BAB II. KAJIAN PUSTAKA. Menurut Gorry dan Scott (1970) dalam Turban (2005) Sistem Pendukung
|
|
- Irwan Rachman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB II. KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Menurut Gorry dan Scott (1970) dalam Turban (2005) Sistem Pendukung Keputusan (DSS) merupakan sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur. Menurut Bonczek, dkk., (1980) dalam Turban, dkk., (2005) mendefinisikan DSS sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi: sistem bahasa (mekanisme untuk memberikan komunikasi antara pengguna dan komponen DSS lain), sistem pengetahuan (repository pengetahuan domain masalah yang ada pada DSS entah sebagai data atau sebagai produser), dan sistem pemrosesan masalah (hubungan antara dua komponen lainnya, terdiri dari satu atau lebih kapabilitas manipilasi masalah umum yang diperlukan untuk pengambilan keputusan). Karakteristik dan kapabilitas dalam DSS adalah (Turban, 2005): a) Dukungan untuk pengambil keputusan, terutama pada situasi semiterstruktur dan tak terstruktur, dengan menyertakan penilaian manusia dan informasi terkomputerisasi. b) Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer lini. c) Dukungan untuk individu dan kelompok. Masalah yang kurang terstruktur sering memerlukan keterlibatan individu dari departemendan tingkat organisasional yang berbeda atau bahkan dari organisasi lain. 3
2 d) Dukungan untuk keputusan independen dan atau sekuensial. Keputusan dapat dibuat satu kali, beberapa kali, atau berulang (dalam interval yang sama). e) Dukungan di semua fase proses pengambilan keputusan inteligensi, desain, pilihan dan implementasi. f) Dukungan di berbagai proses dan gaya pengambilan keputusan. g) Adaptivitas sepanjang waktu. Pengambil keputusan seharusnya reaktif, dapat menghadapi perubahan kondisi secar cepat, dan dapat mengadaptasikan DSS untuk memenuhi perubahan tersebut. h) Pengguna merasa seperti di rumah. Rumah-pengguna, kapabilitas grafis yang sangat kuat, dan antarmuka manusia-mesin interaktif dengan satu bahasa alami dapat sangat meningkatkan keefektifan DSS. i) Peningkatan terhadap keefektifan pengambilan keputusan (akurasi, timelines, kualitas) ketimbang pada efisiensinya (biaya pengambilan keputusan). j) Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses poengambilan keputusan dalam memecahkan suatu masalah. DSS secara khusus menekankan untuk mendukung pengambil keputusan, bukan menggantikan. k) Pengguna akhir dapat mengembangkan dan memodifikasi sendiri sistem sederhana. Sistem yang lebih besar dapat dibangun dengan bantuan ahli sistem informasi. l) Biasanya model-model digunakan untuk menganalisis situasi pengambil keputusan. Kapabilitas pemodelan memungkinkan eksperimen dengan berbagai strategi yang berbeda di bawah konfigurasi yang berbeda. m) Akses disediakan untuk berbagai sumber data, format, dan tipe, mulai dari sistem informasi geografis (GIS) sampai sistem berorientasi-objek. 4
3 n) Dapat dilakukan sebagai alat standalone yang digunakan oleh seorang pengambil keputusan pada suatu lokasi atau didistribusikan di satu organisasi keseluruhan dan di berbagai organisasi sepanjang rantai persediaan. B. Metode Tsukamoto Pada metode Tsukamoto, setiap aturan direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Untuk menentukan nilai output crisp/hasil yang tegas (Z) dapat diperoleh berdasarkan fire strength. Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Output hasil inferensi dari tiap atuaran diberikan crisp berdasarkan α-predikat. Proses agregasi antar aturan dilakukan dan hasil akhirnya diperoleh dengan menggunakan defuzzy dengan konsep rata-rata terbobot (Kusumadewi, 2006). Untuk lebih memahami metode Tsukamoto, perhatikan Contoh berikut: Misalkan ada 2 variabel input, Var-1 (x) dan Var-2(x), serta variabel output, Var-3(z), dimana Var-1 terbagi atas 2 himpunan yaitu A1 dan A2. Var-2 terbagi atas 2 himpunan B1 dan B2, Var-3 juga terbagi atas 2 himpunan yaitu C1 dan C2 (C1 dan C2 harus monoton). Ada 2 aturan yang digunakan, yaitu: [R1] IF x is A1 and y is B2 THEN z is C1 [R2] IF x is A2 and y is B1 THEN z is C2 Pertama-tama dicari fungsi keanggotaan dari masing-masing himpunan fuzzy dari setiap aturan, yaitu himpunan A1, B2 dan C1 dari aturan fuzzy [R1], dan 5
4 himpunan A2, B1 dan C2 dari aturan fuzzy [R2]. Aturan fuzzy R1 dan R2 dapat direpresentasikan dalam Gambar 1 untuk mendapatkan suatu nilai crisp Z. Gambar 1. Inferensi dengan menggunakan Metode Tsukamoto Karena pada metode Tsukamoto operasi himpunan yang digunakan adalah konjungsi (AND), maka nilai keanggotaan anteseden dari aturan fuzzy [R1] adalah irisan dari nilai keanggotaan A1 dari Var-1 dengan nilai keanggotaan B1 dari Var- 2. Menurut teori operasi himpunan, maka nilai keanggotaan anteseden dari operasi konjungsi (And) dari aturan fuzzy [R1] adalah nilai minimum antara nilai keanggotaan A1 dari Var-1 dan nilai keanggotaan B2 dari Var-2. Demikian pula nilai keanggotaan anteseden dari aturan fuzzy [R2] adalah nilai minimum antara nilai keanggotaan A2 dari Var-1 dengan nilai keanggotaan B1 dari Var-2. Selanjutnya, nilai keanggotaan anteseden dari aturan fuzzy [R1] dan [R2] masing-masing disebut dengan α1 dan α2. Nilai α1 dan α2 kemudian disubstitusikan pada fungsi keanggotaan himpunan C1 dan C2 sesuai aturan fuzzy [R1] dan [R2] untuk 6
5 memperoleh nilai z1 dan z2, yaitu nilai z (nilai perkiraan produksi) untuk aturan fuzzy [R1] dan [R2]. Untuk memperoleh nilai output crisp/nilai tegas Z, dicari dengan cara mengubah input (berupa himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy) menjadi suatu bilangan pada domain himpunan fuzzy tersebut. Cara ini disebut dengan metode defuzzifikasi (penegasan). Metode defuzzifikasi yang digunakan dalam metode Tsukamoto adalah metode defuzifikasi rata-rata terpusat (Center Average Defuzzyfier) yang dapat dirumuskan sebagai berikut: Defuzzifikasi rata-rata terpusat [ 1 ] C. Status Gizi Balita Status gizi adalah ekspresi dari keadaan keseimbangan dalam bentuk variable tertentu, atau perwujudan dari nutriture dalam bentuk variabel tertentu (Supariasa, 2013). Status gizi adalah keadaan tubuh yang diakibatkan oleh konsumsi, penyerapan, dan penggunaan makanan. Susunan makanan yang memenuhi kebutuhan gizi tubuh pada umumnya dapat menciptakan status gizi yang memuaskan (Suhardjo, 1986 dalam Adriani, 2014). Menurut Supariasa (2013), penilaian status gizi dibagi menjadi dua yaitu penilaian status gizi secara langsung dan tidak langsung. 1. Penilaian Status Gizi Secara Langsung a) Antropometri Penilaian status gizi secara antropometri yaitu menentukan status gizi dengan menggunakan ukuran tubuh. 7
6 b) Klinis Penilaian status gizi secara klinis yaitu penilaian yang didasarkan pada gejala yang muncul dari tubuh akibat dari kelebihan atau kekurangan zat gizi. c) Biokimia Pemeriksaan gizi dilakukan secara laboratoris pada berbagai macam jaringan tubuh. Jaringan tubuh yang digunakan antara lain: darah, urine, tinja, hati dan otot. d) Biofisik Penilaian gizi secara biofisik yaitu dengan mengukur elastisitas dan fungsi jaringan tubuh. 2. Penilaian Status Gizi Secara Tidak Langsung a) Survei Konsumsi Makanan Survei konsumsi makanan adalah metode penentuan status gizi secara tidak langsung dengan melihat jumlah dan jenis zat gizi yang dikonsumsi. Pengumpulan data konsumsi makanan dapat memberikan gambaran tentang konsumsi berbagai zat gizi pada masyarakat, keluarga, dan individu. b) Statistik Vital Pengukuran status gizi dengan statistik vital adalah dengan menganalisis beberapa data statistik kesehatan seperti angka kematian berdasarkan umur, 8
7 angka kesakitan dan kematian akibat penyebab tertentu dan data lainnya yang berhubungan dengan gizi. c) Faktor Ekologi Mempelajari kondisi lingkunan berupa produksi pangan, pola makan, sosial budaya, ekonomi dan variabel lain yang secara teoritis mempengaruhi status gizi. 3. Klasifikasi Status Gizi Balita Dalam menentukan klasifikasi status gizi harus ada ukuran baku yang sering disebut reference. Pengukuran baku antropomentri yang sekarang digunakan di Indonesia adalah WHO-NCHS (World Health Organization-National Centre for Health Statistic). Tabel 1. Klasifikasi Status Gizi Menurut WHO BB/TB BB/U TB/U Status gizi Normal Rendah Rendah Baik, Pernah Kurang Normal Normal Normal Baik Normal Tinggi Tinggi Jangkung, Masih Baik Rendah Rendah Tinggi Buruk Rendah Rendah Normal Buruk, Kurang Rendah Normal Tinggi Kurang Tinggi Tinggi Rendah Lebih, Obesitas Tinggi Tinggi Normal Lebih, Tidak Obesitas Tinggi Normal Rendah Lebih, Pernah Kurang (Sumber: Deswarni Idrus & Gatot Kunanto, Epidemiologi I, Pusdiknakes. Jakarta. Hlm 31) 9
8 D. PHP PHP adalah singkatan dari Personal Homepage yang kemudian menjadi PHP Hypertext Preprocessor, sebagai suatu bahasa server untuk personal homepage yang dikembangkan oleh Rasmus Lerdorf tahun PHP digunakan sebagai pengantar ke bahasa server-side dan memiliki banyak kemiripan dengan ActionScript (Sutopo, 2007). PHP merupakan tool bagi pengembangan web dinamis. PHP memiliki fungsi built-in yang lengkap, cepat, mudah dipelajari dan bersifat gratis. PHP dapat berjalan di berbagai web server dan sistem operasi yang berdeda (Wibowo, 2007). E. Database MySQL MySql mempunyai database language (SQL/Structured Query Language) yang memiliki perintah untuk membuat basis data dan table, memasukkan dan mengambil data. PHP mempunyai subset fungsi khusus dedicated ke MySQL yang ditangani oleh ActionScript (Sutopo, 2007). MySql merupakan software yang tergolong database server dan bersifat Open Source dan multiplatform. Dikatakan Open Source karena dilengkapi dengan source code, yang executable atau kode yang dapat dijalankan dalam sistem operasi secara langsung, dengan mengunduh di Internet secara gratis. MySql juga dapat dijalankan di berbagai sistem operasi (Kadir, 2009). 10
9 F. Penelitian sejenis yang pernah dilakukan 1. Aplikasi Metode Mamdani Dalam Penentuan Status Gizi Dengan Indeks Masa Tubuh (IMT) Menggunakan Logika Fuzzy (Wulandari, 2011) Dalam penentuan status gizi dengan IMT yang menggunakan logika fuzzy, digunakan tiga variabel fuzzy yaitu variabel berat dan tinggi badan sebagai variabel input, serta variabel nilai gizi sebagai variabel output. Dengan metode Mamdani digunakan empat langkah untuk mendapatkan output. Langkah pertama yaitu menentukan himpunan fuzzy dari masing masing variabel input dan output. Langkah yang kedua yaitu aplikasi fungsi implikasi dengan fungsi MIN. Langkah yang ketiga yaitu komposisi aturan dengan fungsi MAX. Langkah yang keempat yaitu mengubah output dari bilangan fuzzy ke bilangan tegas atau defuzzyfikasi, metode defuzzyfikasi yang digunakan adalah metode centroid. Nilai gizi yang diperoleh kemudian disesuaikan dengan interval keanggotaan himpunan fuzzy pada variabel nilai gizi sehingga didapatkan status gizi. Penelitian ini digunakan untuk menentukan status gizi pada remaja dan dewasa. 11
BAB II. KAJIAN PUSTAKA. A. Sistem Pendukung Keputusan/ Decision Support System (DSS)
BAB II. KAJIAN PUSTAKA A. Sistem Pendukung Keputusan/ Decision Support System (DSS) DSS adalah sistem pendukung berbasis komputer bagi para pengambil keputusan manajemen yang menangani masalah-masalah
Lebih terperincikapabilitas komputer untuk meningkatkan kualitas keputusan.
BAB II KAJIAN PUSTAKA A. Konsep Sistem Penjurusan Sistem Penjurusan merupakan proses penyeleksian peserta didik dalam menentukan jurusan. Proses penjurusan ini peserta didik diberi kesempatan memilih jurusan
Lebih terperinciDECISION SUPPORT SYSTEMS
DECISION SUPPORT SYSTEMS Definisi Little,J.D.C (dalam Models and Managers:The Concept of a Decision Calculus,1970) : DSS sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna
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 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 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 terperinciSistem Pendukung Keputusan Untuk Menentukan Status Gizi Balita Menggunakan Metode Fuzzy Inferensi Sugeno (Berdasarkan Metode Antropometri)
Sistem Pendukung Keputusan Untuk Menentukan Status Gizi Balita Menggunakan Metode Fuzzy Inferensi Sugeno (Berdasarkan Metode Antropometri) Alfian Romadhon 1, Agus Sidiq Purnomo 2 1 Program Studi Sistem
Lebih terperinciOptimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto
Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Sistem Informasi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kecerdasan Buatan Kecerdasan buatan merupakan salah satu inovasi yang terdapat dalam bidang ilmu pengetahuan. Kecerdasan buatan telah dimulai sejak komputer modern pertama kali
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. berbagai alternatif untuk mencapai suatu tujuan atau beberapa tujuan. untuk membangun rencana kedepan. (Turban dkk.
5 BAB II TINJAUAN PUSTAKA 2.1 Sistem Pendukung Keputusan (SPK) 2.1.1 Pengertian Pengambilan Keputusan Pengambilan keputusan adalah sebuah proses memilih tindakan diantara berbagai alternatif untuk mencapai
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 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 II KAJIAN PUSTAKA. A. Sistem Pendukung Keputusan/Decision Support System (DSS) Sistem Pendukung Keputusan/Decision Support System (DSS)
BAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan/Decision Support System (DSS) Sistem Pendukung Keputusan/Decision Support System (DSS) merupakan sistem informasi interaktif yang menyediakan informasi,
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 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 terperinciMatematika 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 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 terperinciREVIEW 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 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 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 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1. Latar Belakang Berdasarkan ideologi bangsa Pancasila dan UUD 1945 maka setiap rakyat indonesia sangat mengidamkan negara yang sejahtera. Hal ini dikarenakan, negara yang sejahtera
Lebih terperinciAPLIKASI METODE MAMDANI DALAM PENENTUAN STATUS GIZI DENGAN INDEKS MASSA TUBUH (IMT) MENGGUNAKAN LOGIKA FUZZY SKRIPSI
APLIKASI METODE MAMDANI DALAM PENENTUAN STATUS GIZI DENGAN INDEKS MASSA TUBUH (IMT) MENGGUNAKAN LOGIKA FUZZY SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
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 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 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 KAJIAN PUSTAKA. diidentifikasi atau untuk melayani suatu tujuan. masalah-masalah tidak terstruktur (Turban,dkk., 2005).
BAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Sistem adalah kumpulan objek seperti orang, sumber daya, konsep, dan prosedur yang dimaksudkan untuk melakukan suatu fungsi yang dapat diidentifikasi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Sistem Pendukung Keputusan 1. Pengertian Sistem Pendukung Keputusan Menurut Alter (dalam Kusrini, 2007), Sistem pendukung keputusan merupakan sistem informasi interaktif yang
Lebih terperinciPraktikum sistem Pakar Fuzzy Expert System
Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan
Lebih terperinciKristanto Wijaya Program Studi Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura
1 RANCANG BANGUN SISTEM INFORMASI SIMPAN PINJAM PADA CREDIT UNION KOPERASI SIMPAN PINJAM BAHTERA DENGAN FITUR NILAI REKOMENDASI PEMBERIAN PINJAMAN BERBASIS FUZZY Kristanto Wijaya Program Studi Teknik Informatika
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Sistem Pendukung Keputusan 1. Definisi Sistem Pendukung Keputusan Pada dasarnya pengambilan keputusan adalah suatu pendekatan sistematis suatu masalah dengan pengumpulan fakta,
Lebih terperinciSistem Pendukung Keputusan Penentuan Warga Penerima Jamkesmas Dengan Metode Fuzzy Tsukamoto
Sistem Pendukung Keputusan Penentuan Warga Penerima Jamkesmas Dengan Metode Fuzzy Tsukamoto Miftahus Sholihin, Nurul Fuad, Nurul Khamiliyah *) Program Studi Teknik Informatika Universitas Islam Lamongan
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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Era persaingan yang semakin ketat pada saat sekarang ini telah menyebabkan perusahaan-perusahaan yang bergerak di bidang industri khususnya dalam bidang industri makanan
Lebih terperinciBAB II DASAR TEORI 2.1. Logika Fuzzy Defenisi Logika Fuzzy Himpunan Fuzzy
BAB II DASAR TEORI 2.1. Logika Fuzzy 2.1.1. Defenisi Logika Fuzzy Dalam bahasa inggris, fuzzy mempunyai arti kabur atau tidak jelas. Jadi, logika fuzzy adalah logika kabur, fuzzy atau mengandung unsur
Lebih terperinciBAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)
BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian
Lebih terperinciBAB 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 terperinciBAB II. KAJIAN PUSTAKA. A. Sistem Pendukung Keputusan/ Decision Support System (DSS) Tujuan dari DSS adalah (Turban, dkk., 2005):
BAB II. KAJIAN PUSTAKA A. Sistem Pendukung Keputusan/ Decision Support System (DSS) DSS adalah sistem pendukung berbasis komputer bagi para pengambil keputusan manajemen yang menangani masalah-masalah
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciBAB 2 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 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 terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (17) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-1916 (Online) Artikel Perancangan Aplikasi Penentu Jurusan IPA atau IPS Pada SMA Menggunakan
Lebih terperinciBAB 2 LANDASAN TEORI Sistem Pendukung Keputusan Pengertian Sistem Pendukung Keputusan
BAB 2 LANDASAN TEORI 2.1. Sistem Pendukung Keputusan 2.1.1. Pengertian Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK), secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan
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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN SUPPLIER BAHAN BAKU KATERING CV. RIYANISA SEKARSARI MANDIRI MENGGUNAKAN METODE FUZZY TSUKAMOTO
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN SUPPLIER BAHAN BAKU KATERING CV. RIYANISA SEKARSARI MANDIRI MENGGUNAKAN METODE FUZZY TSUKAMOTO Yongky Dwi Guritno 1, Indah Fitri Astuti 2, Addy Suyatno 3 1,2,3 Program
Lebih terperinciBAB II KAJIAN PUSTAKA. A. Sistem Pendukung Keputusan/ Decision Support System (DSS) Tujuan dari DSS adalah (Turban, dkk., 2005):
BAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan/ Decision Support System (DSS) DSS adalah sistem pendukung berbasis komputer bagi para pengambil keputusan manajemen yang menangani masalah-masalah tidak
Lebih terperinciMODEL PENENTUAN STATUS GIZI BALITA DI PUSKESMAS
MODEL PENENTUAN STATUS GIZI BALITA DI PUSKESMAS 1 Nungki Fidiantoro (04018226), 2 Tedy Setiadi (0407016801) 1,2 Program Studi Teknik Informatika Universitas Ahmad Dahlan Prof. Dr. Soepomo, S.H., Janturan,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 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 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 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 III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Dalam penelitian diagnosa penyakit asma dengan menggunakan metode fuzzy Tsukamoto, dibutuhkan data mengenai gejala penyakit dari seorang pakar atau
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 TINJAUAN PUSTAKA
7 BAB 2 TINJAUAN PUSTAKA 2.1 Sistem Pendukung Keputusan Pengertian sistem pendukung keputusan adalah sistem penghasil informasi spesifik yang ditujukan untuk memecahkan suatu masalah tertentu yang harus
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA UNTUK SISWA KURANG MAMPU DI SMK MUHAMMADIYAH 1 KEPANJEN MENGGUNAKAN METODE FUZZY TSUKAMOTO
Jurnal SPIRIT Vol. 9 No. 2 Nopember 27, hal 48-56 ISSN : 285-392 SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA UNTUK SISWA KURANG MAMPU DI SMK MUHAMMADIYAH KEPANJEN MENGGUNAKAN METODE FUZZY TSUKAMOTO Fadhli
Lebih terperinci1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu aplikasi sistem cerdas yang paling sukses dan masih berkembang saat ini yaitu peramalan beban listrik. Peramalan beban listrik adalah suatu ilmu
Lebih terperinciJurnal Informatika SIMANTIK Vol.1, No.1 September Ali Mulyanto 1, Abdul Haris 2, Manajemen Informatika 1, Teknik Informatika 2.
Penerapan Metode Fuzzy Tsukamoto Untuk Menentukan Jumlah Jam Overtime Pada Produksi Barang di PT Asahi Best Base Indonesia (ABBI) Bekasi Ali Mulyanto 1, Abdul Haris 2, Manajemen Informatika 1, Teknik Informatika
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 terperinciIMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC
IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC Riky Amelia (1111981) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciBAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Decision support system atau sistem penunjang keputusan disingkat menjadi DSS, secara umum
BAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Decision support system atau sistem penunjang keputusan disingkat menjadi DSS, secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY Ainul Yaqin 1), Ema Utami 2), Emha Taufiq Luthfi 3) 1,2,3 Magister Teknik informatika STMIK AMIKOM Yogyakarta 1,2,3 Jl Ring
Lebih terperincipamahaman terhadap dan menguji solusi yang layak.
BAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambilan keputusan
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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENANGANAN KESEHATAN BALITA MENGGUNAKAN PENALARAN FUZZY MAMDANI
SISTEM PENDUKUNG KEPUTUSAN PENANGANAN KESEHATAN BALITA MENGGUNAKAN PENALARAN FUZZY MAMDANI Ika Kurnianti Ayuningtiyas 1, Fajar Saptono 2, Taufiq Hidayat 3 Laboratorium Pemrograman dan Informatika Teori
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 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 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 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 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 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 terperinciModel Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto
Model Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto Zaenal Abidin Program studi Sistem Informasi STMIK Teknokrat Bandar Lampung, Indonesia
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 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 terperinciBAB 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 terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH PRODUKSI DENGAN METODE FUZZY TSUKAMOTO DI PT KSTEX BANDUNG. Fikri Nur Fathan
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH PRODUKSI DENGAN METODE FUZZY TSUKAMOTO DI PT KSTEX BANDUNG Fikri Nur Fathan Teknik Informatika - Universitas Komputer Indonesia Jl. Dipatiukur 112-114
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga
Lebih 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 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 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 FUZZY INFERENCE SYSTEM (FIS) METODE SUGENO DALAM MENENTUKAN KEBUTUHAN ENERGI DAN PROTEIN PADA BALITA
APLIKASI FUZZY INFERENCE SYSTEM (FIS) METODE SUGENO DALAM MENENTUKAN KEBUTUHAN ENERGI DAN PROTEIN PADA BALITA Rosida Wachdani, Zainal Abidin, M. Ainul Yaqin Program Studi Teknik Informatika, Fakultas Sains
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I)
ISSN : 2338-18 SISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I) Waluyo (waluyo08@gmail.com) Didik Nugroho (didikhoho@gmail.com) Kustanto
Lebih terperinciOleh: ABDUL AZIS JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013
Oleh: ABDUL AZIS 1209 100 073 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013 Sektor pertanian merupakan salah satu penopang perekonomian
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 terperinciJURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO
JURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO Oleh: Reza Hadi Subiantoro 12.1.03.02.0224 Dibimbing oleh : 1. Fatkur Rhohman,
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 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 terperinciPENGGUNAAN 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 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 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 terperinciBAB 2 LANDASAN TEORI 2.1 Pengertian Prediksi
6 BAB 2 LANDASAN TEORI 2.1 Pengertian Prediksi Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dosen merupakan tenaga akademik yang bertugas merencanakan dan
BAB II TINJAUAN PUSTAKA 2.1 Pemilihan Dosen Berprestasi Dosen merupakan tenaga akademik yang bertugas merencanakan dan melaksanakan proses pembelajaran, menilai hasil pembelajaran, melakukan pembimbingan
Lebih terperinciSeminar Tugas Akhir. Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web
Seminar Tugas Akhir Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web Oleh: Harmuda Pandiangan 1209 100 089 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciKLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG)
KLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG) Fasrul Rahman Ansori Teknik Informatika, Ilmu Kompputer, Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI BARANG DENGAN METODE FUZZY TSUKAMOTO BERBASIS ANDROID
TINF - 47 p- ISSN : 247 46 e-issn : 246 46 SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI BARANG DENGAN METODE FUZZY TSUKAMOTO BERBASIS ANDROID Popy Meilina *, Nurvelly Rosanti, Nuraeni Astryani
Lebih terperinci