PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
|
|
- Hartanti Setiabudi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( ) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisimangaraja No.338 Simpang Limun Medan // andrian.pentagon@gmail.com ABSTRAK Produksi merupakan salah satu kegiatan yang dilakukan dalam sebuah perusahaan khususnya PT. Amal Tani Perkebunan Tanjung Putri Bahorok yang bergerak dalam bidang pengolahan minyak kelapa sawit. Oleh karena itu, pengembangan sistem ini bertujuan untuk membuat aplikasi yang menerapkan metode fuzzy tsukamoto untuk memprediksi hasil produksi minyak kelapa sawit berdasarkan data persediaan dan data permintaan. Aplikasi ini dibuat berbasis desktop menggunakan bahasa pemrograman Microsoft Visual Studio.NET 2008 dan Database Microsoft Access Dalam aplikasi prediksi ini terdapat tiga variabel yang dimodelkan, yaitu: Permintaan, Persediaan dan Produksi. Variabel permintaan terdiri dari tiga himpunan fuzzy, yaitu : NAIK, TETAP dan TURUN, Variabel persediaan terdiri dari tiga himpunan fuzzy, yaitu : SEDIKIT, SEDANG dan BANYAK sedangkan variabel produksi terdiri dari tiga himpunan fuzzy, yaitu : BERKURANG, TETAP dan BERTAMBAH dengan mengkombinasikan semua himpunan fuzzy tersebut, diperoleh sembilan aturan fuzzy, yang selanjutnya digunakan dalam tahap inferensi. Pada tahap inferensi dicari nilai keanggotaan anteseden (α) dan nilai perkiraan jumlah produksi (z) dari setiap aturan. Jumlah prediksi hasil produksi minyak kelapa sawit yang akan diproduksi (Z) dicari dengan metode rata-rata terpusat (Defuzzifikasi). Dengan menggunakan aplikasi prediksi hasil produksi minyak kelapa sawit ini pihak perusahaan dapat melakukan prediksi lebih cepat dari perhitungan manual. Sehingga diharapkan dapat memberikan kemudahan bagi pihak perusahaan untuk memprediksi jumlah produksi minyak kelapa sawit berdasarkan data permintaan dan data persediaan. Kata Kunci : Sistem Inferensi Fuzzy, Produksi, Permintaan, Persediaan, Metode Fuzzy Tsukamoto. 1. Pendahuluan 1.1 Latar Belakang Masalah Pengolahan buah Kelapa Sawit di awali dengan proses pemanenan buah kelapa sawit. Untuk memperoleh hasil produksi (CPO) dengan kualitas yang baik serta dengan Rendemen minyak yang tinggi, Pemanenan dilakukan berdasarkan Kriteria Panen (tandan matang panen) yaitu dapat dilihat dari jumlah berondolan yang telah jatuh ditanah sedikitnya ada 5 buah yang lepas / jatuh (brondolan) dari tandan yang beratnya kurang dari 10 kg atau sedikitnya ada 10 buah yang lepas dari tandan. Hasil produksi kelapa sawit dalam waktu yang tepat dan dalam jumlah yang tepat merupakan sesuatu yang diinginkan perusahaan perkebunan sawit, begitu pula bagi perusahaan PT. Amal Tani Perkebunan Tanjung Putri Bahorok. Namun dalam menentukan jumlah hasil produksi kelapa sawit diwaktu yang akan datang tidaklah mudah. Banyaknya faktor yang terlibat dalam perhitungan menjadi kendala dalam mengambil kebijakan untuk dapat menentukan jumlah hasil produksi kelapa sawit. Faktor-faktor tersebut adalah produksi maksimum, produksi minimum, permintaan saat ini, dan persediaan saat ini. Metode yang akan digunakan dalam penghitungan untuk menentukan jumlah hasil produksi kelapa sawit adalah Metode Tsukamoto dimana setiap aturan direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Untuk menentukan nilai output hasil (crisp) yang 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 defuzzifikasi rata rata terpusat (Center Average Defuzzyfier). 1.2 Rumusan Masalah Berdasarkan hal-hal yang telah diuraikan dalam latar belakang masalah, dan agar sesuai dengan pembahasan, maka penulis mengidentifikasi beberapa permasalahan yang ada yaitu : 1. Bagaimana menerapkan metode fuzzy tsukamoto untuk memprediksi hasil produksi minyak kelapa sawit berdasarkan data persediaan dan jumlah permintaan? 2. Bagaimana merancang aplikasi prediksi hasil produksi minyak kelapa sawit? 130
2 1.3 Batasan Masalah Agar permasalahan tidak menyimpang dari tujuan, maka peneliti membatasi masalah sebagai berikut: 1. Hasil produksi yang dibahas dalam penelitian ini hanya membahas hasil produksi minyak kelapa sawit Crude Palm Oil (CPO). 2. Data-data yang digunakan untuk mengetahui hasil prediksi hanyalah data-data sebagai berikut : permintaan maksimum, permintaan minimum, persediaan maksimum, persediaan minimum, produksi maksimum, produksi minimum, permintaan saat ini, persediaan saat ini, bulan dan tahun produksi. 3. Bahasa pemrograman yang digunakan untuk merancang aplikasi prediksi hasil produksi kelapa sawit adalah Microsoft Visual Basic.Net 2008 dan databasenya menggunakan Microsoft Access Data yang digunakan untuk perhitungan dalam memprediksi hasil produksi minyak kelapa sawit adalah data hasil produksi minyak kelapa sawit per bulan tahun Tujuan dan Manfaat Penelitian Tujuan dari penelitian adalah sebagai berikut : 1. Menerapkan metode fuzzy Tsukamoto untuk memprediksi hasil produksi minyak kelapa sawit berdasarkan data persediaan dan jumlah permintaan. 2. Merancang aplikasi prediksi hasil produksi minyak kelapa sawit. Adapun Manfaat dari penelitian adalah sebagai berikut : 1. Dapat mempermudah dalam menerapkan metode fuzzy tsukamoto untuk memprediksi hasil produksi minyak kelapa sawit berdasarkan data persediaan dan jumlah permintaan. 2. Dapat merancang aplikasi prediksi hasil produksi minyak kelapa sawit. 2. Landasan Teori 2.1 Logika Fuzzy Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membershipfunction menjadi ciri utama dari penalaran dengan logika fuzzy tersebut (Sri Kusumadewi & Hari Purnomo, 2010 : 2). ditulis dengan, memiliki dua kemungkinan (Sri Kusumadewi & Hari Purnomo, 2010 : 3) antara lain : 1. Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau 2. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. 2.3 Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titiktitik input data ke dalam nilai keanggotaanya, (seringjuga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi Penerapan Metode Fuzzy Tsukamoto Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Thenharus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Secara umum terdapat tiga langkah untuk menentukan jumlah produksi berdasarkan data persediaan dan data permintaandengan metode Tsukamoto, yaitu: mendefinisikan variabel, inferensi, dandefuzzifikasi (menentukan output crisp). a. Mendefenisikan Variabel Fuzzy (Fuzzifikasi) Pada tahap ini, nilai keanggotaan himpunan permintaan dan persediaan saat ini dicari menggunakan fungsi keanggotaan himpunan fuzzy dengan memperhatikan data hasil produksi minyak kelapa sawit PT. Amal Tani. Pembentukan aturan fuzzy, dari dua variabel input dan sebuah variabel output yang telah didefenisikan, dengan melakukan analisa data terhadap batas tiap-tiap himpunan fuzzy pada tiap-tiap variabelnya maka terdapat 4 aturan fuzzy yang akan dipakai dalam sistem prediksi ini, dengan susunan aturan IF Permintaan AND Persediaan THEN Produksi, Ada 3 variabel fuzzy yang akan dimodelkan, yaitu: 1. Permintaan, terdiri atas 3 himpunan fuzzy, yaitu: TURUN, TETAP dan NAIK. Pada variabel permintaan TURUN terletak pada angka 0,53 variabell permintaan TETAP terletak pada angka 0,93 sedangkan variabel permintaan NAIK terletak pada angka 0,46 yang diselesaikan dengan rumus dibawah ini terlihat pada gambar Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering 131
3 Fungsi Keanggotaan variabel persediaan : Permintaan ( Ton / Hari ) Gambar 1: Fungsi Keanggotaan Variabel Permintaan yang ada nilainya Fungsi Keanggotaan variabel permintaan : Mencari nilai keanggotaan dengan cara memakai rumus berikut ini : Mencari nilai keanggotaan variabel permintaan : 3. Produksi, terdiri atas 3 himpunan fuzzy, yaitu : BERKURANG, TETAP dan BERTAMBAH. Terlihat pada gambar Persediaan, terdiri atas 3 himpunan fuzzy, yaitu : SEDIKIT, SEDANG dan BANYAK. Pada variabel persediaan SEDIKIT terletak pada angka 0,04 variabel persediaan TETAP terletak pada angka 0,09 sedangkan variabel persediaan NAIK terletak pada angka 0,95 yang diselesaikan dengan rumus dibawah ini terlihat pada gambar 2 Produksi ( Ton / Hari ) Gambar 3: Fungsi Keanggotaan Variabel Produksi Fungsi Keanggotaan variabel produksi : Persediaan ( Ton / Hari ) Gambar 2 : Fungsi Keanggotaan Variabel Persediaan yang ada nilainya 3. Pembahasan PT. Amal Tani Perkebunan Tanjung Putri - Bahorok, adalah suatu perusahaan penghasil minyak kelapa sawit, dari sampel data produksi tahun 2014 yang diketahui perbulannya, permintaan maksimum 5000 ton, permintaan minimum 1000 ton, persediaan 132
4 maksimum 600 ton, persediaan minimum 100 ton, produksi maksimum 4900 ton dan produksi minimum 1000 ton. Diketahui permintaan saat ini pada bulan oktober 2014 yaitu : 2873 ton dan persediaan saat ini yaitu : 577 ton. Berapa ton hasil produksi minyak kelapa sawit yang harus diproduksi PT. Amal Tani pada bulan oktober 2014? Tabel 1 : Data Produksi, Permintaan, dan Persediaan per bulan tahun Permintaan Persediaan Produksi Januari Ton 570 Ton 4440 Ton Februari Ton 600 Ton 3900 Ton Maret Ton 500 Ton 3000 Ton April Ton 350 Ton 4900 Ton Mei Ton 600 Ton 4600 Ton Juni Ton 420 Ton 4300 Ton Juli Ton 320 Ton 1000 Ton Agustus Ton 370 Ton 4200 Ton September Ton 100 Ton 2400 Ton Oktober Ton 577 Ton. Ton? 1. Data Maksimum dan Data Minimum Data Maksimum dan Data Minimum adalah data pendukung untuk melakukan perhitungan dengan metode fuzzy tsukamoto dan untuk mendapatkan hasil prediksi terdapat pada tabel 4.2 dibawah ini : Tabel 2 : Data maksimum dan Data minimum Data Jumlah Satuan Permintaan Maksimum 5000 Ton / Permintaan Minimum 1000 Ton / Persediaan Maksimum 600 Ton / Persediaan Minimum 100 Ton / Produksi Maksimum 4900 Ton / Produksi Minimum 1000 Ton / Permintaan Saat ini 2873 Ton / Persediaan Saat ini 577 Ton / 2 Penerapan Metode Fuzzy Tsukamoto Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Secara umum terdapat tiga langkah untuk menentukan jumlah produksi berdasarkan data persediaan dan data permintaan dengan metode Tsukamoto, yaitu : mendefinisikan variabel, inferensi, dan defuzzifikasi (menentukan output crisp). 3. Mendefenisikan Variabel Fuzzy (Fuzzifikasi) Ada 3 variabel fuzzy yang akan dimodelkan, yaitu : 4. Permintaan, terdiri atas 3 himpunan fuzzy, yaitu : TURUN, TETAP dan NAIK. Pada variabel permintaan TURUN terletak pada angka 0,53 variabell permintaan TETAP terletak pada angka 0,93 sedangkan variabel permintaan NAIK terletak pada angka 0,46 yang diselesaikan dengan rumus dibawah ini terlihat pada gambar 5. Permintaan ( Ton / Hari ) Gambar 5 : Fungsi Keanggotaan Variabel Permintaan yang ada nilainya Fungsi Keanggotaan variabel permintaan : Mencari nilai keanggotaan variabel permintaan : 133
5 Pmt Turun [x] = x max x / x max x min Psd Banyak [y] = y y min / y max y min Pmt Tetap [x] = x x min / x max xt Pmt Naik [x] = x x min / x max x min 6. Produksi, terdiri atas 3 himpunan fuzzy, yaitu : BERKURANG, TETAP dan BERTAMBAH. Terlihat pada gambar Persediaan, terdiri atas 3 himpunan fuzzy, yaitu : SEDIKIT, SEDANG dan BANYAK. Pada variabel persediaan SEDIKIT terletak pada angka 0,04 variabel persediaan TETAP terletak pada angka 0,09 sedangkan variabel persediaan NAIK terletak pada angka 0,95 yang diselesaikan dengan rumus dibawah ini terlihat pada gambar 4.5. Produksi ( Ton / Hari ) Gambar 7 : Fungsi Keanggotaan Variabel Produksi Fungsi Keanggotaan variabel produksi : Persediaan ( Ton / Hari ) Gambar 6 : Fungsi Keanggotaan Variabel Persediaan yang ada nilainya Fungsi Keanggotaan variabel persediaan : 4. Inferensi ( Pembentukan Rule Fuzzy ) Proses selanjutnya adalah proses inferensi yaitu penggabungan banyak aturan berdasarkan data yang tersedia. Dari uraian di atas, telah terbentuk 4 rule sebagai aturan fuzzy, sebagai berikut : [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Minyak BERKURANG. Mencari nilai keanggotaan dengan cara memakai rumus berikut ini : Minyak BERKURANG dalam aturan fuzzy [R1], Psd Sedikit [y] = y max y / y max y min Psd Sedang [y] = y y min / y max y t [R2] IF Permintaan TURUN And Persediaan SEDANG THEN Produksi Minyak BERKURANG. 134
6 Minyak BERKURANG dalam aturan fuzzy [R2], [R7] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Minyak BERTAMBAH. [R3] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi Minyak BERKURANG Minyak BERTAMBAH dalam aturan fuzzy [R7], Minyak BERKURANG dalam aturan fuzzy [R3], [R8] IF Permintaan NAIK And Persediaan SEDANG THEN Produksi Minyak BERTAMBAH. [R4] IF Permintaan TETAP And Persediaan BANYAK THEN Produksi Minyak BERKURANG Minyak BERTAMBAH dalam aturan fuzzy [R8], Minyak BERKURANG dalam aturan fuzzy [R4], [R9] IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi Minyak BERTAMBAH. [R5] IF Permintaaan TETAP And Persediaan SEDANG THEN Produksi Minyak TETAP. Minyak BERTAMBAH dalam aturan fuzzy [R9], Karena produksi barang TETAP, maka menurut Gambar 4.6 langsung tampak bahwa :. [R6] IF Permintaan TETAP And Persediaan SEDIKIT THEN Produksi Minyak BERTAMBAH Menentukan Output Crisp (Defuzzifikasi) Pada metode fuzzy tsukamoto, untuk menentukan output crisp, digunakan defuzifikasi rata-rata terpusat, yaitu : Minyak BERTAMBAH dalam aturan fuzzy [R6], 135
7 Jadi, menurut perhitungan dengan metode tsukamoto diatas, jumlah hasil produksi minyak kelapa sawit yang harus diproduksi perusahaan PT. Amal Tani pada bulan oktober 2014 adalah 2093 Ton. 4. Implementasi Implementasi merupakan suatu tindakan atau pelaksanaan dari sebuah rencana yang sudah disusun secara matang dan terperinci. Dalam implementasi aplikasi prediksi hasil produksi kelapa sawit ini mencakup spesifikasi kebutuhan hardware dan software serta tampilan program. a. Tampilan Form Login Berikut ini merupakan tampilan dari form Login, dimana pada username terdapat 2 pilihan combobox yaitu admin dan user. Gambar 8 : TampilanFormInput Data d. Tampilan Form Rule Fuzzy Berikut ini merupakan tampilan dari form rule fuzzy, dapat dilihat pada gambar dibawah ini : Gambar 9 : TampilanFormRule Fuzzy e. Tampilan Form Proses Prediksi Hasil Produksi Berikut ini merupakan tampilan dari form proses prediksi hasil produksi, dapat dilihat pada gambar dibawah ini : Gambar 6 : TampilanForm Login b. Tampilan Form Menu Utama Berikut ini merupakan tampilan dari form menu utama, apabila username yang masuk sebagai admin maka menu edit ditampilkan, tetapi apabila username yang masuk sebagai user maka menu edit tidak ditampilkan. Gambar 10 : TampilanForm Proses Prediksi f. Tampilan Form Tentang Penulis Berikut ini merupakan tampilan dari form tentang penulsi, dapat dilihat pada gambar dibawah ini : Gambar 7: TampilanForm Menu Utama c. Tampilan Form Input Data Berikut ini merupakan tampilan dari form input data, dapat dilihat pada gambar dibawah ini : Gambar 9 :Form Sub Menu Tentang Penulis 136
8 5. KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan hasil penelitian maka dapat diambil kesimpulan antara lain: 1. Metode fuzzy tsukamoto diterapkan dalam aplikasi prediksi untuk menghitung serta memberikan hasil akhir atau prediksi sehingga dapat menentukan berapa jumlah hasil produksi yang harus diproduksi oleh perusahaan, apakah produksinya Berkurang, Tetap atau Bertambah. Pada penghitungan metode fuzzy tsukamoto, setiap konsekuen pada aturan yang berbentuk IF- Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. 2. Aplikasi prediksi hasil produksi minyak kelapa sawit ini dirancang dengan sistem komputerisasi menggunakan program visual studio.net 2008 serta database menggunakan Microsoft Acces diakses 17 juni /MateriSuplemenUml.pdf, diakses 17 juni Adi Nugroho, Rekayasa Perangkat Lunak Menggunakan UML Dan Java, 12. Rahmat Priyanto, Langsung Bisa Visual Basic.Net 2008, ANDI, Bandung, diakses 17 juni Saran Berdasarkan hasil penelitian maka dapat diambil kesimpulan antara lain: 1. Diharapkan adanya peneliti lain yang mengembangkan aplikasi prediksi hasil produksi minyak kelapa sawit ini dengan metode-metode yang lain. 2. Pengguna sistem diharapkan dapat menjalankan aplikasi prediksi hasil produksi minyak kelapa sawit ini secara maksimal sehingga tidak terjadi kesalahan dalam proses menentukan hasil produksi. DAFTAR PUSTAKA 1. Sri Kusumadewi dan Hari Purnomo, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta, Edisi 2, Sri Kusumadewi dan Sri Hartati, Neuro-Fuzzy Integrasi Sistem Fuzzy & Jaringan Syaraf, Graha Ilmu, Yogyakarta, Edisi 2, Kusrini, M.Kom, Konsep Dan Aplikasi Sistem Pendukung Keputusan, Andi, Yogyakarta, diakses 17 juni Jogiyanto Hartono, MBA, Akt., Ph.D, Analisis dan Desain Sistem Informasi, Edisi III, ANDI, Yogyakarta, http//repository.usu.ac.id/bitstream/ /39 177/4/Chapter%2011.pdf, diakses 17 juni diakses 17 juni _info2348.html, diakses 17 juni
Penerapan 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 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 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 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 terperinciPERANCANGAN SISTEM PERENCANAAN JUMLAH PRODUKSI ROTI MENGGUNAKAN METODE FUZZY MAMDANI
PERANCANGAN SISTEM PERENCANAAN JUMLAH PRODUKSI ROTI MENGGUNAKAN METODE FUZZY MAMDANI Murni Marbun 1, Hengki Tamando Sihotang 2, Normi Verawati Marbun 3 2 Teknik Informatika STMIK Pelita Nusantara Medan,
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 terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciBAB 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 terperinciJURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI
JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI PRICING SYSTEM USING DIGITAL PHOTO PRINTING ON FUZZY TSUKAMOTO ALIEF COMPUTER KEDIRI Oleh:
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih terperinciJURNAL 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 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 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 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 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 terperinciMuhammad Yudin Ritonga ( )
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PRODUKSI MAKANAN MENGGUNAKAN LOGIKA FUZZY DENGAN METODE TSUKAMOTO (STUDI KASUS : PT. INDOFOOD CBP SUKSES MAKMUR MEDAN) Muhammad Yudin Ritonga (0911555) Mahasiswa Program
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 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 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 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 terperinciProgram Studi Teknik Informatika STMIK GI MDP
PENERAPAN ETODE FUZZY ADANI UNTUK EPREDIKSI JULAH PRODUKSI INYAK SAWIT BERDASARKAN DATA PERSEDIAAN DAN JULAH PERINTAAN (STUDI KASUS PT PERKEBUNAN ITRA OGAN BATURAJA) Dwi artha Sukandy), Agung Triongko
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 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 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 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 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 terperinciMetode Fuzzy Tsukamoto Dalam Aplikasi Sistem Estimasi Stok Barang
Metode Fuzzy Tsukamoto Dalam Aplikasi Sistem Estimasi Stok Barang Rina Firliana 1), Jatmiko 2) Ervin Kusuma Dewi 3), Aidina Ristyawan 4) 1)3)4) Program Studi Sistem Informasi, Fakultas Teknik, Universitas
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 terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
Lebih terperinciPengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng
Pengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng Sunanto Jurusan Teknik Informatika, STMIK Amik Riau, Pekanbaru,Riau sunanto@stmik-amik-riau.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih 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 terperinciPerancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani
Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika
Lebih 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 terperinciMetode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia
Metode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia Irmalia Suryani Faradisa dan Putri Sari Jurusan Teknik Elektro, Institut Teknologi Nasional Malang E-mail: faradyza@gmail.com Abstrak Gejala
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 terperinciSISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT PEGAWAI DI KANTOR KEMENTRIAN AGAMA KABUPATEN KEDIRI DENGAN FUZZY TSUKAMOTO
Artikel Skripsi SISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT PEGAWAI DI KANTOR KEMENTRIAN AGAMA KABUPATEN KEDIRI DENGAN FUZZY TSUKAMOTO SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh
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 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 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 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 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 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 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 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 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 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 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 terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih 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 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 terperinciIMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT
IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT Maya Yusida 1, Dwi Kartini 2, Andi Farmadi 3, Radityo Adi Nugroho 4, Muliadi 5 123Prodi Ilmu Komputer
Lebih terperinciREKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO
REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO Endra Pratama, Titin Sri Martini, Mania Roshwita Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
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 terperinciPendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy
Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy Asrianda 1 Teknik Informatika Kampus Bukit Indah Lhokseumawe email : asrianda@unimal.ac.id ABSTRAK Bertambahnya permintaan
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 terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
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 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 terperinciMENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO
MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com
Lebih terperinciMengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti
Lebih 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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI A. Kelapa Sawit Kelapa sawit adalah tumbuhan industri/ perkebunan yang berguna sebagai penghasil minyak masak, minyak industri, maupun bahan bakar. Pohon Kelapa Sawit terdiri dari
Lebih terperinciBAB 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 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 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 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 terperinciSistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani
Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani Eddy Triswanto S., ST., M.Kom. Jurusan Sistem Informasi Institut Informatika Indonesia Jl. Raya Sukomanunggal Jaya 3, Surabaya
Lebih terperinciAPLIKASI LOGIKA FUZZY DALAM OPTIMISASI STOK BAHAN MENGGUNAKAN METODE TSUKAMOTO
APLIKASI LOGIKA FUZZY DALAM OPTIMISASI STOK BAHAN MENGGUNAKAN METODE TSUKAMOTO M. Arizal 1*, Nataniel Dengen 2, Islamiyah 3 Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih 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 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 terperinciDAFTAR ISI ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN
DAFTAR ISI ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... iv DAFTAR GAMBAR...x DAFTAR TABEL... xiii BAB I PENDAHULUAN 1.1 Latar Belakang Masalah...1 1.2 Identifikasi Masalah...3 1.3 Maksud
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciBAB 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 III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan
BAB III ANALISA DAN PERANCANGAN SISTEM III. Analisis Masalah Sistem yang dibuat pada studi kasus pemilihan spesifikasi komputer ini, ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciIMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS
IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,
Lebih terperinciModel Potensi Penyebaran Penyakit Demam Berdarah Dengue di Kabupaten Jember Menggunakan Metode Fuzzy
Model Potensi Penyebaran Penyakit Demam Berdarah Dengue di Kabupaten Jember Menggunakan Metode Fuzzy Dia Bitari Mei Yuana Jurusan Teknologi Informasi Politeknik Negeri Jember, Jl. Mastrip PO Box 164, Jember,
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih 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 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 terperinciAnalisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang
Analisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang Nurul Khairina Politeknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal nurulkhairina27@gmail.com Abstrak
Lebih terperinciBAB 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 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 terperinciIMPLEMENTASI FUZZY DENGAN INFERENSI MAMDANI UNTUK PREDIKSI PENJUALAN KARTU PERDANA PADA PT. TELESINDO SHOP
IMPLEMENTASI FUZZY DENGAN INFERENSI MAMDANI UNTUK PREDIKSI PENJUALAN KARTU PERDANA PADA PT. TELESINDO SHOP Muthia Khanza (12110554) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
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 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 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 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 PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA)
Jurnal Informatika Mulawarman Vol. 10 No. 1 Februari 2015 32 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA) Hanis
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 terperinciOPTIMALISASI JUMLAH PRODUKSI BARANG PADA PERUSAHAAN XYZ MENGGUNAKAN LOGIKA FUZZY
OPTIMALISASI JUMLAH PRODUKSI BARANG PADA PERUSAHAAN XYZ MENGGUNAKAN LOGIKA FUZZY Erna Daniati ), Moch. Mashuri ) 1), 2) Sistem Informasi UNIVERSITAS NUSANTARA PGRI Kediri Jl. KH. Achmad Dahlan No. 76,
Lebih terperinciPENENTUAN KUALITAS CABE MERAH VARIETAS HOT BEAUTY DENGAN FUZZY INFERENCE SYSTEM TSUKAMOTO
PENENTUAN KUALITAS CABE MERAH VARIETAS HOT BEAUTY DENGAN FUZZY INFERENCE SYSTEM TSUKAMOTO oleh TAUFIQ HANIF TRI SUSELO M0107017 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciFUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII)
FUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII) Arkham Zahri Rakhman 1, Helmanatun Nisa Wulandari 2, Geralvin Maheswara
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 terperinciPREDIKSI HARGA SAHAM BERBASIS WEB DENGAN SISTEM INFERENSI FUZI TSUKAMOTO
PREDIKSI HARGA SAHAM BERBASIS WEB DENGAN SISTEM INFERENSI FUZI TSUKAMOTO Muchlas, Tole Sutikno Program Studi Teknik Elektro, Fakultas Teknologi Industri, Universitas Ahmad Dahlan Kampus III UAD, Jl. Prof
Lebih terperinciBAB II. KAJIAN PUSTAKA. Menurut Gorry dan Scott (1970) dalam Turban (2005) Sistem Pendukung
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
Lebih terperinciAPLIKASI PERAMALAN HARGA JUAL RUMAH LELANG EX-KPR BTN MENGGUNAKAN FUZZY TSUKAMOTO
APLIKASI PERAMALAN HARGA JUAL RUMAH LELANG EX-KPR BTN MENGGUNAKAN FUZZY TSUKAMOTO Agung Triayudi 1 Muhamad Kosasih 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi Universitas Serang Raya
Lebih terperinci