PERANCANGAN APLIKASI PREDIKSI JUMLAH PERSEDIAAN ALAT KESEHATAN DENGAN METODE ANFIS (STUDI KASUS : RSUD DELI SERDANG)
|
|
- Iwan Hartanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PERANCANGAN APLIKASI PREDIKSI JUMLAH PERSEDIAAN ALAT KESEHATAN DENGAN METODE ANFIS (STUDI KASUS : RSUD DELI SERDANG) Pandi Ahmad Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan JL.Sisingamangaraja No.338 Simpang Limun Medan ABSTRAK Perancangan adalah merancang atau mesain suatu sistem yang baik,yang isinya adalah langkahlangkah operasi dalam proses pengolahan data dan prosedur untuk mukung operasi sistem. Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan, berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahan selisih antara sesuatu yang terjadi dengan hasil perkiraan dapat diperkecil. Prediksi tidak harus memberikan jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi. Perancangan sistem prediksi dapat menggunakan metode ANFIS (Adaptive Neuro Fuzzy Inference System) adalah arsitektur yang secara fungsional sama dengan fuzzy rule base model Sugeno, dan juga sama dengan jaringan syaraf dengan fungsi radial dengan sedikit batasan tertentu yang dapat digunakan utuk memprediksi data tertentu.dengan metode ini diharapkan dapat memprediksi jumlah ALKES yang tepat guna sehingga dapat memperoleh hasil yang maksimal. Kata Kunci: Perancangan, Prediksi, Anfis (Adaptive Neuro Fuzzy Inference System) 1. Pahuluan Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam adalah badan pemerintah yang bergerak dibidang pelayanan kesehatan masyarakat, selain obat obatan, Untuk menunjang kinerja setiap pelayanan pada pasien, dibutuhkan peralatan medis yang mukung, guna dalam proses pemeriksaan dan juga miagnosa keadaan pasien. Alat medis siri terbagi dua golongan, yakni alat medis yang dapat dipakai berulang ulang dan juga alat medis habis pakai (disposable). Untuk Alat medis yang bersifat disposable, alat alat medis tersebut harus dijaga kesterilanya, yang mana alat ini harus tersedia dalam pemeriksaan setiap pasien yang datang. Dan setelah pemakaian, alat tersebut tidak boleh dipakai kembali dan harus dibuang. Namun, terkadang terjadi kala dalam melayani pasien, hal ini disebabkan karena keterbatasan alat medis. Terkadang pihak pasien harus menunggu karena rumah sakit sedang menyediakan alat medis dan tidak jarang pasien dirujukan ke rumah sakit yang lain, karena tidak ada ketersediaan alat medis yang menunjang. Sedangkan pada kasus lain, terdapat beberapa alat medis yang harus dibuang percuma karena sudah tidak terjaga kesterilannya, hal ini disebabkan terlalu banyak stok dan tersimpan terlalu lama. Dan 96 juga pada saat melakukan perekapan data alat kesehatan dibagian kantor farmasi, terdapat beberapa data yang berulang atau double. Pengadaan alat kesehatan di Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam tergantung dari besarnya dana anggaran Pemerintah Kabupaten Deli Serdang. Banyaknya data alat kesehatan hanya bisa diperkirakan dari banyak atau sedikitnya alat kesehatan yang ada (stok), dikarenakan kebutuhan setiap tahun berbeda-beda. Hal ini mengakibatkan tidak semua kebutuhan alat kesehatan terpenuhi dan sering terjadi stok tambahan sedangkan jumlah APBD telah terbagi untuk setiap instasi. Untuk mengatasi permasalahan mengenai pengolahan data stok alat kesehatan, maka dibutuhkan bantuan dengan membangun suatu aplikasi berbasis komputerisasi dengan menggunakan metode ANFIS. Metode ANFIS (Adaptive Neuro Fuzzy Inference System) merupakan suatu metode penentuan urutan atau prioritas. Dengan pertimbangan yang tepat, metode ini bisa menjadi salah satu alat untuk penentuan urutan atau prioritas terhadap produk yang akan dibuat. Penentuan yang diambil sebagai dasar dalam menggunakan kriteria yang dapat terdefinisikan secara jelas dan obyektif. (Ida Bagus, E-Jurnal Matematika Vol. 2, ISSN:
2 ). Agar informasi apa saja yang dibutuhkan mengenai pengolahan data dapat dilihat setiap waktu dan tepat waktu. Sehingga diharapkan bisa memprediksi dengan hasil yang tepat dan meminimalkan redudansi data (perulangan data) dan informasi bisa up to date (perbaharui). Berdasarkan latar belakang masalah diatas,maka penulis tertarik untuk mengakat permasalahan diatas kedalam sebuah skripsi yang berjudul Perancangan Aplikasi Prediksi Persediaan Alat Kesehatan Dengan Metode Anfis (Studi Kasus : Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam). 1.2 Perumusan Masalah Berdasarkan latar belakang masalah di atas, maka dapat dirumuskan permasalahan di dalam penelitian ini adalah sebagai berikut: 1. Bagaimana menentukan jumlah persediaan alat kesehatan pada Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam? 2. Bagaimana penerapan metode ANFIS untuk memprediksi jumlah persediaan alat kesehatan habis pakai (disposable) di Rumah Sakit Umum Daerah Deli Serdang? 3. Bagaimana membangun aplikasi memprediksi persediaan alat kesehatan dengan menggunakan Micrososft Visual Basic 2008 dan MySQL sebagai database pada Rumah Sakit Umum Daerah Deli Serdang? 1.3 Batasan Masalah Agar dalam pembahasan permasalahan tidak menyimpang dari tujuan penulisan, maka perlu dibuat batasan masalah sebagai berikut: 1. Hanya membahas tentang jumlah persediaan alat kesehatan habis pakai ( disposable ) pada Rumah Sakit Umum Daerah Deli Serdang. 2. Data diambil dari tahun sebagai acuan dan menggunakan 25 item barang sebagai contoh untuk memprediksi jumlah persediaan alat kesehatan ditahun yang akan datang. 3. Database menggunakan MySQL dan bahasa pemograman menggunakan microsoft Visual Basic Tujuan dan Manfaat Penelitian Tujuan Tujuan dari penelitian adalah untuk menentukan jumlah persediaan alat kesehatan pada tahun yang akan datang. Adapun tujuan pelaksanaan penelitian ini adalah sebagai berikut: 1. Memprediksi jumlah persediaan alat kesehatan dengan mengunakan metode ANFIS. 2. Menerapkan metode ANFIS dalam menentukan jumlah persediaan alat kesehatan pada Rumah Sakit Umum Daerah Deli Serdang. 3. Membangun aplikasi yang dapat melakukan pengolahan data persediaan pada Rumah Sakit Umum Daerah Deli Serdang Manfaat Pada umumnya penelitian ini memiliki beberapa manfaat diantaranya adalah sebagai berikut: 1. Mempermudah dalam menentukan penyediaan jumlah alat kesehatan sehingga tidak terjadi kelebihan ataupun kekurangan dalam penyediaannya. 2. Mempermudah dalam mengambil keputusan khususnya dalam hal penentuan jumlah alat kesehatan dengan menyusuaikan APBD dengan melihat data-data dari tahun sebelumnya. 3. Mempermudah dalam pencarian data alat kesehatan serta persediaan alat kesehatan dengan menggunakan metode ANFIS pada Rumah Sakit Umum Daerah Deli Serdang. 2. Landasan Teori 2.1 Pengertian Metode ANFIS Menurut Kusumadewi (2006:9), Adaptive Neuro Fuzzy Inference System (ANFIS) adalah arsitektur yang secara fungsional sama dengan fuzzy rule base model Sugeno, dan juga sama dengan jaringan syaraf dengan fungsi radial dengan sedikit batasan tertentu. Bisa dikatakan bahwa ANFIS adalah suatu metode yang mana dalam melakukan penyetelan aturan digunakan algoritma pembelajaran data. Agar jaringan dengan fungsi basis radial ekuivalen dengan fuzzy berbasis aturan model sugeno orde 1 ini, diperlukan batasan :
3 a. Aturan-aturan harus memeiliki metode agregasi yang sama (rata-rata terbobot atau penjumlahan ) untuk menghasilkan semua outputnya. b. Jumlah fungsi aktivasi harus sama dengan jumlah aturan fuzzy (IF-THEN) c. Jika ada beberapa input pada basis aturanya maka tiap-tiap fungsi harus sama dengan fungsi keanggotaan tiaptiap inputnya d. Fungsi aktivasi dan aturan-aturan fuzzy harus memiliki fungsi yang sama untuk neuron-neuron dan aturan-aturan yang ada disisi outputnya. 3. Analisa Dan Perancangan 3.1 Analisa Masalah Dalam laporan jumlah persediaan alat kesehatan pada Rumah Sakit Umum Daerah Deli Serdang Lubuk pakam, tercatat bahwa jumlah persedian dan penggunaan alat kesehatan yang bersifat disposable tidak signifikan, artinya terjadi penurunan dan peningkatan tingkat kebutuhan setiap tahunnya. Mengingat pentingnya mengetahui tingkat jumlah persedian alat kesehatan untuk dapat menentukan persediaan alat kesehatan selama setahun pada Rumah Sakit Umum Daerah Deli Serdang Lubuk pakam, maka diperlukan pembangunan sistem yang mampu memprediksi tingkat kebutuhan alat kesehatan yang akan terjadi ditahun yang akan datang berdasarkan data tahun sebelumnya. Misalnya untuk menentukan jumlah persediaan alat kesehatan ditahun 2016, maka data alat kesehatan yang terpakai pada tahun 2014 dan tahun 2015 dijadikan sebagai bahan masukan dan hasilnya sebagai keluaran untuk tahun Pada metode ANFIS (Adaptive neuro fuzzy Inference System) dalam memprediksi adalah dengan penggunaan data-data ditahun sebelumnya. Data masukan dan data keluaran tersebut di hubungkan dengan satu fungsi yang diolah dengan lapisan-lapisan pada metode ANFIS. Dari penyesuaian antara masukan dan keluaran akan menghasilkan suatu fungsi yang dapat memetakan masukan dan keluaran. Kemudian data masukan diubah berupa masukan data tahun 2014 dan 2015, dan hasil output pada lapisan terakhir merupakan keluaran berupa data untuk tahun DATA JUMLAH ALKES TERPAKAI TAHUN NO NAMA ALAT KESEHATAN DATA ALKES TERPAKAI ABBOCAT ABBOCAT BLOOD TRANSFUSI SET FILM X- RAY FOLEY CHATETER NO FOLEY CHATETER NO HANDSCONE 6,5 STERIL HANDSCONE 7 STERIL HANDSCONE 7,5 NON STERIL INFUS SET MACRO INFUS SET MICRO INFUS SET PUMP NASAL OKSIGEN NGT NO NGT NO SPINOCAIN NEBULIZER ADULT SPUIT 5CC SPUIT 50CC SPUIT 100CC ELASTIS VERBAN TREEWAY STOP COCK HD CHATETER NEBULIZER PEDIATRIC SPUIT 3CC Sumber : RSUD Deli Serdang Sistem analisa yang digunakan untuk memprediksi persediaan alat kesehatan pada RSUD Deli Serdang dengan menggunakan metode ANFIS komponen yang dipakai dalam sistem ini adalah data jumlah alat yang terpakai dari tahun 2014 sampai Dimana data tahun 2014 dan 2015 sebagai masukan dan hasilnya merupakan data keluaran hasil prediksi untuk tahun Berikut adalah sampel data alat kesehatan pada RSUD Deli Serdang yang akan dikaji. Tabel 1 Data Kajian Nama Alat Kesehatan INPUT NO 2014(X 1 ) 2015 (X 2 ) 1 ABBOCAT ABBOCAT BLOOD TRANSFUSI 3 SET FILM X- RAY FOLEY CHATETER NO FOLEY CHATETER NO HANDSCONE 6,5 STERIL
4 8 HANDSCONE 7 STERIL HANDSCONE 7,5 NON 9 STERIL INFUS SET MACRO INFUS SET MICRO INFUS SET PUMP NASAL OKSIGEN NGT NO NGT NO SPINOCAIN NEBULIZER ADULT SPUIT 5CC SPUIT 50CC SPUIT 100CC ELASTIS VERBAN TREEWAY STOP COCK HD CHATETER NEBULIZER 24 PEDIATRIC SPUIT 3CC Dalam rangka mencari nilai awal untuk parameter a dan c dengan menggunakan persamaan 3.2. Kita akan menggunakan algortima FCM untuk melakukan clustering. Kemudian dilakukan perhitungan untuk mapatkan nilai setiap cluster, dan berikut adalah tabel hasil clustering data yang gunakan. Tabel 2 Clustering Data alkes NO. DERAJAT KEANGGOTAAN X 1 X ,822 0,8 2. 0,169 0,1 3. 0,598 0, ,567 0, ,720 0, ,967 0, ,730 0, ,967 0, ,844 0, ,969 0, ,044 0, ,967 0, ,108 0, ,7 0,2 15 0,849 0, ,529 0,471 0,813 0, , ,032 0, ,963 0, ,897 0, ,044 0, ,914 0, ,967 0, ,130 0,870 Selanjutnya akan menemukan nilai c ( deviasi standar) dan a (mean) awal. Untuk menentukan nilai c dan a adalah sebagai berikut : 99 Nilai n = 25 dan total cluster X 1 = 15,754 dan total cluster X 2 = 8,6162 Dari data tersebut dapat diperoleh data c dan a sebagai berikut : 0,3716 0,3384 c = dan a = 0,4550 0,81 0,17 0,15 0,1303 0,10 Dengan demikian persamaan 3.2, yaitu dengan fungsi keanggotaan Generalized Bell ( Gbell ) yang dinyatakan dengan untuk setiap neuron pada lapisan pertama akan menjadi: A 1 = μ X 1 = 1 X 1 0,3716 0,17 2 A 2 1 = μ X X 1 0,3384 0,15 2 B 1 = μ(x 2)= 1 B 2 = μ X 2 = 1+ X 2 0, , X 2 0,3384 0,10 Selanjutnya, output lapisan pertama berupa derajat keanggotaan setiap data dapat kita hitung dan hasil dapat dilihat pada tabel 3 Tabel 3 Output Lapisan Pertama alkes Data Derajat keanggotaan ke- μ a1 μ a2 μ b1 μ b2 1. 5,4363 0,7322 5,6331 8, ,9645 0,5621 0,1245 0, ,2616 0,3087 0,5257 0, ,6132 0,2686 0,2536 0, ,4919 0,7015 0,5722 0, ,8895 0,9645 0,5402 0, ,4631 0,29 0,6220 0, ,8895 0,9645 0,5402 0, ,36 0,1543 0,9998 0, ,8786 0,4468 0,5402 0, ,9878 0,8007 0,0450 0, ,8895 0,9645 0,5402 0, ,3873 0,5208 0, ,2616 0,3087 0,9998 0, ,36 0,1543 0,9949 0, ,4032 0, , ,8895 0,9645 0,5257 0, ,81 0,9985 0,9761 0, ,8895 0,9645 0,0466 0, ,8544 0,9869 0,5402 0,0328 2
5 ,5779 0,2511 0, ,9649 0, , ,6132 0, ,8895 0,9645 0,5402 0, ,2616 0, ,8888 Pada lapisan ke dua kita kalikan derajat keanggotaan, w 1 = μa 1 (μb 1 ). dan, w 2 = μa 2 (μb 2 ). Selanjutnya pada lapisan ke tiga akan dilakukan normalisasi untuk mapatkan 1 dan Ŵ 2 berdasarkan persamaan 3.4. hasilnya dapat dilihat pada tabel 4 Tabel 4 Output Lapisan Kedua dan Ketiga Data ke - Output lapisan ke dua Output lapisan ke tiga W 1 W 2 Ŵ 1 Ŵ ,6232 6,5390 0,8240 0, ,1201 0,1646 0,19 0, , ,8484 0, ,1555 0,03 0,8149 0, , ,8413 0, ,4805 0, ,2880 0,0471 0,8594 0, ,4805 0, , 75 0, , ,9700 0, ,0445 0, ,4805 0, , , , , , ,0885 0,7740 0, ,4676 0,0768 0,8590 0, ,7976 0,0450 0, ,0415 0, , ,4615 0, , ,92 0, ,4688 0,1243 0, ,5931 0,7855 0, ,4805 0, ,9407 Terakhir pada lapisan keempat kita dapat menghitung nilai Ŵ 1 X ij, dengan i=1,2 dan j=1,2 sebagai koefisien dari C ij, i=1,2 dan j=0,1,2 pada persamaan 3.4 hasilnya dapat dilihat pada tabel 5 Tabel 5 Koofisien Parameter Da Koofisiensi Parameter ta C 11 C 12 C 10 C 21 C 22 C 20 ke 1. 0,67 0,03 0,82 0,14 0,03 0, ,14 0,27 0, 19 0, ,37 0, , , , , , , , , , , , ,45 0, , , , , , , , , , , , , ,30 0,22 0, , , , , , , , , , , , ,32 0, , ,43 0, , , ,0, , , , , , 59 0, , , , , , , , , , , , , , , , , , 16 0, , , , , , ,94 07 Setelah kita mapatkan hasil lapisan I,II,III dan lapisan IV, selanjutnya kita menghitung seluruh output lapisan, untuk mapatkan lapisan ke V
6 Berikut ini adalah tabel yang memetapakan data masukan ( data tahun data tahun 2015 ) dengan hasil prediksi Tabel 6 Hasil Output lapisan 5 No Data Masukan Hasil Prediksi Setelah kita mapatkan hasil keseluruhan lapisan V, maka dilakukan perhitungan untuk melihat jumlah perbandingan hasil prediksi dengan data input dengan mean absolute percentage error (MAPE), dengan menggunakan persamaan yang telah ditentukan sebagai berikut: Tabel 7 Hasil Output Akhir No. Perbandingan Hasil Total Data Layer (%) Prediksi Masukan 1 1,29% ,5 % ,8% ,8% ,8 % ,7 % ,2% ,6 % ,3 % ,5 % ,9 % ,8 % ,7 % ,8 % % % ,5 % % ,5 % ,4 % ,2 % ,3 % ,8 % ,4 % ,5 % Berikut ini adalah hasil akhir dari perhitungan data-data yang telah ada dengan menggunakan persamaan yang telah ditentukan dalam metode ANFIS. Perband Nama ALKES Data Hasil ingan Masukan Prediksi Layer (%) 1 ABBOCAT ,29% No 2 ABBOCAT ,5 % 3 BLOOD TRANSFUSI SET ,8% 4 FILM X- RAY ,8% 5 FOLEY CHATETER NO ,8 % 6 FOLEY CHATETER NO ,7 % 7 HANDSCONE 6,5 STERIL ,2% 8 HANDSCONE 7 STERIL ,6 % 9 HANDSCONE 7,5 NON ,3 % STERIL 10 INFUS SET MACRO ,5 % 11 INFUS SET MICRO ,9 % 12 INFUS SET PUMP ,8 % 13 NASAL OKSIGEN ,7 % 14 NGT NO ,8 % 15 NGT NO % 16 SPINOCAIN % NEBULIZER ADULT ,5 % 18 SPUIT 5CC % 19 SPUIT 50CC ,5 % 20 SPUIT 100CC ,4 % 21 ELASTIS VERBAN ,2 % 22 TREEWAY STOP COCK ,3 % 23 HD CHATETER ,8 % 24 NEBULIZER PEDIATRIC ,4 % 25 SPUIT 3CC ,5 % 3.2 Use Case Diagram
7 Use case merupakan fungsionalitas dari suatu sistem, sehingga user atau pengguna aplikasi dapat mengerti kegunaan aplikasi yang akan dibangun. Use case diagram adalah tekhnik merekam persyaratan fungsional sebuah sistem. Sebuah use case merepresentasikan sebuah interaksi antara user dengan sistem. Use case diagram Skenario setiap bagian pada use case menunjukkan proses apa yang terjadi pada setiap bagian di dalam use case tersebut, dimana user memberikan perintah pada setiap bagian dan respon apa yang diberikan oleh sistem kepada user setelah user memberikan perintah pada setiap bagian-bagian use case. Bagaimana proses yang terjadi pada aplikasi Dinas Kesehatan Kota Medan dapat kita lihat pada gambar 2 Gambar 2 Use Case Diagram Skenario use case Diagram pada proses mempersediaan alat kesehatan yaitu user menampilkan form untuk melakukan input data sehingga menampilkan pilihan input data alkes, input harga, input kebutuhan alkes, input persediaan alkes. Data kemudian pilih menu proses sehingga diperoleh hasil akhir. Skenario dari use case keluar yaitu user akan keluar dari program, kemudian sistem menutup tampilan program. 4. Algoritma dan Implementasi INPUT : Data nama Alkes Merupakan nama alkes yang akan diinput Data Tahun I (x 1 ) Memasukan data tahun pertama ( 2014 ) Data Tahun II (x 2 ) Memasukan data ditahun ke dua ( 2015 ) Nilai FCM Hasil pada pengclusteran 102 Nilai lapis I,II,III,IV,V Hasil pada setiap lapis Nilai Epoh,toleranasi eror,momentum dan laju pembelajaran Nilai yang telah ditentukan ( konstanta ) OUTPUT : Hasil Data Prediksi Jumlah Persediaan Alat Kesehatan PROSES : Menentukan Nilai FCM Clustering dengan FCM [X 1,X 2 ]= f_fcm (X 1,X 2, ) Dimana X 1 adalah data tahun pertama X 2 tahun ke 2 Hitung mean dan deviasi standar [X 1,X 2 ]= max(u) Nilai maksimun dari hasil mean dan deviasi standar for = X 1 ty=[ ] else if = X 2 for = X 1 = mean (ty) Hasil mean data pertama else if = X 2 = mean (ty) Hasl mean data ke dua Menentukan Lapisan I X =[μ a1 ]; [μ a2 ]; [μ b1 ]; [μ b2 ] nilai X dibagi menjadi a1 a2, b1 dan b2 μ fungsi keanggotaan Generalized Bell for i =1: m i menyatakan untuk X 1 atau X 2 mu[μ a1 ]; [μ b1 ]=1/(1+(=[μ a2 ]-tc (1+(=[μ b2 ] Hasil lapisan pertama Menentukan Lapisan II for W 1 =[μ a1 ]* [μ b1 ] formula untuk tahun pertama W 2 =[μ a2 ]* [μ b2 ] formula untuk tahun ke dua Menentukan Lapisan III dengan Normalised firing strength for Ŵ 1 = W 1 and W 2 / W 1 Ŵ 1 merupakan hasil lapisan ke 3 di tahun pertama Ŵ 2 = W 1 and W 2 / W 2 Ŵ 2 merupakan hasil lapisan ke 3 di tahun ke dua Menentukan lapisan IV dan V R=rekursif_LSE (Ŵ 1 and Ŵ 2 ) P n (Ŵ 1 and Ŵ 2 ) -1 P n menyatakan hasil RLE untuk hasil lapisan ke 4 Ŵ 1 Xi,i=1,2 X i menyatakan koefisien
8 if C 11, C 12, C 10, C 21, C 22, C 20 Merupakan consequent parameters hasil dari nilai koefisien Menentukan Hasil Prediksi If epoh = 400 EPS = 10 6 Lr = 0,4 Mc = 0,9 5. Kesimpulan Dan Saran 5.1 Kesimpulan Setelah menyelesaikan skripsi yang berjudul Perancangan Aplikasi Prediksi Jumlah Persediaan Alat Kesehatan dengan Metode Anfis, Penulis menarik beberapa kesimpulan sebagai berikut : 1. Menentukan jumlah alat kesehatan yang akan dibutuhkan merupakan suatu kerja yang mampu untuk memperhitungkan jumlah stok agar dana dapat dimanfaatkan secara maksimal. 2. Metode Anfis adalah metode yang lebih efektif dalam penentuan prediksi jumlah kebutuhan alkes, sehingga dapat mengurangi terjadinya kelebihan dan kekurangan dalam penyediannya. 3. Dengan memanfaatkan sistem komputerisasi suatu permasalahan dapat didokumentasikan dalam bentuk program yang dapat digunakan di dalam proses penarikan kesimpulan terhadap suatu permasalahan. 5.2 Saran Penulis ingin memberikan beberapa saran yang berguna untuk pengembangan skripsi ini yaitu: 1. Program aplikasi ini relatif mudah dioperasikan akan tetapi program ini masih membutuhkan panduan penggunaan program yang lebih terperinci agar sistem ini dapat dijalankan dengan baik, terutama bagi pemula. 2. Sistem yang disarankan dapat dikembangkan lagi sesuai dengan kebutuhan sistem seperti dilengkapi dengan fasilitas keamanan data dari jaringan komputer. 3. Aplikasi ini masih jauh dari kesempurnaan, apabila terdapat kesalahan baik dalam penyajian, penulisan dan penyampaian maka penulis berharap agar 103 para pembaca berkenan untuk memberikan saran dalam pengembangan aplikasi ini agar menjadi lebih baik lagi Daftar Pustaka 1. Jogiyanto, H.M, Analisis dan Desain Sistem Informasi, Penerbit Andi,Yogyakarta, Jogiyanto, H.M, Pengenalan Komputer, Penerbit Andi, Yogyakarta, Junindar, Panduan Lengkap Menjadi Programmer MenggunakanVB.Net, Sutabri, Tata, Analisis Sistem Informasi, Penerbit Andi, Yogyakarta, Sutabri, Tata, Konsep Sistem Informasi, Penerbit Andi, Yogyakarta, Kusumadewi, Sri, Neuro Fuzzy&Jaringan Syaraf, Penerbit Graha Ilmu,Yoyakarta, Kusumadewi, Sri, & Purnomo,Hari Aplikasi Logika Fuzzy Untuk pukung keputusan, Penerbit Graha Ilmu,Yoyakarta,2010
Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih
Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih Niska Ramadani Dosen Universitas Dehasen Bengkulu niskaramadani@gmail.com ABSTRAK Pertumbuhan penduduk harus
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan. Tahapan penelitian
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 terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN Pada bagian ini berisi analisa peramalan konsumsi BBM Provinsi Riau, yang mana data konsumsi BBM, jumlah kendaran bermotor dan jumlah penduduk merupakan faktor yang mempengaruhi
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 terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk prediksi Beban Daya
Lebih terperinciImplementasi Adaptive Neuro-Fuzzy Inference System (Anfis) untuk Peramalan Pemakaian Air di Perusahaan Daerah Air Minum Tirta Moedal Semarang
Scientific Journal of Informatics Vol. 3, No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Adaptive Neuro-Fuzzy Inference System (Anfis) untuk
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Semakin bertambah tahun, semua peralatan konvensional semakin tergantikan dengan adanya peralatan elektronik. Di setiap sisi kehidupan pada saat ini menggunakan peralatan
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 04, No. 3 (2016), hal ISSN: X
SISTEM PENDUKUNG KEPUTUSAN PREDIKSI CURAH HUJAN DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (Studi Kasus: Kota Pontianak) [1] Ruspina Ningsih, [2] Beni Irawan, [3] Fatma Agus Setyaningsih [1][3]
Lebih terperinciBAB I PENDAHULUAN. pada seluruh lapisan bidang usaha, sehingga komputerisasi dalam berbagai bidang
1 BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan teknologi komputer yang sangat pesat membawa imbas pada seluruh lapisan bidang usaha, sehingga komputerisasi dalam berbagai bidang sudah merupakan tuntutan
Lebih terperinciJURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 31-40 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DATA RUNTUN WAKTU DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciPREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA ANFIS
PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA ANFIS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Disusun Oleh: Fittriyah 0 8
Lebih terperinciPERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor:, Februari 206 ISSN : 2407-389X PERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION Fahmi Hasobaran Dalimunthe
Lebih terperinciSISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES
SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES Ayu Permata Lestari (0911267) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl.
Lebih terperinciIDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Seminar Tugas Akhir O L E H : M I F T A H U D D I N P E M B I M B I N G : I R. Y E R R
Lebih terperinciPRAKIRAAN PENGGUNAAN BEBAN LISTRIK JANGKA PENDEK PADA GKB 2 UMM MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI
PRAKIRAAN PENGGUNAAN BEBAN LISTRIK JANGKA PENDEK PADA GKB 2 UMM MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata
Lebih terperinciSISTEM INFORMASI PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE TECHNIQUE FOR OTHERS REFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS)
SISTEM INFORMASI PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE TECHNIQUE FOR OTHERS REFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) Siti Kholijah Ritonga (0911442) Mahasiswa Program Studi Teknik Informatika
Lebih terperinciPERKIRAAN BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
ISSN : 1978-6603 PERKIRAAN BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Sarjon Defit Fakultas Ilmu Komputer Universitas Putra Indonesia YPTK Padang, Sumatera Barat Telp.
Lebih terperinciBAB III METODELOGI PENELITIAN. media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS)
BAB III METODELOGI PENELITIAN 3.1 Studi Literatur Untuk memehami cara rancang bangun pengontrol suhu dan kelembaban media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS) dibutuhkan studi
Lebih terperinciIMPLEMENTASI ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK PREDIKSI CUACA TUGAS AKHIR
IMPLEMENTASI ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK PREDIKSI CUACA (Studi Kasus Stasiun Klimatologi Karangploso Kab. Malang) TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik
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 terperinciRANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON
RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON Liza Afriyanti Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam
Lebih terperinciPREDIKSI PEMENANG PADA PERMAINAN DOTA MENGGUNAKAN ALGORITMA ANFIS TUGAS AKHIR
PREDIKSI PEMENANG PADA PERMAINAN DOTA MENGGUNAKAN ALGORITMA ANFIS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh: NIZAR HIDAYAT
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM Bab ini menguraikan tentang analisa dan perancangan sistem untuk mengimplementasikan metode Double Exponential Smoothing (DES) pada aplikasi prediksi jumlah pasien
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Clustering Clustering atau analisis cluster adalah proses pengelompokan satu set benda- benda fisik atau abstrak ke dalam kelas objek yang sama (Han, 2006). Baskoro (2010) menyatakan
Lebih terperinciPREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU
PREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU 091402118 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 ANALISIS SISTEM PAKAR UNTUK DIAGNOSA JENIS GANGGUAN PENCERNAAN BERBASIS MOBILE DEVICE Abstrak Yody
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tenaga listrik merupakan kebutuhan yang sangat penting bagi manusia dalam melakukan aktifitasnya sehari-hari. Peralatan rumah tangga maupun industri hampir semuanya
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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION Zulkarnain Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja
Lebih terperinciAPLIKASI SISTEM CERDAS UNTUK PREDIKSI ENERGI LISTRIK PEMAKAIAN SENDIRI DI PT INDONESIA POWER SUB UNIT PLTA KABUPATEN WONOGIRI
APLIKASI SISTEM CERDAS UNTUK PREDIKSI ENERGI LISTRIK PEMAKAIAN SENDIRI DI PT INDONESIA POWER SUB UNIT PLTA KABUPATEN WONOGIRI Herliyani Hasanah Program Studi Teknik Informatika STMIK Duta Bangsa Surakarta
Lebih terperinciBAB I PENDAHULUAN. daya tahan. PT. Propan Raya ICC merupakan sebuah perusahaan yang bergerak di
BAB I PENDAHULUAN I.1. Latar Belakang Cat adalah suatu zat yang memiliki warna dan memiliki daya rekat serta daya tahan. PT. Propan Raya ICC merupakan sebuah perusahaan yang bergerak di bidang pembuatan
Lebih terperinciMODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Wanti Rahayu 1 1 Mahasiswa Universitas Indraprasta PGRI Email : 1 wanti.reiku@gmail.com Abstrak- Guru merupakan aspek
Lebih terperinciBAB I PENDAHULUAN. dalam suatu perusahaan, karena persediaan akan dijual secara terus menerus untuk
BAB I PENDAHULUAN I.1. Latar Belakang Persediaan Barang merupakan komponen utama yang sangat penting dalam suatu perusahaan, karena persediaan akan dijual secara terus menerus untuk kelangsungan hidup
Lebih terperinciBAB I PENDAHULUAN. industri erat kaitannya dengan jumlah produksi yang harus disediakan. Seiring
BAB I PENDAHULUAN I.1. Latar Belakang Produksi merupakan kegiatan vital yang ada dalam suatu industri, kegiatan industri erat kaitannya dengan jumlah produksi yang harus disediakan. Seiring dengan meningkatnya
Lebih terperinciAPLIKASI PENGENALAN POLA DAUN MENGGUNAKAN JARINGAN SYARAF LEARNING VECTOR QUANTIFICATION UNTUK PENENTUAN TANAMAN OBAT
APLIKASI PENGENALAN POLA DAUN MENGGUNAKAN JARINGAN SYARAF LEARNING VECTOR QUANTIFICATION UNTUK PENENTUAN TANAMAN OBAT Fradika Indrawan Jurusan Teknik Informatika, Universitas Ahmad Dahlan, Yogyakarta Jl.
Lebih terperinciBAB I PENDAHULUAN. swasta, khususnya dalam pengolahan data yang relatif besar dan penggunaan data
1 BAB I PENDAHULUAN I.1. Latar Belakang Semakin pesatnya perkembangan teknologi informasi saat ini sangat mempengaruhi pola pikir dan sikap perilaku manusia pada umumnya. Hal ini dapat dirasakan pada dunia
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
83 BAB IV HASIL DAN PEMBAHASAN IV.1. Hasil Berikut ini adalah hasil dari program dari Sistem Informasi Biaya Berobat ini dirancang dengan menggunakan bahasa pemogram Microsoft Visual Basic.Net dengan menggunakan
Lebih terperinciPrediksi Suku Bunga Acuan (BI Rate) Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 73-80 http://j-ptiik.ub.ac.id Prediksi Suku Bunga Acuan (BI Rate) Menggunakan Metode Adaptive
Lebih terperinciSKRIPSI. Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata I Teknik Elektro Universitas Muhammadiyah Malang.
PRAKIRAAN PENGGUNAAN JUMLAH AKOMODASI KAPAL FERRY PADA PELABUHAN PT ASDP INDONESIA FERRY (PERSERO) CABANG KETAPANG-GILIMANUK DENGAN PENERAPAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI
Lebih terperinciAPLIKASI PENDUKUNG KEPUTUSAN DENGAN LOGIKA FUZZY (STUDY KASUS : PRAKIRAAN CUACA DI BMKG JAMBI)
APLIKASI PENDUKUNG KEPUTUSAN DENGAN LOGIKA FUZZY (STUDY KASUS : PRAKIRAAN CUACA DI BMKG JAMBI) Lucy Simorangkir, Muchammad Nur Program StudiTeknikInformatika STMIK NurdinHamzah Jalan KolonelAbunjani, Sipin,
Lebih terperinciPerbandingan Regresi Linear, Backpropagation Dan Fuzzy Mamdani Dalam Prediksi Harga Emas
TEKNOLOGI DI INDUSTRI (SENIATI) 016 ISSN : 085-418 Perbandingan Regresi Linear, Backpropagation Dan Fuzzy Mamdani Dalam Prediksi Harga Emas Nur Nafi iyah Program Studi Teknik Informatika Universitas Islam
Lebih terperinciBAB 1 PENDAHULUAN. Implementasi komputer dalam kehidupan manusia adalah untuk menunjang suatu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Implementasi komputer dalam kehidupan manusia adalah untuk menunjang suatu pekerjaan, baik yang sifatnya rutinitas maupun tidak rutinitas. Kemajuan perkembangan teknologi
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 terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperinciPENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI JAYA MOTOR MEDAN )
Marsono, ISSN : 1978-6603 Saiful Nur Arif, Iskandar Zulkarnain, Penerapan Metode Tsukamoto PENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinciPENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO
PENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO David Sekolah Tinggi Manajemen Informatika dan Komputer Pontianak Jln. Merdeka No. 372 Pontianak, Kalimantan Barat David_Liauw@stmikpontianak.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Jual beli handphone adalah salah satu kegiatan transaksi yang dilakukan oleh toko handphone atau toko seluler. Kegiatan jual beli ini meliputi pembelian dan
Lebih terperinciRANCANG BANGUN APLIKASI PERAMALAN PENJUALAN AQUAKY DENGAN METODE REGRESI LINIER DI CV. JAYA HIKMAH TULUNGAGUNG JAWA TIMUR TUGAS AKHIR
RANCANG BANGUN APLIKASI PERAMALAN PENJUALAN AQUAKY DENGAN METODE REGRESI LINIER DI CV. JAYA HIKMAH TULUNGAGUNG JAWA TIMUR TUGAS AKHIR Diajukan Oleh: RIVAL ZUNAIDHI NPM : 0934015021 Kepada JURUSAN TEKNIK
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang PT. Sinar Sosro adalah salah satu perusahaan yang bergerak di bidang produksi minuman dengan skala besar (mass production). PT. Sinar Sosro Cabang Deli Serdang memproduksi
Lebih terperinciSISTEM INFORMASI AKADEMIK BERBASIS DEKSTOP PADA MADRASAH ALIYAH AR-RAHMAH SUNGAI TABUK
Technologia Vol 8, No.1, Januari Maret 2017 40 SISTEM INFORMASI AKADEMIK BERBASIS DEKSTOP PADA MADRASAH ALIYAH AR-RAHMAH SUNGAI TABUK Mayang Sari, S.Kom, M.Kom mayang@fti.uniska-bjm.ac.id Yusri Ikhwani,
Lebih terperinciPENGGUNAAN MOVING AVERAGE DENGAN METODE HYBRID ARTIFICIAL NEURAL NETWORK DAN FUZZY INFERENCE SYSTEM UNTUK PREDIKSI CUACA
E-ISS : 2540-8984 PEGGUAA MOVIG AVERAGE DEGA METODE HYBRID ARTIFICIAL EURAL ETWORK DA FUZZY IFERECE SYSTEM UTUK PREDIKSI CUACA Fahrur Rozi 1), Farid Sukmana 2) 1) Jurusan Pendidikan Teknologi Informasi,
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 I PENDAHULUAN 1.2. LATAR BELAKANG MASALAH
BAB I PENDAHULUAN Pada bab pertama ini akan dibahas mengenai latar belakang mengapa perlu dibuat aplikasi Soil Taxonomy USDA berbasis Fuzzy Logic. Dijabarkan juga mengenai tujuan dan maksud dari pembuatan
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciBAB IV HASIL DAN UJI COBA
45 BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Laporan skripsi ini mencoba untuk membuat sebuah perancangan aplikasi permainan Color Memory menggunakan metode Brute Force. Dalam proses pembuatan aplikasi
Lebih terperinciDESAIN SISTEM KONTROL ADAPTIVE EURAL FUZZY INFERENCE SYSTEM (ANFIS) UNTUK PENGATURAN IGNITION TIMING PADA MODEL SPARK IGNITION ENGINE
DESAIN SISTEM KONTROL ADAPTIVE EURAL FUZZY INFERENCE SYSTEM (ANFIS) UNTUK PENGATURAN IGNITION TIMING PADA MODEL SPARK IGNITION ENGINE Praptiandari Raras Puspitasari 1), Aris Triwiyatno, and Budi Setiyono
Lebih terperinciPREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo)
PREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo) Ifan Wiranto, Wahab Musa, Wrastawa Ridwan Jurusan Teknik Elektro
Lebih terperinciPENERAPAN DATA MINING DENGAN METODE INTERPOLASI UNTUK MEMPREDIKSI MINAT KONSUMEN ASURANSI (Studi Kasus Asuransi Metlife)
Media Informatika, Vol. 5, No. 2, Desember 2007, 113-128 ISSN: 0854-4743 PENERAPAN DATA MINING DENGAN METODE INTERPOLASI UNTUK MEMPREDIKSI MINAT KONSUMEN ASURANSI (Studi Kasus Asuransi Metlife) Sandy Kurniawan,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN JENIS RAMBUT MANUSIA DENGAN MENERAPKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JENIS RAMBUT MANUSIA DENGAN MENERAPKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Fitriani (1011184) Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan JL.Sisingamangaraja
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 terperinciT 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia
T 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia Aidatul Fitriah 1, Agus Maman Abadi 2 1) Program Studi Matematika, FMIPA Universitas Negeri Yogyakarta 2) Jurusan Pendidikan Matematika,
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciPREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO
PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO Ahmad Bahroini 1, Andi Farmadi 2, Radityo Adi Nugroho 3 1,2,3Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36 Banjarbaru, Kalimantan
Lebih terperinciJURNAL SISTEM INFORMASI PADA KSU TUNAS ABADI JAYA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
JURNAL SISTEM INFORMASI PADA KSU TUNAS ABADI JAYA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) INFORMATION SYSTEM AT KSU TUNAS ABADI JAYA WITH SIMPLE ADDITIVE WEIGHTING METHOD (SAW) Oleh: RIA DWI MARTHA
Lebih terperinciBAB 1 PENDAHULUAN. membawa perubahan hampir diseluruh bidang kehidupan manusia. Terutama di
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu dan teknologi saat ini sangatlah pesat dan sangat membawa perubahan hampir diseluruh bidang kehidupan manusia. Terutama di bidang teknologi
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciAdaptive Neuro Fuzzy Inference System (ANFIS) Untuk Prediksi Pembayaran Pinjaman Berdasarkan Rencana Pembiayaan Nasabah
Adaptive Neuro Fuzzy Inference System (ANFIS) Untuk Prediksi Pembayaran Pinjaman Berdasarkan Rencana Pembiayaan Nasabah Abrar Hadi Jurusan Teknik Informatika, STMIK Amik Riau abrarhadi@stmik-amik-riau.ac.id
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN
SISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN Ahyuna 1), Komang Aryasa 2) 1), 2) Jurusan Teknik Informatika, STMIK Dipanegara Makassar 3) Jl. Perintis
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. 3.1 Alasan digunakan Metode Exponential Smoothing. Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat
BAB 3 PERANCANGAN PROGRAM 3.1 Alasan digunakan Metode Exponential Smoothing Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat penjualan untuk beberapa periode ke depan. Biasanya untuk
Lebih terperinciPENERAPAN METODE WEIGHTED PRODUCT (WP) DALAM PROSES SELEKSI CALON KARYAWAN (STUDI KASUS PT. ISH BANDUNG)
PENERAPAN METODE WEIGHTED PRODUCT (WP) DALAM PROSES SELEKSI CALON KARYAWAN (STUDI KASUS PT. ISH BANDUNG) Diqy Fakhrun Shiddieq 1, Irma Novianty Nazib 2 1 Teknik Informatika, Program Studi Teknik Informatika,
Lebih terperinciRANCANGAN SISTEM PAKAR DENGAN METODE FORWARD CHAINING DAN HETEROASSOCOATIVE MEMORY UNTUK MENDETEKSI TINGKAT DEPRESI SESEORANG
RANCANGAN SISTEM PAKAR DENGAN METODE FORWARD CHAINING DAN HETEROASSOCOATIVE MEMORY UNTUK MENDETEKSI TINGKAT DEPRESI SESEORANG Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Depresi
Lebih terperinciCLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN
CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN Fitri Wulandari, Rinto Setiawan Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciPERANCANGAN APLIKASI PENENTUAN JURUSAN DI SMA MENGGUNAKAN METODE K-MEANS
PERANCANGAN APLIKASI PENENTUAN JURUSAN DI SMA MENGGUNAKAN METODE K-MEANS Herianto Manurung (1011933) Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Identifikasi Masalah 3 dimensi atau biasa disingkat 3D atau disebut ruang, adalah bentuk dari benda yang memiliki panjang, lebar, dan tinggi. Istilah ini biasanya digunakan
Lebih terperinciBAB I PENDAHULUAN. polis dan perusahaan dalam hal ini, terutama masalah-masalah data premi nasabah
BAB I PENDAHULUAN I.1. Latar Belakang Sistem komputer saat ini sedang berkembang dengan pesat, sesuai dengan kebutuhan dan perkembangan teknologi. Program komputer sangat membantu dalam kegiatan transaksi
Lebih terperinciPENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Abstrak
PENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Dini Fakta Sari Teknik Informatika STMIK AKAKOM Yogyakarta dini@akakom.ac.id Abstrak Tenaga
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilakukan
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciIMPLEMENTASI ALGORITMA LOGIKA FUZZY PADA PROSES SELEKSI PENERIMAAN MAHASISWA BARU (Diterapkan Pada Politeknik Kotabaru)
ISSN: 1410-2331 IMPLEMENTASI ALGORITMA LOGIKA FUZZY PADA PROSES SELEKSI PENERIMAAN MAHASISWA BARU (Diterapkan Pada Politeknik Kotabaru) Triyanto Pangaribowo Program Studi Teknik Elektro, Fakultas Teknik
Lebih terperinciPERBANDINGAN DAN ANALISIS SUPPORT VECTOR MACHINE DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK KLASIFIKASI GENRE MUSIK
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 1662 PERBANDINGAN DAN ANALISIS SUPPORT VECTOR MACHINE DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK KLASIFIKASI GENRE MUSIK
Lebih terperinciBAB I PENDAHULUAN. ditemukan. Untuk pembuatan laporan per bulan, dilakukan perekapan dan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Klinik Gigi Drg. Basuki yaitu klinik yang berlokasi di Jalan R. A. Kartini No. 05 Surabaya. Klinik yang bergerak dalam pelayanan kesehatan gigi dan mulut ini,
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY UNTUK AKUISI DATA BERBASIS WEB SERVER. Jl. Raya Kaligawe KM 4, PO BOX 1054, Semarang 50142
IMPLEMENTASI LOGIKA FUZZY UNTUK AKUISI DATA BERBASIS WEB SERVER Munaf Ismail 1*, Muhamad Haddin 1, Agus Suprajitno 1 1 Universitas Islam Sultan Agung Jl. Raya Kaligawe KM 4, PO BOX 1054, Semarang 50142
Lebih terperinciBAB I PENDAHULUAN. manusia akan teknologi tepat guna. Teknologi tepat guna yang mampu memenuhi
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang semakin pesat dipicu oleh kebutuhan manusia akan teknologi tepat guna. Teknologi tepat guna yang mampu memenuhi perintah user dalam hal
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Universitas Kristen Duta Wacana atau UKDW merupakan salah satu perguruan tinggi yang terletak di Yogyakarta. Universitas Kristen Duta Wacana berdiri pada tanggal
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1 Hasil Hasil dari penerapan data mining dengan menggunakan Metode Clustering untuk mengidentifikasi jenis Penyakit Paru-Paru yang dibangun dapat dilihat pada gambar-gambar
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 terperinciE-COMMERCE BARANG ELEKTRONIK MENGGUNAKAN METODE WATERFALL (STUDY KASUS: TOKO MITRA ELEKTRONIK LAMPUNG)
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 212~218 E-COMMERCE BARANG ELEKTRONIK MENGGUNAKAN METODE WATERFALL (STUDY KASUS: TOKO MITRA ELEKTRONIK LAMPUNG) 212 Risa Wati 1, Siti
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan dunia kesehatan telah memasuki era globalisasi yang didominasi dengan lahirnya teknologi - teknologi yang selalu ter up date. Semuanya dapat
Lebih terperinciRancang Bangun Sistem Penjejak Matahari 2 Sumbu Berbasis Kontrol Adaptive Neuro-Fuzzy Inference System (ANFIS)
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Penjejak Matahari 2 Sumbu Berbasis Kontrol Adaptive Neuro-Fuzzy Inference System (ANFIS) Amar Muhammad, Imam Abadi ST MT Teknik
Lebih terperinci