LOGIKA FUZZY 3/18/2017 OVERVIEW SEJARAH LOGIKA FUZZY WHAT IS FUZZY LOGIC? LOGIKA BOLEAN PERMASALAHAN DUNIA NYATA
|
|
- Susanto Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 OVERVIEW Pengertian Logika Fuzzy LOGIKA FUZZY SHINTA P. SARI Sejarah Logika Fuzzy Teori Logika Fuzzy Aplikasi Logika Fuzzy PRODI. INFORMATIKA FASILKOM UIGM 2017 WHAT IS FUZZY LOGIC? Pengertian Fuzzy not clear, distinct, or precise; lurred (English) kaur, samar, tidak pasti, tidak jelas Definisi Logika Fuzzy Suatu entuk representasi pengetahuan untuk mendefinisikan sesuatu yang tidak dapat dinyatakan secara jelas/ pasti/enar, tapi tergantung pada konteks. SEJARAH LOGIKA FUZZY Lotfi Asker Zadeh ( 1965 ), seorang profesor University of California di Berkeley,USA First to pulish ideas of fuzzy logic. Professor Toshire Terano ( 1972 ) Organized the world's first working group on fuzzy systems. F.L. Smidth & Co. ( 1980 ) First to market fuzzy expert systems. LOGIKA BOLEAN Slow Fast Speed = 0 Speed = 1 ool speed; get speed; if ( speed == 0) // speed is slow else // speed is fast PERMASALAHAN DUNIA NYATA Banyak masalah yang erisi ketidakpastian dan sulit diterjemahkan ke dalam suatu rumus untuk diukur secara kuantitatif Misal : Ukuran Panas atau dingin, Susah atau mudah, Banyak atau sedikit 1
2 FUNGSI KEANGGOTAAN Fungsi Keanggotaan: Fungsi Linier Fungsi Keanggotaan adalah seuah representasi grafis dari esarnya partisipasi masing-masing input Seuah himpunan fuzzy dari semesta U dikelompokkan oleh fungsi keanggotaan μ A (x) yang erada pada nilai antara [0, 1] (Wang, 1997). Fungsi keanggotaan dari himpunan klasik hanya memiliki 2 nilai yaitu 0 dan 1, sedangkan fungsi keanggotaan himpunan fuzzy merupakan fungsi kontinu dengan rentang nilai [0, 1]. Domain Linier Naik [x]= 0; x a [x]= 0; x a (x-a)/(-a); a x (x-a)/(-a); a x 1; x 1; x Domain Linier Turun [x]= (-x)/(-a); a x [x]= (-x)/(-a); a x 0; x 0; x 8 Fungsi Keanggotaan: Segitiga Fungsi Keanggotaan: Trapesium 0 a Segitiga c 0 a Trapesium c d [x] = 0; x a atau x c (x-a)/(-a); [x] = a 0; x x a atau x c (c-x)/(c-); (x-a)/(-a); x c a x (c-x)/(c-); x c [x]= 0; x a atau x d [x]= 0; x a atau x d (x-a)/(-a); a x (x-a)/(-a); a x 1; x c 1; x c (d-x)/(d-c); c x d (d-x)/(d-c); c x d 9 10 Fungsi Keanggotaan: Sigmoid c Sigmoid [x;a,,c] sigmoid = 0; x a [x;a,,c] sigmoid = 0; x a 2 ((x - a)/(c - a)) 2 ; a x 2 ((x - a)/(c - a)) 2 ; a x 1-2((c - x)/(c - a)) 2 ; x c 1-2((c - x)/(c - a)) 2 ; x c 1; x c 1; x c VARIABEL LINGUISTIK Berisi ahasa alami yang merepresentasikan masalah dunia nyata. Bahasa alami sulit dinyatakan secara pasti dalam nilai tau 1 contoh : Rasa : Pahit atau manis Tempratur : Panass atau Dingin 11 2
3 REPRESENTASI LOGIKA FUZZY FUZZY LOGIC REPRESENTATION Permasalahan direpresentasikan dalam himpunan fuzzy dengan nilai derajat keanggotaan [0 s.d 1] Lamat [ ] Lamat [ ] Cepat [ ] Cepat [ ] Slowest Slow Fast float speed; get speed if ((speed >= 0.0)&&(speed < 0.25)) // speed is slowest else if ((speed >= 0.25)&&(speed < 0.5)) // speed is slow else if ((speed >= 0.5)&&(speed < 0.75)) // speed is fast else // speed >= 0.75 && speed < // speed is fastest Fastest CONTOH : Usia Tua dalam menentukan fungsi keanggotaan, dierikan himpunan semesta U adalah umur manusia antara [0, 100] Seseorang dikatakan tua jika dia erumur leih dari 50 tahun. Sedangkan orang yang erumur 30 tahun atau kurang, dianggap tidak tua 0, x 30 x 30 f ( x), 30 x , x 50 Berapa dejarad ketuaan orang yang erumur : tahun tahun tahun tahun Fuzzyfication : Menguah nilai real menjadi fungsi keanggotaan Fuzzy FUZZY LOGIC IN CONTROL SYSTEMS Logika Fuzzy memerikan cara yang leih efisien dan anyak cara untuk memecahkan Sistem Pengendalian. pendek Pendek Sedang Tinggi tinggi Mudah dimengerti Pemodelan matematik sederhana Toleransi data-data yang tidak tepat [163]= [0, 0, 0.42, 0.58, 0] atau sedang [163] = 0.42, tinggi [163] = Dapat memodelkan fungsi-fungsi non liner yang kompleks Mengaplikasikan pengalaman tanpa proses pelatihan Didasarkan pada ahasa alami 3
4 Cara Kerja Kontrol Logika Fuzzy Fuzzification Fuzzification: suatu proses penguahan nilai tegas/real ke dalam fungsi keanggotaan fuzzy Rule Based: suatu entuk aturan relasi/implikasi ifthen. Contoh if X=A dan Y=B then Z=C Inference Engine: proses implikasi dalam menalar nilai masukan untuk menentukan nilai keluaran seagai entuk pengamil keputusan. Defuzzification: proses pemetaan dari himpunan fuzzy ke himpunan tegas suatu proses penguahan nilai tegas/real ke dalam fungsi keanggotaan fuzzy Rule Based Inference Engine T I N G G I kurus B E R A T Kurus Biasa Berat Dalam entuk if-then, contoh: If sangat pendek dan sangat kurus then sangat sehat erat pendek SS S AS TS TS Pendek S SS S AS TS Sedang AS SS SS AS TS Tinggi TS S SS S TS tinggi TS AS SS S AS 21 Salah satu model penalaran yang anyak dipakai adalah penalaran maxmin AND AB [x]= min( A [x], B [x]) Model Fuzzy Sugeno Model Fuzzy Tsukamoto Model Fuzzy Mamdani OR AB [x] = max( A [x], B [x]) 22 Defuzzification proses pemetaan dari himpunan fuzzy ke himpunan tegas BENEFITS OF USING FUZZY LOGIC 23 4
5 FUZZY LOGIC IN OTHER FIELDS Business Hyrid Modeling Expert Systems CONCLUSION Fuzzy logic provides an alternative way to represent linguistic and sujective attriutes of the real world in computing. It is ale to e applied to control systems and other applications in order to improve the efficiency and simplicity of the design process. Reference: 1. Fuzzy Logic, Shane Warren & Brittney Ballard 2. Logika Fuzzy, Kusrini 5
Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:
Logika Fuzzy Teori Dasar Crisp Logic Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Rule: If the temperature is higher than 80F, it is hot; otherwise, it is not
Lebih terperinciLogika Himpunan Fuzzy
Logika Himpunan Fuzzy 1 Fungsi Keanggotaan untuk crisp logic True False 1 0 80F Panas Temperature f temperature >= 25C, Panas (1 atau Benar); f temperature < 25C, tidak Panas (0 atau Salah). Fungsi keanggotaan
Lebih terperinciFuzzy Set Logika Fuzzy Fuzzy System
Fuzzy Set Logika Fuzzy Fuzzy System 1 Crisp Set Crisp set membedakan anggota dan non anggota dengan batasan pasti Misalkan A sebuah crisp set dan x anggota A maka : A [x]=1 Jika y bukan anggota A maka
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 terperinciLogika Fuzzy. Farah Zakiyah Rahmanti 2016
Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciBAB 2 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 terperinciFuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.
Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan
Lebih 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 terperinciMetode Fuzzy. Analisis Keputusan TIP FTP UB
Metode Fuzzy Analisis Keputusan TIP FTP UB Pokok Bahasan Pendahuluan Logika Klasik dan Proposisi Himpunan Fuzzy Logika Fuzzy Operasi Fuzzy Contoh Pendahuluan Penggunaan istilah samar yang bersifat kualitatif
Lebih terperinciCi Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:
Logika Fuzzy 1 Teori Dasar Ci Crisp Logic Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Rule: If the temperature is higher than 80F, it is hot; otherwise, it is
Lebih terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih 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 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 terperinciFuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan
Fuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan Edwin Romelta / 13508052 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
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 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 LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
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 terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga
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 terperinciProf. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence
Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence 12/11/2009 1 Pada hidup sehari-hari, kita terbiasa dengan ucapan kecil, agak panas, sekitar jam 2. Ucapan yang tidak presisi (imprecise
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 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 terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciBAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy
BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,
Lebih 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 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 terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciBAB 2 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 terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih 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 terperinciFuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015
Fuzzy Expert Sistem Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Ketentuan Praktikum Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa
Lebih terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan Amerika
Lebih terperinciBAB 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 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 terperinciDefinisi LOGIKA FUZZY. Himpunan Fuzzy. Himpunan Fuzzy(contd) 3/13/2012. Budi Rudianto
3/3/22 Definisi LOGIKA FUY Budi Rudianto http://rizaldi.web.id/repo/fuzzy/logikafuzzy-.ppt Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Di mana logika
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 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 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: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas
BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,
Lebih 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 terperinciJOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi
JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI
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 terperinciSIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY
SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,
Lebih 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 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 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 terperinciLAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA
LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: STUDI KASUS UNIVERSITAS
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 terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH
IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com
Lebih terperinciMENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO
MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Komponen Mobil Mesin terdiri atas beberapa bagian yang memiliki fungsinya masingmaning. Bagian-bagian atau komponen-komponen tersebut bekerja bersama-sama untuk menghasilkan
Lebih terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
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 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 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 Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih 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 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 terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Logika fuzzy pertama kali dikembangkan oleh Zadeh di pertengahan tahun 1960 untuk mewakili nilai yang tidak pasti, namun efektif untuk menggambarkan perilaku sistem
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 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 terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciBAB 2 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 I PERKEMBANGAN LOGIKA FUZZY
BAB I PERKEMBANGAN LOGIKA FUZZY 1.1. Apakah Logika Fuzzy? Dalam kehidupan sehari-hari kita sering menjumpai suatu kondisi yang tidak dapat ditentukan batas-batasnya secara tepat. Pemberian batasan secara
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 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 IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat
BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011
Lebih terperinci: 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 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 terperinciTahap Sistem Pakar Berbasis Fuzzy
Company LOGO Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 www.company.com
Lebih terperinciPENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012
PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY Digunakan untuk menghasilkan suatu keputusan tunggal / crisp saat defuzzifikasi Penggunaan akan bergantung
Lebih 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 terperinciBAB II LOGIKA FUZZY. Tujuan : Setelah mempelajari Bab ini Mahasiswa diharapkan dapat memahami. 1. a. Apakah Logika Fuzzy?
BAB II LOGIKA FUZZY Tujuan : Setelah mempelajari Bab ini Mahasiswa diharapkan dapat memahami 1. a. Apakah Logika Fuzzy? b. Apakah perbedaan dgn logika tegas? c. Apakah Himpunan Logika Fuzzy? d. Bagaimana
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 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 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 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 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 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciPENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO
PENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO Dwi Yulian RL 1* Teknik Informatika, Sekolah Tinggi Ilmu Komputer PGRI, Banyuwangi, Indonesia 1* lingkeku@gmail.com Abstrak Usaha kreatif Polo adalah
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO
Hamdani, Deviana Selywita SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO 1) Hamdani, 2) Deviana Selywita, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Mulawarman
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 terperinciPENGEMBANGAN SISTEM PAKAR FUZZY
FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi
Lebih 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 terperinciPerbaikan UTS. Telah ada tugas, merangkum paper, tujuan: Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH:
Perbaikan UTS Telah ada tugas, merangkum paper, tujuan: memperbaiki hasil UTS Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH: Paper tidak terkait / berbasis WEB Tidak ada unsur kecerdasan
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 terperinciSist Sis em t Fuzzy Fuzz Sistem Pakar
Sistem Fuzzy Sistem Pakar Pendahuluan Manusia cenderung menggunakan bahasa dalam bentuk sesuatu yang dapat dipahami secara umum, bukan dalam bentuk bahasa matematika yang mementingkan akurasi. Misalkan,
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 terperinciAnalisis Sistem Estimasi Produksi Menggunakan Metode Fuzzy Berbasis Web
T E S L A VOL. 19 NO.1 MARET 2017 Analisis Sistem Estimasi Produksi Menggunakan Metode Fuzzy Berbasis Web Boby Wisely Ziliwu 1 dan Suhartati Agoes 1 Abstract: Products demand number of that many in the
Lebih terperinciPENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC)
PENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC) Kartina Diah KW,ST1), Zulfa Noviardi2) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1
Lebih terperinci