kualitas lulusan nantinya. Dosen yang berkualitas dapat dilihat dari kinerja dosen tersebut dalam penyampaian materi pembelajaran, penilaian, disiplin, perilaku serta penampilan. Studi kasus yang diambil dalam penulisan ini yaitu bagaimana analisa tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar pada STT Poliprofesi Medan. Evaluasi kinerja dosen dapat dinilai oleh mahasiswa dan penilai oleh prodi melalui kuesioner yang didalamnya terdapat beberapa aspek penilaian. Pengolahan data kuesioner tersebut akan menggunakan metode fuzzy mamdani. Metode Mamdani sering juga dikenal dengan metode Max-Min, metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 975 (Kusuma Dewi, 23). Pada metode ini, terdapat 4 tahap untuk mendapatkan output, yaitu pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan dan penegasan (defuzzification). Dengan adanya metode fuzzy mamdani ini maka akan dihasilkan informasi berupa output tingkat keberhasilan dosen mengajar. Keywords: Logika fuzzy, fuzzy mamdani, kinerja dosen. 63
2 Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : I. LATAR BELAKANG Mentransformasikan, mengembangkan dan menyebarluaskan ilmu pengetahuan, teknologi dan seni melalui pendidikan, penelitian dan pengabdian kepada masyarakat merupakan tugas seorang dosen (Undang Undang RI No.4 tentang Guru dan Dosen, 25). Mengajar merupakan salah satu aktifitas dosen yang langsung berhubungan dengan mahasiswa. Aktifitas belajar mengajar di perguruan tinggi tidak hanya memberikan materi, tetapi juga menumbuhkan sikap kreatif, inovatif, proaktif, serta mengembangkan potensi mahasiswa juga membentuk pola fikir. bagi mahasiswa. Organisasi dan manajemen yang sehat dan efektif serta didukung dosen yang profesional sangat menunjang mutu proses belajar mengajar, mutu lulusan dan mutu pelayanan Tri Dharma pada stakeholder (Kustono, 2). Sehingga dapat meningkatkan nilai akreditasi perguruan tinggi tersebut. Dengan demikian proses belajar mengajar merupakan proses utama dalam suatu institusi pendidikan dan kualitas pengajar/dosen sangat penting untuk peningkatan kualitas institusi (Dong & Dai, 29). Dengan kata lain evaluasi terhadap kualitas mengajar dapat meningkatkan antusias kinerja dosen serta meningkatkan manajemen dan kualitas pengajaran (XiuHong, GuiXiang, JunQing & Lan, Nov 2-22, 29). Evaluasi terhadap kinerja dosen ini dapat dilakukan dengan berbagai cara, diantaranya adalah dengan memberikan angket kuisioner kepada mahasiswa dan tim penilai untuk menilai kualitas dosen yang mengajar suatu matakuliah. Salah satu metode yang digunakan untuk mengukur kinerja dosen mengajar yaitu dengan logika fuzzy. Alasan digunakannya logika fuzzy dikarenakan logika fuzzy mudah dimengerti, sangat fleksibel, dapat digabungkan dengan teknik-teknik kendali didasarkan pada bahasa alami. Metode fuzzy mamdani paling sering digunakan dalam aplikasi-aplikasi karena strukturnya yang sederhana, yaitu menggunakan operasi MIN-MAX (Kusumadewi 23). Dalam menentukan tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar dengan menggunakan metode fuzzy mamdani pada STT Poliprofesi Medan terdapat tiga variabel yaitu kuisioner mahasiswa, kuisioner tim penilai dan tingkat kinerja dosen. Penelitian ini diharapkan dapat memberikan informasi yang akurat dalam menentukan bagaimana tingkat keberhasilan dosen mengajar. II. TINJAUAN PUSTAKA A. Logika Fuzzy Konsep tentang logika fuzzy diperkenalkan oleh Prof. Lotfi Astor Zadeh pada 962. Logika fuzzy adalah metodologi sistem kontrol pemecahan masalah yang cocok untuk diimplementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil, jaringan PC, multi-channel atau workstation berbasis akuisisi data, dan sistem kontrol. Dalam logika fuzzy memungkinkan nilai keanggotaan berada diantara dan.. Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µa(x), memiliki dua kemungkinan, yaitu : a. Satu (), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau b. Nol (), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. 2. Fungsi Keanggotaan Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara sampai. 3. Operator Dasar Zadeh Untuk Operasi himpunan Fuzzy Seperti halnya himpunan konvensional, ada beberapa operasi yang didefenisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering dikenal dengan nama fire strength. Ada 3 operator dasar yang diciptakan oleh Zadeh, yaitu (Kusumadewi, 994) : a. Operator AND Operator ini berhubungan dengan operasi interseksi pada himpunan. Fire strength sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada 64
3 Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : himpunan-himpunan yang bersangkutan. µa B= min(µa(x), µb(y)) b. Operator OR Opertor ini berhubungan dengan operasi union pada himpunan. Fire strength sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antarelemen pada himpunan-himpunan yang bersangkutan. µaub= max(µa(x), µb(y)) c. Operator NOT Fire strength sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari. µa =- µa (x) B. Fuzzy Mamdani Metode mamdani sering digunakan dalam aplikasi-aplikasi karena strukturnya yang sederhana, yaitu menggunakan operasi MIN-MAX atau MAX-PRODUK. Untuk mendapatkan output diperlukan empat tahapan, yaitu: a. Pembentukan himpunan fuzzy b. Aplikasi fungsi implikasi c. Komposisi aturan d. Defuzzyfikasi III. METODOLOGI PENELITIAN Studi kasus dalam penelitian ini yaitu menentukan tingkat kepuasan mahasiswa terhadap kinerja dosen pada STT Poliprofesi Medan yang beralamat di Jl. Sei batanghari No.3&4 Medan. Jenis data yang digunakan adalah data primer dan sata sekunder. Data Prime yaitu data yang diperoleh secara langsung dari sumber data yang berhubungan dengan penelitian yang dilakukan, yaitu data-data yang diperoleh dari pengamatan langsung bagaimana proses belajar-mengajar pada STT Poliprofesi Medan. Sedangkan data sekunder yaitu data yang diperoleh penulis dalam bentuk yang sudah jadi yang bersifat informasi dan kutipan, baik dari internet maupun literatur, pustaka, jurnal yang berhubungan dengan penelitian yang dibuat. Metode pengumpulan data yang dilakukan yaitu dengan cara memberikan kuisioner kepada mahasiswa dan tim penilai. Selain itu juga digunakan studi pustaka yaitu mencari sumber dari buku, jurnal mengenai logika fuzzy khususnya fuzzy mamdani. IV. HASIL DAN PEMBAHASAN Dalam menentukan tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar pada STT Poliprofesi Medan menggunakan 3 variabel yaitu variabel mahasiswa, variabel penilai dan variabel tingkat. Setiap variabel memiliki masingmasing nilai linguistik, yaitu ). Variabel mahasiswa : buruk, cukup, baik. 2). Variabel penilai : buruk, cukup, baik. 3). Variabel tingkat :rendah, sedang,tinggi. Untuk mendapatkan output, diperlukan 4 tahapan yaitu pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan dan penegasan. A. Pembentukan Himpunan Fuzzy Selanjutnya akan ditentukan himpunan fuzzy dari setiap variabel.. Himpunan Fuzzy untuk variabel Mahasiswa (x) Semesta pembicara untuk variabel Mahasiswa: [,85] Domain himpunan fuzzy: Buruk = [,25] Cukup = [25,65] Baik = [5,85] Fungsi keanggotaan untuk variabel Mahasiswa: Buruk = Cukup = Baik = 65
4 Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : Rendah = Sedang = Tinggi =[6,] Gambar. Grafik Himpunan Fuzzy Pada Variabel Mahasiswa 2. Himpunan Fuzzy untuk variabel Tim Penilai (y) Semesta pembicara untuk variabel Penilai: [,75] Domain himpunan fuzzy : Buruk =[,2] Cukup =[2,6] Baik =[5,75] Buruk = Cukup = Tinggi = Baik = Gambar 3. Grafik Himpunan Fuzzy Pada Variabel Tingkat B. Aplikasi Fungsi Implikasi Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. Secara umum dapat dituliskan: Gambar 2. Grafik Himpunan Fuzzy Pada Variabel Penilai 3. Himpunan Fuzzy untuk variabel Tingkat (z) Semesta pembicara untuk variabel Penilai: [,] Domain himpunan fuzzy : Rendah =[,5] Sedang =[5,7] Setelah pembentukan variabel pada himpunan fuzzy, maka dibentuk aturan yang bersesuian dengan penelitian yang dilakukan. Adapun aturan-aturan yang dimaksud adalah: [R] IF Mahasiswa Buruk And Penilai Buruk [R2] IF Mahasiswa Buruk And Penilai Cukup [R3] IF Mahasiswa Buruk And Penilai Baik [R4] IF Mahasiswa Cukup And Penilai Buruk [R5] IF Mahasiswa Cukup And Penilai Cukup 66
5 Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : [R6] IF Mahasiswa Cukup And Penilai Baik [R7] IF Mahasiswa Baik And Penilai BurukThen Tingkat Rendah [R8] IF Mahasiswa Baik And Penilai Cukup [R9] IF Mahasiswa Baik And Penilai Baik Then Tingkat Tinggi Contoh kasus: Berapa nilai tingkat kepuasan mahasiswa, jika nilai mahasiswa 5 dan nilai dari penilai 6 (menggunakan fungsi MIN). [R] IF Mahasiswa Buruk And Penilai Buruk αpredikat = µmhsburuk µpenilaiburuk = min(µnhsburuk(5),µpenilaiburuk(6)) = min(;) = [R2] IF Mahasiswa Buruk And Penilai Cukup αpredikat 2 = µmhsburuk µpenilaicukup = min(µmhsburuk(5), µpenilaicukup(6)) = min(;,5) = [R3] IF Mahasiswa Buruk And Penilai Baik αpredikat 3 = µmhsburuk µpenilaibaik = min(µmhsburuk(5), µpenilaibaik(6)) = min(;,5) = [R4] IF Mahasiswa Cukup And Penilai Buruk αpredikat 4 = µmhscukup µpenilaiburuk = min(µmhscukup(5), µpenilaiburuk(6)) = min(,25;) = [R5] IF Mahasiswa Cukup And Penilai Cukup αpredikat 5 = µmhscukup µpenilaicukup = min(µmhscukup(5), µpenilaicukup (6)) = min(,25;,5) =,25 [R6] IF Mahasiswa Cukup And Penilai Baik αpredikat 6 = µmhscukup µpenilaibaik = min(µmhscukup(5), µpenilaibaik(6)) = min(,25;,5) =,25 [R7] IF Mahasiswa Baik And Penilai Buruk αpredikat 7 = µmhsbaik µpenilaiburuk = min(µmhsbaik(5), µpenilaiburuk(6)) = min(,75;) = [R8] IF Mahasiswa Baik And Penilai Cukup αpredikat 8 = µmhsbaik µpenilaicukup = min(µmhsbaik(5), µpenilaicukup(6)) = min(,75;,5) =,5 [R9] IF Mahasiswa Baik And Penilai Baik Then Tingkat Tinggi αpredikat 9 = µmhsbaik µpenilaibaik = min(µmhsbaik(5), µpenilaibaik(6)) = min(,75;,5) =,5 C. Komposisi Aturan Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari gabungan antar aturan. Ada tiga metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: Max-min, additive dan probabilistik OR (probor). Dari aturan α-predikat yang ada, dapat dihasilkan daerah fuzzy menggunakan fungsi MAX. Pada metode MAX, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikas daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR(union). Jika semua proposisi telah dievaluasi, Then output akan berisi suatu himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi, dapat ditulis sebagai berikut: dengan: Darri contoh kasus diatas, daerah hasil komposisi menggunakan fungsi MAX adalah sebagai berikut: 67
6 Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : Gambar 4. Daerah Hasil Komposisi Pada gambar di atas, daerah hasil dibagi menjadi dua bagian, yaitu A dan A2. Sekarang kita mencari nilai a. (a 6) / 7 = a = 6 (a 6) / 7 =,5 a 2 = 95 Dengan demikian, fungsi keanggotaan untuk hasil komposisi ini adalah : D. Defuzzyfikasi Fuzzifikasi adalah proses perubahan suatu nilai crisp ke dalam variabel fuzzy yang berupa variabel linguistik yang nantinya akan dikelompokkan menjadi himpunan fuzzy. Dengan demikian, tahap ini mengambil nilai-nilai crisp dan menentukan derajat di mana nilai-nilai tersebut menjadi anggota dari setiap himpunan fuzzy yang sesuai. Metode Defuzzyfikasi yang digunakan adalah metode centroid. Pada metode centroid solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy. Secara umum dapat dituliskan: Gambar 5. Metode centroid = = 8 Jadi tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar adalah 8. V. KESIMPULAN Dalam penerapan metode mamdani untuk menentukan tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar memiliki 4 tahapan yaitu penentuan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan dan defuzzyfikasi. Diperoleh suatu model yang dapat memperlihatkan aturan keterhubungan antara motivasi dosen, persiapan mengajar dosen dan pelaksanaan perkuliahan dengan nilai mahasiswa. Penelitian ini telah menunjukkan korelasi variabel mahasiswa dengan variabel penilai, dalam menentukan tingkat kepuasan mahasiswa terhadap kinerja dosen mengajar. DAFTAR PUSTAKA [] Andani, Sundari Retno. Fuzzy Mamdani Dalam Menentukan Tingkat Keberhasilan Dosen Mengajar. Seminar Nasional Informatika 23 (semnasif 23), UPN Veteran Yogyakarta. [2] Kusumadewi, S, 24, Fuzzy Quantification Theory I Untuk Analisis Hubungan Antara penilaian Kinerja Dosen Oleh Mahasiswa, Kehadiran Dosen dan Nilai Kelulusan Mahasiswa, Media Informatika, Volume 2. No. [3] Kusumadewi, S, 27, Sistem Fuzzy Untuk Klasifikasi Indikator Kesehatan Daerah, Seminar TEKNOIN 27. [4] Kusumadewi, S, and Purnomo, H, 2, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Graha Ilmu.Yogyakarta. [5] Kusumadewi, Sri & Hari Purnomo (24). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta : Graha Ilmu [6] Undang-Undang Dasar RI No.4 Tentang Guru Dan Dosen, 25 [7] Zadeh, Lotfi A Fuzzy Sets and Their Applications to Cognitive and Decision Processes. Academic Press, Inc. New York. z = 68
FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih 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. 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 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih 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 terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
Lebih 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 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 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 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 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 terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciPenerapan 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 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 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 terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,
Lebih terperinciPENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih 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 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 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 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 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 terperinciBAB III METODE FUZZY MAMDANI
29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan
Lebih terperinciBAB 2 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 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 terperinciPENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus
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 terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
Lebih terperinciPENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )
PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) Edy Victor Haryanto1), Fina Nasari) Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No.
Lebih terperinciPenerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang
Penerapan Fuy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Thomson Mary Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat Kampus II, Gunung Pangilun, Padang Email:
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi
Lebih 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 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 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 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 terperinciEVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI
EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com
Lebih terperinciIMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA)
IMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA) Alfa Saleh Teknik Informatika, Fak. Ilmu Komputer
Lebih 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu
Lebih terperinciBAB 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 terperinciPENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA)
PENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA) Alfa Saleh Teknik Informatika STMIK Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A,
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 terperinciAnalisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan
128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinciBab 2 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 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 terperinciImplementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic
JTRISTE, Vol.2, No.2, Oktober 2015, pp. 18~28 ISSN: 2355-3677 Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic Junaedy 1, Abdul Munir 2 STMIK KHARISMA
Lebih 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 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 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 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 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 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 terperinciPERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)
PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ) Edy Victor Haryanto 1, Fina Nasari 2 1,2 UniversitasPotensiUtama Jl. K.
Lebih terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
Lebih terperinciSistem Inferensi Fuzzy
Sistem Inferensi Fuzzy METODE SUGENO 27 Sistem Inferensi Fuzzy Metode Tsukamoto Metode Sugeno! Diperkenalkan oleh Takagi-Sugeno-Kang, tahun 1985.! Bagian output (konsekuen) sistem tidak berupa himpunan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta
Lebih 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 terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK PRODUKSI JENANG MENGGUNAKAN LOGIKA FUZZY MAMDANI
SISTEM PENDUKUNG KEPUTUSAN UNTUK PRODUKSI JENANG MENGGUNAKAN LOGIKA FUZZY MAMDANI Muhammad Agus Iriyanto Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro Jl. Nakula no
Lebih terperinciMenentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani
Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Anitaria Simanullang 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED anitaria.simanullang@gmail.com
Lebih 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 terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih terperinciLOGIKA FUZZY PADA PROSES PELET PAKAN IKAN
LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciSISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC
SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer
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 terperinciMODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya
Lebih terperinciPENERAPAN METODE ALORITMA FUZZY MAMDANI PADA APLIKASI SPK PENENTUAN JUMLAH PRODUKSI BARANG CV.KURNIA ALAM DI JEPARA
PENERAPAN METODE ALORITMA FUZZY MAMDANI PADA APLIKASI SPK PENENTUAN JUMLAH PRODUKSI BARANG CV.KURNIA ALAM DI JEPARA Andreas Widiyantoro-NIM : A11.2009.04835 Program Studi Teknik Informatika Fakultas Ilmu
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 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 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 terperinciAplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A - 8 Aplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone Muhammad Najib Mubarrok, Agus
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA)
86 RANCANG BANGUN APLIKASI REKOMENDASI PEMBELIAN LAPTOP DENGAN METODE FUZZY DATABASE MODEL TAHANI BERBASIS WEB Hendry Setiawan 1, Seng Hansun 2 Program Studi Teknik Informatika, Universitas Multimedia
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 terperinciAplikasi Fuzzy Metode Mamdani untuk Rekomendasi Pemilihan Minat Grup Riset Mahasiswa
Aplikasi Fuzzy Metode Mamdani untuk Rekomendasi Pemilihan Minat Grup Riset Mahasiswa Astrie Kusuma Dewi 1), Adhistya Erna Permanasari 2), Indriana Hidayah 3) 1), 2), 3) Jurusan Teknik Elektro dan Teknologi
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 terperinci( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik
Lebih terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
Lebih terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar
Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika
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 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 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 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang STKIP Tapanuli Selatan merupakan perguruan tinggi yang legal dibawah Yayasan Al-Iman Padangsidimpuan berdiri berdasarkan akta notaris pada tanggal 31 Agustus 1981.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara
Lebih terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
Lebih terperinciMETODOLOGI 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian dalam tugas akhir ini adalah BPR BKK Kendal yang beralamatkan di jalan Soekarno Hatta No 335 Kendal. Penelitian ini berlangsung dari bulan
Lebih terperinciANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5.
ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5. Indah Pratiwi Jurusan Teknik Industri, Universitas Muhammadiyah Surakarta Jl. A. Yani
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI ABSTRAK
SISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS PROGRAM STUDI TEKNIK INFORMATIKA-S1 UDINUS) Wisnu Joyo Anggita Teknik Informatika Universitas Dian Nuswantoro Semarang
Lebih terperinciVII. LOGIKA FUZZY. Antara input dan output terdapat suatu kotak hitam yang harus memetakan input ke output yang sesuai. Misal : Ruang Input
VII. LOGIKA FUZZY 8 Logika fuzzy adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy : Ruang output Ruang input Variabel input KOTAK HITAM Variabel output
Lebih terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinci